A demonstração da Google DeepMind de 15 de outubro acompanha um péptido antimicrobiano proposto, desde uma entrada numa base de dados até a um plano de testes laboratoriais. O investigador escolheu a questão biológica e orientou cada nova verificação. Um agente do Antigravity pesquisou e ligou anotações de proteínas, comparações de sequências e estruturas, contexto genómico e literatura publicada. A Google diz que o candidato está em validação experimental em laboratório. O relato apresenta uma pista computacional, sem qualquer resultado experimental que demonstre ainda que o péptido mata bactérias.

Para uma equipa de biologia, o pormenor útil é a cadeia de evidência por trás dessa pista. Uma função prevista pode sugerir onde procurar; uma semelhança estrutural ou um gene vizinho pode reforçar a justificação para testar. Cada elemento continua a ser um tipo diferente de indício, e nenhum mede a atividade antimicrobiana.

A grande mudança

  • O que mudou: A demonstração da Google mostra um investigador a orientar um agente para reunir evidência de sequência, estrutura e genoma sobre um candidato a péptido num único ambiente de trabalho. O resultado é uma hipótese testável e um plano de ensaios, sem resultados de atividade antimicrobiana apresentados.
  • Porque é importante: Os biólogos passam tempo a ligar indícios de recursos separados antes de escolher o que testar. Um agente que reúne esses indícios pode dar às equipas uma base mais clara para priorizar o trabalho laboratorial limitado, desde que os investigadores verifiquem as correspondências e anotações subjacentes. A Google não informa se este fluxo melhora as taxas de descoberta.
  • O que acompanhar: A 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 este dossiê específico. Para os gestores de investigação, a decisão mais ampla é saber se a evidência reunida por agentes se confirma com frequência suficiente para orientar a escassa capacidade experimental. Este único candidato ainda não pode responder a isso.

Da anotação a um candidato

A Google diz que a tarefa inicial era encontrar e avaliar computacionalmente novos péptidos antimicrobianos em Streptococcus pseudopneumoniae. O investigador orientou uma pesquisa interativa de entradas do UniProt anotadas com o ProtNLM, o modelo da Google de função proteica baseado em sequências. O agente restringiu a pesquisa a candidatos que incluíam A0A0U0D591. Estes pormenores da entrada provêm do relato da Google; a BIG CHANGE não conseguiu obter de forma independente o registo estruturado do UniProt durante esta revisão.

O investigador pediu depois uma pesquisa BLAST em proteínas do Swiss-Prot revistas manualmente. A Google diz que não foi encontrado entre elas nenhum homólogo de sequência significativo. Trata-se de uma comparação delimitada a uma base de dados, e não de uma prova de que a molécula é nova para a biologia. O agente obteve então uma estrutura prevista pelo AlphaFold e usou a comparação estrutural para encontrar uma semelhança com uma bacteriocina determinada experimentalmente. As pesquisas de sequência e estrutura respondem a perguntas diferentes: as proteínas podem ter pouca semelhança de sequência e ainda assim parecer-se em três dimensões. A correspondência estrutural relatada pela Google apoia a classificação proposta numa família, mas uma conformação prevista não estabelece a atividade nem o alvo do candidato.

A verificação genómica acrescentou um terceiro indício. A 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. Estes vizinhos podem apoiar a interpretação de que o péptido pertence a um sistema de bacteriocinas. Por si só, a disposição não demonstra que o gene é expresso, que o péptido é segregado ou que inibe um agente patogénico.

A experiência continua a ser o passo decisivo

Após rever a literatura, o agente propôs um mecanismo ligado à divisão celular bacteriana e um possível espectro de atividade que inclui agentes patogénicos resistentes a fármacos. Ambos são hipóteses retiradas de outras evidências, tal como a Google as apresenta. O plano laboratorial sugerido pelo agente abrange expressão proteica, suscetibilidade antimicrobiana, interação com o alvo e testes de toxicidade. A Google diz que este candidato e outros encontrados através do processo estão em validação experimental em laboratório, sem relatar na demonstração os resultados desses testes.

Isto deixa várias perguntas para o trabalho experimental: conseguem os investigadores produzir o péptido, inibe ele algum organismo testado em concentrações medidas, com que alvo interage e como afeta as células nos ensaios de toxicidade? Um resultado positivo de suscetibilidade ainda teria de ser interpretado em conjunto com a evidência de mecanismo e segurança. Nem o espectro proposto nem o plano são prova de um medicamento eficaz.

O ambiente de trabalho poderá ser útil a equipas que já saibam avaliar as bases de dados subjacentes e escolher ensaios decisivos. A página da Google de acesso para ciência diz que o plugin Science se instala através do mercado Customizations dentro da aplicação Antigravity e oferece uma candidatura para 10.000 cientistas receberem gratuitamente o nível de utilização mais elevado. As capturas de ecrã da demonstração do péptido mostram o Gemini 3.8 Flash; não estabelecem que todos os modelos suportados reproduziriam a mesma análise. A BIG CHANGE não executou o Antigravity nem repetiu as pesquisas nas bases de dados, pelo que a velocidade e a avaliação do candidato relatadas continuam a ser o relato da Google, e não um resultado medido por nós.

Fontes e leituras adicionais