A NVIDIA apresenta o modelo aberto de design de proteínas RFD4-Proteina com a UW Medicine

Em 21 de outubro de 2026, a NVIDIA anunciou uma série de colaborações nas áreas de saúde e ciências da vida na GTC Berlin, com destaque para a apresentação do RFD4-Proteina, um modelo aberto de design de proteínas desenvolvido com o Institute for Protein Design da UW Medicine, e para uma nova colaboração em radioterapia adaptativa com a Siemens Healthineers.

A NVIDIA apresentou os anúncios no contexto de dois desafios enfrentados pelo setor: pesquisadores de ciências da vida precisam explorar vastos espaços de design biológico e reduzir o intervalo entre o design computacional e os testes em laboratório, enquanto as equipes de oncologia precisam transformar dados complexos de exames de imagem e tratamentos em planos precisos para cada paciente. Kimberly Powell, vice-presidente de saúde da NVIDIA, afirmou que a IA agêntica e a IA física estão abrindo novas possibilidades na medicina, abrangendo o design de proteínas, laboratórios autônomos e cuidados oncológicos mais personalizados.

O RFD4-Proteina é um modelo aberto do NVIDIA BioNeMo que combina o design programável de proteínas com recursos de busca. Ele gera designs de proteínas direcionados, permitindo que cientistas e agentes busquem e aprimorem candidatos usando entradas moleculares, restrições e objetivos de pontuação. Entre as possíveis aplicações, a NVIDIA citou proteínas projetadas para interromper processos de doenças ou detectar sinais de doenças em testes diagnósticos.

Em testes descritos no rascunho da pesquisa, a NVIDIA informou que o RFD4-Proteina alcançou taxas mais altas de sucesso no design computacional e maior capacidade de geração do que as referências avaliadas em quatro conjuntos de benchmarks: ligação a proteínas, ligação a pequenas moléculas, construção de estruturas de suporte para enzimas e ligação ao DNA. Segundo a empresa, o modelo ajuda pesquisadores a explorar e priorizar candidatos para testes em laboratório, nos quais os experimentos determinam o desempenho de um design nas condições testadas.

David Baker, laureado com o Nobel de Química de 2024 e diretor do Institute for Protein Design da University of Washington, descreveu o trabalho como uma mudança: em vez de descobrir as proteínas produzidas pela natureza, passa-se a projetar proteínas inteiramente novas. “O RFD4-Proteina amplia o que os cientistas podem criar, de proteínas que poderiam impulsionar a descoberta de medicamentos a enzimas que decompõem pesticidas”, afirmou, acrescentando que disponibilizar o modelo em código aberto permitirá que pesquisadores do mundo todo desenvolvam novos trabalhos a partir dele.

A NVIDIA informou que o modelo está disponível por meio de parceiros, entre eles Amazon Bio Discovery, Claude Science, da Anthropic, Benchling, Databricks, Google Cloud, Hugging Face, Nebius, OpenAI e Tamarind Bio, permitindo que pesquisadores e desenvolvedores o integrem a fluxos de trabalho com agentes, na nuvem e em computação científica.

Arquitetura do modelo, licenciamento e disponibilidade

Um cartão do modelo publicado no Hugging Face pelo Baker Lab, do Institute for Protein Design, e pela NVIDIA GenAIR descreve o RFD4-Proteina como um modelo de correspondência de fluxo para o design de biomoléculas, capaz de gerar simultaneamente sequências de proteínas e estruturas com todos os átomos, condicionadas ao contexto molecular que o usuário deseja preservar: um alvo de ligação, um motivo enzimático, um ligante ou características estruturais selecionadas. Os pesos disponibilizados contêm 435,6 milhões de parâmetros, são armazenados em FP32 em um arquivo de 1,74 GB e são executados em BF16 sob uma licença BSD de 3 cláusulas.

O cartão informa que os pesos foram disponibilizados em 19 de outubro de 2026 e que o suporte a eles foi incorporado à biblioteca Diffusers em 20 de outubro de 2026. Os exemplos práticos — incluindo um aglutinante proteico de PD-L1, o redesenho de um anticorpo HER2, um motivo catalítico enzimático e um sítio de ligação a pequenas moléculas — demonstram o fluxo de trabalho de condicionamento; o cartão ressalta que eles não representam resultados experimentais de ligação ou atividade catalítica. Segundo o cartão, em uma única NVIDIA H200, um design de 250 tokens leva 5,0 segundos em BF16, ou 2,8 segundos após a compilação regional.

Um cartão do modelo para a implantação do NVIDIA NIM descreve o RFD4-Proteina como um modelo generativo unificado desenvolvido pela equipe de IA generativa da NVIDIA e pelo David Baker Lab, do Institute for Protein Design, que atende a sete tarefas de design: geração, construção de estruturas de suporte para motivos, design de enzimas, design de aglutinantes para pequenas moléculas, design de anticorpos, difusão parcial e dobramento inverso. A implantação oferece busca em feixe guiada por recompensas ao longo da trajetória de difusão, permitindo que uma solicitação seja otimizada com base em métricas que podem ser calculadas localmente, em vez de retornar uma única amostra sem classificação. O cartão registra o lançamento em 20 de outubro no build.nvidia.com e no NGC, durante a GTC Berlin; informa que os pesos foram treinados pelo Institute for Protein Design, sem divulgar a composição dos dados de treinamento; e indica que o modelo está pronto para uso comercial ou não comercial.

