NVIDIA presenteert samen met UW Medicine het open eiwitontwerpmodel RFD4-Proteina

NVIDIA kondigde op 21 oktober 2026 tijdens GTC Berlin een reeks samenwerkingen op het gebied van gezondheidszorg en levenswetenschappen aan. De belangrijkste daarvan was de introductie van RFD4-Proteina, een open model voor eiwitontwerp dat is ontwikkeld met het Institute for Protein Design van UW Medicine, en een nieuwe samenwerking met Siemens Healthineers rond adaptieve radiotherapie.

NVIDIA plaatste de aankondigingen in het licht van twee uitdagingen waar de sector voor staat: onderzoekers in de levenswetenschappen moeten enorme biologische ontwerpruimten doorzoeken en de tijd tussen computationeel ontwerp en laboratoriumtests verkorten, terwijl oncologieteams complexe beeldvormings- en behandelgegevens moeten omzetten in nauwkeurige behandelplannen voor elke patiënt. Kimberly Powell, vicepresident gezondheidszorg bij NVIDIA, zei dat agentische en fysieke AI nieuwe mogelijkheden bieden in de hele geneeskunde, van eiwitontwerp en autonome laboratoria tot meer gepersonaliseerde kankerzorg.

RFD4-Proteina is een open model van NVIDIA BioNeMo dat programmeerbaar eiwitontwerp combineert met zoekmogelijkheden. Het genereert gerichte eiwitontwerpen, zodat wetenschappers en agenten kandidaatontwerpen kunnen zoeken en verfijnen aan de hand van moleculaire invoer, beperkingen en scoringsdoelen. Volgens NVIDIA zijn mogelijke toepassingen onder meer eiwitten die ziekteprocessen kunnen onderbreken of ziektesignalen kunnen opsporen bij diagnostische tests.

NVIDIA meldde dat RFD4-Proteina in tests die in het onderzoeksconcept worden beschreven, op vier benchmarksets — eiwitbinding, binding van kleine moleculen, enzymsteigers en DNA-binding — hogere slagingspercentages voor computationeel ontwerp en een hogere generatie-doorvoer behaalde dan de geëvalueerde basismodellen. Het bedrijf zei dat het model onderzoekers helpt kandidaatontwerpen te verkennen en te prioriteren voor laboratoriumtests, waarbij experimenten vaststellen hoe een ontwerp onder de geteste omstandigheden presteert.

David Baker, Nobelprijswinnaar voor scheikunde in 2024 en directeur van het Institute for Protein Design aan de University of Washington, omschreef het werk als een verschuiving van het ontdekken van eiwitten die in de natuur zijn ontstaan naar het ontwerpen van geheel nieuwe eiwitten. “RFD4-Proteina verruimt wat wetenschappers kunnen maken: van eiwitten die de ontwikkeling van geneesmiddelen kunnen bevorderen tot enzymen die pesticiden afbreken”, zei hij. Hij voegde eraan toe dat het openstellen van het model onderzoekers over de hele wereld in staat stelt erop voort te bouwen.

Volgens NVIDIA is het model beschikbaar via partners, waaronder Amazon Bio Discovery, Claude Science van Anthropic, Benchling, Databricks, Google Cloud, Hugging Face, Nebius, OpenAI en Tamarind Bio. Zo kunnen onderzoekers en ontwikkelaars het integreren in workflows voor AI-agenten, cloudcomputing en wetenschappelijke berekeningen.

Modelarchitectuur, licentie en beschikbaarheid

Een modelkaart die het Baker Lab van het Institute for Protein Design en NVIDIA GenAIR op Hugging Face heeft gepubliceerd, beschrijft RFD4-Proteina als een model voor biomoleculair ontwerp op basis van flow matching. Het genereert tegelijkertijd eiwitsequenties en structuren met alle atomen, afgestemd op de moleculaire context die een gebruiker wil behouden: een bindingsdoelwit, een enzymmotief, een ligand of geselecteerde structurele kenmerken. De vrijgegeven gewichten bevatten 435,6 miljoen parameters, zijn opgeslagen in FP32 en nemen 1,74 GB in beslag. Het model draait in BF16 onder de BSD 3-Clause-licentie.

Volgens de modelkaart zijn de gewichten uitgebracht op 19 oktober 2026 en is de ondersteuning ervoor op 20 oktober 2026 opgenomen in de Diffusers-bibliotheek. De uitgewerkte voorbeelden — waaronder een eiwitbinder voor PD-L1, een herontwerp van een HER2-antilichaam, een katalytisch enzymmotief en een bindingsholte voor een klein molecuul — laten zien hoe de conditionering werkt. De modelkaart vermeldt dat het geen experimentele resultaten zijn voor binding of katalytische activiteit. Volgens de kaart duurt het op één NVIDIA H200 5,0 seconden om een ontwerp van 250 tokens te genereren in BF16, of 2,8 seconden na compilatie per regio.

Een modelkaart voor de NVIDIA NIM-implementatie beschrijft RFD4-Proteina als een uniform generatief model van het Generative AI-team van NVIDIA en het David Baker Lab van het Institute for Protein Design. Het model ondersteunt zeven ontwerptaken: generatie, steigerbouw op basis van motieven, enzymontwerp, ontwerp van binders voor kleine moleculen, antilichaamontwerp, gedeeltelijke diffusie en inverse vouwing. De implementatie ondersteunt beloningsgestuurde beam search over het diffusietraject. Daardoor kan een verzoek worden geoptimaliseerd op basis van lokaal berekenbare meetwaarden, in plaats van één ongerangschikt voorbeeld op te leveren. De modelkaart vermeldt dat het model op 20 oktober tijdens GTC Berlin is uitgebracht op build.nvidia.com en NGC. Ook staat erin dat het Institute for Protein Design de gewichten heeft getraind, maar dat de samenstelling van de trainingsgegevens niet bekend is gemaakt. Het model is volgens de kaart klaar voor commercieel en niet-commercieel gebruik.

