NVIDIA Memperkenalkan Model Terbuka untuk Desain Protein RFD4-Proteina bersama UW Medicine

Pada 21 Oktober 2026, NVIDIA mengumumkan serangkaian kolaborasi di bidang layanan kesehatan dan ilmu hayati di GTC Berlin. Pengumuman tersebut mencakup peluncuran RFD4-Proteina, model terbuka untuk desain protein yang dikembangkan bersama UW Medicine Institute for Protein Design, serta kolaborasi baru di bidang radioterapi adaptif dengan Siemens Healthineers.

NVIDIA mengaitkan pengumuman tersebut dengan dua tantangan yang dihadapi bidang ini: peneliti ilmu hayati harus menelusuri ruang desain biologis yang sangat luas dan mempersingkat siklus antara desain komputasional dan pengujian di laboratorium, sementara tim perawatan kanker harus menerjemahkan data pencitraan dan pengobatan yang kompleks menjadi rencana yang tepat untuk setiap pasien. Kimberly Powell, wakil presiden bidang layanan kesehatan di NVIDIA, mengatakan bahwa AI berbasis agen dan AI fisik membuka berbagai kemungkinan baru di bidang kedokteran, mulai dari desain protein dan laboratorium otonom hingga perawatan kanker yang lebih personal.

RFD4-Proteina adalah model terbuka NVIDIA BioNeMo yang memadukan desain protein terprogram dengan kemampuan penelusuran. Model ini menghasilkan desain protein yang terarah sehingga ilmuwan dan agen dapat menelusuri serta menyempurnakan kandidat dengan menggunakan masukan molekuler, batasan, dan sasaran penilaian. NVIDIA menyebutkan sejumlah potensi penerapan, termasuk merancang protein untuk menghambat proses penyakit atau mendeteksi tanda-tanda penyakit dalam tes diagnostik.

Menurut laporan NVIDIA dalam draf penelitian, dalam pengujian RFD4-Proteina mencapai tingkat keberhasilan desain komputasional dan laju pembuatan yang lebih tinggi daripada model pembanding yang dievaluasi pada empat rangkaian tolok ukur: pengikatan protein, pengikatan molekul kecil, pembentukan kerangka enzim, dan pengikatan DNA. Perusahaan tersebut mengatakan bahwa model ini membantu peneliti mengeksplorasi dan memprioritaskan kandidat untuk pengujian di laboratorium, tempat eksperimen menentukan kinerja suatu desain dalam kondisi yang diuji.

David Baker, penerima Nobel Kimia 2024 dan direktur Institute for Protein Design di University of Washington, menggambarkan karya ini sebagai peralihan dari menemukan protein yang dihasilkan alam menjadi merancang protein yang sepenuhnya baru. “RFD4-Proteina memperluas hal-hal yang dapat diciptakan ilmuwan, mulai dari protein yang dapat memajukan penemuan obat hingga enzim yang menguraikan pestisida,” katanya. Ia menambahkan bahwa keterbukaan model ini akan memungkinkan peneliti di seluruh dunia mengembangkannya lebih lanjut.

NVIDIA mengatakan model ini tersedia melalui mitra, termasuk Amazon Bio Discovery, Claude Science dari Anthropic, Benchling, Databricks, Google Cloud, Hugging Face, Nebius, OpenAI, dan Tamarind Bio. Dengan demikian, peneliti dan pengembang dapat mengintegrasikannya ke dalam alur kerja agen, komputasi awan, dan komputasi ilmiah.

Arsitektur, Lisensi, dan Ketersediaan Model

Kartu model yang diterbitkan di Hugging Face oleh Baker Lab di Institute for Protein Design dan NVIDIA GenAIR menjelaskan RFD4-Proteina sebagai model pencocokan aliran untuk desain biomolekuler yang menghasilkan sekuens protein dan struktur semua atom secara bersamaan, dengan kondisi berupa konteks molekuler yang ingin dipertahankan pengguna: target pengikatan, motif enzim, ligan, atau fitur struktural pilihan. Bobot yang dirilis memiliki 435,6 juta parameter, disimpan dalam format FP32 dengan ukuran 1,74 GB, dan dijalankan dalam BF16 di bawah lisensi BSD 3-Clause.

Kartu tersebut mencatat bahwa bobot dirilis pada 19 Oktober 2026 dan menyatakan bahwa dukungannya digabungkan ke dalam pustaka Diffusers pada 20 Oktober 2026. Contoh penerapannya—termasuk pengikat protein PD-L1, desain ulang antibodi HER2, motif katalitik enzim, dan kantong pengikatan molekul kecil—menunjukkan alur kerja pengondisian. Kartu tersebut menegaskan bahwa contoh-contoh itu bukan hasil eksperimen pengikatan atau aktivitas katalitik. Menurut kartu tersebut, pada satu NVIDIA H200, desain 250 token memerlukan waktu 5,0 detik dalam BF16, atau 2,8 detik setelah kompilasi regional.

