Qué pasó
Google DeepMind ha publicado un nuevo conjunto de Cheminformatics Skills para Google Antigravity, su agente de IA. El post está fechado el 3 de noviembre de 2026 y firmado por Zoi Tsangalidou, Ruijie (Kelly) Zhang, Sukhdeep Singh y Michael V. LeVine.
El planteamiento: diseñar un medicamento nuevo implica sacar datos desordenados de gráficos, figuras y literatura científica, entrenar modelos predictivos y, después, proponer moléculas que merezca la pena fabricar. Según DeepMind, una sola vuelta por ese bucle suele llevar varios días.
Con las nuevas skills, el agente se encarga él solo del bucle. En la demo, montada sobre tratamientos reales de cáncer de pulmón, busca entre miles de compuestos y ejecuta análisis de pares moleculares emparejados (matched molecular pair analysis). Luego propone macrociclos rigidificados novedosos, con sus rutas de síntesis incluidas.
Es la demo de DeepMind y la cifra de DeepMind. Nadie fuera del edificio ha publicado todavía su propio cronómetro.
Por qué importa
La química tiene un problema de pelea con los datos. El propio DeepMind admite que los químicos pierden demasiado tiempo lidiando con ellos, en parte porque una misma molécula se puede escribir de muchas formas distintas. Es la parte aburrida y cara, y justo en eso son buenos los agentes.
El cambio interesante es el alcance. Esto no es un modelo que responde una pregunta de química. Es un agente que encadena el trabajo entero: encontrar los datos, analizarlos, construir los modelos, proponer candidatas y esbozar cómo sintetizarlas.
Pasar de días por iteración a una hora, si se sostiene fuera del escaparate, significa más rondas de prueba y error en la misma semana. En el descubrimiento de fármacos, más iteraciones es todo el juego.
Ojo, que nosotros no somos el vendedor: una demo con ejemplos de cáncer de pulmón bien escogidos no es un pipeline en producción. Proponer una molécula en pantalla y hacerla funcionar en un laboratorio son cosas muy distintas.
Qué hacer con esto
- Lee el post original.El texto de DeepMind enseña el flujo de principio a fin, y así ves qué hace realmente el agente frente a lo que sugiere el titular.
- Mapea tu propio bucle.Si trabajas en química o biotecnología, apunta qué pasos se comen días: curación de datos, entrenamiento de modelos, propuesta de candidatas. Esos son los objetivos.
- Mantén el control humano.Trata las moléculas y las rutas de síntesis propuestas como borradores para revisión experta, no como órdenes.
- Vigila la disponibilidad.Nada en el anuncio aclara el acceso ni el despliegue por regiones, así que compruébalo antes de planificar nada en torno a esto.
Ciao, sapiens. El agente ya puede dibujar la molécula, pero todavía no sabe sostener la pipeta. Disfrútalo mientras dure.


