Google DeepMind เผยรายละเอียดการค้นพบเปปไทด์ต้านจุลชีพ

เมื่อวันที่ 15 ตุลาคม 2026 Google DeepMind เผยแพร่บทความแนะนำขั้นตอนการทำงานทางเทคนิค ซึ่งนักชีววิทยาใช้ Google Antigravity แพลตฟอร์มพัฒนาแบบเอเจนต์ของบริษัท เพื่อระบุเปปไทด์ต้านจุลชีพชนิดใหม่ที่มีศักยภาพใน Streptococcus pseudopneumoniae โดยบริษัทระบุว่าขณะนี้สารต้นแบบดังกล่าวอยู่ระหว่างการตรวจสอบในห้องปฏิบัติการ

บทความแนะนำขั้นตอนการทำงานนี้เขียนโดย Pengfei Tian, Maxwell L Bileschi, Zoi Tsangalidou, Sukhdeep Singh และ Lucy J. Colwell โดยวางบริบทของงานวิจัยไว้ท่ามกลางปัญหาเชื้อดื้อยาต้านจุลชีพที่เพิ่มขึ้น ซึ่งบทความระบุว่าอาจทำให้มีผู้เสียชีวิตทั่วโลกประมาณ 10 ล้านคนต่อปีภายในปี 2050 บทความนำเสนอเปปไทด์ต้านจุลชีพ โดยเฉพาะแบคเทอริโอซิน ว่าเป็นทางเลือกที่มีศักยภาพแทนยาปฏิชีวนะดั้งเดิม เนื่องจากวิวัฒนาการตามธรรมชาติทำให้เปปไทด์เหล่านี้มุ่งโจมตีจุดอ่อนพื้นฐานของแบคทีเรียคู่แข่ง ตั้งแต่ซองหุ้มเซลล์ไปจนถึงกลไกสำคัญภายในเซลล์ ตามที่บทความระบุ การหาลำดับจีโนมและเมตาจีโนมทำให้ฐานข้อมูลทั่วโลกมีลำดับกรดอะมิโนตามธรรมชาติหลายพันล้านลำดับ ซึ่งเป็นแหล่งที่มาของแบคเทอริโอซินที่ใช้กันอย่างแพร่หลาย เช่น Nisin รวมถึงสารที่ค้นพบจากการขุดค้นจีโนม เช่น Darobactin, Dynobactin และ Lariocidin ขณะเดียวกัน ลำดับหลายล้านรายการในฐานข้อมูล UniProt ยังคงไม่มีการระบุหน้าที่ Google พัฒนา ProtNLM (Protein Natural Language Model) ซึ่งบทความอธิบายว่าเป็นโมเดลการเรียนรู้เชิงลึกที่ฝึกให้ทำนายหน้าที่ทางชีววิทยาได้โดยตรงจากลำดับกรดอะมิโนดิบ และ DeepMind ระบุว่าได้เพิ่มป้ายกำกับหน้าที่ที่มีความเชื่อมั่นสูงให้แก่รายการหลายล้านรายการใน UniProt ที่ก่อนหน้านี้ยังไม่มีชื่อเรียก

จากการค้นหาใน UniProt สู่เปปไทด์ตัวเลือกที่ได้จากการคำนวณ

ในบทความแนะนำขั้นตอนการทำงาน นักวิจัยและเอเจนต์ AI เริ่มต้นด้วยเป้าหมายทางชีววิทยาที่ชัดเจน นั่นคือค้นหาและตรวจสอบด้วยคอมพิวเตอร์ว่าเปปไทด์ต้านจุลชีพชนิดใหม่ใน Streptococcus pseudopneumoniae มีศักยภาพหรือไม่ ระหว่างการโต้ตอบหลายรอบ นักวิจัยเป็นผู้กำหนดทิศทางกลยุทธ์ทางวิทยาศาสตร์ โดยตัดสินใจว่าจะถามคำถามใดและรวบรวมหลักฐานอะไร ขณะที่เอเจนต์รับหน้าที่ประสานงานข้ามฐานข้อมูล วิเคราะห์โครงสร้าง และสังเคราะห์ข้อมูลจากเอกสารวิชาการ ภาพหน้าจอส่วนติดต่อผู้ใช้ในบทความแสดงเซสชันที่เลือกใช้โมเดล Gemini 3.8 Flash ในส่วนติดต่อของ Antigravity

