谷歌DeepMind借助Antigravity智能体发现抗菌肽候选物

2026年10月15日，谷歌DeepMind发布了一份技术演示文稿，展示其智能体开发平台Google Antigravity如何加速新型抗生素的探索。该公司称，生物学家在一次Antigravity会话中筛选出一种新型抗菌肽候选物，预计对引发呼吸道感染的病原体具有活性。该候选物目前正在进行湿实验室验证。

这项研究的作者包括Pengfei Tian、Maxwell L. Bileschi、Zoi Tsangalidou、Sukhdeep Singh和Lucy J. Colwell。作者强调，该结果只是一个有依据的潜在先导物，有结构和基因组证据支持，但并非已确认的药物，仍需开展实验室实验。

挖掘蛋白质“暗物质”

该工作流程的核心是ProtNLM，这是谷歌开发的一款深度学习模型，可直接根据氨基酸序列预测生物功能。它为数百万个功能未知的UniProt条目添加蛋白质名称、功能描述、亚细胞定位、GO术语和关键词等标签。这些序列许多直接来自基因组测序项目，与已知表征的蛋白质并不相似，实际上仍未被探索。

在演示中，研究人员设定了一个明确的目标：在Streptococcus pseudopneumoniae中寻找新的抗菌肽，并进行计算验证。人类科学家负责制定策略并选择需要收集的证据，而AI智能体则负责查询多个数据库、分析结构并总结文献。

DeepMind还推出了生物分子结构查看器（Biomolecular Structure Viewer），这是内置于Antigravity中的三维可视化工具。它可以显示来自AlphaFold数据库或科学家自身预测的结构，智能体还能高亮显示相关区域以解释其推理过程。这种联动是双向的：研究人员高亮的残基，或其固定到结合口袋上的残基，会被传回智能体，智能体随后即可就该具体位置回答问题。

意义何在

该公司引用的估计指出，到2050年，抗菌素耐药性每年可能在全球导致约1000万人死亡。细菌素是一类抗菌肽，因其进化出攻击竞争细菌核心弱点的机制而备受看好，这使耐药性更难产生。基因组数据已发现了广泛使用的Nisin，以及Darobactin、Dynobactin和Lariocidin等近期发现的物质。

DeepMind认为，此类搜索过去需要定制脚本、在多种建模工具之间手动传输文件，并需要多位专家协同合作。由于湿实验室工作成本高昂，尽早将范围缩小至最有潜力的先导物至关重要。该方法能否兑现其承诺，将取决于这一新候选物在实验室中的表现。