IT之家 – Le 16 octobre, les problèmes de résistance aux antibiotiques se aggravent constamment. Un besoin urgent se fait sentir à l’échelle mondiale pour de nouveaux antibiotiques, mais le développement de nouveaux médicaments est souvent lent et complexe. La plateforme de développement intelligent Google Antigravity proposée par Google peut simplifier efficacement ce processus.
Google Antigravity propose un bureau scientifique intelligent qui permet aux biologistes de découvrir rapidement, d’évaluer la structure et de sélectionner des cibles potentielles, intégrant ainsi les recherches dispersées nécessitant plusieurs bases de données dans une seule session. Cette plateforme utilise également le modèle ProtNLM pour aider les chercheurs à scanner des millions de protéines non caractérisées dans la base UniProt, un modèle capable de prédire les fonctions biologiques à partir de la séquence d’acides aminés.
Les chercheurs ont découvert via Google Antigravity un nouveau candidat molécule de peptide antibactérien, qui est prévu être actif contre les pathogènes des infections respiratoires. Actuellement, ce candidat molécule est en cours de validation en laboratoire humide.
Selon IT Home, citant un blog, les peptides antibactériens, en particulier les bacteriophages, constituent une alternative prometteuse aux antibiotiques traditionnels. Ces substances ont naturellement évolué pour cibler les points faibles de la structure bactérienne, ce qui rend difficile la résistance des pathogènes. Actuellement, des milliards de séquences d’acides aminés naturels sont stockées dans les bases de données mondiales, mais une grande partie de ces séquences n’a pas été étiquetée et reste dans un état de « matière obscure ».
Le modèle de deep learning ProtNLM développé par Google permet de lire directement la « grammaire » de l’évolution des séquences d’acides aminés, et de prédire les fonctions biologiques à partir de la séquence protéique brute, ajoutant des annotations de fonctionnalité à haute confiance pour de nombreux entrées UniProt.
Dans la plateforme Antigravity, les chercheurs collaborent avec un agent IA pour mener leurs recherches : les chercheurs définitent les objectifs biologiques et contrôlent la stratégie de recherche, tandis que l’agent est chargé des tâches complexes telles que la coordination entre bases de données, l’analyse structurelle et la synthèse de la littérature. Ce modèle permet d’accélérer le tri des bases de données dispersées, qui nécessitaient auparavant plusieurs jours, en une seule session de collaboration, réduisant ainsi considérablement les barrières pour les recherches biologiques.
La plateforme intègre également l’outil de visualisation tridimensionnelle Biomolecular Structure Viewer, permettant aux chercheurs et aux intelligences collaboratives de travailler ensemble sur un tableau 3D partagé. L’intelligence peut obtenir la structure à partir de la base de données AlphaFold, piloter dynamiquement la visualisation et mettre en évidence les zones clés ; les chercheurs peuvent également marquer dans l’espace 3D les zones d’intérêt, poser des questions à l’intelligence, permettant ainsi une recherche interactive basée sur la structure.
Dans le passé, ces travaux de recherche et développement nécessitaient l’utilisation de logiciels professionnels dispersés, tandis que Google Antigravity intègre tout le processus de raisonnement scientifique dans un seul endroit. Cela permet aux chercheurs d’explorer plus efficacement l’immense espace de recherche biologique et de sélectionner des candidats moléculaires à haute confiance, permettant ainsi aux scientifiques de consacrer plus de temps à la vérification de hypothèses de qualité et à la recherche expérimentale.
