Google Antigravity 化學資訊技能上線，一小時從文獻走到分子設計完成了什麼？
Antigravity 化學資訊技能於十一月三日上線，串接 RDKit、ChEMBL 與 PubChem。本文解析肺癌既有用藥的剛性化示範、分子配對、預測驗證與 Science 外掛入口，說明一小時計算流程的實際成果。
Antigravity 化學資訊技能已於二〇二六年十一月三日上線。Google DeepMind 以既有肺癌用藥為案例，展示約一小時完成文獻檢索、分子配對分析與候選設計的計算流程。
藥物研究資料分散在論文、圖表與供應商目錄，同一個分子也可能以文字名稱、結構圖或資料檔出現。研究者先要把它們對齊，後面比較活性才有意義。
新技能讓語言模型協調搜尋與分析，再把分子計算交給專門工具。這種分工能協助整理證據，也保留可由研究者檢查的中間結果。
本次示範從已知藥物系列出發，提出可供下一輪研究的化合物與合成路線。新設計是否有效，仍需要製作材料與實驗，計算成果和藥物開發因而有不同完成門檻。
已有化學專業與驗證流程的研究者，適合用這套工具加快資料整理與假說探索。我會先看來源能否回查、分析如何驗證，再評估一小時的速度對自己的研究有多少幫助。
從分子結構如何對齊開始，較容易看懂這次示範完成了哪一段工作。
Antigravity 化學資訊技能如何處理分散資料？
資料先要對上同一個分子，因此後面的活性比較才有共同基準。化學資訊學處理的是如何用電腦表示、搜尋與分析分子，讓不同來源的資訊可以放到共同框架。
一篇論文可能用標準名稱描述分子，另一份目錄提供結構資料檔，專利又可能用代表一整群可能結構的方式呈現。若只比對文字名稱，容易漏掉相同結構或混入不同材料。
因此，資料整理要同時處理結構與來源。原子、化學鍵與立體排列的差異，都可能改變後續判讀，模型產生看似熟悉的名字，仍需要轉成可檢查的分子表示。
Google 把新技能建立在 RDKit 等工具之上。RDKit 是開放的化學資訊工具套件，能讓程式處理分子資料與計算，語言模型則負責安排工作和理解研究需求。
技能也連接 ChEMBL 與 PubChem。前者整理生物活性相關資料，後者提供廣泛的化合物資訊，研究者可以讓代理搜尋並整理相關材料，再回到各筆原始紀錄檢查。
所以來源回查在這裡很重要，因為相同化合物可能出現在不同實驗條件。若把資料列合併時只留下分子與一個數字，就可能失去該數值所屬的測量方法與適用範圍。
本次展示會把來源寫進報告，讓研究者追蹤候選從哪裡來。這也讓代理整理出的資料集有機會被重新檢查，而不只是得到一張難以回溯的結果圖。
結構與來源連好之後，研究者才能提出有明確化學理由的比較問題。官方選擇的起點，是觀察分子活動自由度如何影響結合。
Google DeepMind 官方化學資訊工作流程展示。 來源：官方 YouTube。
剛性化為何成為這次研究案例？
限制分子的轉動，可以改變它與目標結合時需要付出的形狀代價。藥物分子常包含可旋轉的化學鍵，因此在溶液中能形成多種三維形狀。
當分子要和特定目標結合，往往需要採取合適姿態。若原本能自由轉動，結合時失去這種自由會帶來代價，藥物化學家因此會研究能否先固定有利形狀。
剛性化就是讓分子比較不容易任意扭轉。方法之一是加入新的連結，把原本分開活動的部分扣在一起，但連結位置需要配合目標形狀，不能只看可旋轉鍵的數量。
官方使用 crizotinib 與 lorlatinib 的既有案例。前者有五個主要可旋轉鍵，後者透過環化降低有效可旋轉鍵，提供一個能結合文獻與結構分析的明確題目。
環化可以理解為加上一條連結，形成較大的分子環。這次研究關注這種改動和活性的關係，讓代理搜尋相近系列，再比較哪些結構變化值得進一步探索。
因此，這個選題也提供了已知背景。研究者可以先看工具是否找到合理資料、能否重建熟悉的趨勢，再要求它提出新設計，較容易辨認問題發生在哪個步驟。
不過，相同策略用到另一個系列，仍需要重新驗證。分子與目標結合受到多項條件影響，較硬的形狀只有在位置與互動適合時，才可能帶來預期改善。
既有藥物提供了明確起點，代理接著從相關文獻找出可對照的系列。這讓資料整理能連到真正的研究問題。
從文獻到配對分子，代理如何分工？
語言模型協調搜尋與整理，確定性工具處理分子計算。確定性表示在相同輸入與設定下，工具依固定程序得到結果，有助於研究者重查計算過程。
官方示範先檢索數千個相關化合物，再過濾緩衝液、溶劑等與題目無關的材料。因為文獻包含的不只是候選藥物，這一步會直接影響後續資料集的組成。
整理完成後，代理建立互動檢視器，讓研究者查看分子、相關資料與散點圖。使用者可以把活性與可旋轉鍵放在同一張圖，並以是否具有大環結構區分顏色。
這類畫面有助於探索趨勢，但每個點仍需要保留自己的實驗背景。若不同實驗讀值混在同一尺度，圖上看似整齊的關係，也可能反映測量條件不同。
