Google DeepMind 为 Antigravity 推出化学信息学 Skills
发生了什么
Google DeepMind 于 11 月 3 日发布一套面向 Google Antigravity 的化学信息学 Skills，把 Antigravity 变成一个可访问本地计算工具的科研工作台。按官方说明，底层语言模型负责流程编排、数据库导航和科学推理，分子计算由确定性化学工具执行。这些 Skills 以开源工具包 RDKit 为基础，并接入 ChEMBL 与 PubChem 的整理数据。
官方给出的演示任务来自药物化学中的刚性化策略。演示以治疗非小细胞肺癌的酪氨酸激酶抑制剂 crizotinib 和 lorlatinib 为案例：前者有五个主要可旋转键，后者在末端成环，可旋转键数量降为零。智能体从文献中提取分子、剔除缓冲液和溶剂等无关化合物，并在报告中记录来源；随后生成交互式查看器，可绘制活性与可旋转键数量的散点图。
在后续步骤中，智能体执行匹配分子对分析，比较成环与不成环的分子对，结果显示成环通常降低可旋转键数量并提升活性。它还构建了多组活性预测模型，在四类实验读数上比较不同特征集与架构，并用骨架划分评估分布外表现。最后，智能体基于这些结果设计新的大环分子，给出电子推动图和合成路线，并可导出到行业化学软件。
编辑部观察
这条材料的价值在于展示了一个具体分工：模型负责推理与调度，RDKit 等工具负责可复现的分子计算。官方同时明确列出限制，稀疏数据、实验室间测定噪声和较窄的动态范围会限制预测精度，计算设计只是可检验的假设，仍需合成与实验验证。
实践建议
对关注 AI 科研工具的团队，可先核查三点：Skills 是否覆盖自身常用的数据格式与工具链；智能体给出的分子来源与计算步骤能否追溯；模型输出与实验验证之间的衔接流程是否已经建立。官方称这些 Skills 已在 Antigravity 上线，需安装 Science 插件，企业用户可用 Google Cloud 凭据登录使用。
