Google DeepMind licht de ontdekking van een antimicrobieel peptide toe

Google DeepMind publiceerde op 15 oktober 2026 een technische toelichting waarin biologen met Google Antigravity, het agentische ontwikkelplatform van het bedrijf, een nieuwe kandidaat voor een antimicrobieel peptide identificeerden in Streptococcus pseudopneumoniae. Het bedrijf meldde dat de kandidaat momenteel in het laboratorium wordt gevalideerd.

De toelichting, geschreven door Pengfei Tian, Maxwell L Bileschi, Zoi Tsangalidou, Sukhdeep Singh en Lucy J. Colwell, plaatst het onderzoek in de context van de toenemende antimicrobiële resistentie, die volgens het bericht tegen 2050 wereldwijd naar schatting jaarlijks 10 miljoen sterfgevallen zou kunnen veroorzaken. Antimicrobiële peptiden, en met name bacteriocinen, worden gepresenteerd als een veelbelovend alternatief voor traditionele antibiotica, omdat ze zich door natuurlijke evolutie hebben aangepast aan fundamentele kwetsbaarheden van concurrerende bacteriën, van celomhulsels tot essentiële intracellulaire machinerie. Volgens het bericht hebben genoom- en metagenoomsequencing wereldwijde databases gevuld met miljarden natuurlijke aminozuursequenties. Uit deze verzameling zijn veelgebruikte bacteriocinen voortgekomen, zoals Nisin, naast ontdekkingen via genoomonderzoek, waaronder Darobactin, Dynobactin en Lariocidin. Miljoenen sequenties in de UniProt-database zijn echter nog niet functioneel gekarakteriseerd. Google ontwikkelde ProtNLM (Protein Natural Language Model), een deep-learningmodel dat volgens het bericht is getraind om de biologische functie rechtstreeks af te leiden uit ruwe aminozuursequenties. DeepMind zei dat het miljoenen UniProt-vermeldingen die voorheen geen naam hadden, heeft aangevuld met functionele labels met een hoge betrouwbaarheid.

Van zoeken in UniProt naar een kandidaat op basis van computationeel onderzoek

In de toelichting beginnen de onderzoeker en de AI-agent met een afgebakend biologisch doel: nieuwe antimicrobiële peptiden vinden in Streptococcus pseudopneumoniae en deze computationeel valideren. Tijdens een interactieve sessie met meerdere gespreksrondes bepaalt de onderzoeker de wetenschappelijke aanpak door te beslissen welke vragen worden gesteld en welk bewijs wordt verzameld. De agent neemt ondertussen de coördinatie tussen databases, structurele analyse en synthese van de literatuur voor zijn rekening. Schermafbeeldingen in het bericht tonen dat de sessie plaatsvond in de Antigravity-interface, met het model Gemini 3.8 Flash geselecteerd.

De agent doorzocht UniProt en bracht miljoenen vermeldingen terug tot een shortlist met kandidaten. Daarbij identificeerde hij een bacteriocine met UniProt-ID A0A0U0D591: een peptide van 97 aminozuren uit de familie Lactococcin 972. Volgens het bericht heeft de kandidaat naar verwachting activiteit tegen ziekteverwekkers die luchtweginfecties veroorzaken. Om te controleren of de kandidaat nieuw was, liet de onderzoeker de agent deze vergelijken met zorgvuldig geselecteerde Swiss-Prot-eiwitten via de dienst EMBL-EBI NCBI-BLAST. Volgens de toelichting bevestigde deze controle dat er onder de handmatig beoordeelde eiwitten geen betekenisvolle sequentiehomoloog was.

Vervolgens haalde de agent het voorspelde 3D-model van de kandidaat op uit de AlphaFold Protein Structure Database, zocht met Foldseek naar verre homologen in experimenteel bepaalde structuren en legde de modellen over elkaar om de gelijkenis te beoordelen. DeepMind zei dat het structurele bewijs de voorspelling van ProtNLM bevestigde: de vouwing van de kandidaat komt sterk overeen met die van een experimenteel bepaalde bacteriocine. Bij inspectie van de aangrenzende genen ontdekte de agent dat de kandidaat 6 baseparen stroomopwaarts ligt van een nauw samenwerkend operon met een permease van een ABC-transporter en het mogelijke partner-eiwit dat ATP bindt. Daarnaast bevinden zich daar nog een andere geannoteerde bacteriocine en een XRE-transcriptionele regulator. Volgens het bericht vormt dit patroon sterk contextueel bewijs dat de kandidaat deel uitmaakt van een functionerend bacteriocinesysteem.