研究接著使用配對分子分析，比較只有小幅結構改變的兩個分子。這種方法試著縮小差異來源，讓研究者更容易觀察某項改動可能帶來的影響。
本案比較環化與未環化的相關配對，結果符合可旋轉鍵減少、活性通常提高的預期。它為該資料集提供支持，後續仍需依各組配對的結構與測量條件判讀。
對研究者而言，能點開單筆資料很有價值。因為整體趨勢可能被少數系列帶動，逐筆檢查可以幫忙找出例外，並決定下一輪是否需要分組分析。
因此，報告與互動圖應一起保留。報告說明代理如何選擇與處理資料，互動圖則讓人沿著疑問回查個別分子，兩者共同支持可追蹤的研究討論。
有來源的資料集合建立後，預測模型才有可檢查的輸入。接下來需要確認，它是否能對未參與訓練的結構提供可靠線索。
活性預測如何保留獨立驗證資料？
測試資料需要與訓練資料分開，才能檢查預測是否能用到新結構。若模型已經看過非常接近的化合物，成績可能比較容易提高，卻未必反映探索新系列的能力。
官方技能會引導代理比較不同特徵與模型架構，並保留資料做驗證。特徵是把分子轉成模型可以計算的描述，不同表示方法會凸顯不同結構關係。
資料有時間資訊時，技能可引導使用時間切分，用較早化合物預測較新化合物。這有助於模擬研究推進時，手上只有舊資料的情況。
若時間資訊不足，也能改用骨架切分，把不同核心結構分到不同集合。本次展示的四項實驗讀值比較，採用的就是骨架切分，藉此檢查較陌生結構的預測表現。
因此，閱讀驗證成績時，切分方法需要和數字一起保存。隨機切分、時間切分與骨架切分各有用途，相同模型在不同設定下的數字，也會回答不同泛化問題。
官方同時指出，資料稀少、實驗室之間的測量差異，以及數值分布過窄，都會限制預測精度。這些限制與資料本身有關，換上較強的語言模型仍需要面對。
對自己的資料集，研究者可以先檢查每項讀值的單位、測量背景與缺漏，再決定用哪一種切分。因為錯誤標籤會一路進入訓練，後面圖表再完整也難以補回原始資訊。
比較不同預測方法時，也應保存同一個測試集合。若每次模型換了、測試分子也換了，就不容易辨認改善來自方法，或來自這次剛好比較容易的題目。
因此，預測品質有了邊界，新的分子設計才適合進入下一輪研究。這把計算結果接到合成與實驗，而不是停在一個看似精確的分數。
候選設計與一小時成果應如何使用？
示範產出的是可供合成與實驗驗證的設計假說。代理根據先前配對分析與活性模型，提出新的大環分子、可能的前驅物和合成路線。
合成路線描述如何從起始材料經過反應得到候選。它能幫助研究者判斷想法是否值得做，但反應能否在特定條件下得到足夠產物，仍需要實際操作確認。
技能可以產生電子移動箭頭圖、檢查反應表示，並查找相似公開反應。這些材料讓化學家更容易審查提案，因為每項設計理由有機會連回具體結構與方法。
官方也用先前建立的模型預測新設計活性，並提到可準備後續結構或分子動力學分析。這些都是計算研究的延伸，下一道證據仍來自新材料與相應實驗。
示範中對腦部穿透能力的描述同樣屬預測。研究者需要核對模型使用的資料與適用範圍，再用實驗確認，才能知道候選是否真的符合研究目標。
一小時的意義，因而落在把原本多日的計算整理串成較快迭代。不同研究題目的資料品質與工具條件不同，團隊應用自己的案例觀察實際時間與人工修正量。
目前可下載 Antigravity 應用程式並安裝 Science 外掛。企業使用者可選「Use Business Account」，以 Google Cloud 憑證登入，使用範圍仍依自己的帳戶與組織條件確認。
Google 另開放一萬名科學家申請六個月最高使用級別，採陸續加入，並有資格、容量與遴選條件。因此，讀者應先查看申請與帳戶說明，再安排研究時程。
建議先用一個已有文獻與驗收基準的案例，完成來源、配對、驗證與設計四段工作。把人工修改與失敗一起留下來，才能判斷工具真正省下哪段研究時間。
Antigravity 化學資訊常見問題
一小時代表已經做出新藥嗎？
官方展示的是資料檢索、分析、預測與候選設計流程。合成、活性測試與後續開發各有自己的證據要求，研究者仍須把設計帶回實驗驗證。
化學計算都由語言模型完成嗎？
語言模型安排工作與處理研究語意，RDKit 等工具進行專門分子計算。這種分工能讓結果回到可檢查的程式與資料，也方便定位錯誤來源。
第一次使用應準備什麼？
先選明確的分子系列、保留原始來源與實驗讀值，再確認希望產出的分析形式。題目範圍清楚，較容易判斷代理整理、篩選與建模是否符合研究需求。
可以從重現已知案例開始，讓同領域研究者核對來源與結構，再擴大到新假說。每輪保留相同測試分子與資料切分，後續更新時才容易知道品質是否維持，也方便把結果交給下一位研究者。這樣能把速度優勢放進既有驗證流程，讓後續實驗更容易接續。
延伸閱讀：Antigravity 科學程式移植案例，59 分鐘把 Fortran 核心改寫成 Rust 的關鍵
延伸閱讀：Warp Sciences 募資 2.15 億美元：AI 化學實驗室做什麼，為何先做臨床前 CRO？
