NVIDIA представляет открытую модель для проектирования белков RFD4-Proteina совместно с UW Medicine

21 октября 2026 года на GTC Berlin NVIDIA объявила о ряде совместных проектов в области здравоохранения и биологических наук. Главным событием стал запуск RFD4-Proteina — открытой модели для проектирования белков, разработанной совместно с Институтом проектирования белков UW Medicine, — а также нового совместного проекта по адаптивной лучевой терапии с Siemens Healthineers.

NVIDIA связала эти объявления с двумя проблемами, стоящими перед отраслью: исследователям в области биологических наук необходимо изучать обширные пространства биологических конструкций и сокращать промежуток между компьютерным проектированием и лабораторными испытаниями, а командам, оказывающим онкологическую помощь, — преобразовывать сложные данные визуализации и лечения в точные планы для каждого пациента. Кимберли Пауэлл, вице-президент NVIDIA по здравоохранению, заявила, что агентный и физический ИИ открывают новые возможности в медицине — от проектирования белков и автономных лабораторий до более персонализированной онкологической помощи.

RFD4-Proteina — открытая модель NVIDIA BioNeMo, которая объединяет программируемое проектирование белков с возможностями поиска. Она создает целевые белковые конструкции, позволяя ученым и агентам находить и уточнять кандидатов, используя молекулярные входные данные, ограничения и целевые показатели оценки. Среди потенциальных применений NVIDIA назвала белки, разработанные для нарушения процессов развития заболеваний или выявления признаков болезни в диагностических тестах.

По данным NVIDIA, в ходе испытаний, описанных в черновике исследования, RFD4-Proteina показала более высокие показатели успешности компьютерного проектирования и производительности генерации, чем оцениваемые базовые модели, в четырех наборах тестов: связывание белков, связывание малых молекул, создание белкового каркаса для ферментов и связывание ДНК. Компания заявила, что модель помогает исследователям изучать кандидатов и определять приоритеты для лабораторных испытаний, в ходе которых эксперименты устанавливают, как конструкция работает в проверяемых условиях.

Дэвид Бейкер, лауреат Нобелевской премии по химии 2024 года и директор Института проектирования белков при Вашингтонском университете, описал эту работу как переход от поиска белков, созданных природой, к проектированию совершенно новых. «RFD4-Proteina расширяет возможности ученых — от создания белков, способных продвинуть разработку лекарств, до ферментов, расщепляющих пестициды», — сказал он и добавил, что открытый доступ к модели позволит исследователям по всему миру развивать ее возможности.

По словам NVIDIA, модель доступна через партнеров, включая Amazon Bio Discovery, Claude Science от Anthropic, Benchling, Databricks, Google Cloud, Hugging Face, Nebius, OpenAI и Tamarind Bio. Это позволяет исследователям и разработчикам интегрировать ее в рабочие процессы с агентами, облачными сервисами и научными вычислениями.

Архитектура модели, лицензирование и доступность

В карточке модели, опубликованной на Hugging Face лабораторией Бейкера при Институте проектирования белков и NVIDIA GenAIR, RFD4-Proteina описывается как модель на основе сопоставления потоков для проектирования биомолекул. Она генерирует последовательности белков и их полноатомные структуры одновременно, учитывая молекулярный контекст, который пользователь хочет сохранить: мишень для связывания, мотив фермента, лиганд или выбранные структурные признаки. Выпущенные веса содержат 435,6 миллиона параметров, хранятся в формате FP32 и занимают 1,74 ГБ; модель работает в формате BF16 по лицензии BSD 3-Clause.

В карточке указано, что веса выпущены 19 октября 2026 года, а их поддержку включили в библиотеку Diffusers 20 октября 2026 года. Примеры с пошаговыми инструкциями — в том числе белок, связывающий PD-L1, переработанный вариант антитела к HER2, каталитический мотив фермента и карман для связывания малой молекулы, — демонстрируют процесс задания условий. При этом в карточке отмечено, что эти примеры не являются результатами экспериментальной оценки связывания или каталитической активности. Согласно карточке, на одном NVIDIA H200 проектирование конструкции длиной 250 токенов занимает 5,0 секунды в BF16 или 2,8 секунды после региональной компиляции.

В карточке модели для развертывания NVIDIA NIM RFD4-Proteina описывается как универсальная генеративная модель, созданная командой NVIDIA по генеративному ИИ и лабораторией Дэвида Бейкера при Институте проектирования белков. Она предназначена для семи задач проектирования: генерации, создания каркаса на основе мотива, проектирования ферментов, проектирования белков, связывающих малые молекулы, проектирования антител, частичной диффузии и обратного фолдинга. Развертывание поддерживает поиск по алгоритму beam search с учетом функции вознаграждения на протяжении диффузионной траектории. Благодаря этому запрос может оптимизировать результат по метрикам, вычисляемым локально, вместо того чтобы возвращать единственный неранжированный образец. В карточке указано, что модель выпущена 20 октября на build.nvidia.com и в NGC в рамках GTC Berlin; также отмечено, что веса обучены Институтом проектирования белков, состав обучающих данных не раскрывается, а модель готова к коммерческому и некоммерческому использованию.

