Google Antigravity 化学信息学技能发布

Google Antigravity 化学信息学技能概述

Google DeepMind 已将一套全新的化学信息学技能集成到 Google Antigravity 平台中，旨在协助药物化学家自动化复杂的药物发现工作流程。通过将语言模型驱动的编排与确定性化学工具相结合，该系统使研究人员能够以通常手动整理所需时间的一小部分来执行文献提取、匹配分子对分析 (MMPA) 和预测建模等任务。

技术架构与集成

该系统作为一个协作科学工作台运行，在语言模型和专业计算工具之间进行分工。其架构依赖于：

  • 编排： 底层语言模型负责管理工作流程导航、科学推理和数据库交互。
  • 确定性执行： 化学相关的计算由行业标准的开源化学信息学工具包 RDKit 处理。
  • 数据连接： 该智能体与包括 ChEMBL 和 PubChem 在内的精选资源集成，以确保输出结果具有扎实的领域针对性。

这种方法使智能体能够处理各种分子表示（从 IUPAC 名称到结构数据文件 (SDF)），同时最大限度地减少手动处理数据时可能出现的错误风险。

工作流程能力：以刚性化为例

为了展示该平台的实用性，DeepMind 重点介绍了“刚性化”过程，这是一种通过限制分子的构象灵活性来提高药物效力的药物化学技术。以从 crizotinib 到 lorlatinib 的转换为例，Antigravity 智能体执行以下步骤：

  1. 文献搜索： 智能体扫描学术和专利文献以提取相关化合物，过滤掉缓冲液和溶剂等干扰信息。
  2. 数据分析： 它执行匹配分子对分析 (MMPA)，以分离特定化学变化（如环化）对药物效力的影响。
  3. 预测建模： 智能体构建并基准测试机器学习模型以估算效力，采用支架拆分等技术来评估分布外性能。
  4. 合成规划： 智能体提出新型大环化合物，生成电子推移图以解释反应机理，并建议符合记录程序的操作路线。

科学局限性与人在回路

DeepMind 强调，虽然这些工具加速了可测试假设的生成，但它们不能取代实验验证。模型的预测精度仍然受到数据稀疏、实验室间测定噪声和窄动态范围等限制。因此，所有 AI 生成的设计都必须在实验室环境中进行合成和验证。

可用性与访问

化学信息学技能现已通过 Science 插件在 Google Antigravity 应用程序中提供。企业用户可以通过 Google Cloud 凭据登录来访问这些功能。此外，Google 正在为 10,000 名科学家提供为期六个月的 Google Antigravity 最高使用层级免费访问权限，目前已开放申请，欢迎感兴趣的研究人员报名。

Sources