A demonstração do Google DeepMind de 15 de outubro acompanha um peptídeo antimicrobiano proposto, desde uma entrada em um banco de dados até um plano de testes em laboratório. O pesquisador escolheu a pergunta biológica e orientou cada nova verificação. Um agente do Antigravity pesquisou e conectou anotações de proteínas, comparações de sequência e estrutura, contexto genômico e literatura publicada. O Google diz que o candidato está em validação experimental em laboratório. O relato apresenta uma pista computacional, sem resultado experimental que mostre, até agora, que o peptídeo mata bactérias.

Para uma equipe de biologia, o detalhe útil é a cadeia de evidências por trás dessa pista. Uma função prevista pode sugerir onde procurar; uma semelhança estrutural ou um gene vizinho pode fortalecer o motivo para testar. Cada elemento continua sendo um tipo diferente de indício, e nenhum mede atividade antimicrobiana.

A grande mudança

  • O que mudou: A demonstração do Google mostra um pesquisador orientando um agente a reunir evidências de sequência, estrutura e genoma para um candidato a peptídeo em um único ambiente de trabalho. O resultado é uma hipótese testável e um plano de ensaios, sem resultado de atividade antimicrobiana relatado.
  • Por que importa: Biólogos gastam tempo conectando indícios de recursos separados antes de escolher o que testar. Um agente que reúne esses indícios pode dar às equipes uma base mais clara para priorizar o trabalho de laboratório limitado, desde que os pesquisadores verifiquem as correspondências e anotações subjacentes. O Google não informa se esse fluxo melhora as taxas de descoberta.
  • O que observar: O Google diz que o candidato está em validação experimental em laboratório. Os resultados de expressão, suscetibilidade, interação com o alvo e toxicidade determinarão se valeu a pena avançar com esse dossiê específico. Para os gestores de pesquisa, a decisão mais ampla é saber se as evidências reunidas por agentes se sustentam com frequência suficiente para orientar a capacidade experimental escassa. Esse único candidato ainda não responde a isso.

Da anotação a um candidato

O Google diz que a tarefa inicial era encontrar e avaliar computacionalmente novos peptídeos antimicrobianos em Streptococcus pseudopneumoniae. O pesquisador orientou uma busca interativa de entradas do UniProt anotadas com o ProtNLM, o modelo de função proteica do Google baseado em sequências. O agente restringiu a busca a candidatos que incluíam A0A0U0D591. Esses detalhes da entrada vêm do relato do Google; a BIG CHANGE não conseguiu obter de forma independente o registro estruturado do UniProt durante esta revisão.

O pesquisador pediu depois uma busca BLAST em proteínas do Swiss-Prot revisadas manualmente. O Google diz que não foi encontrado entre elas nenhum homólogo de sequência significativo. Essa é uma comparação restrita a um banco de dados, e não uma prova de que a molécula é nova para a biologia. O agente então obteve uma estrutura prevista pelo AlphaFold e usou a comparação estrutural para encontrar semelhança com uma bacteriocina determinada experimentalmente. As buscas de sequência e estrutura respondem a perguntas diferentes: proteínas podem ter pouca semelhança de sequência e ainda assim se parecer em três dimensões. A correspondência estrutural relatada pelo Google apoia a classificação proposta em uma família, mas um dobramento previsto não estabelece a atividade nem o alvo do candidato.

A verificação genômica acrescentou um terceiro indício. O Google relata que o gene do candidato está seis pares de bases a montante de uma permease de transportador ABC e de uma possível proteína parceira de ligação ao ATP, com outra bacteriocina anotada e um regulador XRE nas proximidades. Esses vizinhos podem apoiar a interpretação de que um peptídeo pertence a um sistema de bacteriocinas. A disposição sozinha não demonstra que o gene é expresso, que o peptídeo é secretado ou que inibe um patógeno.

O experimento continua sendo o passo decisivo

Depois de revisar a literatura, o agente propôs um mecanismo envolvendo a divisão celular bacteriana e um possível espectro de atividade que inclui patógenos resistentes a medicamentos. Os dois são hipóteses extraídas de outras evidências, conforme a apresentação do Google. O plano de laboratório sugerido pelo agente inclui expressão proteica, suscetibilidade antimicrobiana, interação com o alvo e testes de toxicidade. O Google diz que esse candidato e outros encontrados pelo processo estão em validação experimental em laboratório, sem apresentar os resultados desses testes na demonstração.

Isso deixa várias perguntas para o trabalho experimental: os pesquisadores conseguem produzir o peptídeo, ele inibe algum organismo testado em concentrações medidas, com que alvo interage e como afeta células nos ensaios de toxicidade? Um resultado positivo de suscetibilidade ainda precisaria ser interpretado junto com evidências de mecanismo e segurança. Nem o espectro proposto nem o plano provam a existência de um medicamento eficaz.

O ambiente de trabalho pode ser útil para equipes que já saibam avaliar os bancos de dados subjacentes e escolher ensaios decisivos. A página de acesso do Google para ciência diz que o plugin Science é instalado pelo marketplace Customizations dentro do aplicativo Antigravity e oferece uma inscrição para que 10.000 cientistas recebam gratuitamente o nível de uso mais alto. As capturas de tela da demonstração do peptídeo mostram o Gemini 3.8 Flash; elas não estabelecem que todos os modelos compatíveis reproduziriam a mesma análise. A BIG CHANGE não executou o Antigravity nem repetiu as buscas nos bancos de dados, então a velocidade e a avaliação do candidato relatadas continuam sendo o relato do Google, não um resultado medido por nós.

Fontes e leituras adicionais