Google（谷歌） DeepMind（谷歌旗下人工智能研究机构） 为 Antigravity 发布化学信息学技能，演示称约一小时内完成化合物检索、MMPA 与大环设计生成（设计仍待实验验证）
Google DeepMind（美国人工智能公司）发文介绍其为 Google Antigravity 构建的化学信息学技能套件。
演示以克唑替尼、劳拉替尼为参照，智能体在约一小时内完成文献化合物检索、匹配分子对分析（MMPA，通过比较仅一处结构差异的分子对分离该改动的影响）、效力模型训练，并提出带合成路线的新型刚性化大环。
团队明确数据稀疏与实验噪声限制模型精度，计算设计只是待验证假设。
2026 年 11 月 3 日，Google（谷歌） DeepMind（谷歌旗下人工智能研究机构） 作者团队（Zoi Tsangalidou、Ruijie (Kelly) Zhang、Sukhdeep Singh、Michael V. LeVine）发文介绍为 Google Antigravity 构建的化学信息学技能套件。
按文中演示，智能体从文献提取分子并关联已报告数据，数分钟内检索数千化合物、滤除缓冲液与溶剂等无关分子并记录来源； 随后做匹配分子对分析（MMPA），显示环化降低可旋转键数量并总体提升效力； 再以不同特征集与架构构建多个效力模型，在留出集验证，采用支架划分评估分布外表现。
最后智能体提出新大环设计、解释药物化学依据、给出合成路线，并可用 AlphaFold 或分子动力学做后续分析。 技能基于开源工具包 RDKit，连接 ChEMBL 与 PubChem 整理资源； 语言模型负责工作流编排、数据库导航与科学推理，确定性化学工具执行分子计算。
文中提到面向 1 万名科学家提供 6 个月最高使用档免费名额，需符合资格、容量与筛选条件。
价值不在“AI（人工智能） 发现新药”，而在把化学信息学的多步流程（文献数据抽取、结构标准化、分子性质建模、设计生成、合成路线检索）串成可编排的智能体工作流。 设计思路值得注意：语言模型负责推理与调度，RDKit 等确定性工具负责精确计算。 克唑替尼到劳拉替尼案例属已有药物化学知识，用于演示流程，而非新的疗效证据； 模型预测效力与可透脑性仍是计算输出。
数据稀疏、实验室间检测噪声与动态范围窄会限制预测精度，这决定此类工具短期内更可能加速假设生成与优先级排序，而非替代实验。
后续观察信号
- 原文未说明匹配分子对分析与支架划分的具体结果是否提供可下载数据
- 智能体提出的合成路线是否经实验化学家评估，原文未说明
- 免费额度申请条件与筛选标准的具体内容，原文仅提及资格、容量与筛选