- Antigravity上で動く創薬向けスキル群。RDKit、ChEMBL、PubChemと連携する
- crizotinibからlorlatinibへの剛直化を例に、通常数日の解析を約1時間で実施
- 提案はあくまで検証可能な仮説で、合成と実験での確認が必須だと明記
何が発表されたのか
Google DeepMindは2026年11月3日、エージェント型開発環境「Google Antigravity」向けに「Cheminformatics Skills」を公開したと発表しました。創薬では、図表や文献からのデータ整理、予測モデルの学習、候補分子の提案といった作業が必要で、原文では1回の反復に数日かかると説明されています。今回のスキルは、この反復を短縮することを狙ったものです。
利用方法は、Antigravityアプリを導入して「Science」プラグインをインストールする形になります。企業ユーザーは「Use Business Account」を選び、Google Cloudの認証情報でログインするとされています。あわせて、科学者1万人を対象に最高利用枠を6か月間無償提供するプログラムの応募も始まりました。適格性・容量・選考の条件があり、順次案内されるとのことです。
仕組みと役割分担
設計の柱は、言語モデルと決定論的な化学ツールの分業です。言語モデル側がワークフローの進行、データベースの探索、科学的な推論を担い、分子に関する計算は決定論的なツールが実行します。生成AIに数値を推測させるのではなく、計算部分を既存の確かな実装に任せる構成だと読み取れます。
基盤になっているのは、20年以上にわたり世界中のコミュニティで開発されてきたオープンソースのケモインフォマティクスツールキット「RDKit」です。さらにChEMBLやPubChemのキュレーション済みリソースへのコネクタを組み合わせ、領域のベストプラクティスをエージェントのワークフローに埋め込んでいると説明されています。
原文は、同じ分子が論文ではIUPAC名、特許ではMarkush構造、カタログではSDFというように多様な形式で表され、原子や結合を1つ変えるだけで別の化合物になってしまう点を、この分野の難しさとして挙げています。スキルはこうした表記の揺れを扱い、科学者がデータ整理ではなく仮説に時間を使えるようにすることを狙うとしています。
crizotinibからlorlatinibへ
記事では、薬の効力を高める古典的な手法である「剛直化（rigidification）」を題材にした実演が紹介されています。柔軟な分子は溶液中で多くの立体構造（コンフォメーション）を取り得る一方、標的に結合するには1つの形に固定される必要があります。その自由度を失うことがエントロピー的なコストとなり、効力を下げる要因になるという説明です。
例として挙げられているのが、非小細胞肺がんに使われるチロシンキナーゼ阻害薬（TKI）のcrizotinibとlorlatinibです。crizotinibには主要な回転可能結合が5つあるのに対し、lorlatinibは分子末端が環化されて回転可能結合が実質ゼロになり、効力が高まったと説明されています。エージェントは文献からこれらの薬と類縁体を抽出し、報告されたデータと紐づけたうえで、環化の有無だけが異なる分子ペアを比較するマッチトモレキュラーペア解析（MMPA）を実行しました。
解析結果は、環化によって回転可能結合が減り、おおむね効力が上がるという想定どおりの傾向でした。エージェントはさらに、複数の特徴量セットとモデル構造で効力予測モデルを構築し、ホールドアウトしたデータで検証しています。最後に学んだ内容をもとに新規のマクロサイクルを設計し、複数の反応と合成経路を提案しました。提案化合物はAlphaFoldや分子動力学シミュレーションに渡せるほか、結果は業界標準の化学ソフトウェアに読み込める形式でエクスポートできるとされています。
できないことと注意点
筆者らは、このツールでできないことも明示しています。データが乏しい場合や、実験室間のアッセイのばらつき、ダイナミックレンジの狭さは、最も強力なモデルであっても予測精度の上限を決めてしまいます。計算による設計は「検証可能な仮説」であり、完成した薬ではないと原文は述べています。
つまり、提案された設計はすべて合成し、実験で検証する必要があります。加えて、この記事は1時間という短時間での実演を紹介したもので、精度や再現性を定量的に評価したものではありません。どの程度のデータ規模や計算資源で同じ結果が得られるのかは、この記事からは読み取れません。
| 項目 | crizotinib | lorlatinib |
|---|---|---|
| 世代 | 第1世代 | 第3世代 |
| 主要な回転可能結合の数 | 5 | 実質0（末端を環化） |
| 環化の有無 | なし | 末端を環化 |
| 効力 | 原文に記載なし | より高い |
Sparse data, inter-lab assay noise, and narrow dynamic ranges limit the predictive precision of even the most powerful models; computational designs are testable hypotheses, not finished drugs.
