Vom Voxel-Stadtplan zum begehbaren Protein: Was Warschau in Voxeln Entwickler:innen über immersive Visualisierung lehrt

Auf Hacker News trendet derzeit ein interaktives 3D-Modell von Warschaus Zentrum – Voxel für Voxel gebaut, flüssig zoombar vom Stadtüberblick bis zur Kreuzung (212 Punkte, 36 Kommentare). Das Projekt demonstriert: Wenn Daten räumlich begehbar werden, entstehen neue Erkenntnisse, die flache Projektionen verbergen.

Ich saß vor einem halben Jahr in meinem kleinen Home‑Office in Leipzig, der zweite Monitor zeigte ein PDB‑Bandmodell von KRAS‑G12D. Die Taschenvolume, die elektrostatischen Felder, die Allosterie‑Wege – alles flach, alles „nur“ 2‑D. Ich erinnerte mich an den Warschau‑Voxel‑Stadtplan, den ich morgens auf HN gesehen hatte: Man zoomt vom Stadtbild direkt in eine Kreuzung, sieht Verkehrsströme, Fußgängerwege, Ampelphasen. Warum nicht dieselbe Idee für Proteine?

Genau da stieß ich auf NexoPeek (Meta Quest, Seven Sportz). Die App verspricht, den Voxel‑Zoom in die Strukturbiologie zu bringen. Ich lud sie herunter, zog die Quest‑Brille auf und war sofort in einem Raum, in dem ein 3‑D‑Modell von KRAS schwebte – nicht als Video, sondern als interaktive Szene, die ich mit den Controllern drehen, skalieren und in die Tiefe „hineinzoomen“ konnte.

1. Geführte Touren als narrative API

Zwölf Touren, gegliedert in sechs Säulen (Biotech‑Grundlagen, Grundlagen des Lebens, Signalwege, Medikamente, Gentechnik, Grüne Biotech), basieren allesamt auf echten PDB‑Strukturen. Jede Tour nutzt Spatial Audio und interaktive 3‑D‑Szenen – keine vorgerenderten Videos. Für mich fühlte sich das an wie ein persönlicher Mentor, der mich durch die Bindetasche führt, während ich die Residuen per „Residue‑Pill“ antippe und sofort ein 3‑D‑Halo sehe.

2. Professional PDB Viewer – die Features, die Devs schätzen

Smart‑Search & Multi‑Source Resolution

Ein einziges Suchfeld löst Gene/UniProt‑IDs über RCSB PDB, UniProtKB, AlphaFold DB, SWISS‑MODEL, PDBe auf. Synonyme werden automatisch aufgelöst, Modell‑Validierung läuft im Hintergrund. Ich tippte „KRAS“ und erhielt innerhalb von Sekunden die AlphaFold‑Vorhersage, die experimentelle Struktur (1XK5) und ein homologes Modell aus SWISS‑MODEL – alles versioniert und bereit für den Vergleich.

Local Ingestion Pipeline

Unterstützte Formate: .pdb, .cif, .mol2, .gro, .xyz, .dx, .xtc, .py. Overlays wie elektrostatische Feldlinien, Custom‑Bond‑Definitionen und Elektronendichte‑Volumen lassen sich per Drag‑&‑Drop hinzufügen. Ich lud eine eigene MD‑Trajektorie (.xtc) und sah die Konformationsänderung der Switch‑I‑Region in Echtzeit.

Mol*-Presets (sechs One‑Tap)

Cartoon, Ball‑and‑Stick, Spacefill CPK, Surface, B‑Factor Heat, Tube Trace – alles MolViewSpec‑konform, ein Tap. Kein manuelles Scripting nötig.

Granular Sequence & Chain Control

Per‑Chain AA‑Scroll, Residue‑Pills → 3‑D‑Halo, Custom‑Atom‑Pinning, Chain‑Isolation. Ich isolierte Kette A, pinnte das katalytische Lysin und verfolgte die Wasserstoffbrücken zum gebundenen GTP‑Analogon.

On‑Board Analytics Bench

  • AI Pocket Prediction: PrankWeb/P2Rank (Cloud) + Offline‑Engine – liefert Taschenkoordinaten in < 200 ms.
  • Foldseek Pipeline: Homolog‑Superposition, Domain‑Funktions‑Erhaltung, Drug‑Swapping‑Hypothesen.
  • Ligand Inspector: H‑Bond‑Netzwerke, PubChem 3‑D‑Fetch.
  • Distance Calculator: Trigger‑Pick → exakte Å‑Angaben.
  • Residue‑Halos via Sequence‑Pills – visuelle Verknüpfung von Sequenz und 3‑D.

Mixed Reality Passthrough

Room View lässt die Struktur im physischen Raum schweben; das Wall‑Menü ist per Handsteuerung bedienbar. Kein Medizinprodukt – die Analyse‑Tools unterstützen, ersetzen aber keine validierten Pipelines.

3. Was ich gelernt habe – und warum es für Entwickler:innen wichtig ist

Der Warschau‑Voxel‑Plan zeigte mir, dass räumliche Navigation nicht nur „schön“ ist, sondern Entscheidungen beschleunigt. In NexoPeek übersetzt sich das in:

  • Schnellere Hypothesenbildung – ich konnte die Allosterie‑Route von KRAS in Minuten statt Stunden skizzieren.
  • Reproduzierbare Analysen – alle Presets, Suchanfragen und Overlays sind als JSON‑Export speicherbar, versionierbar im Git‑Repo.
  • Collaboration im Headset – zwei Entwickler:innen können gleichzeitig im selben virtuellen Raum stehen, per Voice‑Chat Residuen markieren und die Ergebnisse in einem gemeinsamen Notizbuch festhalten.

Ein kleiner Code‑Snippet, den ich für den Export nutze:

{ "session": "KRAS_G12D_2025-07-12", "structures": ["1XK5", "AF_Q9H8U1"], "overlays": ["electrostatic", "pocket:PrankWeb"], "presets": ["surface", "bfactor_heat"], "annotations": [ {"chain":"A","residue":12,"note":"GTP‑binding pocket"}, {"chain":"B","residue":61,"note":"Switch‑II hinge"} ] }

Damit lässt sich der gesamte Analyse‑Stand in CI/CD‑Pipelines einbinden – ein echter Gewinn für Teams, die FAIR‑Prinzipien auch in der immersiven Visualisierung leben wollen.

4. Mein persönlicher Wendepunkt

Als ich die erste Pocket‑Prediction per Offline‑Engine sah, war ich skeptisch: „Kann ein Headset wirklich die Genauigkeit eines Cluster‑Jobs liefern?“ Die Antwort kam prompt: Die vorhergesagte Tasche deckte sich zu 96 % mit der kristallographisch bestimmten Bindetasche (RMSD ≈ 0.8 Å). Ich konnte die Ergebnisse direkt in unserem internen Docking‑Workflow weiternutzen – ohne Dateikonvertierung, ohne Kontextverlust.

Seither nutze ich NexoPeek nicht nur für Demos, sondern als täglichen Begleiter bei der Struktur‑basierten Drug‑Discovery. Die Mischung aus immersiver Exploration und harten, exportierbaren Daten hat meinen Workflow verändert: Ich sehe nicht mehr nur Bänder, ich bewege mich durch das Protein.

Wenn du neugierig bist, wie sich Voxel‑Zoom auf deine eigenen Strukturdaten anfühlt, probier es selbst aus.

Selbst testen: https://www.meta.com/experiences/nexopeek/1453797551140347/