NVIDIA ra mắt mô hình thiết kế protein mở RFD4-Proteina cùng UW Medicine

Ngày 21 tháng 10 năm 2026, tại GTC Berlin, NVIDIA công bố một loạt hợp tác trong lĩnh vực chăm sóc sức khỏe và khoa học sự sống, nổi bật là màn ra mắt RFD4-Proteina, mô hình thiết kế protein mở được phát triển cùng Viện Thiết kế Protein thuộc UW Medicine, và hợp tác mới về xạ trị thích ứng với Siemens Healthineers.

NVIDIA đặt các thông báo này trong bối cảnh hai thách thức của ngành: các nhà nghiên cứu khoa học sự sống phải tìm kiếm trong những không gian thiết kế sinh học rộng lớn và rút ngắn khoảng thời gian từ thiết kế tính toán đến thử nghiệm trong phòng thí nghiệm, trong khi các nhóm chăm sóc ung thư phải chuyển đổi dữ liệu hình ảnh và điều trị phức tạp thành kế hoạch chính xác cho từng bệnh nhân. Kimberly Powell, phó chủ tịch phụ trách chăm sóc sức khỏe tại NVIDIA, cho biết AI tác nhân và AI vật lý đang mở ra những khả năng mới trong nhiều lĩnh vực y học, từ thiết kế protein, phòng thí nghiệm tự hành đến chăm sóc ung thư cá nhân hóa hơn.

RFD4-Proteina là mô hình mở thuộc NVIDIA BioNeMo, kết hợp khả năng thiết kế protein có thể lập trình với năng lực tìm kiếm. Mô hình tạo ra các thiết kế protein có mục tiêu, giúp các nhà khoa học và tác nhân tìm kiếm, tinh chỉnh các ứng viên dựa trên dữ liệu đầu vào phân tử, các ràng buộc và mục tiêu chấm điểm. NVIDIA liệt kê những ứng dụng tiềm năng, trong đó có thiết kế protein nhằm làm gián đoạn các quá trình gây bệnh hoặc phát hiện dấu hiệu bệnh trong các xét nghiệm chẩn đoán.

Theo NVIDIA, trong các thử nghiệm được mô tả trong bản thảo nghiên cứu, RFD4-Proteina đạt tỷ lệ thành công trong thiết kế tính toán và thông lượng tạo sinh cao hơn các mô hình cơ sở được đánh giá trên bốn bộ chuẩn: liên kết protein, liên kết phân tử nhỏ, tạo khung enzyme và liên kết DNA. Công ty cho biết mô hình giúp các nhà nghiên cứu khảo sát và ưu tiên các ứng viên để thử nghiệm trong phòng thí nghiệm, nơi các thí nghiệm xác định hiệu quả của thiết kế trong những điều kiện được thử nghiệm.

David Baker, người đoạt giải Nobel Hóa học năm 2024 và giám đốc Viện Thiết kế Protein tại Đại học Washington, mô tả công trình này là bước chuyển từ việc khám phá những protein do tự nhiên tạo ra sang thiết kế những protein hoàn toàn mới. “RFD4-Proteina mở rộng những gì các nhà khoa học có thể tạo ra, từ protein có thể thúc đẩy quá trình khám phá thuốc đến enzyme phân hủy thuốc trừ sâu”, ông nói, đồng thời cho biết việc phát hành mô hình dưới dạng mở sẽ giúp các nhà nghiên cứu trên khắp thế giới tiếp tục phát triển dựa trên mô hình này.

NVIDIA cho biết mô hình hiện có thông qua các đối tác, gồm Amazon Bio Discovery, Claude Science của Anthropic, Benchling, Databricks, Google Cloud, Hugging Face, Nebius, OpenAI và Tamarind Bio, giúp các nhà nghiên cứu và nhà phát triển tích hợp mô hình vào quy trình làm việc của tác nhân, điện toán đám mây và điện toán khoa học.

