抗生素耐药性持续加剧，新型抗生素研发却受制于周期长、流程分散等瓶颈。谷歌近日推出的Google Antigravity智能开发平台，试图以AI手段压缩这一过程。该平台提供智能科学工作台，将原本需要跨多个数据库完成的搜索、结构评估与靶点筛选整合到单次会话中，供生物学家快速操作。

技术核心在于ProtNLM深度学习模型。该模型可直接从氨基酸序列预测生物功能，帮助研究人员扫描UniProt数据库中数百万未表征的蛋白质。全球数据库中已积累数十亿天然氨基酸序列，但大量序列功能未被标注，处于“暗物质”状态。ProtNLM通过读取氨基酸序列的进化“语法”，为大量UniProt条目添加了高置信度功能标注。

在实际研究中，研究人员与AI智能体分工协作：研究者设定生物学目标、把控研究策略，智能体则负责跨数据库协调、结构分析和文献处理。借助这一流程，团队已发现一种新型抗菌肽候选分子，预测其对呼吸道感染病原体具有活性，目前该候选分子正在进行湿实验室验证。

抗菌肽，尤其是细菌素，被视为传统抗生素的有前景替代品。这类物质天然具备靶向细菌基础弱点的能力，病原体难以对其产生耐药性。谷歌此次将AI应用于抗菌肽发现，为应对抗生素耐药性问题提供了一条新的技术路径，但候选分子仍需通过湿实验验证其实际效果。

从行业角度看，Antigravity的尝试表明，AI在生命科学领域的角色正从辅助分析向主动发现延伸。将分散的数据库检索、结构评估和功能预测整合为协作式工作流，或可缩短早期药物发现的时间窗口，但其对湿实验环节的替代能力仍然有限。