Google DeepMind hé lộ chi tiết về quy trình khám phá peptide kháng khuẩn

Ngày 15 tháng 10 năm 2026, Google DeepMind công bố hướng dẫn kỹ thuật chi tiết, trong đó các nhà sinh học sử dụng Google Antigravity, nền tảng phát triển dựa trên tác nhân của công ty, để xác định một ứng viên peptide kháng khuẩn mới ở Streptococcus pseudopneumoniae. Công ty cho biết ứng viên tiềm năng này đang được xác thực trong phòng thí nghiệm.

Bài hướng dẫn do Pengfei Tian, Maxwell L Bileschi, Zoi Tsangalidou, Sukhdeep Singh và Lucy J. Colwell biên soạn, đặt nghiên cứu trong bối cảnh tình trạng kháng thuốc kháng vi sinh vật ngày càng gia tăng. Bài viết cho biết tình trạng này có thể khiến thế giới ghi nhận ước tính 10 triệu ca tử vong mỗi năm vào năm 2050. Bài viết giới thiệu peptide kháng khuẩn, đặc biệt là bacteriocin, như một lựa chọn thay thế đầy hứa hẹn cho thuốc kháng sinh truyền thống, bởi chúng đã tiến hóa tự nhiên để nhắm vào những điểm yếu căn bản của vi khuẩn cạnh tranh, từ vỏ tế bào đến bộ máy nội bào thiết yếu. Theo bài viết, hoạt động giải trình tự hệ gen và hệ gen môi trường đã bổ sung hàng tỷ trình tự axit amin tự nhiên vào các cơ sở dữ liệu toàn cầu. Nguồn dữ liệu này đã giúp phát hiện các bacteriocin được sử dụng rộng rãi như Nisin, bên cạnh những phát hiện qua khai thác hệ gen như Darobactin, Dynobactin và Lariocidin; trong khi đó, hàng triệu trình tự trong cơ sở dữ liệu UniProt vẫn chưa được xác định chức năng. Google phát triển ProtNLM (Mô hình ngôn ngữ tự nhiên cho protein), một mô hình học sâu được bài viết mô tả là đã huấn luyện để dự đoán chức năng sinh học trực tiếp từ các trình tự axit amin thô. DeepMind cho biết mô hình này đã bổ sung nhãn chức năng có độ tin cậy cao cho hàng triệu mục trong UniProt trước đó chưa có tên.

Từ tìm kiếm trên UniProt đến ứng viên được xác định bằng tính toán

Trong bài hướng dẫn, nhà nghiên cứu và tác nhân AI bắt đầu với một mục tiêu sinh học cụ thể: tìm kiếm và xác thực bằng phương pháp tính toán các peptide kháng khuẩn mới ở Streptococcus pseudopneumoniae. Trong một phiên tương tác nhiều lượt, nhà nghiên cứu định hướng chiến lược khoa học, quyết định nên đặt câu hỏi nào và thu thập bằng chứng gì, còn tác nhân đảm nhiệm việc điều phối giữa các cơ sở dữ liệu, phân tích cấu trúc và tổng hợp tài liệu khoa học. Ảnh chụp giao diện trong bài viết cho thấy phiên làm việc được tiến hành khi chọn mô hình Gemini 3.8 Flash trong giao diện Antigravity.

Tác nhân truy vấn UniProt và lọc hàng triệu mục xuống còn một danh sách ngắn các ứng viên, trong đó xác định được một bacteriocin có ID UniProt A0A0U0D591, một peptide dài 97 axit amin thuộc họ Lactococcin 972. Bài viết cho biết ứng viên này được dự đoán có hoạt tính chống lại các mầm bệnh liên quan đến nhiễm trùng đường hô hấp. Để xác minh tính mới, nhà nghiên cứu yêu cầu tác nhân đối chiếu ứng viên với các protein Swiss-Prot đã được tuyển chọn thông qua dịch vụ NCBI-BLAST của EMBL-EBI. Bài hướng dẫn cho biết phép kiểm tra xác nhận không có trình tự tương đồng đáng kể nào trong số các protein đã được đánh giá thủ công.

Sau đó, tác nhân lấy mô hình 3D dự đoán của ứng viên từ Cơ sở dữ liệu cấu trúc protein AlphaFold, tìm kiếm bằng Foldseek với các cấu trúc đã được xác định bằng thực nghiệm để tìm những protein tương đồng xa, rồi chồng khít các mô hình nhằm đánh giá mức độ tương đồng. DeepMind cho biết bằng chứng cấu trúc củng cố dự đoán của ProtNLM, vì cấu trúc gấp cuộn của ứng viên rất giống với một bacteriocin đã được xác định bằng thực nghiệm. Khi kiểm tra các gen ở hai bên, tác nhân phát hiện ứng viên nằm cách 6 cặp base về phía thượng nguồn của một operon liên kết chặt chẽ, chứa một permease của hệ vận chuyển ABC và protein liên kết ATP có khả năng là đối tác của nó, cùng với một bacteriocin khác đã được chú giải và một yếu tố điều hòa phiên mã XRE. Bài viết mô tả mô hình này là bằng chứng ngữ cảnh mạnh cho thấy ứng viên thuộc một hệ thống bacteriocin đang hoạt động.

