Google DeepMind dùng tác nhân Antigravity tìm ứng viên peptide kháng khuẩn

Ngày 15 tháng 10 năm 2026, Google DeepMind công bố một bài hướng dẫn kỹ thuật cho thấy nền tảng phát triển tác nhân Google Antigravity có thể đẩy nhanh việc tìm kiếm thuốc kháng sinh mới. Theo công ty, các nhà sinh học làm việc trong một phiên Antigravity duy nhất đã phát hiện một ứng viên peptide kháng khuẩn mới, được dự đoán có hoạt tính chống lại các mầm bệnh gây nhiễm trùng đường hô hấp. Ứng viên này hiện đang được xác thực trong phòng thí nghiệm ướt.

Công trình này do Pengfei Tian, Maxwell L. Bileschi, Zoi Tsangalidou, Sukhdeep Singh và Lucy J. Colwell thực hiện. Các tác giả nhấn mạnh rằng kết quả chỉ là một hướng đi khả thi, được hỗ trợ bởi bằng chứng về cấu trúc và bộ gen, chứ chưa phải một loại thuốc đã được xác nhận, và vẫn cần các thí nghiệm trong phòng thí nghiệm.

Khai thác “vật chất tối” của protein

Trung tâm của quy trình là ProtNLM, một mô hình học sâu do Google xây dựng, có khả năng dự đoán chức năng sinh học trực tiếp từ trình tự axit amin. Mô hình này gắn các nhãn như tên protein, mô tả chức năng, vị trí dưới tế bào, thuật ngữ GO và từ khóa cho hàng triệu mục trên UniProt mà vai trò trước đây chưa được biết. Nhiều trình tự trong số đó đến trực tiếp từ các dự án giải trình tự bộ gen và không giống bất kỳ protein đã được mô tả nào, khiến chúng gần như chưa được khám phá.

Trong phần trình diễn, nhà nghiên cứu đặt ra một mục tiêu hẹp: tìm và xác thực bằng tính toán các peptide kháng khuẩn mới trong Streptococcus pseudopneumoniae. Nhà khoa học là người định hướng chiến lược và quyết định loại bằng chứng cần thu thập, còn tác nhân AI đảm nhiệm việc truy vấn nhiều cơ sở dữ liệu, phân tích cấu trúc và tóm tắt tài liệu khoa học.

DeepMind cũng giới thiệu Biomolecular Structure Viewer, một công cụ trực quan hóa 3D được tích hợp trong Antigravity. Công cụ này hiển thị các cấu trúc lấy từ AlphaFold Database hoặc từ các dự đoán riêng của nhà khoa học, và tác nhân có thể làm nổi bật các vùng để giải thích lập luận của mình. Liên kết này hoạt động theo hai chiều: các residue mà nhà nghiên cứu đánh dấu hoặc ghim vào một hốc liên kết sẽ được chuyển ngược lại cho tác nhân, và tác nhân sau đó có thể trả lời các câu hỏi về đúng vị trí đó.

Vì sao điều này quan trọng

Công ty dẫn các ước tính cho rằng đến năm 2050, tình trạng kháng kháng sinh có thể gây ra khoảng 10 triệu ca tử vong mỗi năm trên toàn thế giới. Bacteriocin, một nhóm peptide kháng khuẩn, được xem là đầy hứa hẹn vì chúng tiến hóa để tấn công những điểm yếu cốt lõi của vi khuẩn cạnh tranh, khiến việc hình thành kháng thuốc trở nên khó hơn. Dữ liệu bộ gen đã cho ra Nisin, một chất được sử dụng rộng rãi, cũng như các phát hiện gần đây như Darobactin, Dynobactin và Lariocidin.

DeepMind lập luận rằng trước đây kiểu tìm kiếm này đòi hỏi các script tùy chỉnh, việc chuyển tệp thủ công giữa các công cụ mô hình hóa và sự phối hợp giữa nhiều chuyên gia. Vì công việc trong phòng thí nghiệm ướt rất tốn kém, việc thu hẹp sớm các hướng đi tiềm năng nhất là thiết yếu. Liệu cách tiếp cận này có đạt được kỳ vọng hay không sẽ phụ thuộc vào cách ứng viên mới hoạt động trong phòng thí nghiệm.