Google DeepMind показала пример использования системы Antigravity для поиска антимикробных пептидов. В работе агент взаимодействовал с белковыми базами под руководством исследователя и не принимал самостоятельного решения о готовности лекарства.
В одном из описанных случаев анализ последовательностей Streptococcus pseudopneumoniae выделил белок с длиной 97 аминокислот (идентификатор A0A0U0D591). Предсказания модели ProtNLM сопоставили последовательность с данными о структуре из базы AlphaFold и с геномным окружением. Совокупность этих данных позволила выдвинуть гипотезу о том, что белок может принадлежать к бактериоцинам — классу бактериальных пептидов с антимикробной активностью.
Также была продемонстрирована встроенная визуализация биомолекулярных структур: исследователь и агент могли обсуждать отмеченные участки трёхмерной модели в общем рабочем контексте, что облегчает интерпретацию вычислительных выводов.
Команда направила отобранного кандидата на лабораторную проверку наряду с другими находками. Предполагаемая антимикробная активность, профиль безопасности и пригодность для лечения не устанавливаются только на основании вычислительного анализа: речь идёт о способе сузить и приоритизировать объекты для экспериментальной валидации, а не о готовом лекарстве или клинически подтверждённом методе лечения.