Google DeepMind anunció el 3 de noviembre de 2026 las Cheminformatics Skills para Google Antigravity, disponibles mediante la aplicación Antigravity y el complemento Science. En el flujo que presentó, el modelo de lenguaje coordina la búsqueda y el razonamiento, mientras que herramientas químicas deterministas realizan los cálculos moleculares. La demostración propone moléculas; para saber si funcionan hay que sintetizarlas y validarlas experimentalmente. Google DeepMind explicó el flujo y la vía de acceso.
La oferta anunciada permite que hasta 10.000 científicos reciban gratis el nivel de uso más alto de Antigravity durante seis meses. La incorporación es progresiva y está sujeta a requisitos de elegibilidad, capacidad y selección. Para cuentas Enterprise, Google DeepMind también describió el acceso mediante la opción «Use Business Account» y credenciales de Google Cloud.
El modelo coordina; las herramientas calculan
Las Cheminformatics Skills combinan la coordinación de un modelo de lenguaje con cálculos ejecutados por herramientas químicas deterministas, según Google DeepMind. El modelo organiza el flujo de trabajo, navega bases de datos y realiza razonamiento científico; las herramientas se encargan de los cálculos moleculares. La compañía menciona RDKit como la biblioteca de quimioinformática y conexiones con ChEMBL y PubChem.
En la demostración, el flujo va de buscar compuestos en la literatura científica a extraer y organizar datos, filtrar resultados irrelevantes y registrar las fuentes. Después incluye análisis de pares moleculares emparejados (MMPA), construcción y evaluación de modelos de potencia y propuestas de estructuras y rutas de síntesis.
De la búsqueda de compuestos al modelado de potencia
Google DeepMind mostró una búsqueda de compuestos relacionados con crizotinib y lorlatinib. La empresa dijo que el agente recuperó miles de compuestos y que el panel de análisis reunió 568 compuestos curados. Son resultados de esa demostración. El panel permite explorar la distribución de las moléculas según varias propiedades, pero las cifras no son una medición independiente del rendimiento del sistema.
La demostración también comparó pares de moléculas con y sin ciclación, es decir, con una estructura química que forma un anillo. Google DeepMind describe el crizotinib como una molécula con cinco enlaces rotatorios principales y el lorlatinib como un ejemplo con cero enlaces rotatorios efectivos tras la ciclación. En los pares analizados, la empresa observó que la ciclación solía reducir esos enlaces y aumentar la potencia. Ese patrón corresponde al análisis presentado, no a una regla universal para cualquier molécula.
El vídeo de Google Antigravity recorre la búsqueda, la curación de compuestos y las etapas de análisis y diseño. Está en inglés.
La partición de datos debe corresponder a la predicción buscada
Google DeepMind dice que evaluó los modelos con datos reservados y que empleó particiones cronológicas cuando los datos lo permitían, o particiones por andamios moleculares para estimar la generalización. Un andamio es el núcleo estructural compartido por moléculas relacionadas. La demostración incluyó cuatro mediciones experimentales, pero no hace falta leer un gráfico para entender la pregunta clave: ¿se quiere predecir el comportamiento de compuestos parecidos a los conocidos o el de familias químicas nuevas?
La respuesta cambia cómo conviene evaluar el modelo. El IDHUS Institute explica que, si moléculas estrechamente relacionadas aparecen tanto en los datos de entrenamiento como en los de prueba, la evaluación puede medir principalmente interpolación entre ejemplos similares. Para predecir familias químicas desconocidas, el conjunto de prueba debe representar esa tarea de generalización.
Las moléculas propuestas aún necesitan validación experimental
Google DeepMind señala que los datos escasos, las diferencias entre ensayos de distintos laboratorios y los rangos reducidos de actividad limitan la precisión de las predicciones. La empresa presentó macro ciclos propuestos y posibles rutas de síntesis, entre ellos un éter cíclico de 12 miembros. Una estructura propuesta y una ruta calculada son hipótesis de trabajo: el compuesto debe sintetizarse y validarse experimentalmente.
