NVIDIA lanserar den öppna modellen för proteindesign RFD4-Proteina tillsammans med UW Medicine

NVIDIA tillkännagav den 21 oktober 2026 ett antal samarbeten inom hälso- och sjukvård samt biovetenskap vid GTC Berlin. I centrum stod lanseringen av RFD4-Proteina, en öppen modell för proteindesign som utvecklats tillsammans med UW Medicine Institute for Protein Design, samt ett nytt samarbete med Siemens Healthineers kring adaptiv strålbehandling.

NVIDIA satte tillkännagivandena i samband med två utmaningar som branschen står inför: forskare inom biovetenskap måste söka igenom enorma biologiska designutrymmen och förkorta tiden mellan beräkningsbaserad design och laboratorietester, medan cancervårdsteam måste omvandla komplexa bild- och behandlingsdata till precisa planer för varje patient. Kimberly Powell, vice vd för hälso- och sjukvård på NVIDIA, sade att agentbaserad AI och fysisk AI öppnar nya möjligheter inom hela medicinen, från proteindesign och autonoma laboratorier till mer individanpassad cancervård.

RFD4-Proteina är en öppen modell från NVIDIA BioNeMo som kombinerar programmerbar proteindesign med sökfunktioner. Den genererar riktade proteindesigner, vilket gör det möjligt för forskare och agenter att söka efter och förfina kandidater utifrån molekylära indata, begränsningar och poängsättningsmål. Bland de potentiella tillämpningar som NVIDIA nämnde finns proteiner utformade för att avbryta sjukdomsprocesser eller upptäcka tecken på sjukdom i diagnostiska tester.

Enligt NVIDIA uppnådde RFD4-Proteina i tester som beskrivs i forskningsutkastet högre framgångsgrad för beräkningsbaserad design och högre genomströmning vid generering än de utvärderade jämförelsemodellerna i fyra benchmarksviter: proteinbindning, bindning till små molekyler, enzymställningar och DNA-bindning. Företaget sade att modellen hjälper forskare att utforska och prioritera kandidater för laboratorietester, där experiment visar hur en design fungerar under de testade förhållandena.

David Baker, Nobelpristagare i kemi 2024 och föreståndare för Institute for Protein Design vid University of Washington, beskrev arbetet som en övergång från att upptäcka proteiner som naturen har skapat till att designa helt nya. ”RFD4-Proteina utvidgar vad forskare kan skapa, från proteiner som skulle kunna främja läkemedelsutvecklingen till enzymer som bryter ner bekämpningsmedel”, sade han och tillade att en öppen modell gör det möjligt för forskare världen över att bygga vidare på den.

NVIDIA sade att modellen är tillgänglig via samarbetspartner, däribland Amazon Bio Discovery, Anthropic’s Claude Science, Benchling, Databricks, Google Cloud, Hugging Face, Nebius, OpenAI och Tamarind Bio. Det gör det möjligt för forskare och utvecklare att integrera den i arbetsflöden för agenter, molntjänster och vetenskaplig databehandling.

Modellarkitektur, licens och tillgänglighet

Ett modellkort som publicerats på Hugging Face av Baker Lab vid Institute for Protein Design och NVIDIA GenAIR beskriver RFD4-Proteina som en modell baserad på flödesmatchning för biomolekylär design. Den genererar proteinsekvenser och strukturer med samtliga atomer samtidigt, utifrån det molekylära sammanhang som användaren vill bevara: ett bindningsmål, ett enzymmotiv, en ligand eller utvalda strukturella egenskaper. De släppta vikterna omfattar 435,6 miljoner parametrar, lagras i FP32 i en fil på 1,74 GB och körs i BF16 under licensen BSD 3-Clause.

Enligt modellkortet släpptes vikterna den 19 oktober 2026, och stöd för dem införlivades i biblioteket Diffusers den 20 oktober 2026. Exempel som genomgås i kortet – däribland en PD-L1-proteinbindare, en omdesignad HER2-antikropp, ett enzymkatalytiskt motiv och en bindningsficka för små molekyler – visar arbetsflödet för betingning. Kortet klargör att exemplen inte är resultat från experiment som mäter bindning eller katalytisk aktivitet. Enligt kortet tar det 5,0 sekunder att generera en design med 250 token på en enda NVIDIA H200, eller 2,8 sekunder efter regional kompilering.

Ett modellkort för NVIDIA NIM-driftsättningen beskriver RFD4-Proteina som en enhetlig generativ modell, framtagen av NVIDIAs team för generativ AI och David Baker Lab vid Institute for Protein Design. Modellen omfattar sju designtillämpningar: generering, ställningsbyggande kring motiv, enzymdesign, design av bindare för små molekyler, antikroppsdesign, partiell diffusion och invers veckning. Driftsättningen stöder belöningsstyrd strålsökning längs diffusionstrajektorian, så att en begäran kan optimeras utifrån mått som går att beräkna lokalt i stället för att bara ge ett enda orankat prov. Modellkortet anger att modellen släpptes den 20 oktober på build.nvidia.com och NGC vid GTC Berlin. Där står också att Institute for Protein Design tränade vikterna, att sammansättningen av träningsdata inte offentliggjorts och att modellen är klar för kommersiell eller icke-kommersiell användning.

Samarbete mellan Siemens Healthineers och NVIDIA kring adaptiv strålbehandling

Siemens Healthineers och NVIDIA arbetar med att utveckla nästa generation av adaptiv strålbehandling med agentbaserad och robotbaserad intelligens. Arbetet förenar expertis inom bilddiagnostik och onkologi med accelererad databehandling och simulering. NVIDIA:s öppna grundmodeller Nemotron undersöks som en möjlig grund för agentbaserad gemensam planering, med målet att hjälpa onkologer att utvärdera och förfina individanpassade behandlingsstrategier. Enligt pressmeddelandet skulle modellerna därefter kunna kombineras med dosberäkning accelererad av CUDA för snabba patientspecifika simuleringar och plattformen NVIDIA Holoscan, som kopplar samman livedata från sensorer med AI och simulering för att stödja adaptiv behandling.

Enligt pressmeddelandet väntas cirka 35 miljoner människor världen över få en cancerdiagnos varje år fram till 2050, samtidigt som vårdteamen står inför ett allt större tryck att ge precis och individanpassad behandling och hantera den begränsade tillgången till specialister. ”Adaptiv strålbehandling bygger på en enda princip: behandlingen ska anpassas efter patienten, inte tvärtom”, sade Arthur Kaindl, chef för Varian, Siemens Healthineers verksamhet inom cancervård. Han lyfte fram lanseringen av Accela-systemet som företagets senaste framsteg inom precision och anpassning.

Vetenskapliga agenter och sjukhusdrift

Pressmeddelandet uppskattar den globala vetenskapliga forskningen och utvecklingen till 3,8 biljoner dollar och anger att läkemedelsindustrins årliga budgetar närmar sig 300 miljarder dollar. Vetenskapliga agenter och autonoma laboratorier presenteras som ett sätt att koppla samman design, experiment och lärande i en kontinuerlig cykel.

Företag inom forskning och laboratorieteknik använder NVIDIA BioNeMo, en öppen utvecklingsplattform för AI-driven biologi och läkemedelsupptäckt, tillsammans med Nemotron och annan NVIDIA-teknik för att utveckla vetenskapliga agenter samt specialiserade modeller och verktyg som kopplar samman läkemedelsdesign, vetenskapliga data och laboratoriearbetsflöden. Benchling förankrar agenter i experimentella data, forskningssammanhang och sammanlänkade vetenskapliga arbetsflöden, medan Biolevate kopplar samman biologiska data, specialiserade verktyg och agentbaserat resonemang inom läkemedelsupptäckt och -utveckling. Boltz utvecklar specialiserade modeller som agenter kan använda för att förutsäga molekylstrukturer samt utforma och utvärdera kandidater, och förhandsvisar en vetenskaplig agent som planerar arbetsflöden och tolkar resultat. Automata kopplar samman vetenskapliga agenter med automatiserad laboratorieinfrastruktur, så att de kan initiera experiment och samla in strukturerade resultat med tillhörande sammanhang.

Genedatas AI-medforskare ska samordna proteindesign och testning i proteinutvecklingsanläggningen i Danahers autonoma laboratorium, i ett arbetsflöde som ska införliva RFD4-Proteina så att experimentella resultat vägleder nästa omgång designförslag. Hologen kombinerar sina stora medicinska modeller med NVIDIA Nemotron för att utveckla kliniska AI-forskare som omvandlar bilddiagnostik och kliniska data till insikter om patientutfall, vilka ska ligga till grund för utformningen av kliniska prövningar. Therna Biosciences använder resonemang med stora språkmodeller för att koppla samman experimentella belägg och design av RNA-läkemedel.

På området klinisk verksamhet uppger pressmeddelandet att vårdsystem i hela Europa arbetar för att öka tillgången till specialistvård och samtidigt minska den administrativa bördan för vårdteamen. Avelios, Corti, Dedalus, Dawn Health och Sword bygger vidare på NVIDIA Nemotron, med tillämpningar som sträcker sig från AI-baserade dokumentationsassistenter och AI-stödd klinisk vård till personanpassade stödtjänster för patienter. PolyAI bygger vidare på NVIDIA Agent Toolkit i en flerspråkig dialoglösning tillsammans med vårdprogramvaruleverantören Corilus, vars nätverk omfattar fler än 70 000 vårdprofessionella i Belgien och Frankrike. Apian och VitVio använder världsmodellerna NVIDIA Cosmos och biblioteken NVIDIA Omniverse för att skapa digitala tvillingar som övervakar och förbättrar sjukhusens verksamhet.