[AI造物主] 利用 Google Antigravity 加速抗菌肽搜索

新抗生素的需求日益迫切，抗菌耐药性正成为全球健康的重大威胁。抗菌肽（AMP）尤其是细菌素因其天然针对细菌关键结构的机制，被视为传统抗生素的有力补充。随着基因组和宏基因组测序的指数增长，UniProt 等数据库中积累了数十亿条未注释的氨基酸序列，这些“暗物质”中可能蕴含大量新型 AMP。

Google Antigravity 提供的 ProtNLM（Protein Natural Language Model）能够直接读取蛋白序列的进化语法，从原始序列预测功能标签，为数百万未审阅的 UniProt 条目赋予高置信度的注释。研究者在 Antigravity 中设定目标：在 Streptococcus pseudopneumoniae 中寻找并验证新型 AMP。

在一次多轮交互会话中，AI 代理完成了以下关键步骤：

1. 候选筛选：查询 UniProt，过滤出长度约 100 氨基酸、属于 Lactococcin 972 家族的候选（UniProt ID: A0A0U0D591）。

2. 新颖性验证：通过 EMBL‑EBI 的 NCBI‑BLAST 将该序列与 Swiss‑Prot 手工审阅条目比对，确认无显著同源蛋白，表明其为全新发现。

3. 结构推断：从 AlphaFold 蛋白结构数据库获取 3D 模型，并与实验解析结构进行比对，发现折叠与已知细菌素高度相似，进一步支持功能预测。

4. 基因组上下文：检查候选基因的邻近区域，发现其上游仅 6 bp 处有 ABC 转运子渗透酶和 ATP 结合蛋白，以及另一已注释的细菌素和 XRE 转录调控因子，形成完整的细菌素操作子，提供强有力的功能线索。

5. 文献推理：检索已有文献，提出该肽可能通过干扰细菌细胞分裂发挥作用，并预测对多种耐药病原具有活性。

6. 实验方案生成：制定从基因克隆、蛋白表达到抗菌活性、靶向结合和细胞毒性检测的完整实验流程，已交由实验室进行验证。

Antigravity 还内置了 Biomolecular Structure Viewer，研究者可在同一界面实时标记结构关键残基，AI 立即基于标记提供功能解释，例如“该 β‑链对 Lipid II 结合的影响”。这种双向交互让结构分析与假设推理无缝衔接。

通过一次协同会话，原本需要跨多个软件、手动导出、反复比对的工作被压缩为数小时完成，大幅降低了日常生物学工作流的门槛。未来，研究者可以在同一平台上更换过滤条件、扩展序列长度或转向其他目标病原，实现大规模 AMP 挖掘。

点评：Google Antigravity 将深度学习的序列功能预测、结构检索与交互式可视化融合，为抗菌肽发现提供了端到端的高效路径，显著提升了从数据到实验的转化速度。