Die Suche nach antimikrobiellen Peptiden mit Google Antigravity beschleunigen
Google DeepMind beschreibt, wie die Plattform Antigravity Biologen bei der Suche nach neuen antimikrobiellen Peptiden half, indem UniProt-Annotationen, Sequenz- und Strukturvergleiche und Literaturrecherche in einer Sitzung kombiniert wurden. Heraus kam ein Bacteriocin-Kandidat aus Streptococcus pseudopneumoniae mit vorhergesagter Wirkung gegen Atemwegserreger, der nun im Labor getestet wird.
Worum es im Artikel geht
Antibiotikaresistenz ist eine globale Gesundheitsbedrohung; bis 2050 könnten jährlich schätzungsweise 10 Millionen Todesfälle auftreten. Antimikrobielle Peptide, besonders Bakteriocine, sind eine vielversprechende Alternative zu herkömmlichen Antibiotika, doch viele Kandidaten verbergen sich in der uncharakterisierten dunklen Materie der Proteindatenbanken: Allein UniProt enthält Millionen Sequenzen unbekannter Funktion. Google DeepMind stellt eine Methode vor, bei der Google Antigravity als agentische Wissenschaftswerkbank dient, um Kandidatenproteine in einer einzigen Sitzung zu finden, strukturell zu bewerten und zu priorisieren.
Der Ansatz stützt sich auf ProtNLM, ein Modell, das die Funktion eines Proteins aus seiner Sequenz vorhersagt, und auf einen eingebetteten 3D-Betrachter, den Forscher und Agent gemeinsam nutzen. Im Beispiel des Bakteriums Streptococcus pseudopneumoniae wählte der Agent ein Bakteriocin mit 97 Aminosäuren ohne nennenswertes Homolog in Swiss-Prot, dessen vorhergesagte Struktur einem bekannten Bakteriocin entspricht, und entwarf einen Versuchsplan. Der Kandidat wird zusammen mit weiteren im Labor validiert; die Seite bezeichnet ihn als biologisch plausible Spur, noch nicht bestätigt.
Offiziellen Artikel lesen AnnuIA-Profil
Zusammenfassung von AnnuIA in eigenen Worten nach der offiziellen Seite von Google DeepMind. Inhalt und Rechte liegen beim Herausgeber: bitte den Originalartikel lesen.