Google Antigravity + NexoPeek: Wenn KI Moleküle vorschlägt, validiert VR sie
Es ist Mittwochabend, 22:47 Uhr, und ich starre auf einen Bildschirm voller Zahlen, die keinen Sinn ergeben. Drei Wochen lang habe ich mit Google Antigravity nach einer stabileren Variante eines Wirkstoffkandidaten gesucht – ein Molekül, das theoretisch an einen Rezeptor binden sollte, den wir seit Monaten untersuchen. Die KI liefert mir zwölf Vorschläge, alle mit vielversprechenden Scores, alle mit dieser beruhigenden grünen Ampel, die sagt: Das könnte funktionieren.
Nur: Ich weiß aus Erfahrung, dass „könnte funktionieren" in der Molekularbiologie etwa so viel wert ist wie ein Wetterbericht für nächste Woche.
Ich erinnere mich an ein Projekt vor zwei Jahren. Damals haben wir sechs Wochen in eine Verbindung investiert, die in der Simulation perfekt aussah. Am Ende stellte sich heraus, dass die Bindetasche in der Realität völlig anders geformt war – ein winziger Unterschied in der Konformation, den kein Score erfasst hatte. Sechs Wochen. Weg.
Also sitze ich hier, an diesem Mittwochabend, und denke: Nicht noch einmal.
Der Moment, in dem ich es sehe
Ich lade die zwölf Vorschläge in NexoPeek. Nicht als Tabelle, nicht als 2D-Diagramm – als VR-Umgebung, in der ich um das Molekül herumgehen kann. Die Brille sitzt etwas locker, ich schiebe sie zurecht. Es ist warm im Raum, das Summen meines Rechners ist das einzige Geräusch.
Und dann sehe ich es.
Vorschlag Nummer sieben. In der Zahlenwelt hatte er den zweitbesten Score. Aber als ich in VR um die Bindetasche herumgehe, sehe ich, dass eine Seitenkette nach außen zeigt, wo sie eigentlich nach innen zeigen müsste. Kein Score hatte das markiert. Aber mein Auge – oder besser: mein räumliches Verständnis – erkennt es sofort.
Ich bleibe stehen. Atme einmal tief durch.
Das ist der Punkt, an dem ich verstehe, warum wir diese beiden Werkzeuge zusammen nutzen sollten. Nicht als Ersatz füreinander. Als Gespräch.
Was hier eigentlich passiert
Lass mich kurz technisch werden, weil ich glaube, dass genau hier der interessante Teil liegt.
Google Antigravity ist kein einzelnes Tool, sondern eine Sammlung von KI-gestützten Werkzeugen für Wirkstoffforschung – generative Modelle, die Molekülstrukturen vorschlagen, Scoring-Funktionen, die Bindungsaffinitäten schätzen, und Pipeline-Komponenten, die Kandidaten filtern. Der Reiz: Du gibst ein Zielprotein und ein paar Constraints ein, und bekommst strukturierte Vorschläge zurück. Schnell. Skalierbar.
NexoPeek ist etwas anderes. Es ist eine VR-Plattform, mit der du Moleküle räumlich erkunden kannst – als 3D-Objekte, die du greifen, drehen, durchdringen kannst. Keine flachen Repräsentationen, sondern echte räumliche Strukturen, die dein Gehirn so verarbeitet, wie es physische Objekte verarbeitet.
Das Problem mit KI-Vorschlägen ist nicht, dass sie falsch sind. Das Problem ist, dass sie plausibel sind. Ein Score von 0,87 sagt dir nicht, ob die Bindetasche wirklich passt – er sagt dir nur, dass das Modell glaubt, dass sie passt. Und Modelle haben blinde Flecken, besonders bei räumlichen Details, die in Trainingsdaten unterrepräsentiert sind.
VR hat diese blinden Flecken nicht. Wenn du ein Molekül räumlich siehst, siehst du Kollisionen, Fehlausrichtungen, sterische Hinderungen – Dinge, die in Zahlenreihen verschwinden.
Wie ich es konkret nutze
Mein Workflow ist inzwischen ziemlich eingespielt, und ich glaube, er ist übertragbar:
Antigravity generiert Kandidaten. Ich gebe Zielprotein, bekannte Bindungsstellen und ein paar physikochemische Constraints ein. Zurück kommen strukturierte Vorschläge mit Scores.
