IA en un minutoNoticiasAgentes
Google DeepMind presenta habilidades de química para los agentes de Antigravity y las prueba con fármacos contra el cáncer de pulmón
Redacción de IA en un minuto · Editor: Jon Elgezabal
En 30 segundos
Antigravity, el entorno de agentes de Google, suma habilidades químicas de Google DeepMind: el modelo coordina y herramientas deterministas sobre RDKit, ChEMBL y PubChem calculan. En la prueba, el agente junta miles de compuestos y diseña macrociclos más rígidos en una hora, frente a los varios días que suele durar cada iteración. DeepMind recuerda que toda propuesta hay que fabricarla y comprobarla en el laboratorio.
Google DeepMind ha presentado Cheminformatics Skills, un conjunto de habilidades de química para Antigravity, la plataforma de agentes de Google. El objetivo que declara es que los químicos dediquen menos tiempo a ordenar datos y más a plantear hipótesis.
El trabajo se reparte en dos: el modelo de lenguaje organiza el flujo, navega por las bases de datos y razona, mientras herramientas químicas deterministas hacen los cálculos moleculares. Esas herramientas se apoyan en RDKit, un kit de código abierto que una comunidad internacional desarrolla desde hace más de dos décadas, y se conectan a las bases de datos ChEMBL y PubChem. DeepMind explica que una misma molécula puede figurar con su nombre IUPAC en un artículo, dibujada como estructura Markush en una patente o guardada en un fichero SDF en un catálogo, y que cambiar un solo átomo ya describe otro compuesto.
La demostración parte de dos fármacos reales contra el cáncer de pulmón no microcítico: el crizotinib, un inhibidor de tirosina quinasa de primera generación con cinco enlaces rotables principales, y el lorlatinib, de tercera generación, que se cicló en un extremo para dejar en cero el número efectivo de esos enlaces y gana potencia, entre otros efectos. En minutos, el agente reúne miles de compuestos de la literatura científica y descarta los irrelevantes; después compara pares de moléculas que solo se distinguen por estar cicladas o no, entrena modelos que predicen la potencia y propone nuevos macrociclos más rígidos, con rutas para sintetizarlos. Todo el proceso dura una hora; según DeepMind, una sola iteración de ese trabajo suele llevar varios días.
Las habilidades ya están disponibles: se instalan con el complemento Science de la aplicación de Antigravity, y las empresas pueden usarlas entrando con su cuenta de Google Cloud. DeepMind ofrece además a 10.000 científicos el nivel de uso más alto de Antigravity gratis durante seis meses, sujeto a requisitos, capacidad y selección.
El propio equipo marca los límites: los datos escasos, el ruido entre ensayos de distintos laboratorios y los rangos estrechos de medida restan precisión a los modelos, y cada diseño propuesto por el agente tiene que sintetizarse y validarse en el laboratorio.
Por qué importa · análisis y opinión
Lo relevante no es que un modelo sepa química, sino el reparto: el lenguaje coordina y las herramientas deterministas calculan, de modo que los errores típicos de un modelo no acaban en la estructura de una molécula. Ese diseño reduce el riesgo en un campo donde un átomo mal puesto cambia el compuesto. Aun así, la demostración parte de un caso de éxito conocido, el paso del crizotinib al lorlatinib, y no enseña cuántas de las moléculas propuestas resisten la síntesis. Para un laboratorio pequeño o una empresa joven de química, el valor inmediato está en ahorrarse la recogida y limpieza de datos, la parte más tediosa; los diseños son hipótesis que un experto debe priorizar antes de llevarlas a la mesa de trabajo.
Fuente oficial: Google DeepMind · Redactada con ayuda de IA: cómo hacemos las noticias
