IT之家 10 月 16 日消息，当前抗生素耐药性问题不断加剧，全球迫切需要新型抗生素，但新药研发往往缓慢且过程繁琐。谷歌推出的 Google Antigravity 智能开发平台，能够有效简化这一流程。
Google Antigravity 提供了智能科学工作台，支持生物学家快速发现、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搜索整合到单次会话中。该平台还借助 ProtNLM 模型，帮助研究人员扫描 UniProt 数据库中数百万未表征的蛋白质；该模型可直接从氨基酸序列预测生物功能。
研究人员已经通过 Google Antigravity 发现了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。
IT之家援引博文介绍，抗菌肽，尤其是细菌素，是传统抗生素很有前景的替代品。这类物质天然进化出靶向细菌基础弱点的能力，病原体很难产生耐药性。目前全球数据库中已经积累了数十亿天然氨基酸序列，但大量序列功能未被标注，仍处于“暗物质”状态。
谷歌开发的 ProtNLM 深度学习模型，可以直接读取氨基酸序列的进化“语法”，直接从原始蛋白质序列预测生物功能，为大量 UniProt 条目添加了高置信度功能标注。
在 Antigravity 平台中，研究人员与 AI 智能体协作开展研究：研究者设定生物学目标、把控研究策略，智能体则负责跨数据库协调、结构分析和文献综合等繁重工作。这种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，大幅降低了生物学研究的门槛。
平台还内置了 Biomolecular Structure Viewer 三维可视化工具，研究者和智能体可以在共享的 3D 画布上协作。智能体可以从 AlphaFold 数据库获取结构，动态驱动可视化，高亮关键功能区域；研究者也可以在 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。
过往这类研发工作需要依赖分散的专业软件，而 Google Antigravity 将完整的科学推理流程整合在一处，帮助研究人员更高效地遍历广阔的生物搜索空间，筛选出高置信度候选分子，让科学家可以将更多时间投入到高质量假设验证和实验研究中。
