谷歌Antigravity加速抗菌肽发现

面对日益严峻的抗生素耐药危机，谷歌正尝试借助人工智能缩短新型抗菌药物筛选周期。谷歌介绍，其ProtNLM深度学习模型可直接读取氨基酸序列中的进化语法，从未经标注的蛋白质序列预测生物学功能，为抗菌肽尤其是细菌素发现提供候选线索。抗生素耐药性已构成重大公共卫生挑战，预计到2050年可能导致全球每年约一千万人死亡。基因组与宏基因组测序产生海量天然氨基酸序列，但大量序列因与已知蛋白相似性低而停留在功能未知区域，UniProt中仍有数百万条未注释条目。 在该演示流程中，研究团队聚焦假肺炎链球菌一段较短氨基酸窗口，筛选出具生物学合理性的抗菌肽候选物。该候选物获结构和基因组证据支持，但仍需湿实验验证。其价值在于把原本数天的数据库检索与人工比对压缩为一次协作式分析会话。研究人员可在谷歌Antigravity中调整筛选条件、改变序列长度或转向其他优先病原体和环境微生物，以系统性挖掘新型抗菌肽候选。 为提升结构理解效率，谷歌推出嵌入Antigravity的生物分子结构查看器。该工具可调用AlphaFold数据库或研究者预测结构，实现人机共享的三维交互：模型可高亮功能区域并解释假设，研究者也可标记残基、固定注释，并就特定结构元素如何影响Lipid II结合等过程提问，使分析围绕当前结构上下文展开。该进展显示，生成式模型与结构可视化结合有望降低抗菌药物发现门槛，并推动从海量天然序列中更高效定位可验证药物先导。