Google DeepMind: agent w Antigravity zaprojektował makrocykle przeciw rakowi płuca w godzinę

Google DeepMind opublikowało 3 listopada 2026 opis Cheminformatics Skills, czyli zestawu umiejętności dla agenta Google Antigravity, który łączy przeszukiwanie literatury, analizę związków, modele predykcyjne i propozycje dróg syntezy. W pokazowym przykładzie, opartym na lekach na niedrobnokomórkowego raka płuca, agent miał w około godzinę przejść od danych do nowych projektów cząsteczek.

Co pokazano

Autorzy wpisu z DeepMind opisują Antigravity z nowymi umiejętnościami jako "collaborative science workbench", czyli wspólne stanowisko pracy naukowca. Model językowy odpowiada za orkiestrację, poruszanie się po bazach danych i rozumowanie, a obliczenia na cząsteczkach wykonują deterministyczne narzędzia chemiczne.

Według DeepMind zaawansowane systemy chemoinformatyczne muszą ujednolicać różne zapisy cząsteczek, między innymi nazwy IUPAC, struktury Markusha i pliki SDF. Ma to znaczenie, bo zmiana jednego atomu lub wiązania daje już inny związek.

Przykład z krizotynibem

Za punkt wyjścia posłużyły krizotynib i lorlatynib. Krizotynib to inhibitor kinaz tyrozynowych pierwszej generacji stosowany w niektórych postaciach niedrobnokomórkowego raka płuca i ma pięć głównych wiązań obrotowych. Lorlatynib to inhibitor trzeciej generacji, w którym przez cyklizację efektywna liczba wiązań obrotowych spada do zera, co według opisu daje między innymi większą siłę działania.

Agent przeszukał literaturę, pobrał tysiące związków, odfiltrował takie substancje jak bufory i rozpuszczalniki i przygotował raport ze wskazaniem źródeł. Zaznaczył w nim, że makrocykle są w większości przewidywane jako przenikające do mózgu, co istotne, bo ten typ raka często daje przerzuty do mózgu.

Interaktywna przeglądarka pokazała, że najsilniejsze związki są zarazem najbardziej sztywne. Analiza par cząsteczek różniących się drobnym fragmentem wykazała, że cyklizacja zmniejsza liczbę wiązań obrotowych i zazwyczaj zwiększa siłę działania.

Od modeli do syntezy

Agent zbudował wiele modeli przewidujących siłę działania. Według opisu zwykle stosuje podziały chronologiczne, gdy dostępne są daty, a w pokazanym benchmarku użył podziału według szkieletów cząsteczek. Modele sprawdzono na czterech odczytach eksperymentalnych.

Następnie zaproponował nowe makrocykle wraz z prekursorami, reakcjami cyklizacji, diagramami mechanizmu i drogami syntezy oraz przewidywanymi wartościami siły działania. Dla proponowanej reakcji cyklizacji pokazał diagramy przepływu elektronów, ilustrujące mechanizm.

Zastrzeżenia i dostęp

DeepMind zaznacza, że rzadkie dane, szum pomiarowy między laboratoriami i wąskie zakresy dynamiczne ograniczają dokładność predykcji. Projekty są hipotezami do sprawdzenia, a nie gotowymi lekami, i każdy trzeba zsyntetyzować oraz zweryfikować doświadczalnie. Godzina dotyczy więc wyłącznie projektowania obliczeniowego.

Umiejętności są już dostępne po pobraniu aplikacji Antigravity i zainstalowaniu wtyczki Science. Użytkownicy firmowi mogą zalogować się kontem Google Cloud. Program dla 10 000 naukowców przyjmuje uczestników stopniowo, a nabór zgłoszeń jest już otwarty.