Сотрудничество Siemens Healthineers и NVIDIA в области адаптивной лучевой терапии

Siemens Healthineers и NVIDIA работают над созданием нового поколения адаптивной лучевой терапии с применением агентного ИИ и робототехники, объединяя компетенции в области визуализации и онкологии с ускоренными вычислениями и моделированием. Открытые базовые модели Nemotron от NVIDIA рассматриваются как основа для агентного совместного планирования, которое должно помочь онкологам оценивать и уточнять персонализированные стратегии лечения. Согласно пресс-релизу, затем модели можно будет объединить с ускоренным с помощью CUDA расчетом дозы для быстрого моделирования с учетом особенностей пациента, а также с платформой NVIDIA Holoscan, которая связывает данные датчиков в реальном времени с ИИ и моделированием для поддержки адаптивного лечения.

Как сообщается в пресс-релизе, к 2050 году во всём мире ежегодно будут диагностировать рак примерно у 35 миллионов человек. При этом на медицинские команды ложится всё большая нагрузка: им необходимо обеспечивать точное, персонализированное лечение при ограниченных возможностях привлечения профильных специалистов. «Адаптивная лучевая терапия основана на одном принципе: лечение должно подстраиваться под пациента, а не наоборот», — заявил Артур Кайндл, глава Varian, подразделения Siemens Healthineers, специализирующегося на лечении онкологических заболеваний. Он назвал запуск системы Accela последним достижением компании в области точности и адаптивности.

Научные агенты и работа больниц

В пресс-релизе объём мировых научных исследований и разработок оценивается в 3,8 трлн долларов, а годовые бюджеты фармацевтических компаний приближаются к 300 млрд долларов. Научные агенты и автономные лаборатории представлены как способ объединить проектирование, эксперименты и обучение в непрерывный цикл.

Компании, разрабатывающие технологии для исследований и лабораторий, используют NVIDIA BioNeMo — открытую платформу для разработки решений на основе ИИ в области биологии и поиска лекарств, — наряду с Nemotron и другими технологиями NVIDIA, чтобы создавать научных агентов, специализированные модели и инструменты, связывающие проектирование лекарств, научные данные и лабораторные рабочие процессы. Benchling связывает работу агентов с экспериментальными данными, контекстом исследований и интегрированными научными рабочими процессами, а Biolevate объединяет биологические данные, специализированные инструменты и агентное рассуждение в процессе поиска и разработки лекарств. Boltz разрабатывает специализированные модели, которые агенты могут использовать для прогнозирования молекулярных структур, а также проектирования и оценки кандидатов, и представляет научного агента, который планирует рабочие процессы и интерпретирует результаты. Automata связывает научных агентов с автоматизированной лабораторной инфраструктурой, чтобы они могли запускать эксперименты и получать структурированные результаты с контекстной информацией.

ИИ-соучёный Genedata будет координировать проектирование и тестирование белков на специализированной площадке по проектированию белков в автономной лаборатории Danaher. В этом рабочем процессе будет использоваться RFD4-Proteina, чтобы экспериментальные результаты учитывались при разработке следующего набора вариантов. Hologen объединяет свои большие медицинские модели с NVIDIA Nemotron, создавая ИИ-исследователей в клинической медицине, которые преобразуют данные медицинской визуализации и клинические данные в выводы о результатах лечения пациентов, помогающие планировать клинические испытания. Therna Biosciences использует рассуждения больших языковых моделей, чтобы связывать экспериментальные данные с разработкой РНК-препаратов.

Что касается клинической работы, в пресс-релизе говорится, что системы здравоохранения по всей Европе стремятся расширить доступ к специализированной помощи и одновременно снизить административную нагрузку на медицинские команды. Avelios, Corti, Dedalus, Dawn Health и Sword используют NVIDIA Nemotron для самых разных задач — от ведения медицинской документации с помощью ИИ и оказания клинической помощи при поддержке ИИ до предоставления персонализированных услуг поддержки пациентов. PolyAI использует NVIDIA Agent Toolkit для создания многоязычной диалоговой системы совместно с поставщиком медицинского программного обеспечения Corilus, чья сеть охватывает более 70 000 медицинских работников в Бельгии и Франции. Apian и VitVio используют мировые модели NVIDIA Cosmos и библиотеки NVIDIA Omniverse для создания цифровых двойников, которые помогают отслеживать работу больниц и повышать её эффективность.