Edisi Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Cara Google Antigravity menilai kandidat peptida antimikroba

> Google menelusuri satu kandidat peptida melalui pemeriksaan sekuens, struktur, dan genom dengan Antigravity. Aktivitas yang diprediksi masih menunggu hasil laboratorium.

By BIG CHANGE Editorial

Published: 2026-10-16T04:02:13.524Z
Updated: 2026-10-16T04:02:13.524Z
Canonical: https://bigchange.ai/blog/google-antigravity-antimicrobial-peptide-candidate-triage

![Conceptual charcoal illustration of an unbranded monitor with a generic protein ribbon, beside a closed empty assay plate and a rack-mounted pipette.](https://bigchange.ai/api/media/file/antigravity-peptide-triage-concept-v1.png)
AI-generated conceptual illustration by BIG CHANGE; no Google interface, actual candidate structure, completed experiment or measured result is shown.

Panduan proses Google DeepMind pada 15 Oktober mengikuti satu peptida antimikroba yang diusulkan, dari entri basis data hingga rencana pengujian laboratorium. Peneliti memilih pertanyaan biologis dan mengarahkan setiap pemeriksaan baru. Agen Antigravity mencari serta menghubungkan anotasi protein, perbandingan sekuens dan struktur, konteks genom, dan literatur yang diterbitkan. Google mengatakan kandidat itu sedang menjalani validasi laboratorium basah. Uraian tersebut melaporkan petunjuk komputasional, tanpa hasil eksperimen yang menunjukkan peptida itu membunuh bakteri.

Bagi tim biologi, detail yang berguna adalah rantai bukti di balik petunjuk itu. Fungsi yang diprediksi dapat menyarankan tempat untuk mencari; kemiripan struktur atau gen tetangga dapat memperkuat alasan untuk menguji. Masing-masing tetap merupakan jenis petunjuk yang berbeda, dan tidak ada yang mengukur aktivitas antimikroba.

## Perubahan besar

- **Apa yang berubah:** Uraian [proses Google](https://deepmind.google/blog/accelerating-antimicrobial-discovery/) memperlihatkan peneliti yang mengarahkan agen untuk merangkai bukti sekuens, struktur, dan genom bagi satu kandidat peptida dalam satu lingkungan kerja. Hasilnya adalah hipotesis yang dapat diuji dan rencana pengujian, tanpa hasil aktivitas antimikroba yang dilaporkan.
- **Mengapa penting:** Ahli biologi menghabiskan waktu untuk menghubungkan petunjuk dari sumber terpisah sebelum memilih apa yang akan diuji. Agen yang merangkai petunjuk itu dapat memberi tim penelitian dasar yang lebih jelas untuk memprioritaskan pekerjaan laboratorium yang terbatas, asalkan peneliti memeriksa kecocokan dan anotasi dasarnya. Google tidak melaporkan apakah alur kerja ini meningkatkan tingkat penemuan.
- **Apa yang perlu diperhatikan:** Google mengatakan kandidat itu sedang menjalani validasi laboratorium basah. Hasil ekspresi, kerentanan, interaksi dengan target, dan toksisitas akan menentukan apakah berkas kandidat khusus ini layak dilanjutkan. Bagi pengelola riset, keputusan yang lebih luas adalah apakah bukti yang dirangkai agen cukup sering terbukti kuat untuk mengarahkan kapasitas eksperimen yang terbatas. Satu kandidat ini belum dapat menjawabnya.

## Dari anotasi menjadi kandidat

Menurut Google, tugas awalnya adalah menemukan dan menilai secara komputasional peptida antimikroba baru pada *Streptococcus pseudopneumoniae*. Peneliti memandu pencarian interaktif entri UniProt yang dianotasi dengan ProtNLM, model fungsi protein berbasis sekuens milik Google. Agen mempersempit pencarian ke kandidat termasuk A0A0U0D591. Detail entri itu berasal dari uraian Google; BIG CHANGE tidak dapat mengambil sendiri catatan UniProt terstruktur selama peninjauan ini.

Peneliti lalu meminta pencarian BLAST terhadap protein Swiss-Prot yang ditinjau secara manual. Menurut Google, pencarian tidak menemukan homolog sekuens yang bermakna di antara protein tersebut. Itu adalah perbandingan dalam basis data dengan cakupan terbatas, bukan bukti bahwa molekulnya baru dalam biologi. Agen kemudian mengambil struktur prediksi AlphaFold dan memakai perbandingan struktur untuk menemukan kemiripan dengan bakteriosin yang ditentukan melalui eksperimen. Pencarian sekuens dan struktur menjawab pertanyaan berbeda: protein dapat memiliki kemiripan sekuens yang lemah tetapi tetap serupa dalam tiga dimensi. Kecocokan struktur yang dilaporkan Google mendukung pengelompokan keluarga yang diusulkan, tetapi lipatan prediksi tidak menetapkan aktivitas atau target kandidat.

