Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind3. November 2026 · Q000807

Agentic Cheminformatics with Google Antigravity

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht stellt Antigravity-Skills vor, mit denen ein Agent laut den Autorinnen und Autoren chemische Literaturdaten zusammenträgt, Moleküle vergleicht, Vorhersagemodelle erstellt und neue zyklische Wirkstoffkandidaten samt Syntheseideen vorschlägt. Die gezeigte Analyse deutet auf weniger drehbare Bindungen und im Allgemeinen höhere Wirksamkeit bei zyklisierten Verbindungen hin. Die Vorschläge bleiben Hypothesen: Begrenzte und uneinheitliche Daten schränken Vorhersagen ein, und jeder Entwurf muss experimentell geprüft werden.

Mittel

Der Bericht beschreibt Cheminformatik-Skills für Google Antigravity, die laut den Autorinnen und Autoren Wirkstoffforschung beschleunigen sollen. In einem Beispiel zu Lungenkrebsmedikamenten sucht ein Agent in Literatur und Datenquellen nach Tausenden Molekülen, ordnet Quellen zu, filtert irrelevante Treffer und bereitet die Daten für interaktive Vergleiche auf. Das Sprachmodell koordiniert die Arbeit und das wissenschaftliche Vorgehen; RDKit-basierte Werkzeuge übernehmen Molekülberechnungen.

Untersucht wird unter anderem, ob die Zyklisierung von Molekülen ihre Beweglichkeit einschränkt und die Wirksamkeit steigert. Eine Analyse ähnlicher Molekülpaare habe im betrachteten Datensatz im Allgemeinen weniger drehbare Bindungen und höhere Wirksamkeit bei zyklisierten Verbindungen gezeigt. Der Agent trainierte außerdem Vorhersagemodelle und entwarf neue Makrozyklen samt möglichen Reaktionen und Synthesewegen. Die Autorinnen und Autoren geben an, dass der Ablauf etwa eine Stunde statt mehrerer Tage beanspruchte.

Sie warnen jedoch, dass wenige Daten, Unterschiede zwischen Labortests und begrenzte Messbereiche die Modellgenauigkeit einschränken. Entwürfe sind Hypothesen und müssen synthetisiert und experimentell geprüft werden; der Bericht bietet keine unabhängige Überprüfung der Leistungsangaben.

Ausführlich lesen

Der Bericht stellt Google Antigravity mit neuen Cheminformatik-Skills als Arbeitsumgebung vor, die laut Autorinnen und Autoren die frühe Wirkstoffforschung beschleunigen soll. Als Beispiel dient die Entwicklung von Lungenkrebsmedikamenten aus der Crizotinib- und Lorlatinib-Reihe. Die zugrunde liegende Aufgabe umfasst das Zusammenführen chemischer Daten aus Fachliteratur, Patenten und Katalogen. Das ist fehleranfällig, weil Moleküle in unterschiedlichen Formen beschrieben werden und schon eine Änderung an einem Atom oder einer Bindung eine andere Substanz ergibt.

Die Skills verbinden RDKit mit Datenquellen wie ChEMBL und PubChem. Das Sprachmodell übernimmt laut Bericht die Koordination des Arbeitsablaufs, die Suche in Datenbanken und wissenschaftliche Überlegungen; deterministische Chemiewerkzeuge führen Molekülberechnungen aus. Im beschriebenen Ablauf sucht der Agent nach Tausenden Verbindungen, ordnet ihnen Quellen und Daten zu, filtert etwa Puffer und Lösungsmittel aus und bereitet die Treffer für weitere Analysen auf. Ein interaktiver Betrachter erlaubt es, Moleküle und Metadaten zu prüfen und Eigenschaften wie Wirksamkeit, Zahl drehbarer Bindungen und Makrozyklus-Status zu vergleichen.

