Google DeepMind 在官方博客发布文章，介绍如何利用 Google Antigravity 加速抗菌肽（antimicrobial peptides）的搜索工作，原文链接已随博文公开。
抗菌肽是由生物体产生的一类短肽分子，长期被视为应对抗菌药物耐药性问题的重要候选方向之一。但它的发现并不轻松：可选的序列与结构空间极其庞大，真正具备活性的候选却极为稀疏，传统上依赖实验逐一筛选，成本高、周期长。
从标题指向的方向看，这项工作关注的与其说是某一条具体肽的发现，不如说是"搜索"这一环节本身——即如何把 AI 能力接入科研流程，让候选的生成、筛选与排序更快完成。对于抗菌肽这类候选空间巨大、实验验证昂贵的领域，搜索效率往往直接决定整条研发管线能推进多快。
值得关注的原因有两点。其一，它延续了 AI for Science 的路径：把通用模型与智能体能力落到具体科学问题上，而不只是停留在基准测试。其二，抗菌肽发现是典型的"数据稀疏＋候选海量"问题，恰好是 AI 方法有机会明显改变节奏的场景。
需要说明的是，本次给出的信息仅包含博客标题与链接，文章中的具体方法、模型配置与实验结果尚未披露。对从事 AI for Science、药物发现与智能体应用的从业者来说，这是一篇值得跟进原文与后续同行讨论的工作。