Pemeriksaan genom menambahkan petunjuk ketiga. Google melaporkan bahwa gen kandidat terletak enam pasang basa di hulu permease transporter ABC dan kemungkinan protein mitra pengikat ATP, dengan bakteriosin lain yang dianotasi serta regulator XRE di dekatnya. Tetangga semacam itu dapat mendukung penafsiran bahwa peptida termasuk dalam sistem bakteriosin. Susunan itu sendiri tidak dapat menunjukkan bahwa gen diekspresikan, peptida disekresikan, atau bahwa ia menghambat patogen.

## Eksperimen tetap menjadi langkah penentu

Setelah meninjau literatur, agen mengusulkan mekanisme yang melibatkan pembelahan sel bakteri serta kemungkinan spektrum aktivitas yang mencakup patogen resistan obat. Keduanya merupakan hipotesis yang ditarik dari bukti lain, sebagaimana disajikan Google. Rencana laboratorium yang disarankan agen mencakup ekspresi protein, kerentanan antimikroba, interaksi dengan target, dan pengujian toksisitas. Google mengatakan kandidat ini dan kandidat lain yang ditemukan melalui alur tersebut sedang menjalani validasi laboratorium basah, tanpa melaporkan hasil uji itu dalam panduan proses.

Hal ini menyisakan beberapa pertanyaan untuk eksperimen: dapatkah peneliti menghasilkan peptida, apakah peptida menghambat organisme yang diuji pada konsentrasi terukur, target apa yang berinteraksi dengannya, dan bagaimana pengaruhnya terhadap sel dalam uji toksisitas? Hasil kerentanan yang positif tetap harus ditafsirkan bersama bukti mekanisme dan keamanan. Baik spektrum yang diusulkan maupun rencananya bukan bukti adanya obat yang bekerja.

Lingkungan kerja ini mungkin berguna bagi tim yang sudah tahu cara menilai basis data dasarnya dan memilih pengujian penentu. Pada [halaman akses sains Google](https://antigravity.google/use-cases/science) disebutkan bahwa plugin Science dipasang dari marketplace Customizations di dalam aplikasi Antigravity, serta ditawarkan pendaftaran bagi 10.000 ilmuwan untuk memperoleh tingkat penggunaan tertingginya secara gratis. Tangkapan layar dalam panduan peptida menampilkan Gemini 3.8 Flash; itu tidak membuktikan bahwa setiap model yang didukung akan menghasilkan ulang analisis yang sama. BIG CHANGE tidak menjalankan Antigravity atau mengulangi pencarian basis data, sehingga kecepatan dan penilaian kandidat yang dilaporkan tetap merupakan uraian Google, bukan hasil pengukuran kami.

## Sumber dan bacaan lebih lanjut

- [Google DeepMind, “Mempercepat pencarian peptida antimikroba dengan Google Antigravity” (15 Oktober 2026)](https://deepmind.google/blog/accelerating-antimicrobial-discovery/). Uraian utama mengidentifikasi kandidat, pemeriksaan sekuens, struktur, dan genom yang diarahkan peneliti, serta rencana laboratorium yang diusulkan. Kebaruan dan prediksi biologisnya adalah klaim perusahaan yang menunggu validasi eksperimen.
- [Google Antigravity, “Mengapa memilih Google Antigravity untuk sains” (diperiksa 16 Oktober 2026)](https://antigravity.google/use-cases/science). Halaman produk menjelaskan jalur plugin Science dan tawaran pendaftaran akses gratis ke tingkat tinggi. Halaman itu tidak menjelaskan akses universal ke tingkat tersebut.

## Sources

- [Mempercepat pencarian peptida antimikroba dengan Google Antigravity](https://deepmind.google/blog/accelerating-antimicrobial-discovery/) — Panduan proses dari Google sendiri memberikan rantai penilaian yang diarahkan peneliti dan menyebut kandidat sedang dalam validasi laboratorium basah. Sifat dan prediksi kandidat tetap diatribusikan kepada Google.
- [Mengapa memilih Google Antigravity untuk sains](https://antigravity.google/use-cases/science) — Halaman produk resmi menjelaskan jalur plugin Science dan tawaran pendaftaran terbatas untuk akses gratis ke tingkat tertinggi; kelayakan akun tidak diuji.