EnglishGoogle DeepMind geeft AI-agent vaardigheden voor scheikunde: werk aan nieuwe medicijnen van dagen naar een uur
Google DeepMind heeft vaardigheden voor scheikunde uitgebracht voor zijn AI-platform Antigravity. In een demonstratie deed een AI-agent daarmee in ongeveer een uur werk aan nieuwe medicijnen waar scheikundigen volgens Google meestal dagen over doen. De ontwerpen moeten nog in het lab worden getest.
Google DeepMind heeft een set vaardigheden voor scheikunde uitgebracht voor Google Antigravity, het ontwikkelplatform met AI-agents van Google. Een AI-agent is een AI-programma dat zelf een reeks taken na elkaar uitvoert. Met de nieuwe vaardigheden kan zo'n agent een groot deel van het rekenwerk doen waarmee scheikundigen nieuwe medicijnen bedenken.
Van dagen naar een uur
Wie een nieuw medicijn zoekt, begint meestal bij stoffen die al bekend zijn. Scheikundigen zoeken die op in vakliteratuur en octrooien, schonen de gegevens op, kijken welke kleine veranderingen een stof sterker maken en bedenken daarna nieuwe varianten. Volgens Google kost één zo'n ronde meestal meerdere dagen. In de demonstratie van Google deed een agent met de nieuwe vaardigheden het in ongeveer een uur.
De agent werkte met een bekend voorbeeld uit de behandeling van longkanker: de medicijnen crizotinib en lorlatinib. Lorlatinib is de nieuwere en sterkere opvolger. Het verschil zit vooral in de vorm. Bij lorlatinib is het molecuul tot een ring gesloten, zodat het veel minder kan draaien en buigen.
De agent verzamelde duizenden stoffen uit de literatuur, haalde eruit wat er niet bij hoorde (zoals oplosmiddelen) en hield 568 bruikbare stoffen over. Daarna liet hij zien dat stoffen in deze groep vaak sterker werken als ze tot een ring worden gesloten. Op basis daarvan stelde de agent nieuwe ringvormige moleculen voor, met een stappenplan om ze te maken. Hij merkte ook op dat deze moleculen volgens de berekeningen waarschijnlijk de hersenen kunnen bereiken. Dat is belangrijk, omdat deze vorm van longkanker vaak uitzaait naar de hersenen.
Afspelen laadt YouTube, dat cookies kan plaatsen. Meer uitleg
Hoe het werkt
Het werk is verdeeld. Het taalmodel bepaalt de stappen, zoekt in databanken en redeneert over de uitkomsten. Het rekenwerk aan de moleculen zelf doen vaste scheikundeprogramma's, die bij dezelfde vraag altijd hetzelfde antwoord geven. Zo hoeft het taalmodel die berekeningen niet zelf te schatten. De programma's zijn gebouwd op RDKit, veelgebruikte open source software voor scheikunde, en halen gegevens uit de openbare databanken ChEMBL en PubChem.
De vaardigheden zijn te installeren via de Science-plugin in Antigravity. Op GitHub staat ook een bredere verzameling, Science Skills, met vaardigheden voor onder meer erfelijkheidsonderzoek, de bouw van eiwitten en het doorzoeken van wetenschappelijke literatuur. Die verzameling werkt met meer dan dertig databanken en programma's, zoals AlphaGenome, de AlphaFold-databank en UniProt. De software is open source. Sommige onderdelen, zoals AlphaGenome, werken alleen met een eigen toegangssleutel.
Volgende stap: het lab
Google zegt er zelf bij dat de voorspellingen grenzen hebben. Er zijn vaak weinig meetgegevens, en metingen uit verschillende laboratoria wijken van elkaar af. De voorgestelde moleculen zijn daarom ideeën om te testen, nog geen medicijnen. Elk ontwerp moet eerst worden gemaakt en in het lab worden onderzocht.
Om onderzoek te versnellen geeft Google 10.000 wetenschappers zes maanden lang gratis de hoogste gebruikslimiet in Antigravity, volgens de website van Antigravity inclusief het model Gemini 4 Argon. Wetenschappers kunnen zich aanmelden via het formulier van Google. Google kiest wie meedoet.
Wat betekent dit voor de weg naar de singulariteit?
Een AI-agent die zelf gegevens verzamelt en opschoont, voorspellingen maakt en nieuwe moleculen met een stappenplan voorstelt, doet een flink deel van het denkwerk in een scheikundelab. Dat is een stap van AI die teksten samenvat naar AI die meewerkt aan het onderzoek zelf. Duurt zo'n ronde een uur in plaats van dagen, dan kunnen onderzoekers veel meer ideeën uitproberen. Proeven in het lab moeten laten zien welke van de voorgestelde moleculen echt goed werken, en hoeveel sneller nieuwe medicijnen zo kunnen komen.
