Google DeepMindは2026年11月3日(米国時間)、AIエージェント開発環境「Google Antigravity」向けに、化学情報学(ケモインフォマティクス、化合物のデータを計算機で扱う分野)の作業をまとめた「Cheminformatics Skills」を公開しました。論文や公開データベースから化合物を集め、構造と活性の関係を分析し、予測モデルを作って新しい分子と合成経路を提案するまでを、エージェントに対話で指示できます。DeepMindは、通常は1回の検討に数日かかる流れが「1時間ほど」で回ったとしています。製薬・化学メーカーの計算化学者や、プログラミングに慣れていない実験系の研究者に関係するニュースです。
何が公開されたのか
Cheminformatics Skillsは、AntigravityのアプリにScienceプラグインを入れると使えるスキル(エージェントに特定の作業手順と道具を与える追加機能)の集まりです。DeepMindは役割分担をはっきり分けています。LLMは作業の段取り、データベースの検索、科学的な推論を担当し、分子量や構造の比較といった計算そのものは決まった答えを返す化学ツールが実行します。土台はオープンソースの化学情報ツールキット「RDKit」で、生理活性データベース「ChEMBL」と化合物データベース「PubChem」に接続します。
主な機能は次のとおりです。
- 文献・特許の検索と、化合物データの収集・整理(緩衝液や溶媒など無関係な分子の除外、出典の記録を含む)
- 化合物ビューアと、化学空間や活性分布を示すダッシュボードの作成
- マッチド分子ペア解析(MMPA、1か所だけ構造が違う化合物の組を比べて、その変化が活性にどう効くかを調べる手法)
- 予測モデルの学習と、骨格単位や時系列での公平なデータ分割
- 反応の検証、電子の動きを示す反応機構図の作成、公開データベースでの類似反応の検索
結果は業界標準の化学ソフトに書き出せるとしています。
肺がん治療薬を題材にした実演
DeepMindは、非小細胞肺がんの治療薬クリゾチニブ(第1世代)と、その分子を環状につないで回転できる結合を減らしたロルラチニブ(第3世代)を題材に、一連の流れを示しました。
エージェントは数分で数千件の化合物を集め、568化合物に絞り込みました。分析では、環化によって回転できる結合が減り、活性はおおむね上がる傾向が確認され、最も活性の高い化合物ほど分子が硬いことが示されています。最後に、前駆体から12員環の環状エーテルを作る経路など、新しい候補分子を合成ルート付きで提案しました。
一方で、DeepMind自身が限界を明記しています。データが少ない、研究室ごとの測定のばらつき、活性値の幅の狭さといった事情で予測の精度には上限があり、「計算で得た設計は検証すべき仮説であって、完成した薬ではない」(computational designs are testable hypotheses, not finished drugs)と書いています。提案されたすべての分子は、実際に合成して実験で確かめる必要があります。
なぜこの発表が重要なのか
RDKitやChEMBLは計算化学の現場で広く使われていますが、使いこなすにはPythonでの処理やデータの前処理が必要で、実験を主にする研究者には敷居がありました。今回のスキルは、その道具立てをそのままエージェントに持たせ、計算部分はLLMに任せない設計にしている点が特徴です。LLMが分子の性質を「それらしく」答えてしまう誤りを避けるための作りだと考えられます。
AI企業による創薬・生命科学向けの取り組みは続いています。Anthropicは9月に製薬・バイオ研究者向けの認証プログラムを始めており、Googleは開発環境のAntigravityを科学研究の作業台として位置付けにきた形です。
日本の研究者・企業にとっての意味
利用方法は2つ示されています。個人はAntigravityアプリをダウンロードしてScienceプラグインを入れます。企業はアプリで「Use Business Account」を選び、Google Cloudの認証情報でログインします。加えて、研究者1万人にAntigravityの最上位の利用枠を6カ月無償で提供する募集も案内されています(適格性・容量・選考あり、順次受け入れ)。この無償枠は10月のGemini 4 Argon公開時にも触れたものです。発表では、日本からの利用可否や料金、スキル自体のオープンソース化には触れていません。
国内の製薬会社や化学メーカーにとっては、ChEMBLやPubChemといった公開データでの探索的な検討を、実験系の研究者が自分で回せるようになる可能性があります。ただし、社内の化合物データや未公開の構造をクラウドのエージェントに渡してよいかは、情報管理の規程と照らして判断が必要です。
次にやることとしては、まず公開データだけを使ってDeepMindの実演と同じ流れ(文献収集→MMPA→候補提案)を自社の関心領域で試すこと、出力された化合物リストを既存のRDKitの処理と突き合わせて取りこぼしや誤りを確かめること、そして社外秘データを扱う前に企業アカウントでのデータ取り扱い条件を確認すること、の3つから始めるのが現実的です。
