Wenn es um Deep Learning für die Protein-Ingenieurwesen geht, liegt die Stärke in der Einfachheit. In dieser Ausgabe von Cell entwickeln Caixia Gao und Kollegen durch den durchdachten Einsatz bestehender Modelle für das Design von Sequenzen mit festem Rückgrat vielfältige Genom-Editierungssysteme mit verbesserter Funktionalität, die leistungsstarke Möglichkeiten für die feingranulare und groß angelegte Genom-Editierung ermöglichen, wie durch starke experimentelle Validierung demonstriert wird.