Google Antigravityで抗菌ペプチド探索を加速！AIが生物学研究を変革

Google Antigravityとは？

Google Antigravityは、エージェント型開発プラットフォームであり、生物学者が新しい抗菌ペプチド（AMPs）の発見、構造評価、優先順位付けを迅速に行えるように設計されています。このプラットフォームは、これまで複数のデータベースに分散していた探索プロセスを単一のセッションに統合し、時間と労力を大幅に削減します。

特に、Google Antigravityは、アミノ酸配列から生物学的機能を予測するモデル「ProtNLM」を活用し、UniProtデータベース内の数百万もの未解明なタンパク質をスキャンする能力を持っています。これにより、研究者はこれまで機能が不明だったタンパク質の中から、有望なAMP候補を効率的に見つけ出すことができます。

抗菌ペプチド探索の課題とAntigravityの解決策

抗菌薬耐性の増加は、現代における最も喫緊の地球規模の健康危機の一つであり、2050年までに年間1,000万人の死亡者をもたらす可能性があります。この問題に対処するためには、新しい治療法の発見が急務です。AMPs、特にバクテリオシンは、競合する細菌の基本的な脆弱性を標的とするように自然に進化してきたため、病原体が耐性を発達させにくいという点で、従来の抗生物質に代わる有望な選択肢となります。

ゲノムおよびメタゲノムシーケンシングの指数関数的な成長により、数十億もの天然アミノ酸配列がグローバルデータベースに蓄積されています。しかし、その多くは「タンパク質データベースのダークマター」の中に埋もれており、既知のタンパク質と類似していないため、その機能は未解明のままです。例えば、UniProtには、ゲノムシーケンシングプロジェクトから直接転送された、機能不明の数百万の配列が含まれています。

このギャップを埋めるために、GoogleはProtNLM（Protein Natural Language Model）を開発しました。これは、アミノ酸配列の根底にある進化的「文法」を直接読み取るように訓練された深層学習モデルです。これにより、モデルは生のタンパク質配列から直接生物学的機能を予測し、これまで名前が付けられていなかった数百万のUniProtエントリに高信頼性の機能ラベルを付与することができます。

Antigravityによる協調的インテリジェンス

科学的発見は、単一のステップで完結することは稀であり、実行可能な候補タンパク質を見つけるには、人間の直感と新しい経験的証拠を取り入れるための反復が必要です。Antigravityでは、研究者とAIエージェントが協力して、特定の生物学的目標を設定します。例えば、Streptococcus pseudopneumoniaeにおける新規AMPsを特定し、計算論的に検証する、といった目標です。

インタラクティブな複数ターンのセッション中、研究者は科学的戦略を主導し、どの質問を投げかけ、どの証拠を収集するかを決定します。一方、エージェントは、データベース間の連携、構造解析、文献合成といった重労働を処理します。

• 広大な探索空間のナビゲート: エージェントはデータベースを照会し、数百万のエントリから注目すべき少数の候補に絞り込みます。
• 発見の新規性の検証: 研究者はエージェントを誘導し、Swiss-Protのキュレーションされた知識に対して候補を照会し、手動でレビューされたタンパク質の中に意味のある配列ホモログがないことを確認します。
• 3Dタンパク質構造の推論: 研究者は分析を構造的証拠に向けます。エージェントはAlphaFold Protein Structure Databaseから候補の3Dモデルを取得し、実験的に決定された構造と照合して遠隔ホモログを特定し、モデルを重ね合わせて類似性を評価します。
• 遺伝子周辺の生物学的文脈の読み取り: エージェントは分子自体を超えて、そのゲノム近傍を調査し、周囲の機構がAMP仮説を支持するかどうかを推論します。
• 文献からのメカニズム仮説の構築: 既存の文献をレビューすることで、エージェントは分子がどのように作用し、どの病原体に作用する可能性があるかを提案します。
• 実験計画の生成: 最後に、エージェントはインシリコでの発見を、タンパク質発現、抗菌感受性試験、標的結合、インビトロ毒性試験を含む実行可能なベンチプロトコルに変換し、計算予測からウェットラボ実験へのギャップを埋めます。

このワークフローで発見された候補は、構造的およびゲノム的証拠に裏付けられた生物学的に妥当なリードですが、ウェットラボでの検証が必要です。重要なのは、これが日常の生物学的ワークフローへの障壁を劇的に低くし、断片化されたデータベースのトリアージに何日もかかっていた作業を、単一の共同セッションに変えることです。

インタラクティブなコラボレーションのための共有3Dキャンバス

タンパク質の3D構造は、その生物学的機能を理解するのに役立ちます。候補の予測されたフォールドを空間的に検査することは重要です。このエンドツーエンドのワークフローを単一のワークスペースで提供するために、Antigravityに直接組み込まれた3D視覚化ツールであるBiomolecular Structure Viewerが導入されています。

研究者とエージェントは、共有された視覚状態を介して協力します。エージェントがAlphaFold Databaseや科学者自身の予測から構造を取得すると、動的にビューアを駆動できます。例えば、主要な機能領域を強調表示して、その仮説を視覚的に説明できます。重要なことに、この認識は双方向です。特定の残基を強調表示したり、結合ポケットに直接メモをピン留めしたりするなどのアクションは、エージェントに同期されます。研究者は、3D空間で関心のある領域をマークし、「このβストランドは脂質II結合にどのように影響しますか？」と尋ねるだけで、エージェントは科学者が見ている正確な構造的文脈についてすぐに推論できます。

科学的発見の加速

歴史的に、上記のワークフローで示されたような洞察を発見するには、断片化された専門的なソフトウェアが必要でした。データベースを照会するためのカスタムスクリプトの作成、3Dモデリングプログラムへのファイルの手動エクスポート、切断されたゲノムツールの管理、ウェットラボアッセイを設計するための複数の専門家との協力などです。ウェットラボでの検証は依然としてリソース集約的であるため、事前に最も信頼性の高いリードに探索空間を絞り込むことが重要です。

Google Antigravityを使用することで、研究者は広大な生物学的探索空間を効率的にナビゲートしながら、ドメイン固有のモデルからの正確なタンパク質機能予測を活用できます。Google Antigravityは、このエンドツーエンドの科学的推論を1か所で実行します。これにより、科学者は高品質の仮説を評価し、ラボで実験を行い、研究課題を解決するためにより多くの時間を費やすことができます。