Google Antigravity 運用 Cheminformatics Skills,將藥物開發流程縮短至一小時

文章摘要

Google推出的Antigravity系統整合全新Cheminformatics Skills,成功將藥物開發中,從搜尋化合物、進行分子對比分析到提出具備合成路徑的新型大環化合物之流程,縮短至僅需一小時。過往藥物設計需耗時數日,研發人員常面臨需整合學術文章、專利及化學品目錄中格式各異的分子數據,且極易因單一原子或鍵結錯誤導致藥效失效。該系統結合以RDKit為基礎的領域專業工具,並串接ChEMBL與PubChem資源,透過大型語言模型執行流程編排與科學推理,將分子計算交由確定性工具處理。此系統透過藥物化學中的「剛性化」策略,即藉由新增鍵結減少分子的可旋轉鍵數量,以降低分子進入目標受體時的熵懲罰,提升結合親和力與藥效。以肺癌藥物克里唑替尼(crizotinib)演變至洛拉替尼(lorlatinib)的案例為例,系統能自動化執行並優化藥物構型,解決研究人員處理數據的繁瑣負擔,使科學家能專注於驗證科學假設。

AI 大叔解析

【核心判斷】
這套系統把大型語言模型退回成「調度員」,老老實實接上開源底層工具來算化學結構,才算真的摸到落地門檻。Google Antigravity 透過導入 Cheminformatics Skills,將串接文獻專利、篩選數千種化合物、進行成對分子比對(MMPA)到提出具備合成路徑之剛性化大環分子的迭代流程,從過往的數天壓縮至一小時;但這項進展本質上是資料整理與工作流程的自動化加速,尚未跨入合成驗證與臨床轉化階段。

【毒舌吐槽】
AI 圈最愛宣稱自己「重新發明藥物」,結果點開架構一看,底層真正幹活、確保化學鍵不會接錯的,依然是開源社群維護超過二十年的 RDKit 與 PubChem、ChEMBL 資料庫。語言模型負責看文獻、排流程與推理,分子計算乖乖交給確定性工具,這不是什麼神秘魔法,而是工程師終於承認幻覺在化學領域「一個鍵錯就全盤皆輸」的現實代價。

【為什麼重要?】
這項展示精準示範了運算化學中「人機分工」的合理邊界。在小分子藥物研發中,化學家往往耗費數天在 IUPAC 命名、Markush 專利結構與 SDF 檔案之間進行繁瑣的資料清洗與比對;該系統透過自動化執行剛性化(rigidification)策略分析——如同將具備五個可旋轉鍵的第一代肺癌藥物克里唑替尼(crizotinib),優化為有效可旋轉鍵降至零的第三代大環結構洛拉替尼(lorlatinib),以降低構型轉變的熵代價並提升結合親和力與潛在腦穿透性。它顯著降低了前期假說形成與數據彙整的時間成本,讓科學家不必再手動撈文獻算成對分子。

然而,乾實驗(In silico)的篩選加速不等於濕實驗(Wet lab)的研發成功。即使 Agent 能在數分鐘內完成化合物過濾與散佈圖繪製,並在一小時內提出建議結構與合成路線,真實世界中的化合物溶解度、體內代謝與複雜合成可行性,依然必須在實驗室逐一檢驗,前端排程的壓縮無法消除後端實體驗證的瓶頸。

【影響對象與建議】
運算化學與藥物研發團隊:
建議將 LLM 限縮於資料檢索、格式統一與工具調度,涉及分子結構計算與成對分析時,必須強制掛載 RDKit 等確定性工具,避免模型幻覺導致結構無效。

想更了解這個話題?