Samenwerking rond adaptieve radiotherapie van Siemens Healthineers

Siemens Healthineers en NVIDIA werken aan de ontwikkeling van de volgende generatie adaptieve radiotherapie met agentische en robotische intelligentie. Daarbij combineren ze expertise in beeldvorming en oncologie met versnelde rekenkracht en simulatie. De open basismodellen van NVIDIA Nemotron worden onderzocht als ondersteuning voor agentische gezamenlijke behandelplanning, met als doel oncologen te helpen gepersonaliseerde behandelstrategieën te beoordelen en te verfijnen. Volgens de aankondiging kunnen de modellen vervolgens worden gecombineerd met dosisberekening die met CUDA is versneld voor snelle patiëntspecifieke simulaties, en met het NVIDIA Holoscan-platform. Dat platform verbindt live sensorgegevens met AI en simulatie ter ondersteuning van adaptieve behandeling.

Volgens het persbericht zullen wereldwijd naar verwachting tegen 2050 jaarlijks ongeveer 35 miljoen mensen de diagnose kanker krijgen. Zorgteams staan onder toenemende druk om precieze, gepersonaliseerde behandelingen te bieden en tegelijkertijd om te gaan met de beperkte beschikbaarheid van specialisten. „Adaptieve radiotherapie is gebaseerd op één principe: de behandeling moet zich aanpassen aan de patiënt, niet andersom”, zei Arthur Kaindl, hoofd van Varian, het oncologiebedrijf van Siemens Healthineers. Hij wees op de introductie van het Accela-systeem als de meest recente vooruitgang van het bedrijf op het gebied van precisie en aanpassingsvermogen.

Wetenschappelijke agents en ziekenhuisactiviteiten

Het persbericht raamt de wereldwijde uitgaven aan wetenschappelijk onderzoek en ontwikkeling op 3,8 biljoen dollar, terwijl de jaarlijkse budgetten voor farmaceutisch onderzoek bijna 300 miljard dollar bedragen. Wetenschappelijke agents en autonome laboratoria worden gepresenteerd als een manier om ontwerp, experimenten en leren met elkaar te verbinden in een voortdurende cyclus.

Bedrijven op het gebied van onderzoek en laboratoriumtechnologie gebruiken NVIDIA BioNeMo, een open ontwikkelplatform voor AI-gestuurde biologie en geneesmiddelenontwikkeling, naast Nemotron en andere NVIDIA-technologieën om wetenschappelijke agents en de gespecialiseerde modellen en tools te ontwikkelen die het ontwerpen van geneesmiddelen, wetenschappelijke gegevens en laboratoriumprocessen met elkaar verbinden. Benchling verankert agents in experimentele gegevens, onderzoekscontext en verbonden wetenschappelijke werkprocessen, terwijl Biolevate biologische gegevens, gespecialiseerde tools en agentisch redeneren met elkaar verbindt bij de ontdekking en ontwikkeling van geneesmiddelen. Boltz ontwikkelt gespecialiseerde modellen waarmee agents moleculaire structuren kunnen voorspellen en kandidaat-geneesmiddelen kunnen ontwerpen en beoordelen. Ook geeft het bedrijf een voorproefje van een wetenschappelijke agent die werkprocessen plant en resultaten interpreteert. Automata verbindt wetenschappelijke agents met geautomatiseerde laboratoriuminfrastructuur, zodat ze experimenten kunnen starten en gestructureerde resultaten met context kunnen vastleggen.

De AI-co-wetenschapper van Genedata zal het ontwerpen en testen van eiwitten coördineren in de faciliteit voor eiwitontwerp in het autonome laboratorium van Danaher. In dit proces wordt RFD4-Proteina geïntegreerd, zodat experimentele resultaten richting geven aan de volgende ontwerpronde. Hologen combineert zijn grote medische modellen met NVIDIA Nemotron om AI-klinische wetenschappers te ontwikkelen die beeldvormings- en klinische gegevens omzetten in inzichten over patiëntuitkomsten, ter ondersteuning van het ontwerp van klinische onderzoeken. Therna Biosciences gebruikt redenering met grote taalmodellen om experimenteel bewijs en het ontwerp van RNA-geneesmiddelen met elkaar te verbinden.

Op het gebied van klinische bedrijfsvoering stelt het persbericht dat zorgstelsels in heel Europa werken aan een betere toegang tot gespecialiseerde zorg en tegelijkertijd de administratieve belasting van zorgteams willen verminderen. Avelios, Corti, Dedalus, Dawn Health en Sword bouwen voort op NVIDIA Nemotron, met toepassingen die uiteenlopen van AI-assistenten voor medische verslaglegging en AI-ondersteunde klinische zorg tot gepersonaliseerde ondersteuningsdiensten voor patiënten. PolyAI bouwt voort op de NVIDIA Agent Toolkit voor een meertalige dialoogtoepassing met Corilus, een leverancier van medische software met een netwerk van meer dan 70.000 zorgprofessionals in België en Frankrijk. Apian en VitVio gebruiken NVIDIA Cosmos-wereldmodellen en NVIDIA Omniverse-bibliotheken om digitale tweelingen te bouwen die ziekenhuisactiviteiten monitoren en verbeteren.