Google DeepMind prezintă în detaliu descoperirea unei peptide antimicrobiene

Pe 15 octombrie 2026, Google DeepMind a publicat un ghid tehnic detaliat în care biologi au folosit Google Antigravity, platforma sa de dezvoltare bazată pe agenți, pentru a identifica un candidat nou la categoria peptidelor antimicrobiene în Streptococcus pseudopneumoniae. Compania a declarat că principalul candidat este în curs de validare în laborator.

Ghidul detaliat, semnat de Pengfei Tian, Maxwell L Bileschi, Zoi Tsangalidou, Sukhdeep Singh și Lucy J. Colwell, plasează această activitate în contextul creșterii rezistenței la antimicrobiene, care, potrivit articolului, ar putea provoca aproximativ 10 milioane de decese pe an la nivel mondial până în 2050. Articolul prezintă peptidele antimicrobiene, în special bacteriocinele, drept o alternativă promițătoare la antibioticele tradiționale, deoarece acestea au evoluat în mod natural pentru a viza vulnerabilități fundamentale ale bacteriilor concurente, de la învelișul celular până la mecanismele intracelulare esențiale. Potrivit articolului, secvențierea genomică și metagenomică a populat bazele de date globale cu miliarde de secvențe naturale de aminoacizi, iar din acest fond au rezultat bacteriocine utilizate pe scară largă, precum Nisin, precum și descoperiri obținute prin explorarea genomurilor, printre care Darobactin, Dynobactin și Lariocidin. Totuși, milioane de secvențe din baza de date UniProt rămân necaracterizate funcțional. Google a dezvoltat ProtNLM (Model de limbaj natural pentru proteine), pe care articolul îl descrie drept un model de învățare profundă antrenat să prezică funcția biologică direct din secvențe brute de aminoacizi. DeepMind a declarat că modelul a îmbogățit milioane de înregistrări UniProt, anterior fără denumire, cu etichete funcționale de înaltă certitudine.

De la căutarea în UniProt la un candidat identificat computațional

În ghidul detaliat, cercetătorul și agentul IA pornesc de la un obiectiv biologic bine delimitat: să găsească și să valideze computațional peptide antimicrobiene noi în Streptococcus pseudopneumoniae. În cadrul unei sesiuni interactive, desfășurate în mai multe runde, cercetătorul ghidează strategia științifică, hotărând ce întrebări să pună și ce dovezi să colecteze, în timp ce agentul se ocupă de coordonarea căutărilor în mai multe baze de date, analiza structurală și sinteza literaturii de specialitate. Capturile de ecran din articol arată că sesiunea s-a desfășurat cu modelul Gemini 3.8 Flash selectat în interfața Antigravity.

Agentul a interogat UniProt și a filtrat milioane de înregistrări, restrângându-le la o listă scurtă de candidați. Astfel, a identificat o bacteriocină cu ID-ul UniProt A0A0U0D591, o peptidă de 97 de aminoacizi din familia Lactococcin 972. Potrivit articolului, candidatul are o activitate prezisă împotriva agenților patogeni implicați în infecțiile tractului respirator. Pentru a verifica noutatea, cercetătorul i-a cerut agentului să compare candidatul cu proteine Swiss-Prot curate, folosind serviciul EMBL-EBI NCBI-BLAST. Ghidul detaliat arată că verificarea nu a identificat niciun omolog de secvență relevant în rândul proteinelor analizate manual.

Agentul a recuperat apoi modelul 3D prezis al candidatului din AlphaFold Protein Structure Database, a efectuat o căutare Foldseek în structuri determinate experimental pentru a identifica omologi îndepărtați și a suprapus modelele pentru a evalua asemănarea. DeepMind a declarat că dovezile structurale au confirmat predicția ProtNLM, arătând că structura candidatului se aseamănă îndeaproape cu cea a unei bacteriocine determinate experimental. Examinând genele din regiunea adiacentă, agentul a constatat că gena candidatului se află la 6 perechi de baze în amonte de un operon strâns cuplat, care conține o permează a transportorului ABC și potențiala sa proteină parteneră care leagă ATP, alături de o altă bacteriocină adnotată și de un regulator transcripțional XRE. Articolul descrie acest tipar drept o dovadă contextuală puternică a faptului că gena candidatului face parte dintr-un sistem bacteriocinic funcțional.

