Google afirma que su plataforma de desarrollo agéntico Antigravity puede reunir en un solo espacio de trabajo varias etapas de la investigación sobre péptidos antimicrobianos, y ayudar a los biólogos a buscar en bases de datos, evaluar estructuras proteicas y clasificar posibles candidatos. En una demostración técnica, los investigadores utilizaron la plataforma para identificar un péptido candidato en Streptococcus pseudopneumoniae con actividad prevista contra patógenos implicados en infecciones de las vías respiratorias. El hallazgo aún no se ha confirmado mediante pruebas de laboratorio y está en proceso de validación experimental.
La búsqueda se basa en ProtNLM, el modelo lingüístico de proteínas de Google, que predice la función biológica a partir de secuencias de aminoácidos. El modelo está concebido para ayudar a los investigadores a examinar entradas aún no caracterizadas de UniProt, una base de datos pública que contiene millones de secuencias proteicas de función desconocida.
Google presenta los péptidos antimicrobianos, incluidas las bacteriocinas, como posibles alternativas a los antibióticos convencionales. Estas moléculas naturales pueden dirigirse a puntos vulnerables de las bacterias competidoras. La empresa afirma que el creciente volumen de datos genómicos y metagenómicos ofrece un amplio conjunto de secuencias que investigar, aunque muchas siguen sin anotarse porque no se parecen lo suficiente a proteínas conocidas.
En el flujo de trabajo mostrado, un investigador se propuso encontrar y validar computacionalmente nuevos péptidos antimicrobianos en S. pseudopneumoniae. El investigador dirigió la investigación, mientras Antigravity coordinó las búsquedas en bases de datos, el análisis estructural y la revisión de la literatura científica. Google afirma que el candidato cuenta con respaldo de pruebas genómicas y estructurales, pero recalca que todavía hace falta validarlo experimentalmente.
La plataforma también incluye un Visor de Estructuras Biomoleculares, que muestra las estructuras de las proteínas en 3D. Los investigadores y el agente de IA pueden trabajar en el mismo espacio visual: el agente puede resaltar regiones para explicar sus hipótesis, mientras que los científicos pueden marcar residuos o añadir notas que orienten el análisis del agente.
Google afirma que el enfoque integrado está diseñado para reducir el tiempo dedicado a alternar entre bases de datos, scripts y herramientas de modelado. La empresa describe la demostración como una forma de acotar la búsqueda a pistas prometedoras antes de realizar pruebas de laboratorio que consumen muchos recursos, y señala que los investigadores pueden adaptar el flujo de trabajo a distintos criterios de secuencia u organismos objetivo.
Fuentes: Google DeepMind Blog.