Google DeepMind 用 AI 智能体筛选抗菌肽候选，已进入湿实验
DeepMind 用 AI 智能体把抗菌肽发现从数百万条未知序列缩到少数实验候选，看点在于它靠多种独立证据交叉验证，而非单一模型预测。
天然蛋白数据库里大量序列功能未知，人工排查太慢。Google DeepMind 展示一条新流程：用 ProtNLM 从 UniProt 数百万条序列中缩小范围，再用序列比对、AlphaFold 结构和基因组邻域三类证据互相印证，锁定一种 97 个氨基酸的细菌素候选，目前已进入湿实验验证。
正文摘录
.jpg) 编辑丨& 抗菌药物的耐药性不断加剧，新型抗菌分子的发现却仍是一项耗时的工作。天然蛋白质序列数据库积累了海量生物信息，但其中相当一部分蛋白的功能尚不明确。它们可能蕴藏着新的抗菌活性，却很难仅凭已知序列注释被识别出来。 10月15日，Google DeepMind 发布了一篇技术演示文章，展示如何利用其 AI 开发平台 Google Antigravity，寻找潜在的抗菌肽（AMPs）。研究者将目标设定为发现肺炎假链球菌（ Streptococcus pseudopneumoniae ）中的新型抗菌肽，再由 AI 协助完成数据库检索、候选筛选、结构比较、基因组邻域分析和实验方案设计。团队筛出的一种候选细菌素，已经进入湿实验验证阶段。  原文链接： https://deepmind.google/blog/accelerating-antimicrobial-discovery/ 寻找新抗菌肽 工作的起点，来自蛋白质数据库中大量未充分注释的序列。 随着基因组和宏基因组测序不断扩展，公共数据库积累了大量天然氨基酸序列，但序列被测定出来，并不意味着研究人员已经知道它的功能。