Ein Forscherteam des Shanghai Institute of Organic Chemistry der Chinesischen Akademie der Wissenschaften hat mit Void-X ein neues generatives KI-Modell vorgestellt, das atomare Protein-Protein-Wechselwirkungen mit bisher unerreichter Präzision vorhersagt und gestaltet. Die Ergebnisse wurden am 9. Juni 2026 im Fachjournal Proceedings of the National Academy of Sciences veröffentlicht. Im Gegensatz zu herkömmlichen Ansätzen, die meist von oben nach unten arbeiten und zunächst eine globale Proteinstuktur entwerfen, bevor die bindenden Sequenzen optimiert werden, setzt Void-X auf einen bottom-up-Ansatz. Das Modell füllt atomare Lücken in Proteinschnittstellen anhand erlernter atomarer Interaktionsmuster auf. Der Algorithmus basiert auf der Annahme, dass stabile Makromolekülkomplexe durch lokale Wechselwirkungen benachbarter Atome sowie langreichweitige Kopplungen entstehen. Statt ganzer Proteingefüge generiert Void-X direkt atomare Cluster, die für eine maximale Packungsdichte in definierten Strukturregionen optimiert sind. Für das Training sammelten die Autoren Yang Jing, Yuan Junying und James J. Chou über acht Millionen sphärische atomare Cluster aus dem Protein Data Bank und maskierten etwa 30 Prozent der äußeren Atome, um das Modell zur Vorhersage fehlender Strukturen zu schulen. Das Ergebnis ist ein Modell mit 172 Millionen Parametern, das eine prädiktive Genauigkeit von 78,3 Prozent bei innerproteinen und 68,2 Prozent bei interproteinen Clustern erreicht. Diese Leistung ermöglicht die de-novo-Generierung atomarer Proteininteraktionen auf physikalisch fundierter Basis. Die Entwickler betonen, dass die Integration atomarer Details mit generativer KI den Werkzeugkasten für das rationale Design biomolekularer Schnittstellen erweitert. Anwendungen sind in der Wirkstoffentwicklung, der synthetischen Biologie und der Therapieforschung zu erwarten, insbesondere im Bereich krankheitsrelevanter Proteinwechselwirkungen und biotechnologischer Liefermethoden. Die Innovation könnte die Beschleunigung neuer Therapeutika, darunter Antikörper- und Insulintherapien, signifikant vorantreiben und bisherige Lücken in der strukturellen Biologie schließen.