NVIDIA представляє відкриту модель для проєктування білків RFD4-Proteina разом з UW Medicine

21 жовтня 2026 року на GTC Berlin NVIDIA оголосила про низку партнерств у сфері охорони здоров’я та наук про життя. Центральною подією став дебют RFD4-Proteina — відкритої моделі для проєктування білків, розробленої спільно з UW Medicine Institute for Protein Design, — а також оголошення про нове партнерство із Siemens Healthineers у сфері адаптивної променевої терапії.

NVIDIA пов’язала ці оголошення з двома викликами, що стоять перед галуззю: дослідникам у сфері наук про життя потрібно шукати рішення у величезних просторах біологічних конструкцій і скорочувати проміжок між обчислювальним проєктуванням та лабораторними випробуваннями, тоді як командам онкологічної допомоги потрібно перетворювати складні дані візуалізації та лікування на точні плани для кожного пацієнта. Кімберлі Павелл, віцепрезидентка NVIDIA з питань охорони здоров’я, заявила, що агентний і фізичний штучний інтелект відкривають нові можливості в медицині — від проєктування білків і автономних лабораторій до більш персоналізованої онкологічної допомоги.

RFD4-Proteina — відкрита модель NVIDIA BioNeMo, що поєднує програмоване проєктування білків із можливостями пошуку. Вона генерує цільові конструкції білків, даючи змогу науковцям і агентам шукати та вдосконалювати кандидатів, використовуючи молекулярні вхідні дані, обмеження й цільові показники оцінювання. Серед потенційних застосувань NVIDIA назвала білки, спроєктовані для переривання перебігу хвороб або виявлення їхніх ознак у діагностичних тестах.

За даними NVIDIA, у тестуванні, описаному в попередній версії дослідження, RFD4-Proteina продемонструвала вищі показники успішності обчислювального проєктування та більшу пропускну здатність генерації, ніж оцінювані базові моделі, у чотирьох наборах тестів: зв’язування білків, зв’язування малих молекул, створення каркасів ферментів і зв’язування ДНК. Компанія зазначила, що модель допомагає дослідникам вивчати кандидатів і визначати пріоритетних для лабораторних випробувань, під час яких експерименти встановлюють, як конструкція працює в перевірених умовах.

Девід Бейкер, лауреат Нобелівської премії з хімії 2024 року й директор Institute for Protein Design при University of Washington, описав цю роботу як перехід від пошуку білків, створених природою, до проєктування цілком нових. «RFD4-Proteina розширює можливості науковців — від створення білків, які можуть сприяти відкриттю ліків, до ферментів, що розщеплюють пестициди», — сказав він і додав, що відкритий доступ до моделі дасть змогу дослідникам у всьому світі розвивати її можливості.

За словами NVIDIA, модель доступна через партнерів, зокрема Amazon Bio Discovery, Claude Science від Anthropic, Benchling, Databricks, Google Cloud, Hugging Face, Nebius, OpenAI і Tamarind Bio. Це дає дослідникам і розробникам змогу інтегрувати її в робочі процеси з агентами, хмарними сервісами та науковими обчисленнями.

Архітектура моделі, ліцензування та доступність

У картці моделі, опублікованій на Hugging Face командою Baker Lab при Institute for Protein Design та NVIDIA GenAIR, RFD4-Proteina описано як модель на основі узгодження потоків для проєктування біомолекул, що генерує послідовності білків і їхні повноатомні структури одночасно, з урахуванням молекулярного контексту, який користувач хоче зберегти: мішені зв’язування, мотиву ферменту, ліганду або вибраних структурних характеристик. Опубліковані ваги містять 435,6 мільйона параметрів, зберігаються у форматі FP32 і займають 1,74 ГБ; модель працює у форматі BF16 за ліцензією BSD 3-Clause.

У картці зазначено, що ваги випущено 19 жовтня 2026 року, а підтримку для них додано до бібліотеки Diffusers 20 жовтня 2026 року. Наведені приклади — зокрема білок-зв’язувач PD-L1, перепроєктування антитіла HER2, каталітичний мотив ферменту й кишеня для зв’язування малої молекули — демонструють робочий процес із заданими умовами; у картці наголошено, що це не результати експериментів зі зв’язування чи каталітичною активністю. За даними картки, на одному NVIDIA H200 проєктування на 250 токенів триває 5,0 секунди у форматі BF16 або 2,8 секунди після регіональної компіляції.

У картці моделі для розгортання NVIDIA NIM RFD4-Proteina описано як уніфіковану генеративну модель, створену командою Generative AI NVIDIA та David Baker Lab при Institute for Protein Design. Вона підтримує сім завдань проєктування: генерацію, створення каркасів для мотивів, проєктування ферментів, проєктування зв’язувачів малих молекул, проєктування антитіл, часткову дифузію та обернене згортання. Розгортання підтримує пошук у ширину за винагородою вздовж траєкторії дифузії, завдяки чому запит можна оптимізувати за метриками, які обчислюються локально, замість того щоб отримувати один невпорядкований за рейтингом зразок. У картці вказано, що модель випущено 20 жовтня на build.nvidia.com і NGC під час GTC Berlin; також зазначено, що ваги навчив Institute for Protein Design, але склад навчальних даних не розкрито, а модель призначена для комерційного або некомерційного використання.

