Google DeepMind ने एंटीमाइक्रोबियल पेप्टाइड की खोज का विवरण साझा किया

Google DeepMind ने 15 अक्टूबर, 2026 को एक तकनीकी मार्गदर्शिका प्रकाशित की, जिसमें जीवविज्ञानियों ने अपने एजेंट-आधारित विकास मंच Google Antigravity का उपयोग करके Streptococcus pseudopneumoniae में एक नए एंटीमाइक्रोबियल पेप्टाइड उम्मीदवार की पहचान की। कंपनी ने कहा कि इस प्रमुख उम्मीदवार का प्रयोगशाला में सत्यापन किया जा रहा है।

Pengfei Tian, Maxwell L Bileschi, Zoi Tsangalidou, Sukhdeep Singh और Lucy J. Colwell द्वारा लिखी गई इस मार्गदर्शिका में इस काम को बढ़ते एंटीमाइक्रोबियल प्रतिरोध के संदर्भ में रखा गया है। पोस्ट के अनुसार, इसके कारण 2050 तक दुनिया भर में हर साल अनुमानित 10 मिलियन मौतें हो सकती हैं। इसमें एंटीमाइक्रोबियल पेप्टाइड, खास तौर पर बैक्टीरियोसिन, पारंपरिक एंटीबायोटिक दवाओं के एक आशाजनक विकल्प के रूप में पेश किए गए हैं, क्योंकि वे प्रतिस्पर्धी बैक्टीरिया की बुनियादी कमजोरियों को निशाना बनाने के लिए प्राकृतिक रूप से विकसित हुए हैं—कोशिका के आवरण से लेकर कोशिका के भीतर की आवश्यक मशीनरी तक। पोस्ट के मुताबिक, जीनोमिक और मेटाजीनोमिक अनुक्रमण के चलते वैश्विक डेटाबेस में प्राकृतिक अमीनो एसिड अनुक्रमों के अरबों रिकॉर्ड जमा हुए हैं। इस भंडार से व्यापक रूप से इस्तेमाल किए जाने वाले Nisin जैसे बैक्टीरियोसिन और जीनोम से खोजे गए Darobactin, Dynobactin और Lariocidin जैसे अन्य पेप्टाइड मिले हैं, जबकि UniProt डेटाबेस में लाखों अनुक्रमों के कार्य अब भी अज्ञात हैं। Google ने ProtNLM (Protein Natural Language Model) विकसित किया, जिसे पोस्ट में कच्चे अमीनो एसिड अनुक्रमों से सीधे जैविक कार्य का अनुमान लगाने के लिए प्रशिक्षित डीप लर्निंग मॉडल बताया गया है। DeepMind ने कहा कि उसने UniProt की लाखों ऐसी प्रविष्टियों में उच्च-विश्वास वाले कार्यात्मक लेबल जोड़े हैं, जिनके नाम पहले तय नहीं थे।

UniProt में खोज से लेकर कंप्यूटेशनल उम्मीदवार तक

इस मार्गदर्शिका में शोधकर्ता और AI एजेंट एक स्पष्ट जैविक लक्ष्य से शुरुआत करते हैं: Streptococcus pseudopneumoniae में नए एंटीमाइक्रोबियल पेप्टाइड खोजना और कंप्यूटेशनल तरीकों से उनका सत्यापन करना। कई चरणों वाले संवादात्मक सत्र में शोधकर्ता वैज्ञानिक रणनीति तय करता है—यह चुनते हुए कि कौन-से सवाल पूछने हैं और कौन-से साक्ष्य जुटाने हैं—जबकि एजेंट अलग-अलग डेटाबेस के बीच समन्वय, संरचनात्मक विश्लेषण और शोध-साहित्य का संश्लेषण संभालता है। पोस्ट में दिए गए इंटरफ़ेस के स्क्रीनशॉट दिखाते हैं कि यह सत्र Antigravity इंटरफ़ेस में Gemini 3.8 Flash मॉडल चुनकर किया गया।

