Gli strumenti di cheminformatica di Google Antigravity, chiamati Cheminformatics Skills, combinano la consultazione dei composti e dei relativi metadati con grafici personalizzabili ed esportazione dei risultati. Google DeepMind li presenta come un modo per esplorare e trasferire l’analisi chimica; le molecole proposte dal sistema restano ipotesi da sintetizzare e verificare in laboratorio.
Un visualizzatore aiuta a seguire i dati; la verifica sperimentale resta il passaggio che distingue una proposta computazionale da un risultato di laboratorio.
Che cosa si può ispezionare ed esportare
Google DeepMind descrive un visualizzatore interattivo in cui i ricercatori possono consultare i singoli composti recuperati e i loro metadati, creare grafici a dispersione personalizzabili ed esportare i risultati in formati utilizzabili con software chimici consolidati. Il vantaggio pratico è poter passare dalla sintesi dell’agente ai record e alle analisi, oppure trasferire i risultati in altri strumenti di lavoro. Google DeepMind illustra il visualizzatore e le opzioni di esportazione.
La schermata della dimostrazione presenta quattro grafici dedicati a proprietà e risultati dei composti. Google DeepMind descrive queste funzioni come parte del flusso di analisi: la visualizzazione permette di esplorare i dati, mentre l’esportazione offre un modo per proseguire il lavoro con software chimici già in uso.
Come Antigravity coordina l’analisi chimica
Nel flusso descritto da Google DeepMind, il modello linguistico coordina le attività, naviga le risorse e svolge il ragionamento scientifico; strumenti chimici deterministici eseguono i calcoli molecolari. Il sistema usa RDKit e si collega alle risorse ChEMBL e PubChem.
L’agente recupera composti dalla letteratura scientifica, filtra i risultati e li organizza per l’analisi. Può poi applicare l’analisi di coppie molecolari abbinate, o MMPA: un metodo che confronta molecole simili con una differenza strutturale definita. Il flusso comprende anche modelli per stimare la potenza farmacologica e proposte di macrocicli, cioè molecole con una struttura ad anello ampio, insieme a possibili vie di sintesi. Google DeepMind ha annunciato le Cheminformatics Skills il 3 novembre 2026 e ha indicato il Science plugin di Antigravity come modalità di accesso.
Che cosa indicano la valutazione e le stime di tempo
Google DeepMind riferisce di aver valutato modelli su quattro misure sperimentali e di aver usato una suddivisione per scaffold, cioè per struttura molecolare di riferimento, per stimare le prestazioni su composti fuori dalla distribuzione di addestramento. Quando sono disponibili le date dei composti, l’azienda dice che si possono usare anche suddivisioni cronologiche.
Anche le durate descritte sono diverse: il blog di Google DeepMind parla di circa un’ora per il flusso dimostrato; nel video il presentatore Michael dice che «questo lavoro» richiede meno di mezz’ora. Il blog aggiunge che una singola iterazione convenzionale richiede in genere più giorni. Le stime mantengono i rispettivi ambiti: la presentazione video non definisce «questo lavoro» come l’intero flusso descritto nel blog.
Perché le molecole proposte richiedono ancora esperimenti
Le molecole e le vie di sintesi suggerite sono proposte computazionali. Google DeepMind afferma che i composti devono ancora essere sintetizzati e sottoposti a validazione sperimentale. L’azienda segnala inoltre che dati scarsi, differenze tra i test eseguiti in laboratori diversi e intervalli di misurazione ristretti limitano la precisione delle previsioni.
Nel suo esempio di rigidificazione molecolare, Google DeepMind descrive crizotinib con cinque legami rotabili principali e lorlatinib con zero legami rotabili effettivi dopo la ciclizzazione. L’azienda riferisce inoltre che, nelle coppie molecolari analizzate, la ciclizzazione ha generalmente aumentato la potenza. Questi risultati riguardano i casi esaminati: la sintesi e le prove di laboratorio restano necessarie per verificare le singole proposte.
