Nyhet
Google DeepMind använder Antigravity och ProtNLM för att hitta nya antimikrobiella peptider
Google DeepMind presenterade den 15 oktober 2026 hur plattformen Google Antigravity kan användas för att söka efter antimikrobiella peptider. I ett genomgånget exempel pekade en forskare och en AI-agent, med stöd av proteinmodellen ProtNLM, ut en ny bacteriocinkandidat med förutsagd aktivitet mot patogener vid luftvägsinfektioner. Kandidaten genomgår nu validering i laboratorium.
Det viktigaste i korthet
• Google DeepMind beskriver Google Antigravity som en agentbaserad vetenskaplig arbetsbänk där biologer kan hitta, strukturutvärdera och prioritera lovande mål i en enda session.
• ProtNLM är en modell som förutsäger biologisk funktion utifrån aminosyrasekvenser. Enligt Google har den försett miljontals tidigare onamnade poster i databasen UniProt med funktionsetiketter.
• Kandidaten har UniProt-ID A0A0U0D591. Den är en bacteriocin på 97 aminosyror från Lactococcin 972-familjen och hittades i Streptococcus pseudopneumoniae.
• Kandidaten har förutsagd aktivitet mot patogener vid luftvägsinfektioner. Den valideras nu i laboratorium tillsammans med flera andra kandidater från samma process.
• Nytt är Biomolecular Structure Viewer, ett 3D-verktyg som är inbyggt i Antigravity.
• Antimikrobiell resistens kan enligt källan orsaka uppskattningsvis 10 miljoner dödsfall per år globalt till 2050.
Vad har hänt
Google DeepMind har publicerat en teknisk genomgång av hur biologer använde Google Antigravity för att söka efter nya antimikrobiella peptider, AMP. Särskilt intressanta är bacteriocins, som enligt källan har utvecklats naturligt för att slå mot grundläggande svagheter hos konkurrerande bakterier. Det gör det svårt för patogener att utveckla resistens. Som exempel på naturliga fynd nämns Nisin, Darobactin, Dynobactin och Lariocidin.
Problemet är enligt Google att många sådana molekyler gömmer sig i databasernas ”mörka materia”. UniProt innehåller miljontals sekvenser med okänd funktion, eftersom de liknar få kända proteiner. Googles modell ProtNLM är tränad att läsa sekvensernas evolutionära ”grammatik” och förutsäga funktionen direkt från sekvensen. Den ger namn, funktionskommentarer, subcellulär placering, GO-termer och nyckelord.
I exemplet satte forskaren målet att hitta och beräkningsmässigt validera nya AMP i Streptococcus pseudopneumoniae. Forskaren styrde strategin, medan agenten skötte arbetet över flera databaser, strukturanalys och sammanställning av litteratur. Agenten filtrerade miljontals poster ner till ett fåtal och hittade bacteriocinen A0A0U0D591.
Nyheten kontrollerades mot Swiss-Prot via EMBL-EBI:s BLAST-tjänst, där ingen meningsfull sekvenslik protein hittades bland manuellt granskade proteiner. Agenten hämtade därefter kandidatens 3D-modell från AlphaFold Protein Structure Database och jämförde den med experimentellt bestämda strukturer. Enligt Google stämde den med ProtNLM:s förutsägelse, eftersom vecket liknade en experimentellt bestämd bacteriocin.
Agenten undersökte också generna intill. Kandidaten ligger 6 baspar före ett ABC-transportörpermeas och dess möjliga partner, ett ATP-bindande protein. I samma operon finns en annan annoterad bacteriocin och en XRE-transkriptionsregulator. Google ser det som starkt kontextuellt stöd för att kandidaten ingår i ett fungerande bacteriocinsystem.
Utifrån litteraturen föreslog agenten en verkningsmekanism som riktar sig mot bakteriens celldelning, och ett förväntat spektrum som omfattar flera läkemedelsresistenta patogener. Därefter skrev den en experimentplan som omfattar proteinuttryck, känslighetstester, målbindning och toxicitetstester in vitro.
Google introducerar även Biomolecular Structure Viewer. Verktyget låter forskare och agent dela en 3D-vy av strukturer från AlphaFold Database eller egna förutsägelser. Markeringar och anteckningar synkas tillbaka till agenten, så forskaren kan markera ett område och till exempel fråga hur en β-sträng påverkar bindning till Lipid II. Enligt Google ersätter arbetssättet egna skript, manuell export mellan program och flera specialister, och förvandlar dagar av splittrad databasgenomgång till en samlad session.
Vad det betyder för dig i Sverige
Källan tar inte upp Sverige. Den anger inte heller när eller hur Antigravity och Biomolecular Structure Viewer blir tillgängliga för svenska forskare, eller vad de kostar. Antimikrobiell resistens beskrivs som ett globalt hälsoproblem. Arbetet är i det här skedet forskning och ingen behandling som patienter kan få. Kandidaten kräver enligt Google fortfarande laboratorievalidering.
Det här vet vi inte än
• Om kandidaten faktiskt fungerar i laboratorietester. Google beskriver den som en biologiskt rimlig lead, men resultaten av valideringen är inte redovisade.
• När resultaten kan väntas.
• Hur giftig kandidaten är, och om den kan bli ett läkemedel. Toxicitetstester ingår i planen men har inte redovisats.
• Vilka läkemedelsresistenta patogener som avses. Källan anger inget namn utöver den förutsagda aktiviteten mot luftvägspatogener.
• Hur många andra kandidater som testas, och vilka de är.
• Pris, villkor och tillgänglighet i Sverige för Antigravity och 3D-verktyget.
Viktigt att veta
Artikeln är allmän information och ersätter inte rådgivning från legitimerad vårdpersonal, jurist eller ekonomisk rådgivare. Dela aldrig patient-, klient- eller personuppgifter med AI-tjänster utan rättslig grund, och låt en människa fatta beslut som påverkar hälsa, rättigheter eller ekonomi.