Google DeepMind добавила в Antigravity Cheminformatics Skills для разработки лекарств

Google DeepMind представила набор Cheminformatics Skills (навыков хемоинформатики) для Google Antigravity. Компания объясняет мотивацию так: разработка новых лекарств требует собирать сложные данные из графиков, рисунков и литературы, обучать предсказательные модели и предлагать молекулы для синтеза, а одна итерация такого процесса обычно занимает несколько дней. Кроме того, химики тратят слишком много времени на возню с данными: одна и та же молекула может быть записана как название по IUPAC в статье, структура Маркуша в патенте или файл SDF в каталоге, а изменение одного атома или связи означает уже другое соединение.

Навыки превращают Antigravity в совместную научную рабочую среду с полным доступом к локальным инструментам как для вычислительных, так и для экспериментальных химиков. Работа разделена: языковая модель отвечает за оркестрацию рабочего процесса, навигацию по базам данных и научные рассуждения, а расчёты над молекулами выполняют детерминированные химические инструменты. Основа навыков, RDKit, базовый открытый инструментарий хемоинформатики, который два десятилетия развивало мировое сообщество; есть и коннекторы к курируемым ресурсам ChEMBL и PubChem. Лучшие практики предметной области заложены прямо в рабочий процесс агента. Какая именно языковая модель стоит за агентом, в тексте не названо.

В качестве примера DeepMind показывает классический приём медицинской химии, ригидизацию (ужесточение) молекулы. Лекарственные молекулы часто соединяют несколько фрагментов через вращающиеся связи, из-за чего молекула «болтается» и принимает много конформаций; чтобы связаться с мишенью, ей надо зафиксироваться в одной активной форме, а потеря свободы движения даёт энтропийный штраф, ослабляющий связывание и снижающий активность. Добавив вторую связь в нужном месте, химики фиксируют молекулу в нужной форме; такой подход называют «оплатой энтропийной цены заранее», и он может резко повысить активность. Пример, краизотиниб (crizotinib), ингибитор тирозинкиназы первого поколения, применяемый при некоторых формах немелкоклеточного рака лёгкого: у него пять основных вращающихся связей. Лорлатиниб (lorlatinib), ингибитор третьего поколения, похожий на краизотиниб, но циклизованный на конце, из-за чего эффективное число вращающихся связей снижено до нуля, что среди прочего даёт более высокую активность.

Ход демо. Агент ищет в литературе эти препараты и их аналоги, извлекает молекулы из документов, сопоставляет с приведёнными данными и готовит соединения к дальнейшему анализу. Затем он запускает интерактивный просмотрщик с курируемыми соединениями и настраиваемыми диаграммами рассеяния: график активности против числа вращающихся связей с цветом по признаку макроцикла сразу показывает, что макроциклы вроде лорлатиниба, как правило, имеют меньше вращающихся связей и более высокую активность. Дальше проводится анализ молекулярных пар (matched molecular pair analysis, MMPA), сравнение пар молекул, отличающихся только одним небольшим изменением; этот анализ агент, по словам авторов, предложил и сам. Сравнивались многие пары, различающиеся тем, циклизованы ли они; результат: циклизация уменьшает число вращающихся связей и, как и ожидалось, в целом повышает активность.

Агент также построил большое число моделей активности с разными наборами признаков и архитектурами и проверил их на отложенной выборке. Навыки подсказывают ему, как строить такие модели: например, при наличии дат он часто делит данные хронологически (учится на старых соединениях, предсказывает новые), а при необходимости переходит к делению по скаффолдам, чтобы лучше оценить обобщающую способность. Наконец, агента просят спроектировать новые улучшенные макроциклы; он рекомендует несколько реакций и маршрутов синтеза с разными соединениями и может подготовить их для дальнейшего анализа в AlphaFold или физических методах вроде молекулярной динамики. Результаты экспортируются в разных форматах для загрузки в стандартное химическое ПО. В итоге, как заявляет DeepMind, агент делает всё это «всего за час» на тысячах соединений, тогда как одна итерация обычно занимает несколько дней.