データが乏しいこと、実験室間のアッセイのばらつき、ダイナミックレンジの狭さは、最も強力なモデルであっても予測精度の上限を決めてしまう。計算による設計は検証可能な仮説であり、完成した薬ではない。
今後の見通し
今回の発表は、汎用のエージェント環境にドメイン特化の「スキル」を足すという設計パターンが、創薬の実務ワークフローにどこまで届くかを示す事例と位置づけられます。次に判断材料になるのは、提案されたマクロサイクルが実際に合成され、実験で効力が確認されたかどうかという点です。計算上の予測が実験とどれだけ一致したかが示されれば、実用性の評価が進むとみられます。あわせて、1時間という短縮がどの程度のデータ規模と計算資源で成立したのか、データ品質の悪い領域や別の標的でも同様に機能するのかが明らかになれば、導入判断がしやすくなります。1万人枠の無償提供による利用者側の報告も注目されます。
日本の開発者・IT企業にとっての意味
創薬は国内の製薬企業やCROにとって重要な領域であり、文献・特許・カタログといった異なる形式のデータを突き合わせる作業は少なくない工数を占めます。今回示された「言語モデルは段取りと推論、計算は決定論的ツール」という分業は、数値の正確性が問われる規制産業のAIシステム設計において参考になる型です。材料開発や製造プロセスなど、分子を扱う隣接領域にも同じ考え方を流用できる可能性があります。一方で、出力はあくまで検証すべき仮説であり、合成と実験が前提だという点は、社内PoCで精度を語る際の注意点になります。また、RDKitやChEMBLといった既存のオープンソース資産を「スキル」という配布単位で束ねる approach は、自社エージェント基盤を設計する際の指針になり得ます。料金、SLA、データの扱いは別途確認が必要です。
気になる点
- 日本からも利用できますか？
- 原文は地域ごとの提供範囲に触れていません。現時点で日本での可用性は公表されていません。利用にはAntigravityアプリと「Science」プラグインのインストールが必要で、企業ユーザーはGoogle Cloudの認証情報でログインする形になると説明されています。
- 費用はどのくらいかかりますか？
- 原文に価格の記載はありません。科学者1万人を対象に、最高利用枠を6か月間無償提供するプログラムが用意され、適格性・容量・選考の条件のもと順次案内されるとしています。それ以外の料金体系はこの記事では不明です。
- 既存の創薬ワークフローに組み込めますか？
- 結果は業界標準の化学ソフトウェアに読み込める複数の形式でエクスポートできるとされています。基盤がRDKitであるため、RDKitを中心にした既存パイプラインとは親和性が高いと考えられますが、対応形式の詳細は原文に列挙されていません。
用語解説
- RDKit
- オープンソースのケモインフォマティクスツールキット。分子構造の処理や記述子計算に使われ、20年以上コミュニティで開発されている。
- マッチトモレキュラーペア解析（MMPA）
- 小さな構造変化だけが異なる分子ペアを比較し、その変化が効力などに与える影響を切り出す手法。
- 回転可能結合
- 単結合のうち、回転によって分子の立体形状が変わる結合。多いほど分子は柔軟で多くのコンフォメーションを取れる。
- マクロサイクル
- 環状に閉じた比較的大きな分子構造。末端同士を結んで環化し、分子を剛直化する用途に使われる。
- チロシンキナーゼ阻害薬（TKI）
- 特定の酵素（チロシンキナーゼ）の働きを阻害する低分子薬。肺がん治療などに用いられるものがある。
- 足場分割（scaffold split）
- 分子の骨格が重複しないようにデータを分割する手法。未知の骨格への汎化性能を見積もるために使う。
出典
Agentic cheminformatics with Google Antigravity
https://deepmind.google/blog/agentic-cheminformatics-with-google-antigravity
AI導入も顧問も、お任せください
何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。
AI導入について相談する