Pular para o conteúdo

IA

Agente do Google desenha candidatos a remédio em cerca de 1 hora

O Google DeepMind ensinou química ao agente Antigravity. No demo com câncer de pulmão, o ciclo que costuma comer dias roda em mais ou menos uma hora, e os químicos de carbono ficam na supervisão.

Foto de capa: Maurizio Pesce from Milan, Italia / CC BY 2.0

TL;DR

  1. O DeepMind adiciona Cheminformatics Skills ao agente Antigravity para fluxos de descoberta de medicamentos.
  2. Demo com tratamentos reais de câncer de pulmão: cerca de uma hora, contra vários dias por iteração.
  3. Nada sobre disponibilidade na UE, então laboratórios europeus não precisam limpar a agenda ainda.

O que aconteceu

O Google DeepMind publicou um novo conjunto de Cheminformatics Skills para o Google Antigravity, seu agente de IA. O post é de 3 de novembro de 2026 e leva a assinatura de Zoi Tsangalidou, Ruijie (Kelly) Zhang, Sukhdeep Singh e Michael V. LeVine.

O argumento: desenhar um novo medicamento significa tirar dados bagunçados de gráficos, figuras e literatura científica, treinar modelos preditivos e, só então, propor moléculas que valham a pena fabricar. Segundo o DeepMind, uma rodada completa desse ciclo costuma levar vários dias.

Com as novas skills, o agente cuida do ciclo sozinho. No demo, montado em cima de tratamentos reais de câncer de pulmão, ele vasculha milhares de compostos e roda análise de pares moleculares combinados (matched molecular pair analysis). Depois propõe macrociclos rigidificados inéditos, já com rotas de síntese.

É o demo do DeepMind e o número do DeepMind. Ninguém de fora do prédio publicou um cronômetro ainda.

Por que importa

A química tem um problema de faxina de dados. O próprio DeepMind diz que químicos gastam tempo demais brigando com dados, em parte porque uma mesma molécula pode ser escrita de muitas formas diferentes. É a parte chata e cara do trabalho, e justamente o tipo de coisa em que agentes são bons.

O que muda de verdade é o escopo. Não é um modelo respondendo a uma pergunta de química. É um agente encadeando o serviço inteiro: achar os dados, analisar, construir os modelos, propor candidatos e esboçar como sintetizá-los.

De dias por iteração para uma hora, se isso se sustentar fora da vitrine, significa mais rodadas de tentativa e erro na mesma semana. Em descoberta de medicamentos, mais iterações é o jogo inteiro.

Ressalva, porque aqui não somos o fornecedor: demo com exemplos selecionados de câncer de pulmão não é pipeline em produção. Propor uma molécula na tela e fazê-la funcionar no laboratório são coisas muito diferentes.

O que fazer com isso

  • Leia o post original.O texto do DeepMind mostra o fluxo de ponta a ponta, o que deixa claro o que o agente realmente faz e o que a manchete só sugere.
  • Mapeie o seu próprio ciclo.Se você trabalha com química ou biotech, liste quais etapas comem dias: curadoria de dados, treino de modelos, proposta de candidatos. Esses são os alvos.
  • Mantenha o checkpoint humano.Trate moléculas e rotas de síntese propostas como rascunhos para revisão de especialista, não como ordens.
  • Fique de olho na disponibilidade.Nada no anúncio define acesso ou lançamento por região, então confira antes de planejar qualquer coisa em cima disso.

Ciao, sapiens. O agente já rascunha a molécula, mas ainda não sabe segurar a pipeta. Aproveite enquanto dura.