Ich filtere grob. Alles unter einem bestimmten Schwellenwert fliegt raus. Das ist reine Zahlenarbeit, dafür brauche ich keine VR.
Die Überlebenden kommen in NexoPeek. Und hier wird es interessant: Ich gehe nicht jeden Kandidaten gleich an. Ich habe mir angewöhnt, zuerst die Bindetasche zu inspizieren – nicht das ganze Molekül. Wo sitzt der Ligand? Wie passt er? Gibt es offensichtliche Konflikte?
Ich markiere Auffälligkeiten. NexoPeek erlaubt es, Annotationen zu setzen, Notizen an bestimmten Atomen oder Regionen zu hinterlassen. Das ist wichtig, weil ich nach zwei Stunden in VR sonst vergesse, was ich wo gesehen habe.
Zurück zu Antigravity. Die markierten Probleme fließen in die nächste Iteration ein. Entweder als harte Constraints oder als Feedback für die Neugenerierung.
Der entscheidende Punkt: Ich nutze die KI nicht als Orakel. Ich nutze sie als Ideengenerator. Und VR als Realitätscheck.
Ein ehrlicher Trade-off
Das ist nicht immer schneller. Manchmal ist es langsamer.
Wenn ich zehn Kandidaten habe und alle in VR inspiziere, kostet das Zeit. Zeit, in der ich theoretisch schon längst den nächsten Batch generieren könnte. Es gibt Tage, an denen ich denke: Warum mache ich das nicht einfach mit Zahlen?
Die Antwort kommt jedes Mal, wenn ich einen Kandidaten finde, den die Scores durchgelassen hätten, der aber räumlich offensichtlich nicht funktioniert. Oder – seltener, aber umso wertvoller – einen Kandidaten, den die Scores unterschätzt haben, weil die Bindetasche in der Realität flexibler ist als im Modell.
Diese Treffer rechtfertigen den Aufwand. Aber ich will nicht behaupten, dass es immer effizient ist. Es ist gründlicher. Und Gründlichkeit hat in der Wirkstoffforschung einen anderen Wert als Geschwindigkeit.
Was ich gelernt habe
Drei Dinge, die ich vorher nicht so klar gesehen habe:
Erstens: KI und VR sind keine Konkurrenten. Sie arbeiten auf unterschiedlichen Ebenen. Die KI sieht Muster in Daten, die ich nicht sehen kann. Ich sehe räumliche Zusammenhänge, die die KI nicht sehen kann. Zusammen decken wir mehr ab.
Zweitens: Die Reihenfolge ist wichtig. Erst generieren, dann filtern, dann räumlich prüfen. Wenn ich umgekehrt anfange – erst in VR herumstöbere, dann die KI frage – verliere ich mich. Die KI gibt mir eine Struktur, die VR gibt mir die Tiefe.
Drittens: Nicht jeder Kandidat verdient VR-Zeit. Ich habe gelernt, nach Scores vorzufiltern, bevor ich die Brille aufsetze. Klingt offensichtlich, aber ich habe am Anfang jeden Vorschlag in 3D angeschaut. Das war Verschwendung.
Und dann, irgendwann
Es ist jetzt fast Mitternacht. Vorschlag Nummer sieben habe ich verworfen. Aber Vorschlag Nummer elf – der mit dem mittelmäßigen Score, der mich in der Tabelle nicht überzeugt hatte – sieht in VR überraschend gut aus. Die Bindetasche passt. Die Seitenketten zeigen in die richtigen Richtungen. Keine offensichtlichen Konflikte.
Ich markiere ihn. Setze eine Notiz. Morgen geht er zurück in die Pipeline, mit ein paar zusätzlichen Constraints, die ich heute Abend gelernt habe.
Es ist kein Durchbruch. Es ist ein Schritt. Aber es ist ein Schritt, den ich ohne diese Kombination vielleicht nicht gemacht hätte – oder erst sechs Wochen später.
Ich nehme die Brille ab. Der Raum ist still. Auf dem Bildschirm leuchtet immer noch Antigravity, wartet auf den nächsten Batch.
Wenn du selbst mit Molekülen arbeitest – oder einfach neugierig bist, wie KI und räumliches Denken zusammenspielen können – schau dir NexoPeek an. Vielleicht findest du deinen eigenen Vorschlag Nummer elf.
Top comments (0)