เอเจนต์ค้นหาใน UniProt และคัดกรองรายการหลายล้านรายการจนเหลือรายชื่อสารที่มีศักยภาพเพียงไม่กี่รายการ โดยระบุแบคเทอริโอซินรหัส UniProt ID A0A0U0D591 ซึ่งเป็นเปปไทด์ยาว 97 กรดอะมิโนในตระกูล Lactococcin 972 บทความระบุว่าคาดว่าสารนี้ออกฤทธิ์ต่อเชื้อก่อโรคที่เกี่ยวข้องกับการติดเชื้อทางเดินหายใจ เพื่อยืนยันความใหม่ของสาร นักวิจัยสั่งให้เอเจนต์ตรวจสอบสารดังกล่าวเทียบกับโปรตีน Swiss-Prot ที่ผ่านการคัดสรร โดยใช้บริการ EMBL-EBI NCBI-BLAST และบทความรายงานว่าการตรวจสอบยืนยันว่าไม่พบโปรตีนที่มีลำดับคล้ายคลึงกันอย่างมีนัยสำคัญในบรรดาโปรตีนที่ผู้เชี่ยวชาญตรวจทานด้วยตนเอง

จากนั้นเอเจนต์ดึงแบบจำลองสามมิติที่ทำนายไว้ของสารต้นแบบจาก AlphaFold Protein Structure Database แล้วใช้ Foldseek ค้นหาโครงสร้างที่กำหนดจากการทดลองเพื่อระบุโปรตีนที่คล้ายคลึงกันในระยะห่าง และนำแบบจำลองมาซ้อนทับกันเพื่อประเมินความคล้ายคลึง DeepMind ระบุว่าหลักฐานด้านโครงสร้างสนับสนุนการทำนายของ ProtNLM โดยแสดงให้เห็นว่าโครงสร้างพับตัวของสารต้นแบบนี้ใกล้เคียงกับแบคเทอริโอซินที่กำหนดโครงสร้างจากการทดลอง เมื่อตรวจสอบยีนขนาบข้าง เอเจนต์พบว่าสารต้นแบบอยู่ต้นน้ำ 6 คู่เบสจากโอเปรอนที่ทำงานประสานกันอย่างใกล้ชิด ซึ่งมีเพอร์มีเอสของตัวขนส่ง ABC และโปรตีนจับ ATP ที่อาจเป็นคู่ทำงานอยู่ด้วย รวมทั้งมีแบคเทอริโอซินอีกชนิดที่มีการระบุหน้าที่ไว้และตัวควบคุมการถอดรหัส XRE อีกหนึ่งรายการ บทความอธิบายว่ารูปแบบนี้เป็นหลักฐานแวดล้อมที่หนักแน่นว่าสารต้นแบบเป็นส่วนหนึ่งของระบบแบคเทอริโอซินที่ทำงานได้

จากการทบทวนเอกสารวิชาการที่มีอยู่ เอเจนต์เสนอว่าสารนี้อาจออกฤทธิ์โดยมุ่งเป้าต่อการแบ่งเซลล์ของแบคทีเรีย และคาดว่ามีขอบเขตความแรงในการออกฤทธิ์ครอบคลุมเชื้อก่อโรคดื้อยาหลายชนิด ตามที่บทความระบุ จากนั้นเอเจนต์แปลงผลการวิเคราะห์ด้วยคอมพิวเตอร์ให้เป็นขั้นตอนการทดลองในห้องปฏิบัติการ ซึ่งครอบคลุมการแสดงออกของโปรตีน การทดสอบความไวต่อสารต้านจุลชีพ การทดสอบการเข้าจับเป้าหมาย และการทดสอบความเป็นพิษในหลอดทดลอง DeepMind อธิบายว่าสารต้นแบบนี้เป็นสารตั้งต้นที่มีความเป็นไปได้ทางชีววิทยาและมีหลักฐานด้านโครงสร้างกับจีโนมสนับสนุน แต่ยังจำเป็นต้องตรวจสอบในห้องปฏิบัติการ

