Detalles de NVIDIA RFD4- Flujo de trabajo de búsqueda de diseño de proteínas de proteínas
NVIDIA presentó el miércoles RFD4-Proteina, un modelo abierto de diseño proteico que co-diseña secuencias y estructuras atómicas y añade búsqueda guiada por recompensa en tiempo de inferencia para centrar el cálculo en candidatos con puntuaciones más altas. La empresa afirmó que el sistema está pensado para ayudar a los investigadores a generar diseños de aglutinantes y otros candidatos moleculares de forma más eficiente que la búsqueda exhaustiva, manteniendo el bucle de evaluación vinculado a las pruebas experimentales.
Lo que dice NVIDIA que hace el modelo
En el blog de desarrolladores publicado el 21 de octubre de 2026, NVIDIA afirmó que RFD4-Proteina está co-desarrollado con el Instituto de Diseño de Proteínas de la Facultad de Medicina de la Universidad de Washington y se basa en Proteina-Complexa. El modelo combina coordenadas explícitas de la columna vertebral con representaciones latentes y produce una secuencia y estructura de todos los átomos, lo que NVIDIA dice elimina una transferencia de plegamiento inverso separada a un modelo como ProteinMPNN.
El blog describe el modelo como el uso de búsqueda guiada por recompensa durante la inferencia para reducir el ruido de las trayectorias candidatas, puntuarlas, conservar estados parciales prometedores y ramificarlos hasta que se cumplan los criterios de generación. NVIDIA afirmó que la recompensa puede basarse en la geometría, las interacciones o la confianza independiente en la predicción, dependiendo del objetivo seleccionado por el usuario.
Ganancias de velocidad y memoria reportadas
NVIDIA afirmó que RFD4-Proteina es más rápida y utiliza menos memoria que RFD3 porque funciona a nivel de residuo latente en lugar de a nivel átomo y porque el proceso de difusión fue diseñado para reducir el muestreo de unos 400 pasos en Proteina-Complexa a 60. En un benchmark de 200 de residuos reportado, NVIDIA afirmó que el sistema generaba 3.8 veces más rápido y utilizaba 84% menos memoria reservada de picos que RFD3. Esas cifras son resultados de benchmarks reportados por los desarrolladores y no garantías universales de rendimiento.
La compañía también indicó que el backend BioIR acelera RFD4-Proteina en 1.37 a 1.73 veces sobre el backend compilado por defecto en configuraciones de GPU seis Hopper. En un sistema PCIe H100, NVIDIA indicó que el tiempo total de suite cayó de 161 segundos a 111 segundos, lo que describió como una reducción de aproximadamente 31% en el tiempo de ejecución, usando 1 de tamaño de lote a lo largo de 15 longitudes de secuencia desde 128 hasta 1,024 tokens.
Cómo se presenta el flujo de trabajo
El blog ofrece un ejemplo de carpeta PD-L1 en el que los usuarios definen qué puede cambiar, qué debe permanecer fijo y qué criterios de éxito deben usarse. NVIDIA dijo que tanto el modelo abierto como el microservicio NIM aceptan archivos CIF anotados o especificaciones de condición, y mostró un flujo de trabajo que fija el objetivo de L1 PD mientras permite un nuevo 100- para generar un aglutinante de residuos 150 alrededor de átomos de punto caliente en Tyr56, Met115 y Tyr123.
Para la generación basada en búsqueda, NVIDIA dijo que el modelo abierto puede emparejarse con oráculos externos como OpenFold3, mientras que el servicio NIM también puede ejecutar búsqueda guiada por recompensas a través de una interfaz HTTP. En el ejemplo, la empresa dijo que la puntuación por tiempo de búsqueda utilizaba OpenFold3 pLDDT como métrica de confianza para el complejo diseñado. NVIDIA señaló explícitamente que esto mide la confianza en la predicción, no evidencia vinculante, y que las métricas de interfaz y replegamiento deberían inspeccionarse por separado.
Validación y límites
El material de fondo proporcionado con el comunicado indica que el proyecto más amplio RFD4-Proteina tiene validación en laboratorio húmedo en varias tareas de diseño, incluyendo ligantes selectivos, control de glicanos y enzimas catalíticas, pero esos resultados se refieren a diseños experimentales más que a una eficacia clínica establecida. El mismo material señala que el preprint que lo acompaña sigue listado como próximo, por lo que las afirmaciones de lanzamiento, los benchmarks de los desarrolladores y los experimentos reportados por proyectos deberían tratarse por separado de la validación revisada por pares.
El comunicado no proporciona un único siguiente catalizador con una fecha verificada posterior al 21 de octubre de 2026 publicación del blog de NVIDIA ni el anuncio de UW Medicine el mismo día mencionado en el material de fondo. No se proporcionaron resultados de producción, datos de mercado ni términos comerciales públicos en el material original.