Neuer Autoencoder ermöglicht gezielte DNA‑ und Peptid‑Designs

Ein neues Modell namens PrIVAE, ein geometry‑preserving Variational Autoencoder, verspricht die nächste Generation des biologischen Sequenzdesigns. Durch die Kombination von Graph‑Neural‑Network‑Encoder‑Schichten und einem isometrischen Regularizer lernt PrIVAE latente Repräsentationen, die die komplexe Geometrie des Eigenschaftenraums exakt widerspiegeln. Das Ergebnis ist ein latenter Raum, der nach funktionellen Merkmalen strukturiert ist und damit die gezielte Konstruktion neuer DNA‑Sequenzen für fluoreszierende Metallnanokluster sowie von Antimicrobial‑Peptiden ermöglicht. Trotz der hohen Dimensionalität der Ziel‑Eigenschaften behält das Modell eine beeindruckende Rekonstruktionsgenauigkeit bei und demonstriert damit, dass fortgeschrittene Autoencoder nicht nur Daten komprimieren, sondern auch gezielt neue, leistungsfähige Biomoleküle generieren können.