Ограничения авторы оговаривают сами: скудные данные, межлабораторный шум измерений и узкие динамические диапазоны ограничивают точность предсказаний даже самых мощных моделей; вычислительные проекты, проверяемые гипотезы, а не готовые лекарства, и каждый предложенный вариант нужно синтезировать и проверить экспериментально.

Доступность. Навыки доступны в Google Antigravity уже сейчас: нужно скачать приложение Antigravity и установить плагин Science. Корпоративные пользователи могут войти через «Use Business Account» с учётными данными Google Cloud. Кроме того, 10 000 учёных предлагают высший тариф использования Antigravity бесплатно на 6 месяцев (подключение по мере поступления заявок) при условии соответствия требованиям, наличия мощностей и отбора; заявки уже принимаются.

Ключевые факты

Google DeepMind выпустила набор Cheminformatics Skills для Google Antigravity на основе открытого RDKit с коннекторами к ChEMBL и PubChem; доступен уже сейчас через приложение Antigravity и плагин Science.
Работа разделена: языковая модель ведёт рабочий процесс, ищет по базам и рассуждает, а расчёты над молекулами выполняют детерминированные химические инструменты.
В демо на краизотинибе и лорлатинибе (препараты при раке лёгкого) агент собирает данные из литературы, делает анализ молекулярных пар, строит модели активности и предлагает макроциклы с маршрутами синтеза; по заявлению DeepMind, это занимает час вместо нескольких дней на итерацию.
Авторы подчёркивают: предложенные структуры, гипотезы, их нужно синтезировать и проверить экспериментально; точность моделей ограничена скудными данными и шумом измерений.
10 000 учёных могут получить высший тариф Antigravity бесплатно на 6 месяцев; подключение поэтапное, по условиям отбора и наличия мощностей.

Почему это важно

Это пример того, как ИИ-агента встраивают в конкретный научный процесс, а не просто в чат. Главная идея, разделение труда: языковая модель оркестрирует работу и рассуждает, а точные химические расчёты отдаются проверенным детерминированным инструментам (RDKit). Для области, где замена одного атома даёт другое соединение, такая схема выглядит осмысленнее, чем доверять модели вычисления целиком. DeepMind утверждает, что процесс, занимавший несколько дней на итерацию, в демо укладывается в час.

Кому это важно

Вычислительным и экспериментальным химикам, специалистам по медицинской химии и разработке лекарств, а также командам, которые строят научные рабочие процессы вокруг ИИ-агентов. Тем, кто работает с RDKit, ChEMBL и PubChem, набор навыков закрывает типичные операции подготовки данных и построения моделей. Академическим группам может быть интересна бесплатная программа для 10 000 учёных.

Как это применить

Скачать приложение Google Antigravity и установить плагин Science; корпоративные пользователи входят через «Use Business Account» с учётной записью Google Cloud. Результаты можно экспортировать в разных форматах для загрузки в стандартное химическое ПО. Для бесплатного доступа к высшему тарифу на 6 месяцев нужно подать заявку: подключение идёт по мере поступления, с учётом соответствия требованиям, мощностей и отбора. Других цен в тексте не приведено.

Можно ли доверять

Это материал самой Google DeepMind, то есть рекламное описание собственного продукта. Утверждение «за час», заявление авторов для демонстрации, методика сравнения с «несколькими днями» не описана. Количественных показателей качества моделей активности (метрик точности) нет, не называется и модель, на которой работает агент. Сами авторы признают, что предсказания ограничены качеством данных, а результаты, гипотезы. Независимой проверки в тексте нет.

Риски и подводные камни

Предложенные макроциклы в тексте не описаны как синтезированные или проверенные в эксперименте, а авторы прямо требуют такой проверки для каждого варианта. Скудные данные, межлабораторный шум измерений и узкие динамические диапазоны ограничивают точность даже сильных моделей. Выбор схемы деления данных (хронологическая или по скаффолдам) влияет на оценку обобщающей способности, поэтому результаты стоит перепроверять. Бесплатный тариф ограничен по числу мест, сроку в 6 месяцев и условиям отбора.