30秒サマリー
- Google Antigravityを使い、研究者とAIが協働して新規抗菌ペプチド候補を特定、現在ウェット実験で検証中
- 数百万件のタンパク質データベースを横断する作業を、従来の数日分から1セッションに圧縮
- 3D構造ビューアをAntigravityに統合し、研究者とAIが構造情報を同一画面で共有・対話
何が起きたか
Google DeepMindは2026年10月15日、AIエージェント開発プラットフォーム「Google Antigravity」を用いて抗菌ペプチド（AMP）の候補を探索した技術的ウォークスルーを公式ブログで公開した。同記事では、研究者とAIエージェントが対話しながら科学的仮説を構築するプロセスを詳細に紹介している。
具体的なワークフローでは、UniProtデータベース上の未注釈タンパク質配列をGoogleが開発したProtNLM（タンパク質自然言語モデル）でスキャンし、機能予測を付与した上で候補を絞り込む。その後、EMBL-EBI NCBIのBLASTサービスによる配列の新規性確認、AlphaFoldデータベースからの3D構造取得と比較、ゲノム近傍遺伝子の文脈解析、文献レビューによる作用機序の仮説構築、そして実験計画の生成まで、一連の工程を単一セッション内で完了している。今回特定された候補（UniProt ID: A0A0U0D591）は、Lactococcin 972ファミリーに属する97アミノ酸のバクテリオシンで、呼吸器感染症に関与する病原体への活性が予測されており、現在ウェット実験による検証が進行中だという。
あわせて、AlphaFoldの予測構造や研究者自身の予測モデルをAntigravity上で直接表示・注釈できる「Biomolecular Structure Viewer」の導入も本ブログで紹介されている。研究者が3D空間上の特定領域をマークすると、その状態がエージェントにリアルタイムで共有され、構造的文脈に基づいた質問と回答が可能になる設計だとしている。
原典ハイライト
「数日を要していた断片的なデータベース調査を、単一のコラボレーションセッションへ圧縮する」というのが原文の核心的主張。研究者が科学的戦略の方向性を決定し、エージェントがデータベース横断・構造解析・文献統合を担う「人間とAIの役割分担モデル」を具体的ワークフローで示している。
出典: Google DeepMind Blog（公式ブログ）
So What?（なぜ重要か）
抗菌薬耐性（AMR）対策という世界規模の課題に対し、AIエージェントが創薬の初期スクリーニング工程を大幅に効率化できることを、実際の候補発見事例として示した点が重要だ。従来は複数の専門家・ツール・スクリプトを組み合わせる必要があった複雑な生物情報学的ワークフローが、対話型AIと統合されることで、ウェット実験の前段階における「高確度リード絞り込み」の精度とスピードが変わりうる。
日本企業への示唆
製薬・バイオ系企業にとっては、自社の創薬パイプラインにAIエージェントを組み込む際の参考モデルになる。特に、未注釈タンパク質の機能予測・構造解析・ゲノム文脈解析を一気通貫で行う設計は、標的探索フェーズの人月コスト削減と、専門家リソースの高付加価値業務への集中を可能にする。国内の製薬企業やCROがGoogle Antigravityのような外部プラットフォームを自社ワークフローに統合するか、あるいは同等の内製基盤を構築するかの判断を迫られる局面が近づいているとみられる。また、AIが生成した実験計画をウェット実験チームに引き渡すインターフェースの整備も、実務的な課題として認識しておく必要がある。
背景・経緯
抗菌薬耐性（AMR）は2050年までに年間1000万人の死者をもたらすと推計されており（原文記載）、新規抗生物質の開発は世界的急務となっている。バクテリオシンに代表される抗菌ペプチドは、病原菌が耐性を獲得しにくい標的を攻撃する性質から代替抗生物質として注目されている。一方、ゲノム・メタゲノム解析の急速な進展でUniProtなどのデータベースには機能未解明のタンパク質配列が膨大に蓄積しており、これを効率的に探索する手段が求められていた。Google AntigravityおよびProtNLMがいつから提供されているかについては、原文では言及がない。
