NVIDIA detalha RFD4- Fluxo de trabalho de busca por design de proteínas de proteínas

A NVIDIA apresentou na quarta-feira o RFD4-Proteina, um modelo aberto de design de proteínas que co-projeta sequências e estruturas totalmente atômicas, além de adicionar busca guiada por inferência guiada por recompensa para focar o cálculo em candidatos com pontuação mais alta. A empresa afirmou que o sistema tem como objetivo ajudar pesquisadores a gerar designs de ligantes e outros candidatos moleculares de forma mais eficiente do que a busca exaustiva, mantendo o ciclo de avaliação ligado a testes experimentais.

O que a NVIDIA diz que o modelo faz

No blog do desenvolvedor publicado em 21 de outubro de 2026, a NVIDIA afirmou que RFD4-Proteina é co-desenvolvida com o Institute for Protein Design da Faculdade de Medicina da Universidade de Washington e se baseia no Proteina-Complexa. O modelo combina coordenadas explícitas da espinha dorsal com representações latentes e produz sequência e estrutura de todos os átomos juntas, o que, segundo a NVIDIA, remove uma transferência separada de dobramento inverso para um modelo como o ProteinMPNN.

O blog descreve o modelo como usando busca guiada por recompensa durante a inferência para reduzir o ruído das trajetórias candidatas, pontuá-las, manter estados parciais promissores e ramificá-los até que os critérios de geração sejam atendidos. A NVIDIA disse que a recompensa pode ser baseada em geometria, interações ou confiança independente na previsão, dependendo do objetivo escolhido pelo usuário.

Ganhos de velocidade e memória reportados

A NVIDIA afirmou RFD4-Proteina é mais rápida e usa menos memória que RFD3 porque funciona em uma representação latente em nível de resíduo, em vez de nível de átomo, e porque o processo de difusão foi projetado para reduzir a amostragem de cerca de 400 etapas em Proteina-Complexa para 60. Em um benchmark relatado de 200-resíduos, a NVIDIA afirmou que o sistema entregou geração 3.8 vezes mais rápida e usou menos memória reservada 84% pico do que RFD3. Esses números são resultados de benchmarks reportados pelos desenvolvedores e não garantias universais de desempenho.

A empresa também afirmou que o backend BioIR acelera RFD4-Proteina em 1.37 a 1.73 vezes em relação ao backend compilado padrão em configurações seis GPU Hopper. Em um sistema PCIe H100, a NVIDIA disse que o tempo total do conjunto caiu de 161 segundos para 111 segundos, o que descreveu como uma redução de cerca de 31% no tempo de execução, usando 1 de tamanho de lote ao longo de 15 comprimentos de sequência de 128 a 1,024 tokens.

Como o fluxo de trabalho é apresentado

O blog traz um exemplo de fichário PD-L1 no qual os usuários definem o que pode mudar, o que deve permanecer fixo e quais critérios de sucesso devem ser usados. A NVIDIA disse que tanto o modelo aberto quanto o microserviço NIM aceitam arquivos CIF anotados ou especificações de condição, e mostrou um fluxo de trabalho que corrige o alvo de L1 PD enquanto permite um novo 100- para 150 ligante de resíduos a ser gerado ao redor de átomos hotspot em Tyr56, Met115 e Tyr123.

Para geração baseada em busca, a NVIDIA disse que o modelo aberto pode ser pareado com oráculos externos como OpenFold3, enquanto o serviço NIM também pode executar busca guiada por recompensas por meio de uma interface HTTP. No exemplo, a empresa disse que a pontuação de tempo de busca usou OpenFold3 pLDDT como métrica de confiança para o complexo projetado. A NVIDIA observou explicitamente que isso mede a confiança da previsão, não evidências vinculativas, e que as métricas de interface e redobragem devem ser inspecionadas separadamente.

Validação e limites

O material de base fornecido com o comunicado diz que o projeto mais amplo RFD4-Proteina possui validação em laboratório úmido em várias tarefas de design, incluindo ligantes seletivos, controle de glicanos e enzimas catalíticas, mas esses resultados dizem respeito a desenhos experimentais e não à eficácia clínica estabelecida. O mesmo material observa que o pré-print que acompanha ainda está listado como futuro, portanto, as alegações de lançamento, os benchmarks dos desenvolvedores e os experimentos relatados pelo projeto devem ser tratados separadamente da validação revisada por pares.

O lançamento não fornece um único próximo catalisador com data verificada além de 21 de outubro de 2026 da publicação do blog da NVIDIA e do anúncio da UW Medicine no mesmo dia referenciado no material de fundo. Nenhum resultado de produção, dados de mercado ou termos comerciais públicos foi fornecido no material original.