Im Mittelpunkt steht die sogenannte Rigidifizierung: Zusätzliche Bindungen schränken die Beweglichkeit eines Moleküls ein. Der Bericht beschreibt Crizotinib als vergleichsweise flexibel und Lorlatinib als zyklisierte, stärker eingeschränkte Variante. Die Autorinnen und Autoren berichten, dass eine Analyse ähnlicher Molekülpaare (MMPA) für die betrachteten Verbindungen im Allgemeinen weniger drehbare Bindungen und höhere Wirksamkeit bei Zyklisierung zeigte. Außerdem habe der Agent verschiedene Modelle zur Wirksamkeitsvorhersage trainiert und an zurückgehaltenen Daten geprüft. Je nach Verfügbarkeit der Zeitangaben seien chronologische Aufteilungen bevorzugt worden; alternativ kamen Aufteilungen nach Molekülgerüst zum Einsatz, um die Übertragbarkeit besser einzuschätzen.

Auf Grundlage der Analyse schlug der Agent neue Makrozyklen, mögliche Reaktionen und Synthesewege vor und sagte deren Wirksamkeit mit den zuvor trainierten Modellen voraus. Die Vorschläge könnten anschließend etwa mit AlphaFold oder molekulardynamischen Verfahren weiter untersucht und in gängige Chemiesoftware exportiert werden. Laut Bericht dauerte die gezeigte Arbeit ungefähr eine Stunde statt mehrerer Tage.

Die Grenzen werden ausdrücklich betont: Wenige Daten, Unterschiede zwischen Labortests und begrenzte Messbereiche schränken die Vorhersagegenauigkeit ein. Die berechneten Designs sind prüfbare Hypothesen und keine fertigen Medikamente; jedes muss synthetisiert und experimentell validiert werden. Der Bericht beschreibt einen demonstrierten Arbeitsablauf, liefert im Text aber keine unabhängige Überprüfung seiner Leistungsversprechen. Die Skills seien über Antigravity und das Science-Plugin verfügbar; für 10.000 Forschende wird zudem ein kostenloser Zugang zur höchsten Nutzungsstufe für sechs Monate angeboten, abhängig von Voraussetzungen, Kapazität und Auswahl.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde vor allem Lunas mittlere Zusammenfassung. Die kurze Fassung ist ebenfalls treu, lässt aber dieselben Fallstudien-Details aus. Die Einordnung erfolgte unabhängig von Lunas Stufen und Anteilen. Der Bericht ist ein Wirkstoffforschungs-Beitrag, deshalb liegen die Fragen zu KI-Governance und Laborsicherheit größtenteils außerhalb seines Themas.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Fallstudie zu den Wirkstoffen Crizotinib und Lorlatinib als Beispiel für Rigidisierung (Zyklisierung senkt drehbare Bindungen)
  • Die Validierung der Modelle mit zeitlichen bzw. Scaffold-Splits

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F3 Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 38 %gleiches Oberthema, hilft nicht
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-F3-T02 Welche Verantwortung sollten KI-Firmen gegenüber der Öffentlichkeit tragen, wenn ihre Modelle grundlegende wissenschaftliche Entdeckungen ermöglichen, die gefährliche Anwendungen finden könnten? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 32 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 33 %gleiches Oberthema, hilft nicht
    • Luna 41 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-T3-T03 Welche Teile von Training, Prüfung und Einsatz laufen schon heute weitgehend durch KI, und welche Rollen sagt jedes Labor zu, bei Menschen zu lassen, in einer veröffentlichten Liste statt als bloßer Grundsatz? Wenn KI nachfolgende Modelle selbst entwirft, trainiert und prüft: Welcher Mindestanteil der Forschung muss unter direkter menschlicher Prüfung bleiben, und wie belegt man, dass ein Durchbruch mit menschlicher Beteiligung und nicht vollautomatisch entstanden ist? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 56 %einzelne zitierbare Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 23 %gleiches Oberthema, hilft nicht
    • Luna 30 %einzelne zitierbare Belege
    • JEV 56 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 44 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 50 %einzelne zitierbare Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 59 %Hintergrund, keine Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 26 %Hintergrund, keine Belege
    • JEV 53 %einzelne zitierbare Belege
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →