Google DeepMind, Antigravity Cheminformatics…

Google DeepMind가 Antigravity용 Cheminformatics Skills를 소개하며, 기존에 며칠 걸리던 신약 설계 반복을 약 1시간 안에 수행하는 데모를 공개함
언어 모델과 RDKit 등 결정적 화학 도구의 분업 아키텍처를 적용하여, 크리조티닙과 롤라티닙을 대상으로 경직화(rigidification)를 통한 효력 저하 방지 사례를 분석함
거대고리 화합물 113개와 에터 계열 22개의 CNS MPO 평균이 각각 4.34, 4.43으로 기준선 4.0을 초과하며, 회전 가능 결합 감소와 효력 저하 방지 간의 관계를 확인함
효력 예측 모델의 홀드아웃 R²가 -0.16~0.38로 낮아 정확한 예측기보다는 대략적 순위 보조 신호로 활용 가능함을 명시함
12원 고리 ALK 거대고리 4종(LOR-DES-1~4) 및 합성 경로(윌리엄슨 에터화)를 제안하고, 후속 단계로 도킹 및 결합 형태 변형 에너지 계산을 제안함
RDKit 기반 스킬은 2026년 11월 4일 기준 공개 저장소(github.com/google-deepmind/science-skills)에 미포함되어 있으며, Antigravity 앱 내 Customizations 마켓플레이스에서 Science 플러그인 설치로 접근 가능함

Google DeepMind, Antigravity Cheminformatics Skills 공개