面对抗生素耐药性日益加剧的全球性挑战，谷歌推出的Google Antigravity智能开发平台正在尝试用AI缩短新药研发周期。该平台提供面向生物学家的智能科学工作台，支持快速发现、结构评估和筛选潜在靶点，将原本需要跨多个数据库的分散检索整合到单次会话中完成。
据谷歌介绍，研究人员已通过Antigravity平台发现一种新型抗菌肽候选分子，预测其对呼吸道感染病原体具有活性，目前该候选分子正在进行湿实验室验证。抗菌肽尤其是细菌素，被视为传统抗生素的有前景替代品，这类物质天然具备靶向细菌基础弱点的能力，病原体较难对其产生耐药性。
Antigravity平台的核心能力之一来自ProtNLM深度学习模型。该模型可直接从氨基酸序列预测生物功能，帮助研究人员扫描UniProt数据库中数百万未表征的蛋白质。目前全球数据库中已积累数十亿天然氨基酸序列，但大量序列功能未被标注，处于“暗物质”状态。ProtNLM通过读取氨基酸序列的进化“语法”，为大量UniProt条目添加了高置信度功能标注。
在协作模式上，Antigravity采用研究人员与AI智能体分工的机制：研究者设定生物学目标、把控研究策略，智能体负责跨数据库协调、结构分析和文献综合等繁重工作。这一模式将原本需要数天的分散数据库筛选压缩为单次协作会话，降低了生物学研究的操作门槛。
平台还内置Biomolecular Structure Viewer三维可视化工具，研究者和智能体可在共享3D画布上协作。智能体可从AlphaFold数据库获取结构，动态驱动可视化并高亮关键功能区域；研究者也可在3D空间标记感兴趣区域，向智能体提出问题，实现基于结构的交互式研究。
过往此类研发工作依赖分散的专业软件，Antigravity将完整科学推理流程整合在一处，帮助研究人员更高效地遍历生物搜索空间，筛选高置信度候选分子，使科学家能将更多时间投入假设验证和实验研究。在抗生素研发效率亟待提升的背景下，AI平台能否持续产出经湿实验验证的候选分子，将是检验其实际价值的关键指标。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
