Google DeepMind が2026年11月3日（米国時間）、エージェント型の開発基盤「Google Antigravity」に、化合物の情報を扱う「Cheminformatics Skills」を加えたと発表した。肺がん治療薬を題材にした例では、数千の化合物の収集から新しい分子の案の提案までをエージェントが1時間で行ったとしている。
- Google DeepMind が2026年11月3日（米国時間）、エージェント型の開発基盤「Google Antigravity」に、化合物の情報を扱う「Cheminformatics Skills」を加えたと発表した。創薬では、図や文献のデータをそろえ、予測モデルを訓練し、合成する候補分子を提案する流れが、1回の反復に通常は数日かかるとしている
- 肺がん治療薬を題材にした例では、エージェントが数千の化合物を調べ、小さな変更の効果を調べる分子ペアの比較分析（matched molecular pair analysis）を行い、剛直にした新しい環状の分子（macrocycle）を合成の道筋つきで提案するまでを、1時間で行ったとしている
- 仕組みは、言語モデルが作業の流れの管理・データベースの探索・科学的な推論を受け持ち、分子の計算は決まった結果を返す化学ツールが実行する分担。オープンソースの化学情報ツール RDKit を土台に、ChEMBL と PubChem のデータへのコネクタを備えるとしている
- 例の題材は、第1世代のがん治療薬クリゾチニブ（主な回転できる結合が5つ）と、末端を環状にして実質の回転できる結合を0にした第3世代のロルラチニブ。エージェントは数分で数千の化合物を取り出し、緩衝液や溶媒などの無関係な分子を除いて、出どころを報告書に記録した。環状の分子の多くは脳に届くと予測される、という初期の分析も示した
- 環状になった分子とそうでない分子の比較では、環状にすると回転できる結合が減り、効力は概して上がる結果だった。エージェントは特徴の組み合わせとモデルの種類を変えた多数の効力予測モデルを作り、取り置いたデータで検証した。4種類の実験の測定値で複数のモデルを比べ、未知の構造への強さを見るため骨格で分けたデータを使ったとしている
- 限界として同社は、データの少なさ・研究室ごとの測定のばらつき・狭い測定範囲が、強力なモデルでも予測の精度を限ると書いている。設計はすぐ試せる仮説で完成した薬ではなく、提案された設計はすべて合成して実験で検証する必要があるとしている
- スキルは Antigravity のアプリで、Science プラグインを入れると使える。企業の利用者は「Use Business Account」で Google Cloud の認証情報を使ってログインして始められる。同社は研究者1万人に、Antigravity の最上位の利用枠を6か月無料で提供するとして申し込みを受け付けている（資格・容量・選考による。順次受け入れ）。通常の料金は発表には無い
確かめた一次資料
この記事は、上の一次資料の原文を読んで書いています。数字は原文のとおりで、計算した値はそう書いています。