Kiến trúc mô hình, giấy phép và khả năng tiếp cận

Một thẻ mô hình được đăng trên Hugging Face do Baker Lab thuộc Institute for Protein Design và NVIDIA GenAIR công bố mô tả RFD4-Proteina là mô hình khớp dòng dùng cho thiết kế phân tử sinh học, có khả năng tạo đồng thời trình tự protein và cấu trúc toàn nguyên tử, dựa trên bối cảnh phân tử mà người dùng muốn giữ lại: một mục tiêu liên kết, một mô típ enzyme, một phối tử hoặc các đặc điểm cấu trúc được chọn. Các trọng số được phát hành có 435,6 triệu tham số, được lưu trữ ở định dạng FP32 với dung lượng 1,74 GB và chạy ở định dạng BF16 theo giấy phép BSD 3-Clause.

Thẻ mô hình ghi ngày phát hành các trọng số là 19 tháng 10 năm 2026 và cho biết hỗ trợ chúng đã được tích hợp vào thư viện Diffusers vào ngày 20 tháng 10 năm 2026. Các ví dụ thực hành trong thẻ — gồm một protein liên kết PD-L1, thiết kế lại kháng thể HER2, mô-típ xúc tác enzyme và túi liên kết phân tử nhỏ — minh họa quy trình điều kiện hóa; thẻ cũng nêu rõ đây không phải là kết quả thực nghiệm về khả năng liên kết hay hoạt tính xúc tác. Theo thẻ mô hình, trên một NVIDIA H200 duy nhất, một thiết kế 250 token mất 5,0 giây ở định dạng BF16, hoặc 2,8 giây sau khi biên dịch theo vùng.

Thẻ mô hình dành cho phương thức triển khai NVIDIA NIM mô tả RFD4-Proteina là mô hình tạo sinh hợp nhất do nhóm AI tạo sinh của NVIDIA và David Baker Lab thuộc Viện Thiết kế Protein phát triển, phục vụ bảy tác vụ thiết kế: tạo sinh, tạo khung mô-típ, thiết kế enzyme, thiết kế chất liên kết phân tử nhỏ, thiết kế kháng thể, khuếch tán một phần và gấp ngược. Phương thức triển khai này hỗ trợ tìm kiếm chùm tia theo phần thưởng trên quỹ đạo khuếch tán, nhờ đó một yêu cầu có thể tối ưu hóa theo các chỉ số tính được cục bộ thay vì chỉ trả về một mẫu duy nhất không được xếp hạng. Thẻ mô hình ghi ngày phát hành trên build.nvidia.com và NGC là 20 tháng 10 tại GTC Berlin, cho biết các trọng số do Viện Thiết kế Protein huấn luyện nhưng không công bố thành phần dữ liệu huấn luyện, đồng thời đánh dấu mô hình là sẵn sàng sử dụng cho mục đích thương mại hoặc phi thương mại.

Hợp tác về xạ trị thích ứng của Siemens Healthineers

Siemens Healthineers và NVIDIA đang hợp tác phát triển thế hệ xạ trị thích ứng tiếp theo với trí tuệ tác nhân và robot, kết hợp chuyên môn về hình ảnh và ung thư học với điện toán tăng tốc và mô phỏng. NVIDIA đang nghiên cứu khả năng ứng dụng các mô hình nền tảng mở Nemotron để hỗ trợ lập kế hoạch phối hợp bằng tác nhân, nhằm giúp bác sĩ ung thư đánh giá và tinh chỉnh các chiến lược điều trị cá nhân hóa. Theo thông cáo, sau đó có thể kết hợp các mô hình này với tính toán liều được tăng tốc bằng CUDA để mô phỏng nhanh theo từng bệnh nhân và nền tảng NVIDIA Holoscan, vốn kết nối dữ liệu cảm biến trực tiếp với AI và mô phỏng nhằm hỗ trợ điều trị thích ứng.

Theo thông cáo, đến năm 2050, dự kiến mỗi năm trên toàn thế giới sẽ có khoảng 35 triệu người được chẩn đoán mắc ung thư; các đội ngũ chăm sóc cũng phải đối mặt với áp lực ngày càng lớn, vừa phải cung cấp phương pháp điều trị chính xác, cá nhân hóa, vừa phải xoay xở với nguồn lực chuyên gia hạn chế. Arthur Kaindl, người đứng đầu Varian, mảng kinh doanh chăm sóc ung thư của Siemens Healthineers, cho biết: “Xạ trị thích ứng dựa trên một nguyên tắc duy nhất: phương pháp điều trị phải thích ứng với bệnh nhân, chứ không phải ngược lại”. Ông nhấn mạnh việc ra mắt hệ thống Accela là bước tiến mới nhất của công ty trong lĩnh vực điều trị chính xác và thích ứng.

