Google (15/10) mempublikasikan panduan teknis yang menunjukkan bagaimana Google Antigravity, platform pengembangan berbasis agen AI, dipakai untuk mempercepat penemuan peptida antimikroba (AMP) baru. Dalam demonstrasi tersebut, agen AI berhasil menyaring jutaan protein yang belum terkarakterisasi di database UniProt dan menemukan satu kandidat peptida dari famili Lactococcin 972 yang diprediksi aktif melawan patogen penyebab infeksi saluran pernapasan. Kandidat temuan ini kini tengah menjalani validasi di laboratorium basah.

Bagi peneliti biologi yang biasanya harus bekerja secara terfragmentasi, pendekatan ini menyatukan proses yang tadinya tersebar lintas database ke dalam satu meja kerja digital. Peneliti menetapkan tujuan biologi dan mengarahkan strategi, sementara agen AI menangani orkestrasi lintas basis data, analisis struktural, hingga sintesis literatur. Peneliti tetap memegang kendali atas keputusan ilmiah, sementara beban teknis pencarian otomatis ditangani sistem.

Secara teknis, Google Antigravity memanfaatkan ProtNLM (Protein Natural Language Model), model pembelajaran mendalam yang memprediksi fungsi biologis langsung dari urutan asam amino. Dari hasil penyaringan jutaan entri tanpa label di UniProt, agen mengerucutkan kandidat menjadi beberapa yang layak diteliti, lalu memverifikasi kebaruan temuan melalui layanan BLAST, mengambil model struktur 3D dari AlphaFold Protein Structure Database, dan membaca gen-gen di sekitar kandidat untuk melihat apakah kandidat tersebut merupakan bagian dari sistem bakteriosin yang aktif.

Kandidat yang teridentifikasi adalah bakteriosin sepanjang 97 asam amino dengan ID UniProt A0A0U0D591, berasal dari organisme Streptococcus pseudopneumoniae. Bukti struktural menunjukkan lipatan yang mirip dengan bakteriosin yang sudah ditentukan strukturnya secara eksperimental, dan lingkungan genomik di hulu operon menunjukkan kandidat ini berdekatan dengan permease transporter ABC, protein pengikat ATP, serta regulator transkripsi XRE, pola yang konsisten dengan sistem bakteriosin yang berfungsi. Agen kemudian menerjemahkan temuan komputasi ini menjadi protokol kerja laboratorium yang mencakup ekspresi protein, uji kepekaan antimikroba, hingga pengujian in vitro.

Secara umum, peptida antimikroba dianggap sebagai alternatif menjanjikan dari antibiotik tradisional karena berevolusi untuk menyerang kerentanan mendasar pada bakteri, sehingga patogen lebih sulit mengembangkan resistensi. Resistensi antimikroba diproyeksikan dapat menyebabkan sekitar 10 juta kematian per tahun secara global pada 2050, menjadikan penemuan terapi baru sebagai kebutuhan yang mendesak.