Kartu model untuk penerapan NVIDIA NIM menjelaskan RFD4-Proteina sebagai model generatif terpadu yang dibuat oleh tim Generative AI NVIDIA dan David Baker Lab di Institute for Protein Design. Model ini menangani tujuh tugas desain: pembuatan, pembentukan kerangka motif, desain enzim, desain pengikat molekul kecil, desain antibodi, difusi parsial, dan pelipatan invers. Penerapan ini mendukung penelusuran berkas berpanduan imbalan di sepanjang lintasan difusi, sehingga permintaan dapat dioptimalkan berdasarkan metrik yang dapat dihitung secara lokal, alih-alih menghasilkan satu sampel tanpa pemeringkatan. Kartu tersebut mencantumkan peluncuran pada 20 Oktober di build.nvidia.com dan NGC dalam rangka GTC Berlin, menyatakan bahwa bobotnya dilatih oleh Institute for Protein Design tanpa mengungkapkan komposisi data pelatihan, dan menandai model ini siap digunakan secara komersial maupun nonkomersial.

Kolaborasi Siemens Healthineers dalam Radioterapi Adaptif

Siemens Healthineers dan NVIDIA tengah bekerja sama mengembangkan generasi berikutnya radioterapi adaptif dengan kecerdasan berbasis agen dan robotik, dengan memadukan keahlian pencitraan dan onkologi serta komputasi dan simulasi berakselerasi. Model fondasi terbuka Nemotron dari NVIDIA tengah dieksplorasi untuk mendukung perencanaan bersama berbasis agen, dengan tujuan membantu ahli onkologi mengevaluasi dan menyempurnakan strategi perawatan yang dipersonalisasi. Menurut pengumuman tersebut, model-model ini selanjutnya dapat dipadukan dengan penghitungan dosis berakselerasi CUDA untuk simulasi cepat yang disesuaikan dengan masing-masing pasien, serta platform NVIDIA Holoscan, yang menghubungkan data sensor langsung dengan AI dan simulasi untuk mendukung perawatan adaptif.

Menurut rilis tersebut, sekitar 35 juta orang di seluruh dunia diperkirakan akan didiagnosis menderita kanker setiap tahun pada 2050, sementara tim perawatan menghadapi tekanan yang kian besar untuk memberikan pengobatan yang presisi dan personal di tengah terbatasnya kapasitas tenaga spesialis. “Radioterapi adaptif berlandaskan satu prinsip: pengobatan harus menyesuaikan diri dengan pasien, bukan sebaliknya,” kata Arthur Kaindl, kepala Varian, unit bisnis perawatan kanker Siemens Healthineers. Ia menyebut peluncuran sistem Accela sebagai kemajuan terbaru perusahaan dalam hal presisi dan adaptasi.

Agen Ilmiah dan Operasional Rumah Sakit

Rilis tersebut menyebut nilai R&D ilmiah global mencapai $3,8 triliun, dengan anggaran tahunan industri farmasi mendekati $300 miliar. Rilis itu juga menyajikan agen ilmiah dan laboratorium otonom sebagai cara untuk menghubungkan perancangan, eksperimen, dan pembelajaran dalam siklus berkelanjutan.

Perusahaan teknologi riset dan laboratorium menggunakan NVIDIA BioNeMo, platform pengembangan terbuka untuk biologi berbasis AI dan penemuan obat, bersama Nemotron dan teknologi NVIDIA lainnya untuk membangun agen ilmiah serta model dan alat khusus yang menghubungkan perancangan obat, data ilmiah, dan alur kerja laboratorium. Benchling mendasarkan agen pada data eksperimen, konteks penelitian, dan alur kerja ilmiah yang terhubung, sementara Biolevate menghubungkan data biologis, alat khusus, dan penalaran berbasis agen di seluruh proses penemuan dan pengembangan obat. Boltz mengembangkan model khusus yang dapat digunakan agen untuk memprediksi struktur molekul serta merancang dan mengevaluasi kandidat, dan tengah memperkenalkan agen ilmiah yang merencanakan alur kerja serta menafsirkan hasil. Automata menghubungkan agen ilmiah dengan infrastruktur laboratorium otomatis agar agen dapat memulai eksperimen dan merekam hasil yang terstruktur serta dilengkapi konteks.

Rekan ilmiah AI Genedata akan mengoordinasikan perancangan dan pengujian protein di fasilitas perancangan protein dalam laboratorium otonom Danaher, melalui alur kerja yang akan mengintegrasikan RFD4-Proteina agar hasil eksperimen dapat memandu putaran perancangan berikutnya. Hologen menggabungkan model medis berskala besar miliknya dengan NVIDIA Nemotron untuk membangun ilmuwan klinis AI yang mengolah data pencitraan dan klinis menjadi wawasan tentang hasil pasien sebagai masukan bagi perancangan uji klinis, sementara Therna Biosciences menggunakan penalaran model bahasa besar untuk menghubungkan bukti eksperimen dengan perancangan obat RNA.

Di bidang operasional klinis, rilis tersebut menyatakan bahwa sistem layanan kesehatan di seluruh Eropa berupaya memperluas akses ke perawatan khusus sekaligus mengurangi beban administratif tim perawatan. Avelios, Corti, Dedalus, Dawn Health, dan Sword memanfaatkan NVIDIA Nemotron untuk berbagai aplikasi, mulai dari pencatatan medis berbantuan AI dan perawatan klinis berbantuan AI hingga layanan dukungan pasien yang dipersonalisasi. PolyAI memanfaatkan NVIDIA Agent Toolkit dalam penerapan dialog multibahasa bersama Corilus, penyedia perangkat lunak medis yang jaringannya mencakup lebih dari 70.000 tenaga kesehatan di Belgia dan Prancis. Apian dan VitVio menggunakan model dunia NVIDIA Cosmos dan pustaka NVIDIA Omniverse untuk membangun kembaran digital yang memantau dan meningkatkan operasional rumah sakit.