原文標題：Accelerating the search for antimicrobial peptides with Google Antigravity
Google DeepMind 於 10 月 15 日介紹以 Google Antigravity 加速抗菌胜肽研究的工作流程。抗藥性細菌帶來新的治療需求，但從海量蛋白質序列尋找具有抗菌活性的分子，通常需要跨資料庫查詢、功能推估與結構分析。
Antigravity 被用作代理式科學工作平台，協助研究者在同一流程中搜尋候選分子、評估結構並安排優先順序。研究團隊使用 ProtNLM 模型推測胺基酸序列可能的生物功能，並分析 UniProt 資料庫中大量尚未充分註解的蛋白質。
官方技術示範指出，研究者找到一項新的抗菌胜肽候選，模型預測它可能對涉及呼吸道感染的病原體具有活性。這仍屬電腦模型與工作流程協助產生的研究假設，候選分子目前正在進行濕實驗驗證。
研究重點不是宣布新藥上市，而是將原本分散的資料搜尋、功能推測與結構評估串接，以縮短初期探索時間。後續仍須驗證抗菌活性、毒性、穩定性與臨床可行性。
研究工作流程將 Google Antigravity 當作可協調多項分析步驟的科學工作台，並運用 ProtNLM 由胺基酸序列推估蛋白質功能，協助研究人員在 UniProt 大型資料庫中尋找過去尚未充分註解的序列。這個流程把候選序列搜尋、結構評估與優先排序串接起來，目的是縮短研究者反覆查詢多個資料庫的時間。
官方展示找到一項預測可能對呼吸道感染相關病原菌具活性的抗菌胜肽候選物，但目前仍在濕實驗室驗證階段。電腦預測活性不等於已證實抗菌效力，也不代表已經進入人體試驗或具備藥物安全性資料；後續仍須實驗確認。
發生了什麼事
DeepMind 展示以 Antigravity 和 ProtNLM 從蛋白質資料庫篩選抗菌胜肽的流程。
為什麼重要
代理式科學工具可協助整合大量生物資訊，降低早期候選物探索的資料處理負擔。
影響哪些人
生物資訊研究者、抗菌藥物研發團隊與評估 AI 科學工具的實驗室。
已確認與未確認
已確認有候選分子及模型預測；濕實驗尚在進行，未證實臨床效果或上市時間。
