Google 为 Antigravity 加入化学信息学 Skills：从文献整理走到分子设计假设

化学信息学技能把多种科研步骤连到同一工作台

Google DeepMind 在 11 月 3 日文章中介绍面向 Antigravity 的化学信息学 Skills，展示从公开资料整理到分子分析、设计建议的连续流程。它把 Agent 的任务组织能力与领域工具结合，服务对象包括计算化学研究者和实验化学研究者，而不是面向患者的诊疗工具。

一般科研工作中，同一对象可能散落在文字、图表、结构文件与数据库记录里。把这些信息接起来，往往比生成一段解释更费时间。这类工作台的意义在于帮助研究者形成可以继续检验的材料，而不是让一句模型回答替代整个研究过程。

语言模型负责组织，确定性化学工具负责计算

官方介绍的分工是：语言模型处理流程编排、数据库导航和科学推理，确定性工具执行分子计算。相关技能以 RDKit 为基础，并连接 ChEMBL、PubChem 等资源，把领域做法融入工作流。这种设计没有把全部分子计算都交给语言模型自由生成。

从工程角度看，分工清楚有助于追踪一个结论来自资料、工具计算还是模型推断。但工具接入本身并不保证输入正确，特别是结构识别和数据归一化仍需检查。本文没有把使用成熟工具库描述为已经获得药物有效性或安全性的认证。

演示围绕分子刚性化展开，展示数据整理与分析

文章选用已知肺癌治疗相关化合物作为技术演示，展示检索文献、提取分子、过滤无关结果和记录来源的过程。随后通过交互视图浏览化合物及关联数据，让研究者检查数据关系，而不是只接受 Agent 给出的文字结论。

流程进一步进行匹配分子对分析，并建立活性预测模型。官方说明，数据条件允许时会考虑按时间划分训练与验证数据，也可使用骨架划分评估泛化。不同划分回答的问题不同，不能将演示中某一组分析直接推广为所有化合物数据集的性能结论。

合成路线建议仍是研究假设，不能直接当成成品

在整理和建模之后，Agent 会提出新的大环分子设计及可能的合成路线，并说明化学依据。结果可以导出供后续软件使用，也可以进入进一步计算分析。这些步骤描述的是研究材料的形成与流转，不代表候选物已在实验室成功合成。

Google 明确指出，稀疏数据、不同实验室的测定噪声和有限动态范围都会限制预测精度，每个设计仍需合成与实验验证。因此，标题中的分子设计指提出可检验假设，不能理解为已经发现新药、完成临床验证或确定治疗效果。

Science 插件已提供技能，科研支持计划另有筛选条件

官方给出的使用入口是下载 Antigravity 应用并安装 Science 插件，企业用户也有相应业务账户登录路径。实际使用仍需核对当前账户权限与服务条件；本文没有登录账户测试，也不补造具体套餐费用、地区保证或界面操作细节。

文章同时公布面向一万名科学家的支持计划，提供最高用量档位六个月免费使用，采用滚动入选，并受资格、容量与筛选条件限制。这是有条件的科研支持，不是任何注册用户均可自动领取的普遍免费权益，申请与获批需要分别看待。

继续阅读