|
Google DeepMind于11月3日介绍Antigravity的Cheminformatics Skills，展示AI代理如何协助药物研究中的资料整理、化学分析和候选分子设计。示例围绕肺癌治疗相关的小分子crizotinib与lorlatinib：代理从论文和专利中检索数千种化合物，整理来源，分析分子结构变化与活性关系，再训练预测模型并提出新的刚性化大环分子及合成路线。DeepMind称，这一流程约一小时完成；传统单轮迭代通常需要数天。
这套工作流由语言模型负责调度、数据库检索和科学推理，分子计算则交给基于RDKit的确定性化学工具，并连接ChEMBL和PubChem等资源。文章还展示了代理筛选568个整理后的化合物、比较分子刚性与活性等步骤。
DeepMind明确提醒，计算设计只是可检验的假设，不是已经完成的药物。数据稀疏、实验室检测噪声和测量范围都会限制预测精度，候选分子仍须合成并通过实验验证。文章称相关技能已可在Antigravity使用。
官方来源：Google DeepMind《Agentic cheminformatics with Google Antigravity》 https://deepmind.google/blog/agentic-cheminformatics-with-google-antigravity/ |
0