एजेंट ने UniProt में खोज की और लाखों प्रविष्टियों को छाँटकर संभावित उम्मीदवारों की एक छोटी सूची बनाई। इसमें UniProt ID A0A0U0D591 वाला एक बैक्टीरियोसिन मिला, जो Lactococcin 972 परिवार का 97 अमीनो एसिड लंबा पेप्टाइड है। पोस्ट के अनुसार, इस उम्मीदवार के श्वसन मार्ग के संक्रमणों में शामिल रोगजनकों के विरुद्ध सक्रिय होने का अनुमान है। इसकी नवीनता की पुष्टि करने के लिए शोधकर्ता ने एजेंट को EMBL-EBI NCBI-BLAST सेवा के ज़रिए उम्मीदवार का मिलान सुव्यवस्थित Swiss-Prot प्रोटीनों से करने को कहा। मार्गदर्शिका के अनुसार, इस जाँच में हाथ से समीक्षा किए गए प्रोटीनों के बीच कोई सार्थक अनुक्रम समजात नहीं मिला।

इसके बाद एजेंट ने AlphaFold Protein Structure Database से उम्मीदवार का अनुमानित 3D मॉडल प्राप्त किया, दूरस्थ समजातों की पहचान के लिए प्रयोगों से निर्धारित संरचनाओं के विरुद्ध Foldseek खोज चलाई और समानता का आकलन करने के लिए मॉडलों को एक-दूसरे पर आरोपित किया। DeepMind ने कहा कि संरचनात्मक साक्ष्य ने ProtNLM की भविष्यवाणी की पुष्टि की: उम्मीदवार की संरचना प्रयोगों से निर्धारित एक बैक्टीरियोसिन से काफ़ी मेल खाती है। आसपास के जीनों की जाँच में एजेंट ने पाया कि उम्मीदवार एक सघन रूप से जुड़े ऑपेरॉन से 6 बेस-पेयर पहले स्थित है। इस ऑपेरॉन में एक ABC ट्रांसपोर्टर परमीज़ और उसका संभावित साथी ATP-बाइंडिंग प्रोटीन शामिल हैं। इसके पास एक अन्य एनोटेटेड बैक्टीरियोसिन और XRE ट्रांसक्रिप्शनल रेगुलेटर भी है। पोस्ट इस पैटर्न को इस बात का मज़बूत संदर्भगत साक्ष्य बताती है कि उम्मीदवार एक सक्रिय बैक्टीरियोसिन प्रणाली का हिस्सा है।

मौजूदा शोध-साहित्य की समीक्षा के बाद एजेंट ने बैक्टीरिया के कोशिका-विभाजन को निशाना बनाने वाली कार्यविधि और दवा-प्रतिरोधी कई रोगजनकों तक फैले संभावित प्रभाव-क्षेत्र का प्रस्ताव दिया, ऐसा पोस्ट के अनुसार है। फिर एजेंट ने कंप्यूटर पर किए गए अपने निष्कर्षों को प्रयोगशाला में अपनाए जाने वाले प्रोटोकॉल में बदला, जिसमें प्रोटीन अभिव्यक्ति, एंटीमाइक्रोबियल संवेदनशीलता परीक्षण, लक्ष्य के साथ अंतःक्रिया और इन विट्रो विषाक्तता परीक्षण शामिल हैं। DeepMind के मुताबिक, संरचनात्मक और जीनोमिक साक्ष्यों से समर्थित यह उम्मीदवार जैविक रूप से विश्वसनीय प्रमुख विकल्प है, लेकिन इसके लिए अब भी प्रयोगशाला में सत्यापन आवश्यक है।

