Google Antigravity accélère la découverte de médicaments

Résumé

Google Antigravity automatise la recherche de composés et la conception de macrocycles rigidifiés, réduisant une itération de plusieurs jours à une heure.

Les faits

La conception de nouveaux médicaments exige de rassembler des données issues de graphiques, de figures et de publications scientifiques, d’entraîner des modèles prédictifs et de proposer des molécules candidates à synthétiser. Cette chaîne de travail prend généralement plusieurs jours pour une seule itération. Google DeepMind présente Google Antigravity équipé de nouvelles « compétences de chémoinformatique ». Dans un scénario fondé sur des traitements réels du cancer du poumon, un agent recherche des milliers de composés, réalise une analyse de paires moléculaires appariées et propose, en une heure, de nouveaux macrocycles rigidifiés accompagnés de voies de synthèse. Ces compétences s’appuient sur RDKit, une boîte à outils open source de chémoinformatique, ainsi que sur des connecteurs vers les ressources ChEMBL et PubChem. Le modèle de langage orchestre le flux de travail, la navigation dans les bases de données et le raisonnement scientifique, tandis que des outils déterministes exécutent les calculs moléculaires. Dans l’exemple consacré au crizotinib et au lorlatinib, l’agent extrait des molécules de publications, les relie aux données rapportées et les prépare pour des analyses ultérieures. En quelques minutes, il récupère des milliers de composés, écarte notamment les tampons et les solvants, puis documente leurs sources dans un rapport. Un visualiseur interactif permet ensuite d’examiner les composés, leurs données et des graphiques personnalisables.

Pourquoi c’est important

L’approche vise à déplacer le travail des chimistes, souvent consacré à la préparation et à la normalisation des données, vers la formulation d’hypothèses et l’évaluation de candidats. La séparation entre orchestration par le modèle et calculs réalisés par des outils spécialisés encadre l’usage de l’IA dans un domaine où la modification d’un seul atome ou d’une seule liaison peut décrire un composé différent. L’exemple met également en évidence une stratégie classique de chimie médicinale : la rigidification. Le crizotinib comporte cinq liaisons rotatives majeures, tandis que le lorlatinib, qui lui ressemble, a été cyclisé à son extrémité afin de réduire à zéro le nombre effectif de liaisons rotatives. Google DeepMind indique que cette réduction peut favoriser une puissance accrue, entre autres effets, et montre comment l’agent peut explorer cette logique pour proposer de nouveaux macrocycles et des voies de synthèse.

Questions fréquentes

Que fait Google Antigravity dans ce flux de découverte de médicaments ?

Il recherche des composés, analyse leurs relations moléculaires et propose des macrocycles rigidifiés avec des voies de synthèse.

Combien de temps prend l’itération présentée ?

L’agent réalise la recherche et propose des candidats avec des voies de synthèse en une heure, contre plusieurs jours habituellement pour une itération.

Sur quels outils et ressources les compétences s’appuient-elles ?

Elles s’appuient sur RDKit et sur des connecteurs vers les ressources ChEMBL et PubChem.

Quels composés sont étudiés dans l’exemple ?

L’exemple porte sur le crizotinib, le lorlatinib et leurs analogues dans la littérature scientifique et les brevets.

Les compétences de chémoinformatique sont-elles disponibles ?

Google DeepMind indique qu’elles sont disponibles dans Google Antigravity.

Source

Auteur

Rédaction spécialisée dans la veille et l’analyse de l’actualité de l’intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.