Agen AI dan peneliti berburu antibiotik baru bersama-sama

Google DeepMind memaparkan sebuah sesi kerja di mana seorang peneliti dan agen AI bersama-sama mencari antibiotik baru. Sasarannya adalah kelompok molekul bernama antimicrobial peptide, khususnya bacteriocin, yang berevolusi untuk saling membunuh antarbakteri dengan cara yang membuat resistansi lebih sulit terbentuk. Titik awalnya adalah "dark matter" di basis data protein: jutaan entri UniProt yang fungsinya belum diketahui. Sebuah model Google bernama ProtNLM memprediksi fungsi langsung dari urutan asam amino protein, dan tim memakainya untuk menandai kandidat menjanjikan pada bakteri Streptococcus pseudopneumoniae.

Yang baru di sini adalah seluruh alur kerja berjalan di satu tempat. Di dalam Google Antigravity, agen (ditampilkan sebagai Gemini 3.8 Flash) menangani kueri basis data, menjalankan pencarian BLAST untuk memastikan kandidat tak punya kerabat dekat yang sudah dikenal, membandingkan struktur prediksi AlphaFold dengan struktur hasil eksperimen, memeriksa gen-gen di sekitarnya, dan merangkum literatur, sementara peneliti menetapkan strategi. Sebuah penampil struktur 3D bersama membuat keduanya bekerja pada visual yang sama: peneliti bisa menyorot untai tertentu lalu bertanya ke agen bagaimana untai itu memengaruhi ikatan. Hasilnya berupa bacteriocin sepanjang 97 asam amino, UniProt ID A0A0U0D591, yang terletak tepat di sebelah gen-gen transporter sebagaimana lazimnya sebuah sistem nyata, dan penulis menyebutnya kandidat yang masuk akal secara biologis. Kandidat ini dan beberapa lainnya kini dalam validasi laboratorium. Batas jujurnya: belum ada data potensi, jadi aktivitasnya masih diprediksi, bukan dibuktikan.

Kenapa ini penting

Bagi siapa pun yang menggarap biologi tahap awal, bagian menariknya bukan molekulnya, melainkan bentuk kerjanya: triase basis data, perbandingan struktur, konteks genomik, dan tinjauan literatur terjadi dalam satu sesi agentic, bukan tersebar di berbagai alat dan pakar. Kalau pola itu bertahan setelah hasil laboratorium keluar, ini mengubah seberapa cepat tim kecil bisa bergerak dari basis data ke hipotesis yang bisa diuji.