Google DeepMind می‌خواهد Antigravity، محیط کار با عامل‌های هوش مصنوعی، به ابزاری واقعی برای شیمی‌دانان دارویی تبدیل شود. این آزمایشگاه در یادداشتی فنی که ۳ نوامبر ۲۰۲۶ منتشر شد، مجموعه‌ای از Cheminformatics Skills را برای Google Antigravity معرفی کرد که از طریق افزونه Science در دسترس است، و درخواست‌ها را برای ۱۰ هزار دانشمند باز کرد تا شش ماه به‌رایگان از بالاترین سطح مصرف Antigravity استفاده کنند.
تقسیم کار در این ابزار حساب‌شده است. مدل زبانی روند کار را هماهنگ می‌کند، در پایگاه‌های داده جست‌وجو می‌کند و درباره شیمی استدلال می‌کند، اما محاسبات مولکولی را ابزارهای قطعی انجام می‌دهند. این ابزارها بر RDKit تکیه دارند، کتابخانه متن‌باز شیمی‌انفورماتیک که حدود دو دهه توسعه یافته، و بسته جدید به پایگاه‌های داده گزینش‌شده ChEMBL و PubChem هم وصل است. استدلال DeepMind این است که در شیمی جایی برای خطای کوچک نیست: تغییر یک اتم یا یک پیوند یعنی توصیف ترکیبی دیگر، پس محاسبه دقیق نباید به تولید متن مدل سپرده شود.
نویسندگان برای نمایش این روند سراغ یکی از ترفندهای کلاسیک شیمی دارویی رفتند که سخت‌سازی ساختار نام دارد و آن را روی دو داروی تأییدشده سرطان ریه به کار بردند. کریزوتینیب، مهارکننده کیناز نسل اول، پنج پیوند چرخشی اصلی دارد؛ لورلاتینیب، داروی جدیدتر همین خانواده، حلقوی شده تا شمار مؤثر پیوندهای چرخشی‌اش به صفر برسد و همین به قدرت بیشتر آن کمک می‌کند. عامل، منابع علمی مربوط به این دو دارو و ترکیب‌های مشابه را جست‌وجو کرد، هزاران ترکیب گرد آورد، موارد بی‌ربط مانند بافرها و حلال‌ها را کنار گذاشت، منبع هر ترکیب را ثبت کرد و نمایشگری تعاملی گشود که قدرت دارو را در برابر شمار پیوندهای چرخشی نشان می‌دهد.
سپس عامل، تحلیل جفت‌های مولکولی همتا را میان نسخه‌های حلقوی و غیرحلقوی اجرا کرد و الگوی مورد انتظار را تأیید کرد: پیوند چرخشی کمتر و معمولاً قدرت بیشتر. همچنین چندین مدل پیش‌بینی قدرت را برای چهار سنجش آزمایشگاهی آموزش داد و اعتبارسنجی کرد و برای برآورد توان تعمیم، داده‌ها را بر اساس اسکلت مولکولی تفکیک کرد. در پایان، ماکروحلقه‌های سخت‌شده تازه‌ای پیشنهاد داد، همراه با طرح واکنش، نمودار جابه‌جایی الکترون‌ها و مسیرهای سنتزی سازگار با روش‌های ثبت‌شده. به گفته DeepMind، چرخه‌ای که پیش‌تر چند روز وقت و تخصص محاسباتی زیادی می‌خواست، در حدود یک ساعت انجام شد و خروجی‌ها را می‌توان به نرم‌افزارهای رایج شیمی برد یا برای AlphaFold و شبیه‌سازی دینامیک مولکولی آماده کرد.
این عرضه ادامه راهبرد DeepMind برای معرفی Antigravity به‌عنوان میز کار علمی است، نه فقط ابزار برنامه‌نویسی، با مهارت‌های تخصصی که روی ابزارهای محلی خود پژوهشگر اجرا می‌شوند. کاربران سازمانی هم با ورود از طریق حساب Google Cloud به همین مهارت‌ها دسترسی دارند. پیشنهاد رایگان به‌تدریج اعطا می‌شود و به شرایط احراز صلاحیت، ظرفیت و گزینش بستگی دارد.
خود یادداشت درباره محدودیت‌ها محتاط است. کمبود داده، ناهمخوانی نتایج آزمایشگاه‌های مختلف و دامنه محدود اندازه‌گیری‌ها، دقت هر مدل پیش‌بینی قدرت را محدود می‌کند و DeepMind تأکید دارد که طرح‌های محاسباتی فقط فرضیه‌اند: هر مولکول پیشنهادی باید ساخته و آزموده شود. این نمایش، یک موفقیت شناخته‌شده را بازسازی می‌کند و داروی تازه‌ای کشف نمی‌کند و زمان یک‌ساعته هم از آزمایش خود DeepMind می‌آید، نه از ارزیابی مستقل.