Antigravity में अंतर्निहित जैव-अणु संरचना दर्शक

इस मार्गदर्शिका के साथ DeepMind ने Biomolecular Structure Viewer भी पेश किया—Antigravity में सीधे अंतर्निहित एक 3D दृश्यांकन उपकरण, जो शोधकर्ता और एजेंट को दृश्य जानकारी की एक साझा स्थिति उपलब्ध कराता है। जब एजेंट AlphaFold Database या वैज्ञानिक की अपनी भविष्यवाणियों से संरचनाएँ प्राप्त करता है, तो वह दर्शक को गतिशील रूप से नियंत्रित कर सकता है और अपनी परिकल्पनाओं को दृश्य रूप में समझाने के लिए प्रमुख कार्यात्मक क्षेत्रों को उभार सकता है। यह जानकारी दोनों दिशाओं में प्रवाहित होती है: विशिष्ट अवशेषों को उभारने या किसी बाइंडिंग पॉकेट पर सीधे टिप्पणियाँ जोड़ने जैसी कार्रवाइयाँ भी एजेंट के साथ समन्वित होती हैं। पोस्ट में उदाहरण दिया गया है कि शोधकर्ता 3D क्षेत्र में रुचि का एक हिस्सा चिह्नित करके पूछ सकता है कि β-स्ट्रैंड, Lipid II के बंधन को कैसे प्रभावित कर सकता है। इससे एजेंट उसी संरचनात्मक संदर्भ के आधार पर तर्क कर पाता है, जिसे वैज्ञानिक देख रहा है।

Antigravity विज्ञान मंच और पहुँच कार्यक्रम

एंटिग्रैविटी विज्ञान पृष्ठ के अनुसार, एजेंटों के लिए कस्टमाइज़ेशन उन्हें 30 से अधिक प्रमुख जीवन-विज्ञान डेटाबेसों में काम करने हेतु क्षेत्र-विशिष्ट प्लगइन, कौशल, उप-एजेंट और हुक उपलब्ध कराते हैं। इनमें 1PB AlphaGenome Atlas, UniProt, PubChem और ChEMBL शामिल हैं। विज्ञान प्लगइन को ऐप के भीतर मौजूद कस्टमाइज़ेशन मार्केटप्लेस से एक क्लिक में इंस्टॉल किया जा सकता है। पृष्ठ के अनुसार, शोधकर्ता शोध कार्यक्षेत्र के भीतर Google DeepMind के अत्याधुनिक मॉडल और AlphaGenome, AlphaFold Database तथा Atlas जैसे डेटाबेसों से सीधे जानकारी प्राप्त कर सकते हैं। वे प्रकाशन के लिए तैयार 3D PyMOL संरचनात्मक चित्रांकन, पुनरुत्पादित किए जा सकने वाले विश्लेषण स्क्रिप्ट और सत्यापन योग्य वैज्ञानिक सामग्रियाँ भी तैयार कर सकते हैं। पृष्ठ GitHub पर कस्टमाइज़ेशन के एक मुक्त-स्रोत संग्रह का उल्लेख करता है, macOS, Windows, Linux और Googlebook पर डेस्कटॉप उपलब्धता बताता है और कहता है कि Google, Antigravity में Gemini 4 Argon के उच्चतम उपयोग स्तर पर 10,000 वैज्ञानिकों को निःशुल्क पहुँच दे रहा है।

DeepMind, Antigravity को विज्ञान के लिए एक एजेंट-आधारित कार्यक्षेत्र बताता है, जो पहले कई डेटाबेसों में बिखरी खोज को एक ही सत्र में समेट देता है। उसने कहा कि शोधकर्ता प्रदर्शित बातचीत को नई दिशाओं में आगे बढ़ा सकते हैं—जैसे नए फ़िल्टरिंग मानदंड जोड़ना, अलग-अलग अनुक्रम लंबाइयों की पड़ताल करना या अन्य प्राथमिकता वाले रोगजनकों को लक्ष्य बनाना—और इस तरह खोज का दायरा मानव-सहभोजी सूक्ष्मजीवों से बढ़ाकर पर्यावरणीय सूक्ष्मजीवों तक ले जा सकते हैं। इस परिचयात्मक विवरण में दिखाया गया उम्मीदवार, उसी कार्यप्रवाह से खोजे गए कई अन्य उम्मीदवारों के साथ, प्रयोगशाला में सत्यापन के दौर से गुजर रहा है। DeepMind ने कहा कि प्रयोगों के नतीजे ही अंततः एजेंट के विश्लेषण की कसौटी होंगे।