IAGenerado
EN · IT · ES

Antigravity de Google acelera la búsqueda de nuevos péptidos antimicrobianos

La plataforma basada en agentes de Google DeepMind combina modelos de IA y flujos de trabajo interactivos para encontrar posibles nuevos antibióticos en minutos en lugar de meses.

Un investigador y un agente de IA colaboran en Google Antigravity para identificar un candidato a nuevo péptido antimicrobiano entre millones de secuencias de proteínas no caracterizadas.
Imagen: lh3.googleusercontent.com

Google DeepMind ha presentado un nuevo flujo de trabajo que demuestra cómo su plataforma Google Antigravity puede acelerar dramáticamente la búsqueda de péptidos antimicrobianos, pequeñas proteínas que pueden matar bacterias y ayudar a combatir la creciente crisis de infecciones resistentes a los medicamentos.

Cómo funciona la plataforma

Se prevé que la resistencia antimicrobiana cause hasta 10 millones de muertes anuales para 2050, lo que convierte la búsqueda de nuevos tratamientos en una prioridad urgente. Los péptidos antimicrobianos, especialmente una clase llamada bacteriocinas, son una vía prometedora porque a las bacterias les resulta más difícil desarrollar resistencia contra ellos que contra los antibióticos convencionales.

El desafío es que las bases de datos globales de proteínas como UniProt contienen millones de secuencias con funciones desconocidas, algo a lo que los investigadores llaman la "materia oscura" de los datos proteicos. Para dar sentido a este vasto conjunto, Google DeepMind desarrolló ProtNLM, un modelo de aprendizaje profundo entrenado para predecir la función de una proteína solo leyendo su secuencia de aminoácidos.

En el nuevo recorrido, un investigador y un agente de IA trabajando juntos en Antigravity buscaron novos péptidos antimicrobianos en la bacteria Streptococcus pseudopneumoniae, una causa común de infecciones del tracto respiratorio. A través de varias rondas interactivas, el investigador guió la estrategia mientras el agente realizó búsquedas de datos, análisis estructural y revisión de literatura.

De la consulta a la base de datos a un péptido candidato

El agente filtró rápidamente millones de secuencias hasta quedarse con un único candidato promisorio de bacteriocina, identificado por la entrada de UniProt A0A0U0D591. Tiene 97 aminoácidos de longitud y pertenece a la familia Lactococcin 972.

El equipo luego verificó que el péptido era genuinamente nuevo al compararlo con bases de datos de proteínas revisadas manualmente, confirmando que no tiene parientes conocidos cercanos. Luego examinaron su forma 3D utilizando estructuras de la Base de Datos de Estructura de Proteínas AlphaFold, descubriendo que su plegamiento coincidía estrechamente con una bacteriocina confirmada experimentalmente.

El agente también observó los genes circundantes del candidato y encontró un patrón revelador: se encontraba a solo seis unidades de ADN de distancia de un sistema transportador ABC, una configuración comúnmente asociada con la producción de bacteriocinas. Finalmente, al revisar investigaciones existentes, el agente propuso que el péptido probablemente apunta a la división celular bacteriana y podría ser activo contra varios patógenos resistentes a los medicamentos.

De un vistazo

Descubrimiento tradicional vs flujo de trabajo agente de Google DeepMind

Descubrimiento tradicionalWorkflow de Google Antigravity
Tiempo para encontrar candidatoMeses de trabajo fragmentadoMinutos mediante una sola sesión
Consultas a la base de datosManuales, una por unaOrquestación automatizada
Rol del investigadorConsulta cada herramienta por separadoGuía la estrategia; el agente se encarga de los detalles
Fuentes de datos combinadasPasos separados entre herramientasSecuencia, estructura y revisión de literatura juntos
Resultado de ejemplo—Candidato a péptido antimicrobiano de *S. pseudopneumoniae* en minutos

Del recorrido y anuncio del blog de Google DeepMind

Qué sigue

El péptido líder identificado en este recorrido ahora está pasando a validación en laboratorio húmedo, donde se probará físicamente en un laboratorio.

Google Antigravity enmarca este tipo de trabajo como un ciclo colaborativo entre la intuición humana y la asistencia de IA. En lugar de consultar manualmente múltiples bases de datos y herramientas una por una, los investigadores pueden ejecutar una sola sesión que coordina búsquedas de secuencias, comparaciones estructurales y síntesis de literatura, comprimiendo semanas de trabajo fragmentado en un marco de tiempo mucho más corto.

Google DeepMind publicó el recorrido técnico completo en su blog, invitando a otros biólogos a explorar la plataforma para sus propios proyectos de descubrimiento terapéutico.

Los datos clave

  • Google Antigravity es una plataforma basada en agentes que permite a los investigadores y agentes de IA trabajar juntos en una sola sesión interactiva
  • ProtNLM predice la función biológica de las proteínas directamente a partir de sus secuencias de aminoácidos
  • La plataforma ayudó a identificar un candidato a bacteriocina novel de 97 aminoácidos contra patógenos respiratorios
  • El péptido líder ahora está en proceso de validación de laboratorio
  • La resistencia antimicrobiana podría causar 10 millones de muertes por año para 2050

Fuentes

  1. Google Antigravity: Accelerating Antimicrobial Peptide Search — Google DeepMind

Cada dato de esta noticia viene de la fuente de arriba.

Mira

Pressing the box loads the video from YouTube, which then receives your visit under its own privacy policy. Until then nothing is requested from YouTube.

Si esta noticia te afecta a ti o a tu empresa, o usa algo que te pertenece, pide una corrección o que se retire. Cómo funcionan las solicitudes

Sigue leyendo