Google Antigravity 发布 Cheminformatics Skills，实现药物发现工作流加速

Google DeepMind 在 Google Antigravity 平台正式推出 Cheminformatics Skills，将 RDKit、ChEMBL 和 PubChem 等化学信息学工具集成到 Agent 框架中，使药物发现流程从数天缩短至一小时。该更新通过让语言模型负责工作流编排与科学推理，而确定性化学工具执行分子计算，实现了人机协作的科学工作台模式。

核心证据在于其具体技术实现：技能基于 RDKit 构建，并连接了 curated resources from ChEMBL and PubChem。在演示案例中，Agent 搜索了数千种化合物，执行了 matched molecular pair analysis (MMPA)，并成功提出了具有合成路线的新型刚性大环化合物。例如，通过分析 crizotinib 和 lorlatinib 系列，Agent 揭示了大环结构（如 lorlatinib）通常具有更少的可旋转键和更高的效力，并据此设计了新的反应路径。

这一发布标志着 AI Agent 从通用任务向专业科学领域的实质性迁移。事实层面，它证明了 Agent 可以处理复杂的化学数据格式转换和错误校正；推断层面，这意味着未来药物研发中的“假设生成”环节可能由 AI 主导，科学家只需专注于验证；猜测层面，这种模式可能会迅速扩展到其他科学领域，但需注意文中明确指出的局限性——预测精度受限于稀疏数据和实验室噪声，AI 生成的设计仍是待验证的假设而非成品药物。