「新しい抗菌薬の候補探しが、1回の作業セッションで済む」と言われたら、信じられるでしょうか。
Google DeepMindが公開したGoogle Antigravity: Accelerating Antimicrobial Peptide Search — Google DeepMindは、これを具体的な手順で示しています。
- エージェント型開発基盤Google Antigravityを、生物学者向けの「agentic science workbench」として使う。
- 複数のデータベースにまたがっていた探索を、1つのセッションにまとめる。
- UniProt内の未解析タンパク質を、機能予測モデルProtNLMで走査する。
- その結果、呼吸器感染症の病原体に対する活性が予測される抗菌ペプチド候補を見つけた。
何が変わるのか
背景には薬剤耐性の深刻化があります。元記事は、対策がなければ2050年に年間1,000万人が死亡しうると推計しています。抗菌ペプチド、特にバクテリオシンは、細菌の弱点を突くように進化してきました。そのため耐性がつきにくい選択肢として期待されています。
従来は、配列データベースを何度も行き来して候補を探し、構造を評価し、優先順位をつけていました。この作業は断片的で、人手がかかります。Antigravityでは、この流れを1つのエージェント環境の中で進められます。
| 従来 | Antigravity | |
|---|---|---|
| 探索 | 複数DBを個別に検索 | 1セッションで横断 |
| 評価 | 手作業で構造を確認 | 同じ環境で評価と優先順位づけ |
開発ツールの外にも広がる機会
ここで注目したいのは、エージェント基盤の使い道がコード生成の外へ広がっていることです。数百万規模の未解析タンパク質を相手にするとき、人が1件ずつ見る方法は現実的ではありません。専門家が目利きに集中できるよう、走査と整理をエージェントに任せる設計が現実味を帯びてきました。研究者は絞られた候補の検討に時間を使えます。
ただし、今回の候補はあくまで「予測された活性」を持つ段階です。元記事によれば、ウェットラボでの検証はこれからです。
冒頭の問いに答えるなら、「探索の速度」についてはYesです。一方、創薬としての成否は検証結果を待つ必要があります。それでも、探索工程を圧縮できること自体が、専門領域でのエージェント活用を考える実務者にとって前向きな材料です。
関連記事
- Sophos cuts threat investigation time by 96% with OpenAI Daybreak
- Introducing Falcon ASR
- The model that didn’t exist, so you made it yourself
参考文献
コメント