Google DeepMind详述抗菌肽发现过程

Google DeepMind于2026年10月15日发布了一篇技术详解，介绍生物学家如何利用其智能体开发平台Google Antigravity，在Streptococcus pseudopneumoniae中发现一种新型抗菌肽候选物。该公司表示，这一先导候选物正在接受湿实验验证。

这篇详解由Pengfei Tian、Maxwell L Bileschi、Zoi Tsangalidou、Sukhdeep Singh和Lucy J. Colwell撰写，围绕日益严重的抗菌药物耐药性展开。文中称，到2050年，抗菌药物耐药性可能导致全球每年约有1000万人死亡。文章指出，抗菌肽，尤其是细菌素，是传统抗生素的一种有前景的替代方案，因为它们在自然进化过程中形成了针对竞争细菌关键弱点的能力，攻击范围从细胞包膜到重要的细胞内机制。文章称，基因组和宏基因组测序已使全球数据库收录了数十亿条天然氨基酸序列；这一序列库催生了Nisin等广泛应用的细菌素，以及通过基因组挖掘发现的Darobactin、Dynobactin和Lariocidin等分子，而UniProt数据库中仍有数百万条序列的功能尚未得到表征。Google开发了ProtNLM（蛋白质自然语言模型），文章将其描述为一种深度学习模型，经过训练，可直接根据原始氨基酸序列预测生物学功能。DeepMind表示，该模型已为UniProt中数百万条此前未命名的条目补充了可信度较高的功能标签。

从UniProt检索到计算筛选候选物

在这篇详解中，研究人员与AI智能体从一项明确的生物学目标着手：在Streptococcus pseudopneumoniae中寻找新型抗菌肽，并通过计算方法验证其有效性。在一场多轮互动中，研究人员主导科学策略，决定要提出哪些问题、收集哪些证据；智能体则负责跨数据库协调、结构分析和文献综合。文章中的界面截图显示，研究人员在Antigravity界面中选择Gemini 3.8 Flash模型开展了这一过程。

智能体检索了UniProt，并从数百万条条目中筛选出一份候选清单，发现了一种UniProt ID为A0A0U0D591的细菌素。该肽长97个氨基酸，属于Lactococcin 972家族。文章称，预测结果显示，这种候选肽对引发呼吸道感染的病原体具有活性。为验证其新颖性，研究人员指示智能体通过EMBL-EBI NCBI-BLAST服务，将该候选肽与经过整理的Swiss-Prot蛋白质进行比对。详解称，比对结果证实，在经过人工审阅的蛋白质中，没有发现有意义的序列同源物。

随后，智能体从AlphaFold Protein Structure Database中提取了该候选肽的预测三维模型，并使用Foldseek将其与实验测定的结构进行比对，以寻找远缘同源物；它还叠合了这些模型，以评估相似性。DeepMind表示，结构证据支持了ProtNLM的预测：该候选肽的折叠结构与一种通过实验测定的细菌素高度相似。检查侧翼基因后，智能体发现该候选肽位于一个紧密关联的操纵子上游6个碱基对处；这个操纵子包含一种ABC转运蛋白通透酶及其潜在搭档ATP结合蛋白，旁边还有另一种已注释的细菌素和一个XRE转录调节因子。文章称，这种基因排列模式有力地表明，该候选肽属于一个正在发挥作用的细菌素系统。

据文章称，在回顾现有文献后，智能体提出了一种作用机制，即靶向细菌细胞分裂；它还预测，该候选肽可能对多种耐药病原体具有活性。随后，智能体将计算机模拟研究结果转化为实验室操作方案，涵盖蛋白质表达、抗菌药物敏感性测试、靶点结合验证和体外毒性测试。DeepMind将该候选物描述为一个在生物学上合理的先导候选物，并指出结构和基因组证据为其提供了支持，但仍需通过湿实验验证。

嵌入Antigravity的生物分子结构查看器

在介绍这篇详解的同时，DeepMind还推出了生物分子结构查看器。这款三维可视化工具直接嵌入Antigravity，让研究人员与智能体共享同一可视化状态。当智能体从AlphaFold Database或科学家自己的预测结果中提取结构时，可以动态操控查看器，突出显示关键功能区域，以直观说明其假设。这种信息交互是双向的：突出显示特定残基，或将注释直接固定在结合口袋上等操作，也会同步回传给智能体。文章举例说，研究人员可以在三维空间中标记感兴趣的区域，并询问β链可能会如何影响Lipid II的结合，使智能体能够基于科学家当前查看的确切结构环境进行推理。

Antigravity科学平台与访问计划

Antigravity科学页面称，智能体定制功能为智能体配备了特定领域的插件、技能、子智能体和钩子，以便在 30 多个主要生命科学数据库中开展工作，其中包括 1PB AlphaGenome Atlas、UniProt、PubChem 和 ChEMBL；用户还可以在应用内的定制功能市场中一键安装 Science 插件。根据该页面，研究人员可以在研究工作区内直接查询 Google DeepMind 的前沿模型，以及 AlphaGenome、AlphaFold Database 和 Atlas 等数据库，还可以生成可用于发表的 PyMOL 三维结构渲染图、可复现的分析脚本和可验证的科学成果。页面还指向 GitHub 上的开源定制功能代码库，列出桌面版支持 macOS、Windows、Linux 和 Googlebook，并表示 Google 正向 10,000 名科学家免费开放 Antigravity 中 Gemini 4 Argon 的最高使用额度档位。

DeepMind 将 Antigravity 描述为一款智能体科学工作台，可将过去需要在多个数据库间进行的零散搜索整合到一个会话中。DeepMind 表示，研究人员可以沿着演示中的对话继续探索，例如加入新的筛选条件、尝试不同的序列长度，或将目标转向其他优先关注的病原体，从而把搜索范围从人体共生微生物扩展到环境微生物。演示中展示的候选对象，以及通过同一流程发现的其他几个候选对象，目前正在进行湿实验室验证。DeepMind 表示，实验结果将是检验智能体分析的最终标准。