Партнерство Siemens Healthineers і NVIDIA у сфері адаптивної променевої терапії

Siemens Healthineers і NVIDIA працюють над створенням наступного покоління адаптивної променевої терапії з використанням агентного та роботизованого інтелекту, поєднуючи знання у сфері візуалізації та онкології з прискореними обчисленнями й симуляцією. Компанії вивчають можливість використання відкритих базових моделей Nemotron NVIDIA для агентного спільного планування, щоб допомогти онкологам оцінювати й удосконалювати персоналізовані стратегії лікування. Згідно з повідомленням, згодом ці моделі можна буде поєднати з прискореним за допомогою CUDA розрахунком доз для швидкого моделювання з урахуванням особливостей кожного пацієнта, а також із платформою NVIDIA Holoscan, яка поєднує дані з датчиків у реальному часі зі штучним інтелектом і симуляцією для підтримки адаптивного лікування.

За повідомленням, до 2050 року щороку на рак у світі, за прогнозами, захворюватимуть приблизно 35 мільйонів людей, а медичні команди зазнаватимуть дедалі більшого тиску: їм доведеться забезпечувати точне, персоналізоване лікування, водночас працюючи в умовах обмежених можливостей фахівців. «Адаптивна променева терапія ґрунтується на одному принципі: лікування має підлаштовуватися під пацієнта, а не навпаки», — сказав Артур Кайндл, керівник Varian — підрозділу Siemens Healthineers, що спеціалізується на онкологічній допомозі. Він назвав запуск системи Accela останнім досягненням компанії у сфері точності та адаптивності.

Наукові агенти та операційна діяльність лікарень

У повідомленні обсяг світових витрат на наукові дослідження та розробки оцінюється в $3,8 трлн, а річні бюджети фармацевтичних компаній наближаються до $300 млрд. Наукові агенти й автономні лабораторії представлені як спосіб об’єднати проєктування, експерименти та навчання в безперервний цикл.

Компанії, що працюють у сферах досліджень і лабораторних технологій, використовують NVIDIA BioNeMo — відкриту платформу розробки для біологічних досліджень і відкриття ліків за допомогою ШІ, — разом із Nemotron та іншими технологіями NVIDIA, щоб створювати наукових агентів, спеціалізовані моделі й інструменти, які поєднують розробку ліків, наукові дані та лабораторні процеси. Benchling надає агентам доступ до експериментальних даних, контексту досліджень і взаємопов’язаних наукових процесів, тоді як Biolevate поєднує біологічні дані, спеціалізовані інструменти та агентне міркування в межах відкриття й розробки ліків. Boltz розробляє спеціалізовані моделі, які агенти можуть використовувати для прогнозування молекулярних структур, а також проєктування й оцінювання кандидатів, і попередньо представляє наукового агента, що планує робочі процеси та інтерпретує результати. Automata поєднує наукових агентів з автоматизованою лабораторною інфраструктурою, щоб агенти могли розпочинати експерименти й збирати структуровані результати з відповідним контекстом.

Спільний ШІ-науковець Genedata координуватиме проєктування та тестування білків у центрі проєктування білків автономної лабораторії Danaher. Робочий процес передбачатиме використання RFD4-Proteina, щоб результати експериментів спрямовували наступний цикл проєктування. Hologen поєднує власні великі моделі для медицини з NVIDIA Nemotron, створюючи клінічних науковців на основі ШІ, які перетворюють дані візуалізації та клінічні дані на відомості про результати лікування пацієнтів для планування клінічних випробувань. Therna Biosciences використовує міркування великих мовних моделей, щоб поєднувати експериментальні дані з розробкою РНК-препаратів.

Щодо клінічної діяльності, у повідомленні зазначено, що системи охорони здоров’я в Європі працюють над розширенням доступу до спеціалізованої допомоги й водночас прагнуть зменшити адміністративне навантаження на медичні команди. Avelios, Corti, Dedalus, Dawn Health і Sword розвивають рішення на базі NVIDIA Nemotron для різних завдань — від ШІ-асистентів для ведення медичної документації та клінічної допомоги за підтримки ШІ до персоналізованих послуг підтримки пацієнтів. PolyAI розвиває рішення на базі NVIDIA Agent Toolkit для багатомовного діалогового сервісу разом із постачальником медичного програмного забезпечення Corilus, чия мережа охоплює понад 70 000 медичних працівників у Бельгії та Франції. Apian і VitVio використовують світові моделі NVIDIA Cosmos і бібліотеки NVIDIA Omniverse для створення цифрових двійників, які відстежують роботу лікарень і допомагають її поліпшувати.