Na bestudering van bestaande literatuur stelde de agent volgens het bericht een werkingsmechanisme voor dat zich richt op de bacteriële celdeling, evenals een voorspeld potentiespectrum dat zich uitstrekt over verschillende geneesmiddelresistente ziekteverwekkers. Vervolgens vertaalde de agent zijn in-silicoresultaten naar een laboratoriumprotocol met stappen voor eiwitexpressie, gevoeligheidstests voor antimicrobiële middelen, doelwitbinding en toxiciteitstests in vitro. DeepMind omschrijft de kandidaat als een biologisch plausibele kansrijke kandidaat, ondersteund door structureel en genomisch bewijs, die nog in het laboratorium moet worden gevalideerd.

Biomolecular Structure Viewer geïntegreerd in Antigravity

Naast de toelichting introduceerde DeepMind de Biomolecular Structure Viewer, een 3D-visualisatietool die rechtstreeks in Antigravity is geïntegreerd en de onderzoeker en de agent een gedeelde visuele weergave biedt. Wanneer de agent structuren ophaalt uit de AlphaFold Database of uit voorspellingen van de wetenschapper zelf, kan hij de viewer dynamisch aansturen en belangrijke functionele gebieden markeren om zijn hypothesen visueel toe te lichten. De informatie stroomt beide kanten op: handelingen zoals het markeren van specifieke residuen of het vastzetten van notities rechtstreeks op een bindingsplaats worden teruggekoppeld aan de agent. Het bericht geeft als voorbeeld een onderzoeker die in de 3D-ruimte een interessant gebied markeert en vraagt hoe een β-streng de binding aan Lipid II zou kunnen beïnvloeden. Zo kan de agent redeneren op basis van precies de structurele context die de wetenschapper bekijkt.

Het Antigravity-wetenschapsplatform en toegangsprogramma

De wetenschapspagina van Antigravity vermeldt dat agentaanpassingen agents voorzien van domeinspecifieke plug-ins, vaardigheden, subagents en hooks voor werk met meer dan 30 grote databases op het gebied van de levenswetenschappen, waaronder de 1PB AlphaGenome Atlas, UniProt, PubChem en ChEMBL. De Science-plug-in kan met één klik worden geïnstalleerd vanuit de marktplaats voor aanpassingen in de app. Volgens de pagina kunnen onderzoekers in de onderzoeksomgeving rechtstreeks query’s uitvoeren op de geavanceerde modellen van Google DeepMind en databases zoals AlphaGenome, de AlphaFold Database en Atlas. Ook kunnen ze publicatieklare 3D-structuurweergaven maken met PyMOL, reproduceerbare analysescripts opstellen en verifieerbare wetenschappelijke artefacten produceren. De pagina verwijst naar een opensourcerepository met aanpassingen op GitHub, vermeldt dat de desktopversie beschikbaar is voor macOS, Windows, Linux en Googlebook, en stelt dat Google 10.000 wetenschappers gratis toegang geeft tot Gemini 4 Argon in Antigravity, met de hoogste gebruikslimiet.

DeepMind beschrijft Antigravity als een agentgestuurde wetenschappelijke werkplek die het zoeken in meerdere databases, dat voorheen versnipperd verliep, terugbrengt tot één sessie. Het bedrijf zei dat onderzoekers het gesprek uit de demonstratie in nieuwe richtingen kunnen voortzetten, bijvoorbeeld door nieuwe filtercriteria toe te voegen, andere sequentielengtes te verkennen of zich op andere prioritaire ziekteverwekkers te richten, en de zoektocht zo uit te breiden van commensale micro-organismen bij mensen naar microben uit het milieu. De kandidaat die in de demonstratie centraal staat, evenals verschillende andere kandidaten die met dezelfde pijplijn zijn ontdekt, wordt in het laboratorium getest. DeepMind zei dat de experimentele resultaten de ultieme toets zullen vormen voor de analyse van de agent.