Google DeepMind z agentem AI znalazł kandydata na nowy antybiotyk. Peptyd czeka na testy w laboratorium

Google DeepMind opisał 15 października, jak biolodzy z pomocą agenta AI w Google Antigravity znaleźli kandydata na nowy związek przeciwbakteryjny. To krótkie białko, czyli peptyd, który według przewidywań może działać na bakterie wywołujące infekcje dróg oddechowych. Lekiem jeszcze nie jest: według wpisu DeepMind kandydat przechodzi teraz testy w laboratorium.

Ciekawsze jest co innego. Wpis pokazuje, jak wygląda praca naukowca z agentem AI krok po kroku: człowiek decyduje, czego szukać i co sprawdzić, a agent przeszukuje bazy danych, porównuje wyniki i czyta literaturę.

Skąd w ogóle szukać nowych antybiotyków

Bakterie coraz częściej uodparniają się na leki. DeepMind przytacza szacunek, według którego oporność na antybiotyki może do 2050 roku zabijać 10 mln ludzi rocznie. Jedną z dróg są bakteriocyny, czyli peptydy, którymi bakterie zwalczają konkurencyjne bakterie. Uderzają w podstawowe słabe punkty przeciwnika, więc według autorów trudno się na nie uodpornić. W powszechnym użyciu jest na przykład nizyna.

Problem w tym, że w publicznych bazach są miliony białek, o których nikt nie wie, do czego służą. Główny taki zbiór, UniProt, przyjmuje sekwencje prosto z projektów odczytywania genomów. Nikt ich nie opisał. Nie przypominają niczego znanego. Google zbudował do tego model ProtNLM, który z samej sekwencji aminokwasów przewiduje, jaką funkcję pełni białko, i dopisuje opis do milionów takich wpisów.

Co zrobił agent, a co człowiek

Badacz postawił agentowi cel: znaleźć i sprawdzić na komputerze nowe peptydy przeciwbakteryjne w bakterii Streptococcus pseudopneumoniae. Dalej praca szła w kilku krokach.

1. Agent przefiltrował miliony wpisów w UniProt do kilku kandydatów. Jednym z nich była bakteriocyna o długości 97 aminokwasów (numer w bazie A0A0U0D591).
2. Na polecenie badacza agent porównał ją z białkami opisanymi ręcznie przez naukowców. Nie znalazł żadnego bliskiego odpowiednika, więc kandydat jest nowy.
3. Agent pobrał przewidziany kształt białka z bazy AlphaFold i porównał go z kształtami zbadanymi w laboratoriach. Kształt pasuje do znanej bakteriocyny, co potwierdza przewidywanie ProtNLM.
4. Agent sprawdził geny w sąsiedztwie. Tuż obok leżą geny białek transportowych i druga, już opisana bakteriocyna. Według autorów to mocna wskazówka, że peptyd należy do działającego systemu bakteriocyn.
5. Na podstawie literatury agent zaproponował, jak peptyd może działać: uderzając w podział komórek bakterii. Przewidywania wskazują też kilka bakterii opornych na leki.
6. Na koniec agent napisał plan doświadczeń: produkcję białka, testy działania na bakterie i badanie toksyczności.

Według DeepMind praca, która wcześniej zajmowała dni przeskakiwania między bazami danych i programami, zmieściła się w jednej sesji. Ten kandydat i kilka innych z tej samej metody są już w laboratorium.

Czego wpis nie mówi

Wpis nie podaje wyników testów laboratoryjnych, bo ich jeszcze nie ma. Nie wymienia z nazwy bakterii, na które peptyd miałby działać, ani nie mówi, który model Gemini prowadził agenta. Nie wiadomo też, czy biolodzy spoza Google mogą korzystać z tego zestawu narzędzi i ile to kosztuje.

DeepMind dodaje do Antigravity przeglądarkę struktur białek w 3D o nazwie Biomolecular Structure Viewer. Badacz zaznacza w niej fragment białka i pyta o niego agenta, a agent widzi to samo zaznaczenie. O AlphaFold pisaliśmy też, gdy przewidział kształt białek ponad 2800 wirusów. Inne odkrycie z pomocą AI opisaliśmy, gdy Claude znalazł nowy układ enzymów podobny do CRISPR. Od wyniku testów w laboratorium zależy, czy z kandydata z tej sesji może powstać lek.