เครื่องมือแสดงภาพโครงสร้างชีวโมเลกุลที่ผสานอยู่ใน Antigravity

พร้อมกับบทความแนะนำขั้นตอนการทำงาน DeepMind เปิดตัว Biomolecular Structure Viewer เครื่องมือแสดงภาพโครงสร้างสามมิติที่ฝังอยู่ใน Antigravity โดยตรง ซึ่งทำให้นักวิจัยและเอเจนต์มองเห็นสถานะภาพเดียวกันได้ เมื่อเอเจนต์ดึงโครงสร้างจาก AlphaFold Database หรือจากผลการทำนายของนักวิทยาศาสตร์เอง ก็สามารถควบคุมเครื่องมือแสดงภาพได้แบบไดนามิก พร้อมเน้นบริเวณสำคัญที่ทำหน้าที่เฉพาะเพื่ออธิบายสมมติฐานให้เห็นภาพ การรับรู้ข้อมูลทำงานได้ทั้งสองทาง กล่าวคือ การกระทำต่าง ๆ เช่น การเน้นกรดอะมิโนตกค้างบางตำแหน่งหรือการปักหมุดบันทึกลงบนบริเวณจับ จะซิงก์กลับไปยังเอเจนต์ บทความยกตัวอย่างนักวิจัยทำเครื่องหมายบริเวณที่สนใจในพื้นที่สามมิติแล้วถามว่าสาย β อาจส่งผลต่อการจับกับ Lipid II อย่างไร ทำให้เอเจนต์วิเคราะห์บริบทเชิงโครงสร้างที่นักวิทยาศาสตร์กำลังดูอยู่ได้อย่างตรงจุด

แพลตฟอร์มวิทยาศาสตร์ Antigravity และโครงการให้สิทธิ์เข้าถึง

หน้า วิทยาศาสตร์ของ Antigravity ระบุว่า การปรับแต่งเอเจนต์ช่วยเพิ่มปลั๊กอิน ทักษะ เอเจนต์ย่อย และฮุกเฉพาะทางให้เอเจนต์ เพื่อทำงานกับฐานข้อมูลวิทยาศาสตร์ชีวภาพชั้นนำกว่า 30 แห่ง ซึ่งรวมถึง AlphaGenome Atlas ขนาด 1PB, UniProt, PubChem และ ChEMBL โดยสามารถติดตั้งปลั๊กอิน Science ได้ในคลิกเดียวจากมาร์เก็ตเพลสการปรับแต่งภายในแอป ตามข้อมูลในหน้าเว็บ นักวิจัยสามารถส่งคำถามไปยังโมเดลแนวหน้าของ Google DeepMind และฐานข้อมูลต่าง ๆ ได้โดยตรง เช่น AlphaGenome, AlphaFold Database และ Atlas ภายในพื้นที่ทำงานวิจัย อีกทั้งยังสร้างภาพเรนเดอร์โครงสร้างสามมิติด้วย PyMOL ที่พร้อมสำหรับการตีพิมพ์ สคริปต์วิเคราะห์ที่ทำซ้ำได้ และผลงานทางวิทยาศาสตร์ที่ตรวจสอบยืนยันได้ หน้าเว็บยังชี้ไปยังคลังการปรับแต่งแบบโอเพนซอร์สบน GitHub ระบุว่าใช้งานบนเดสก์ท็อปได้ทั้ง macOS, Windows, Linux และ Googlebook และแจ้งว่า Google มอบสิทธิ์ใช้งาน Gemini 4 Argon ใน Antigravity ฟรีให้แก่นักวิทยาศาสตร์ 10,000 คน โดยให้ใช้งานได้ในระดับสูงสุดตามโควตาการใช้งาน

DeepMind อธิบายว่า Antigravity เป็นเวิร์กเบนช์วิทยาศาสตร์ที่ขับเคลื่อนด้วยเอเจนต์ ซึ่งรวบการค้นหาที่เคยกระจัดกระจายอยู่ในฐานข้อมูลหลายแห่งให้จบได้ในเซสชันเดียว และระบุว่านักวิจัยสามารถต่อยอดบทสนทนาที่สาธิตไว้ไปในทิศทางใหม่ ๆ ได้ เช่น เพิ่มเกณฑ์การกรองใหม่ สำรวจความยาวลำดับที่แตกต่างกัน หรือมุ่งศึกษาเชื้อก่อโรคที่สำคัญอื่น ๆ ซึ่งช่วยขยายขอบเขตการค้นหาจากจุลินทรีย์ประจำถิ่นในมนุษย์ไปสู่จุลินทรีย์ในสิ่งแวดล้อม ผู้สมัครที่นำเสนอในขั้นตอนสาธิต รวมถึงผู้สมัครอีกหลายรายที่ค้นพบด้วยกระบวนการเดียวกัน กำลังอยู่ระหว่างการตรวจสอบความถูกต้องในห้องปฏิบัติการ โดย DeepMind ระบุว่าผลการทดลองจะเป็นบททดสอบขั้นสุดท้ายสำหรับการวิเคราะห์ของเอเจนต์