NVIDIA presenta RFD4-Proteina, un modello aperto per la progettazione di proteine, insieme a UW Medicine

Il 21 ottobre 2026, durante il GTC Berlin, NVIDIA ha annunciato una serie di collaborazioni nei settori della sanità e delle scienze della vita, tra cui spiccano il lancio di RFD4-Proteina, un modello aperto per la progettazione di proteine sviluppato con l’Institute for Protein Design di UW Medicine, e una nuova collaborazione con Siemens Healthineers sulla radioterapia adattiva.

NVIDIA ha inquadrato gli annunci attorno a due sfide che il settore si trova ad affrontare: chi si occupa di ricerca nelle scienze della vita deve esplorare vasti spazi di progettazione biologica e abbreviare il ciclo che va dalla progettazione computazionale alle prove di laboratorio, mentre le équipe oncologiche devono tradurre dati complessi di diagnostica per immagini e trattamento in piani precisi per ciascun paziente. Kimberly Powell, vicepresidente del settore sanitario di NVIDIA, ha affermato che l’IA agentica e quella fisica aprono nuove possibilità in medicina, dalla progettazione di proteine ai laboratori autonomi, fino a cure oncologiche più personalizzate.

RFD4-Proteina è un modello aperto di NVIDIA BioNeMo che combina la progettazione programmabile di proteine con funzionalità di ricerca. Genera progetti mirati di proteine, consentendo a scienziati e agenti di cercare e perfezionare i candidati utilizzando input molecolari, vincoli e obiettivi di valutazione. Tra le potenziali applicazioni indicate da NVIDIA figurano proteine progettate per interrompere i processi patologici o rilevare segni di malattia nei test diagnostici.

Secondo quanto riferito da NVIDIA, nei test descritti nella bozza della ricerca RFD4-Proteina ha ottenuto tassi di successo nella progettazione computazionale e una produttività di generazione superiori a quelli dei modelli di riferimento valutati in quattro serie di benchmark: legame alle proteine, legame a piccole molecole, impalcature enzimatiche e legame al DNA. L’azienda ha dichiarato che il modello aiuta i ricercatori a esplorare e selezionare i candidati da sottoporre a prove di laboratorio, nelle quali gli esperimenti stabiliscono le prestazioni di un progetto nelle condizioni testate.

David Baker, premio Nobel per la chimica nel 2024 e direttore dell’Institute for Protein Design presso la University of Washington, ha descritto questo lavoro come un passaggio dalla scoperta delle proteine create dalla natura alla progettazione di proteine del tutto nuove. «RFD4-Proteina amplia ciò che gli scienziati possono creare: dalle proteine che potrebbero favorire la scoperta di farmaci agli enzimi in grado di degradare i pesticidi», ha affermato, aggiungendo che la disponibilità del modello in forma aperta consentirà ai ricercatori di tutto il mondo di svilupparlo ulteriormente.

NVIDIA ha dichiarato che il modello è disponibile tramite partner tra cui Amazon Bio Discovery, Claude Science di Anthropic, Benchling, Databricks, Google Cloud, Hugging Face, Nebius, OpenAI e Tamarind Bio, consentendo a ricercatori e sviluppatori di integrarlo nei flussi di lavoro basati su agenti, cloud e calcolo scientifico.

Architettura, licenza e disponibilità del modello

Una scheda del modello pubblicata su Hugging Face dal Baker Lab dell’Institute for Protein Design e da NVIDIA GenAIR descrive RFD4-Proteina come un modello basato sull’abbinamento dei flussi per la progettazione biomolecolare, in grado di generare insieme sequenze proteiche e strutture atomiche complete, condizionate dal contesto molecolare che l’utente desidera preservare: un bersaglio di legame, un motivo enzimatico, un ligando o caratteristiche strutturali selezionate. I pesi rilasciati contengono 435,6 milioni di parametri, sono archiviati in formato FP32 e occupano 1,74 GB; il modello viene eseguito in BF16 con licenza BSD 3-Clause.

La scheda indica che i pesi sono stati rilasciati il 19 ottobre 2026 e che il relativo supporto è stato integrato nella libreria Diffusers il 20 ottobre 2026. Gli esempi pratici — tra cui un legante proteico per PD-L1, la riprogettazione di un anticorpo HER2, un motivo catalitico enzimatico e una tasca di legame per una piccola molecola — illustrano il flusso di lavoro basato sul condizionamento; la scheda specifica che non si tratta di risultati sperimentali sul legame o sull’attività catalitica. Secondo quanto riportato nella scheda, su una singola NVIDIA H200 la progettazione di 250 token richiede 5,0 secondi in BF16, oppure 2,8 secondi dopo la compilazione regionale.

Una scheda del modello per la distribuzione NVIDIA NIM descrive RFD4-Proteina come un modello generativo unificato realizzato dal team di IA generativa di NVIDIA e dal David Baker Lab dell’Institute for Protein Design, che supporta sette attività di progettazione: generazione, costruzione di impalcature a partire da motivi, progettazione di enzimi, progettazione di leganti per piccole molecole, progettazione di anticorpi, diffusione parziale e ripiegamento inverso. La distribuzione supporta la ricerca a fascio guidata da ricompense lungo la traiettoria di diffusione, così una richiesta può ottimizzare il risultato in base a metriche calcolabili localmente, anziché restituire un unico campione non classificato. La scheda indica che il modello è stato rilasciato il 20 ottobre su build.nvidia.com e NGC durante il GTC Berlin, specifica che i pesi sono stati addestrati dall’Institute for Protein Design senza che sia stata resa nota la composizione dei dati di addestramento e indica che il modello è pronto per l’uso commerciale o non commerciale.

