Google ha añadido a Antigravity un conjunto de habilidades para trabajar con química. Las nuevas Cheminformatics Skills, anunciadas el 3 de noviembre, permiten encadenar tareas que normalmente obligan a combinar literatura científica, bases de datos y programas especializados: localizar compuestos, reunir sus propiedades, analizarlos y proponer diseños para seguir investigando.
La compañía muestra un recorrido de aproximadamente una hora centrado en medicamentos existentes contra ciertos cánceres de pulmón. El agente recupera información, prepara un visor de moléculas y construye modelos predictivos. La novedad está en reunir ese trabajo dentro de una misma mesa de investigación, con resultados que el científico puede inspeccionar.
Qué hace el agente con los documentos y las moléculas
En la demostración publicada por Google DeepMind, Antigravity busca literatura sobre compuestos relacionados, extrae las moléculas y sus datos y filtra elementos que no interesan al análisis, como disolventes o tampones.
Después organiza el conjunto en un visor interactivo. El investigador puede abrir una estructura, consultar sus metadatos y explorar relaciones entre propiedades. Eso permite revisar qué información sostiene una propuesta, en lugar de recibir una respuesta cerrada sin acceso a los materiales utilizados.
El siguiente paso consiste en comparar pares de moléculas con cambios pequeños y entrenar modelos que ayuden a estimar propiedades. Google muestra también propuestas de nuevos diseños y posibles rutas de síntesis, que quedan como hipótesis para estudiar.
Por qué la demostración compara moléculas flexibles y rígidas
El ejemplo utiliza una estrategia conocida en química medicinal: reducir la libertad de movimiento de una molécula. Una estructura con varios enlaces rotatorios puede adoptar muchas formas. Para unirse a su objetivo debe alcanzar una configuración adecuada, algo que influye en su comportamiento.
La demo compara estructuras relacionadas con crizotinib y lorlatinib para explorar cómo la formación de ciclos cambia esa flexibilidad. Son medicamentos que ya existían. No se presentan como tratamientos descubiertos ahora por Antigravity.
Ese caso permite mostrar un flujo de trabajo reconocible para un químico: reunir antecedentes, buscar patrones, comprobarlos con análisis y plantear una modificación razonada. El interés no depende únicamente de producir una imagen molecular llamativa, sino de conservar los datos que permiten discutirla.
Science reúne herramientas y fuentes especializadas
La página de Antigravity para ciencia explica que las personalizaciones pueden combinar plugins, habilidades y subagentes con más de 30 bases de datos de ciencias de la vida. Entre las fuentes citadas están UniProt, PubChem y ChEMBL.
También describe acceso desde el entorno de trabajo a recursos de DeepMind como AlphaGenome y AlphaFold Database, además de herramientas para crear representaciones estructurales y scripts de análisis reproducibles.
Para un equipo científico, esa integración puede reducir los pasos entre encontrar un resultado y examinarlo con otra herramienta. La ventaja práctica tendrá que valorarse en su propio trabajo: qué información logra recuperar, cuánto necesita corregir y si otra persona puede reproducir lo obtenido.
Cómo se accede y qué ofrece el programa gratuito
Las habilidades están disponibles a través del plugin Science de Antigravity, que se instala desde el apartado de personalizaciones de la aplicación. Google indica que los usuarios empresariales pueden entrar con la opción de cuenta de empresa y sus credenciales de Google Cloud.
La compañía también ha abierto solicitudes para que 10.000 científicos reciban durante seis meses su nivel de uso más alto. El programa está sujeto a requisitos, selección, capacidad y una incorporación gradual. Presentar la solicitud no garantiza una plaza ni convierte ese nivel en gratuito para todo el público.
La novedad anunciada es el conjunto de herramientas químicas. El texto no fija una nueva tarifa universal de Antigravity para todas las cuentas.
Qué falta entre una propuesta y un medicamento
Google señala límites concretos: datos escasos, diferencias entre ensayos de laboratorios y rangos de medida reducidos pueden afectar a las predicciones. Una estructura interesante en pantalla todavía debe poder sintetizarse y superar las comprobaciones experimentales pertinentes.
Es el mismo salto que conviene observar en los proyectos biomédicos con Claude y GPT-Rosalind: ayudar a elegir o analizar una idea es distinto de demostrar su efecto en pacientes.
Antigravity propone acelerar el trabajo previo y hacerlo más accesible para científicos con distintos perfiles. El resultado que muestra hoy es una investigación computacional más integrada. Los experimentos posteriores serán los que decidan qué diseños merecen avanzar.