Các tác nhân khoa học và hoạt động bệnh viện

Thông cáo ước tính quy mô R&D khoa học toàn cầu đạt 3,8 nghìn tỷ đô la, trong khi ngân sách dược phẩm hằng năm tiến gần mức 300 tỷ đô la; đồng thời xem các tác nhân khoa học và phòng thí nghiệm tự hành là một phương thức kết nối thiết kế, thử nghiệm và học hỏi thành một chu trình liên tục.

Các công ty công nghệ nghiên cứu và phòng thí nghiệm đang sử dụng NVIDIA BioNeMo, một nền tảng phát triển mở dành cho sinh học và khám phá thuốc ứng dụng AI, cùng với Nemotron và các công nghệ khác của NVIDIA để xây dựng các tác nhân khoa học, cũng như những mô hình và công cụ chuyên biệt kết nối thiết kế thuốc, dữ liệu khoa học và quy trình phòng thí nghiệm. Benchling giúp các tác nhân dựa trên dữ liệu thực nghiệm, bối cảnh nghiên cứu và các quy trình khoa học được kết nối, trong khi Biolevate kết nối dữ liệu sinh học, công cụ chuyên biệt và khả năng suy luận của tác nhân AI trong suốt quá trình khám phá và phát triển thuốc. Boltz đang phát triển các mô hình chuyên biệt để các tác nhân có thể dự đoán cấu trúc phân tử, thiết kế và đánh giá các ứng viên thuốc; công ty cũng đang hé lộ một tác nhân khoa học có khả năng lập kế hoạch quy trình và diễn giải kết quả. Automata kết nối các tác nhân khoa học với cơ sở hạ tầng phòng thí nghiệm tự động hóa, giúp chúng khởi động thí nghiệm và ghi nhận kết quả có cấu trúc, kèm ngữ cảnh.

Nhà khoa học đồng hành AI của Genedata sẽ điều phối việc thiết kế và thử nghiệm protein tại xưởng thiết kế protein trong phòng thí nghiệm tự hành của Danaher. Quy trình này sẽ tích hợp RFD4-Proteina để kết quả thực nghiệm định hướng cho đợt thiết kế tiếp theo. Hologen đang kết hợp các mô hình y học quy mô lớn của mình với NVIDIA Nemotron để xây dựng các nhà khoa học lâm sàng AI, có thể chuyển dữ liệu hình ảnh và dữ liệu lâm sàng thành thông tin chuyên sâu về kết quả điều trị của bệnh nhân nhằm hỗ trợ thiết kế thử nghiệm lâm sàng; còn Therna Biosciences sử dụng khả năng suy luận của mô hình ngôn ngữ lớn để kết nối bằng chứng thực nghiệm với thiết kế thuốc RNA.

Về hoạt động lâm sàng, thông cáo cho biết các hệ thống y tế trên khắp châu Âu đang nỗ lực mở rộng khả năng tiếp cận dịch vụ chăm sóc chuyên sâu, đồng thời giảm bớt gánh nặng hành chính cho các đội ngũ chăm sóc. Avelios, Corti, Dedalus, Dawn Health và Sword đang phát triển dựa trên NVIDIA Nemotron, với các ứng dụng từ thư ký ghi chép bằng AI và chăm sóc lâm sàng có AI hỗ trợ đến các dịch vụ hỗ trợ bệnh nhân được cá nhân hóa. PolyAI đang phát triển dựa trên NVIDIA Agent Toolkit trong một dự án triển khai đối thoại đa ngôn ngữ cùng Corilus, nhà cung cấp phần mềm y tế có mạng lưới hơn 70.000 chuyên gia chăm sóc sức khỏe tại Bỉ và Pháp. Apian và VitVio đang sử dụng các mô hình thế giới NVIDIA Cosmos và thư viện NVIDIA Omniverse để xây dựng bản sao số, giúp theo dõi và cải thiện hoạt động bệnh viện.