Colaboração da Siemens Healthineers em radioterapia adaptativa

A Siemens Healthineers e a NVIDIA estão trabalhando no desenvolvimento da próxima geração de radioterapia adaptativa com inteligência agêntica e robótica, combinando conhecimentos em diagnóstico por imagem e oncologia com computação acelerada e simulação. Os modelos fundamentais abertos Nemotron da NVIDIA estão sendo avaliados para viabilizar o planejamento conjunto com agentes, com o objetivo de ajudar oncologistas a avaliar e aprimorar estratégias de tratamento personalizadas. Segundo o comunicado, os modelos poderiam então ser combinados com o cálculo de dose acelerado por CUDA, para simulações rápidas e específicas para cada paciente, e com a plataforma NVIDIA Holoscan, que conecta dados de sensores em tempo real à IA e à simulação para apoiar o tratamento adaptativo.

Segundo o comunicado, até 2050, estima-se que cerca de 35 milhões de pessoas em todo o mundo recebam um diagnóstico de câncer a cada ano, e as equipes de atendimento enfrentam uma pressão crescente para oferecer tratamentos precisos e personalizados, ao mesmo tempo que lidam com a capacidade limitada de especialistas. «A radioterapia adaptativa se baseia em um único princípio: o tratamento deve se adaptar ao paciente, e não o contrário», afirmou Arthur Kaindl, chefe da Varian, empresa de tratamento do câncer da Siemens Healthineers. Ele destacou o lançamento do sistema Accela como o avanço mais recente da empresa em precisão e adaptação.

Agentes científicos e operações hospitalares

O comunicado estima em US$ 3,8 trilhões o investimento mundial em pesquisa e desenvolvimento científico, com orçamentos farmacêuticos anuais próximos de US$ 300 bilhões, e apresenta agentes científicos e laboratórios autônomos como uma forma de conectar projeto, experimentação e aprendizado em um ciclo contínuo.

Empresas de tecnologia para pesquisa e laboratórios estão usando o NVIDIA BioNeMo, uma plataforma aberta de desenvolvimento para biologia e descoberta de medicamentos impulsionadas por IA, junto com o Nemotron e outras tecnologias da NVIDIA, para criar agentes científicos, modelos especializados e ferramentas que conectam o projeto de medicamentos, os dados científicos e os fluxos de trabalho laboratoriais. A Benchling está fundamentando agentes em dados experimentais, contexto de pesquisa e fluxos de trabalho científicos integrados, enquanto a Biolevate conecta dados biológicos, ferramentas especializadas e raciocínio agêntico em todo o processo de descoberta e desenvolvimento de medicamentos. A Boltz está desenvolvendo modelos especializados que os agentes podem usar para prever estruturas moleculares e projetar e avaliar candidatos, além de apresentar uma prévia de um agente científico que planeja fluxos de trabalho e interpreta resultados. A Automata está conectando agentes científicos à infraestrutura laboratorial automatizada para que possam iniciar experimentos e registrar resultados estruturados e contextualizados.

O copiloto de IA para cientistas da Genedata coordenará o projeto e os testes de proteínas na unidade de produção de proteínas do laboratório autônomo da Danaher, em um fluxo de trabalho que incorporará o RFD4-Proteina para que os resultados experimentais orientem a próxima rodada de projetos. A Hologen está combinando seus modelos de grande escala para medicina com o NVIDIA Nemotron para criar cientistas clínicos de IA que transformam dados de exames de imagem e clínicos em informações sobre os resultados dos pacientes, a fim de orientar o projeto de ensaios clínicos; já a Therna Biosciences usa o raciocínio de modelos de linguagem de grande escala para conectar evidências experimentais ao projeto de medicamentos de RNA.

No campo das operações clínicas, o comunicado afirma que os sistemas de saúde de toda a Europa estão trabalhando para ampliar o acesso a cuidados especializados e, ao mesmo tempo, reduzir as demandas administrativas sobre as equipes de atendimento. A Avelios, a Corti, a Dedalus, a Dawn Health e a Sword estão desenvolvendo soluções com base no NVIDIA Nemotron, com aplicações que vão de escribas de IA e atendimento clínico assistido por IA a serviços personalizados de apoio aos pacientes. A PolyAI está desenvolvendo uma solução com o NVIDIA Agent Toolkit para uma implantação de diálogo multilíngue com a Corilus, fornecedora de software médico cuja rede abrange mais de 70.000 profissionais de saúde na Bélgica e na França. A Apian e a VitVio estão usando modelos de mundo NVIDIA Cosmos e bibliotecas NVIDIA Omniverse para criar gêmeos digitais que monitoram e aprimoram as operações hospitalares.