Pe baza analizei literaturii existente, agentul a propus un mecanism de acțiune care vizează diviziunea celulară bacteriană și un spectru de potență prezis ce cuprinde mai mulți agenți patogeni rezistenți la medicamente, potrivit articolului. Apoi, agentul a transpus rezultatele obținute in silico într-un protocol de laborator care include exprimarea proteinelor, testarea sensibilității la antimicrobiene, evaluarea interacțiunii cu ținta și testarea toxicității in vitro. DeepMind descrie candidatul drept un candidat principal plauzibil din punct de vedere biologic, susținut de dovezi structurale și genomice, care necesită în continuare validare în laborator.

Vizualizator de structuri biomoleculare integrat în Antigravity

În paralel cu ghidul detaliat, DeepMind a prezentat Biomolecular Structure Viewer, un instrument de vizualizare 3D integrat direct în Antigravity, care le oferă cercetătorului și agentului un context vizual comun. Când agentul recuperează structuri din AlphaFold Database sau predicțiile proprii ale cercetătorului, poate controla dinamic vizualizatorul și evidenția regiuni funcționale-cheie pentru a-și explica vizual ipotezele. Schimbul de informații funcționează în ambele sensuri: acțiuni precum evidențierea anumitor reziduuri sau fixarea unor note direct pe un buzunar de legare sunt sincronizate cu agentul. Articolul oferă exemplul unui cercetător care marchează o regiune de interes în spațiul 3D și întreabă cum ar putea o catenă β să influențeze legarea Lipid II, permițând agentului să raționeze pornind de la contextul structural exact pe care îl vizualizează cercetătorul.

Platforma Antigravity Science și programul de acces

Pagina de știință Antigravity precizează că personalizările agenților le oferă acestora pluginuri specifice domeniului, abilități, subagenți și hook-uri pentru activități în peste 30 de baze de date majore din domeniul științelor vieții, inclusiv AlphaGenome Atlas, cu o capacitate de 1 PB, UniProt, PubChem și ChEMBL, iar pluginul Science poate fi instalat dintr-un singur clic din marketplace-ul de personalizări integrat în aplicație. Potrivit paginii, cercetătorii pot interoga direct modelele de frontieră și bazele de date ale Google DeepMind, precum AlphaGenome, AlphaFold Database și Atlas, din spațiul de lucru pentru cercetare și pot realiza reprezentări structurale 3D în PyMOL, pregătite pentru publicare, scripturi de analiză reproductibile și artefacte științifice verificabile. Pagina indică un depozit open-source de personalizări pe GitHub, menționează disponibilitatea pentru desktop pe macOS, Windows, Linux și Googlebook și afirmă că Google oferă gratuit acces la Gemini 4 Argon în Antigravity pentru 10.000 de oameni de știință, la cel mai înalt nivel de utilizare.

DeepMind descrie Antigravity drept un banc de lucru pentru cercetare agentică, care reunește într-o singură sesiune ceea ce înainte presupunea o căutare fragmentată în mai multe baze de date, și a declarat că cercetătorii pot orienta conversația demonstrată în direcții noi, de exemplu adăugând criterii noi de filtrare, explorând secvențe de lungimi diferite sau vizând alți agenți patogeni prioritari, extinzând astfel căutarea de la microorganismele comensale umane la microbii din mediu. Candidatul prezentat în demonstrație, alături de alți câțiva descoperiți prin aceeași metodă, este în etapa de validare în laborator, unde, potrivit DeepMind, rezultatele experimentale vor reprezenta testul decisiv al analizei agentului.