Theo bài viết, sau khi xem xét các tài liệu khoa học hiện có, tác nhân đề xuất cơ chế tác động nhắm vào quá trình phân chia tế bào vi khuẩn và dự đoán phổ hiệu lực bao gồm một số mầm bệnh kháng thuốc. Tiếp đó, tác nhân chuyển các phát hiện in silico thành quy trình thực nghiệm trong phòng thí nghiệm, bao gồm biểu hiện protein, kiểm tra độ nhạy với chất kháng khuẩn, đánh giá mức độ tác động lên đích và kiểm tra độc tính in vitro. DeepMind mô tả ứng viên này là một ứng viên tiềm năng có cơ sở sinh học, được hỗ trợ bởi bằng chứng cấu trúc và hệ gen, nhưng vẫn cần được xác thực trong phòng thí nghiệm.

Trình xem cấu trúc phân tử sinh học tích hợp trong Antigravity

Cùng với bài hướng dẫn, DeepMind giới thiệu Trình xem cấu trúc phân tử sinh học, một công cụ trực quan hóa 3D được tích hợp trực tiếp vào Antigravity, giúp nhà nghiên cứu và tác nhân cùng quan sát một trạng thái trực quan. Khi tác nhân truy xuất cấu trúc từ Cơ sở dữ liệu AlphaFold hoặc từ các dự đoán của chính nhà khoa học, nó có thể điều khiển trình xem theo thời gian thực và làm nổi bật những vùng chức năng quan trọng để minh họa trực quan các giả thuyết. Việc cập nhật trạng thái diễn ra theo cả hai chiều: những thao tác như làm nổi bật các gốc amino axit cụ thể hoặc ghim ghi chú trực tiếp lên một hốc liên kết sẽ được đồng bộ trở lại với tác nhân. Bài viết nêu ví dụ một nhà nghiên cứu đánh dấu vùng quan tâm trong không gian 3D rồi hỏi β-strand có thể ảnh hưởng thế nào đến sự liên kết với Lipid II, qua đó giúp tác nhân suy luận dựa trên chính bối cảnh cấu trúc mà nhà khoa học đang xem.

Nền tảng khoa học Antigravity và chương trình tiếp cận

Trang khoa học Antigravity cho biết các tùy chỉnh dành cho tác tử trang bị cho chúng plugin, kỹ năng, tác tử con và hook chuyên biệt theo lĩnh vực để làm việc với hơn 30 cơ sở dữ liệu khoa học sự sống lớn, bao gồm AlphaGenome Atlas 1PB, UniProt, PubChem và ChEMBL; plugin Science có thể được cài đặt chỉ bằng một cú nhấp chuột từ chợ Customizations trong ứng dụng. Theo trang này, các nhà nghiên cứu có thể truy vấn trực tiếp các mô hình tiên tiến nhất của Google DeepMind và những cơ sở dữ liệu như AlphaGenome, AlphaFold Database và Atlas ngay trong không gian làm việc nghiên cứu, đồng thời tạo ra bản dựng cấu trúc PyMOL 3D đạt chuẩn xuất bản, tập lệnh phân tích có thể tái lập và các sản phẩm khoa học có thể kiểm chứng. Trang này dẫn đến một kho lưu trữ các tùy chỉnh mã nguồn mở trên GitHub, liệt kê các nền tảng máy tính để bàn được hỗ trợ gồm macOS, Windows, Linux và Googlebook, đồng thời cho biết Google đang cấp quyền truy cập miễn phí vào Gemini 4 Argon trong Antigravity cho 10.000 nhà khoa học ở cấp sử dụng cao nhất.

DeepMind mô tả Antigravity là một bàn làm việc khoa học dựa trên tác tử, giúp rút gọn quá trình tìm kiếm vốn trước đây bị phân mảnh qua nhiều cơ sở dữ liệu thành một phiên làm việc duy nhất. DeepMind cho biết các nhà nghiên cứu có thể mở rộng cuộc trao đổi được trình diễn theo những hướng mới, chẳng hạn như bổ sung tiêu chí lọc, khảo sát các độ dài chuỗi khác nhau hoặc nhắm đến những mầm bệnh ưu tiên khác, qua đó mở rộng phạm vi tìm kiếm từ các vi sinh vật cộng sinh ở người sang vi sinh vật môi trường. Ứng viên được giới thiệu trong buổi hướng dẫn, cùng một số ứng viên khác được phát hiện bằng cùng quy trình, đang được kiểm định trong phòng thí nghiệm ướt; DeepMind cho biết kết quả thực nghiệm sẽ là phép thử cuối cùng đối với phân tích của tác tử.