Forschende des Instituts für Organische Chemie der Chinesischen Akademie der Wissenschaften in Shanghai haben ein neues generatives KI-Modell namens Void-X vorgestellt. Die im Journal PNAS veröffentlichten Erkenntnisse markieren einen strukturellen Wandel in der Protein-Interface-Design-Technologie. Im Gegensatz zu etablierten Verfahren, die konventionell von der Gesamtstruktur ausgehen und diese schrittweise verfeinern, implementiert Void-X eine von unten nach oben orientierte Strategie. Das System generiert gezielt atomare Interaktionsprofile und füllt definierte Regionen an Proteinoberflächen, um präzise molekulare Bindungsstellen zu konstruieren. Das Modell operiert nach einem atomaren Füllprinzip und verfügt über 170 Millionen Parameter. Für das Training extrahierten die Forschenden ein Dataset von über acht Millionen kugelförmigen Atomclustern aus öffentlichen Protein-Datenbanken. Dabei wurden gezielt etwa dreißig Prozent der peripheren, räumlich verbundenen Atome maskiert, um das Netzwerk beim Erlernen subtiler atomarer Wechselwirkungsmuster zu trainieren. Void-X erzielte dabei eine Vorhersagegenauigkeit von 78,3 Prozent bei intrastranglichen und 68,2 Prozent bei interstranglichen Cluster-Prädiktionen. Die Entwicklung adressiert zentrale Herausforderungen der biomedizinischen Forschung. Durch die präzise Steuerung proteinbasierter Transportvehikel, wie sie in adenoviralen Vektoren oder mRNA-Lipidnanopartikeln Anwendung finden, eröffnen sich neue Wege für eine gewebespezifische Abgabe therapeutischer Proteine. Void-X verbindet atomare Präzision mit modernen Generierungsarchitekturen und schafft damit eine physikalisch fundierte Basis für das rationale Design biologischer Grenzflächen. Die durch nationale Förderinstitutionen unterstützte Studie beschleunigt die Arzneimittelentwicklung und adressiert persistente medizinische Bedarfe durch gezielte molekulare Modulation.