A gyógyszertervezés hagyományosan adatok összegyűjtéséből, prediktív modellek betanításából és szintetizálható molekulajelöltek javaslatából álló, iterációnként több napot igénylő munkafolyamat. A Google Antigravity új Cheminformatics Skills csomagja azt a célt szolgálja, hogy ezt a folyamatot jelentősen felgyorsítsa és a kutatók idejét a hipotézisekre koncentrálásra szabadítsa fel.
Mire képesek az új készségek?
A Cheminformatics Skills egyesítik a nyelvi modell workflow-orchestration képességeit a determinisztikus kémiai eszközökkel: az alapot az RDKit adja, kiegészítve csatlakozókkal jól ismert, kurált adatforrásokhoz, például a ChEMBL-hez és a PubChem-hez. Ennek eredményeként az ügynök képes dokumentumokból molekulákat kinyerni, adatokat társítani hozzájuk, majd előkészíteni ezeket downstream elemzésekhez és vizualizációkhoz.
A rendszer célja, hogy a kémiai adatforrások különböző reprezentációit — IUPAC-nevek, Markush-struktúrák, SDF-fájlok, képek — egységesen kezelje, csökkentve az emberi adatkezelés hibalehetőségét. Ez fontos, mert egyetlen atom vagy kötés megváltoztatása teljesen más vegyületet ír le, és ez újraelmulasztja a kísérleti terveket.
Konkrét demonstráció: makrociklusok és tüdőrákellenes gyógyszerek
A bemutató során az ügynök valós tüdőrákterápiák — például a crizotinib és a lorlatinib — köré szervezett irodalom és adatanyagok közül válogatott. A munkamenet lépései röviden:
- Több ezer vegyületet átvizsgált és kigyűjtötte a hozzájuk tartozó adatsorokat.
- Interaktív nézetet indított, ahol a kurált vegyületekhez kapcsolódó adatok és testreszabható szórásdiagramok voltak elérhetők (például hatékonyság vs. forgatható kötések száma, makrociklus státusz szerinti színezéssel).
- Matched molecular pair analysis (MMPA) futtatása, amely kis, célzott módosítások hatását izolálja molekulapárok összehasonlításával.
- Sokféle molekuláris gépi tanulási modellt épített és validált egy hold-out (kivett) adatkészleten; a készségek útmutatást adnak például kronológiai alapú split alkalmazására (régebbi vegyületeken tanítva újabbakat), vagy ha szükséges, scaffold splitre a generalizálhatóság jobb becsléséhez.
- Új, merevített (rigidified) makrociklusokat tervezett és több lehetséges reakció- és szintézisútvonalat javasolt.
A bemutatott kémiai logika jól ismert: a molekulákban lévő forgatható kötések sok konformációt engednek meg, ami entropikus költséget jelent a kötődés során. A merevítés — például ciklizációval — korlátozza a lehetséges konformációkat, és ezzel gyakran növeli a kötődési affinitást és a hatékonyságot. A crizotinibnél öt jelentős forgatható kötés található; a lorlatinib harmadik generációs TKI hasonló vázat alkalmaz, de ciklikussága miatt a hatékony forgathatóság nullára csökkent, ami részben a megnövekedett potenciához járul.
Mire futott rá az ügynök és milyen eredményeket hozott?
A MMPA eredményei konzisztensen azt mutatták, hogy a ciklizáció csökkenti a forgatható kötések számát és általában növeli a hatékonyságot. A modellezés során többféle jellemzőkészlettel és architektúrával épített modellek is versengtek, a készségek pedig segítették az ügynököt a tipikus domain-gyakorlatok alkalmazásában.
A javasolt új makrociklusokhoz az ügynök több lehetséges szintézisútvonalat is felajánlott, és előkészítette a vegyületeket további elemzésekre, például AlphaFold vagy fizikán alapuló módszerek (molekuladinamika) számára. A végső eredményeket különböző formátumokba exportálni lehet, hogy ipari standard kémiai szoftverekbe tölthetők legyenek.
Korlátok és óvintézkedések
Fontos hangsúlyozni, hogy a Cheminformatics Skills gyorsabb, erősebben alátámasztott tervezési hipotéziseket generálhat, de nem helyettesíti az eksperimentális validációt. Az előrejelzések pontosságát korlátozhatja a ritka adatok, a laborok közti mérési zaj és a szűk dinamikatartomány. A számítástechnikai tervek tehát tesztelhető hipotézisek, nem kész gyógyszerek.
Hozzáférés, támogatás és elérhetőség
A cheminformatics készségek ma elérhetők a Google Antigravity felületén: töltsük le az Antigravity alkalmazást és telepítsük a Science plugint. Vállalati felhasználók az "Use Business Account" opcióval, Google Cloud hitelesítőkkel jelentkezhetnek be. Emellett a Google bejelentette, hogy 10 000 kutatónak kínálja az Antigravity legmagasabb használati szintjét hat hónapra ingyenesen (folyamatos felvétellel), a jogosultság, kapacitás és kiválasztás feltételeinek megfelelően; a jelentkezés jelenleg nyitott.
Elismerések
A fejlesztéshez hozzájárultak: Filip Radlinski, Artem Sobolev, Victoria Johnston, Hannah Kiely-Collins, Zachary Wu, Jue Wang, Jack Dunger, Adriana Fernandez Lara, Ngân Vũ, Doug Fritz, Yunhan Xu, Sebastian Nowozin és Pushmeet Kohli.
A Cheminformatics Skills célja, hogy csökkentse az adatkezelés terhét, és felgyorsítsa a szakemberek azon képességét, hogy gyorsan hozhassanak tudományos döntéseket — miközben fenntartja az elengedhetetlen kísérleti ellenőrzést és validációt.
