Accélérer la recherche de peptides antimicrobiens avec Google Antigravity
Google DeepMind explique comment sa plateforme Antigravity a aidé des biologistes à chercher de nouveaux peptides antimicrobiens, en combinant annotations UniProt, comparaisons de séquences et de structures et revue de littérature en une seule session. Le flux de travail a fait ressortir une bactériocine de Streptococcus pseudopneumoniae, d'activité prédite contre des pathogènes respiratoires, dés
Ce que dit l'article
La résistance aux antimicrobiens est une menace sanitaire mondiale, avec jusqu'à 10 millions de décès par an estimés d'ici 2050. Les peptides antimicrobiens, notamment les bactériocines, sont une piste face aux antibiotiques classiques, mais beaucoup de candidats se cachent dans la « matière noire » des bases de protéines : UniProt contient des millions de séquences de fonction inconnue. Google DeepMind présente une méthode où Google Antigravity sert d'« atelier scientifique agentique » pour découvrir, évaluer structurellement et classer des protéines candidates en une seule session.
La démarche s'appuie sur ProtNLM, un modèle qui prédit la fonction d'une protéine à partir de sa séquence, et sur un visualiseur 3D intégré que le chercheur et l'agent partagent. Dans l'exemple d'une bactérie, Streptococcus pseudopneumoniae, l'agent a retenu une bactériocine de 97 acides aminés, sans homologue notable dans Swiss-Prot, dont la structure prédite correspond à une bactériocine connue, puis a rédigé un plan d'expériences. Le candidat est en validation en laboratoire avec d'autres ; la page le présente comme une piste biologiquement plausible, pas encore validée.
Lire l'article officiel Fiche AnnuIA
Résumé rédigé par AnnuIA avec ses propres mots, d'après la page officielle de Google DeepMind. Le contenu et les droits appartiennent à l'éditeur : consultez l'article d'origine.