Collaborazione di Siemens Healthineers sulla radioterapia adattiva

Siemens Healthineers e NVIDIA stanno lavorando allo sviluppo della prossima generazione di radioterapia adattiva con intelligenza agentica e robotica, combinando competenze di diagnostica per immagini e oncologia con il calcolo accelerato e la simulazione. Si sta valutando l’impiego dei modelli fondazionali aperti Nemotron di NVIDIA per alimentare la pianificazione congiunta agentica, con l’obiettivo di aiutare gli oncologi a valutare e perfezionare strategie terapeutiche personalizzate. Secondo quanto riportato nell’annuncio, i modelli potrebbero poi essere combinati con il calcolo della dose accelerato da CUDA per simulazioni rapide e personalizzate per ciascun paziente, nonché con la piattaforma NVIDIA Holoscan, che collega i dati dei sensori in tempo reale all’IA e alla simulazione per supportare il trattamento adattivo.

Secondo il comunicato, entro il 2050 si prevede che ogni anno venga diagnosticato un tumore a circa 35 milioni di persone nel mondo, e i team di cura sono sottoposti a una pressione crescente: offrire trattamenti precisi e personalizzati gestendo al contempo la limitata disponibilità di specialisti. «La radioterapia adattiva si basa su un unico principio: è il trattamento che deve adattarsi al paziente, non il contrario», ha dichiarato Arthur Kaindl, responsabile di Varian, l’azienda di Siemens Healthineers specializzata nella cura dei tumori. Ha indicato il lancio del sistema Accela come il più recente progresso dell’azienda in termini di precisione e adattività.

Agenti scientifici e gestione delle attività ospedaliere

Il comunicato stima in 3,8 mila miliardi di dollari la spesa globale per la ricerca e sviluppo scientifica e in quasi 300 miliardi di dollari i budget farmaceutici annuali, presentando gli agenti scientifici e i laboratori autonomi come un modo per collegare progettazione, sperimentazione e apprendimento in un ciclo continuo.

Le aziende che operano nelle tecnologie per la ricerca e i laboratori utilizzano NVIDIA BioNeMo, una piattaforma di sviluppo aperta per la biologia basata sull’IA e la scoperta di farmaci, insieme a Nemotron e ad altre tecnologie NVIDIA, per sviluppare agenti scientifici e modelli e strumenti specializzati che collegano la progettazione dei farmaci, i dati scientifici e i flussi di lavoro di laboratorio. Benchling integra gli agenti con dati sperimentali, contesto di ricerca e flussi di lavoro scientifici interconnessi, mentre Biolevate collega dati biologici, strumenti specializzati e ragionamento agentico lungo le fasi di scoperta e sviluppo dei farmaci. Boltz sviluppa modelli specializzati che gli agenti possono utilizzare per prevedere strutture molecolari e progettare e valutare candidati; sta inoltre presentando in anteprima un agente scientifico che pianifica i flussi di lavoro e interpreta i risultati. Automata collega gli agenti scientifici alle infrastrutture di laboratorio automatizzate, consentendo loro di avviare esperimenti e acquisire risultati strutturati e contestualizzati.

Il co-scienziato IA di Genedata coordinerà la progettazione e la sperimentazione delle proteine nella fonderia per la progettazione proteica del laboratorio autonomo di Danaher, attraverso un flusso di lavoro che integrerà RFD4-Proteina, affinché i risultati sperimentali guidino il ciclo successivo di progettazione. Hologen combina i propri grandi modelli per la medicina con NVIDIA Nemotron per sviluppare scienziati clinici basati sull’IA, in grado di trasformare dati di imaging e clinici in informazioni sugli esiti dei pazienti utili a orientare la progettazione degli studi clinici; Therna Biosciences utilizza invece il ragionamento dei modelli linguistici di grandi dimensioni per collegare le evidenze sperimentali alla progettazione di farmaci a RNA.

Per quanto riguarda le attività cliniche, il comunicato afferma che i sistemi sanitari di tutta Europa stanno lavorando per ampliare l’accesso alle cure specialistiche e ridurre al contempo gli oneri amministrativi per i team di cura. Avelios, Corti, Dedalus, Dawn Health e Sword sviluppano soluzioni basate su NVIDIA Nemotron, con applicazioni che spaziano dai servizi di trascrizione basati sull’IA e dall’assistenza clinica supportata dall’IA ai servizi personalizzati di supporto ai pazienti. PolyAI sviluppa soluzioni basate su NVIDIA Agent Toolkit per un servizio di dialogo multilingue realizzato con Corilus, fornitore di software medicale la cui rete comprende oltre 70.000 professionisti sanitari in Belgio e Francia. Apian e VitVio utilizzano i modelli del mondo NVIDIA Cosmos e le librerie NVIDIA Omniverse per creare gemelli digitali in grado di monitorare e migliorare le attività ospedaliere.