Кандидат в антимикробные пептиды за одну сессию: Google показала научный сценарий Antigravity

Что предложено

Google называет Antigravity «агентной научной мастерской» (agentic science workbench): она позволяет биологам находить, структурно оценивать и приоритизировать цели, сжимая поиск, который раньше шёл фрагментированно по нескольким базам данных, в одну сессию. Публикация подписана исследователями DeepMind (Pengfei Tian, Maxwell L. Bileschi, Zoi Tsangalidou, Sukhdeep Singh, Lucy J. Colwell) и построена как технический разбор одного прохода, а не как отчёт о результате.

Отдельно названа модель ProtNLM: она читает «эволюционную грамматику» аминокислотных последовательностей и предсказывает биологическую функцию напрямую, обогащая миллионы безымянных записей UniProt. По тексту поста, в этом ведущем публичном ресурсе по последовательностям и функциям белков — «миллионы последовательностей с неизвестной функциональностью», переданных прямо из проектов секувенирования геномов; охват аннотаций включает названия белков, комментарии о функции, субклеточную локализацию, термины GO и ключевые слова.

Причина, по которой тема вообще возникла, сформулирована в первом абзаце: нужны новые антибиотики, а поиск новых терапевтических средств остаётся медленным и трудоёмким. Бактериоцины интересны тем, что природа уже «настроила» их против фундаментальных уязвимостей бактерий-конкурентов — от клеточной оболочки до внутриклеточных механизмов, — из-за чего устойчивость развивается труднее.

Как шёл поиск

Сценарий начинается с конкретной цели: найти и вычислительно проверить новые антимикробные пептиды (AMP) у Streptococcus pseudopneumoniae. Агент отфильтровал миллионы записей до единиц кандидатов и нашёл бактериоцин (UniProt ID A0A0U0D591) длиной 97 аминокислот из семейства Lactococcin 972. Исследователь при этом ведёт стратегию и решает, какие вопросы задавать, а на агенте остаются межбазовые запросы, структурный анализ и работа с литературой.

Новизну проверяли по курируемой базе Swiss-Prot через сервис EMBL-EBI NCBI-BLAST: у пептида «нет значимого гомолога последовательности среди вручную проверенных белков». Это ключевой шаг — без него находка была бы просто известной последовательностью.

Структурное свидетельство дала 3D-модель кандидата из AlphaFold Protein Structure Database: предсказанная укладка близко совпала с экспериментально определённым бактериоцином, что подтверждает предсказание ProtNLM. Проверка шла сопоставлением модели с экспериментально определёнными структурами в поиске дальних гомологов и наложением моделей друг на друга.

Контекст гена усилил гипотезу: кандидат стоит «всего в 6 парах оснований» перед ABC-транспортёром-пермеазой и его потенциальным партнёром — ATP-связывающим белком, рядом находятся ещё один аннотированный бактериоцин и XRE-регулятор транскрипции. Google трактует это как контекстное свидетельство того, что найденный пептид — часть работающей бактериоциновой системы, а не случайная последовательность.

Механизм и спектр действия выведены из литературы: предполагается влияние на деление бактериальной клетки и предсказанный спектр против нескольких устойчивых к лекарствам патогенов. План эксперимента включает экспрессию белка, тесты на чувствительность к антимикробным препаратам, проверку связывания с целью и оценку токсичности in vitro — то есть переход от вычислительного предсказания к настольному протоколу.

Что здесь доказано, а что нет

Компания прямо называет найденного кандидата «биологически правдоподобным лидом» со структурными и геномными свидетельствами и подчёркивает, что он всё ещё требует лабораторной проверки: в валидацию ушли этот кандидат и несколько других, найденных тем же конвейером. Формулировка из публикации — «экспериментальные результаты дадут окончательную проверку анализа агента».

Масштаб проблемы, на которую работает тема, в посте обозначен оценкой примерно 10 миллионов смертей в год к 2050 году из-за устойчивости к антимикробным препаратам. Отдельного расчёта, исследования или агентства под эту цифру в тексте нет — она приведена как фон, а ссылкой в том же абзаце отмечена обзорная публикация британского здравоохранения.

Границы продемонстрированного тоже названы честно: сессия работала в узком окне аминокислот у одного вида бактерий, а расширять её предлагается фильтрами, другими длинами последовательностей и другими приоритетными патогенами — вплоть до перехода от человеческих комменсалов к микробам окружающей среды.

Инструмент и доступы

В Antigravity встроен Biomolecular Structure Viewer — инструмент 3D-визуализации, работающий на общем визуальном состоянии исследователя и агента: агент может подсвечивать функциональные области, а выделенные учёным остатки и пометки на кармане связывания синхронизируются обратно к агенту. В публикации приведён пример такого обмена: отметив участок в 3D, исследователь может сразу спросить, как эта β-структура повлияет на связывание с Lipid II.

Контекст, ради которого всё делается, описан через то, чего больше не нужно: раньше для таких находок требовались разрозненные инструменты — свои скрипты для запросов к базам, выгрузка файлов в сторонние 3D-редакторы, несвязанные геномные утилиты и отдельные специалисты для проектирования лабораторных тестов. По оценке компании, теперь «дни фрагментированного разбора баз данных» укладываются в одну совместную сессию.

На собственной странице научного сценария Google указывает, что даёт 10 тысячам учёных бесплатный доступ к Gemini 4 Argon в Antigravity на высшем тарифе использования «начиная с сегодняшнего дня», а плагин Science подключается в один клик из магазина кастомизаций. В список поддерживаемых источников входит, среди прочего, «1PB AlphaGenome Atlas», UniProt, PubChem и ChEMBL — по описанию самой страницы, больше 30 крупных биологических баз данных.