NVIDIA携手UW Medicine推出开放式蛋白质设计模型RFD4-Proteina

2026年10月21日，NVIDIA在柏林GTC大会上宣布了一系列医疗健康与生命科学领域的合作，其中包括与UW Medicine Institute for Protein Design共同开发的开放式蛋白质设计模型RFD4-Proteina正式亮相，以及与Siemens Healthineers开展的一项自适应放射治疗新合作。

NVIDIA表示，这些公告聚焦于该领域面临的两大挑战：生命科学研究人员必须在广阔的生物设计空间中进行搜索，并缩短计算设计与实验室测试之间的周期；与此同时，癌症治疗团队必须将复杂的成像和治疗数据转化为针对每位患者的精准方案。NVIDIA医疗健康业务副总裁Kimberly Powell表示，智能体式人工智能和物理人工智能正在为医学领域开辟新的可能，涵盖蛋白质设计、自动化实验室以及更加个性化的癌症治疗等方面。

RFD4-Proteina是NVIDIA BioNeMo的一款开放模型，将可编程蛋白质设计与搜索能力相结合。它能够生成有针对性的蛋白质设计，使科学家和智能体可以利用分子输入、约束条件和评分目标搜索并优化候选方案。NVIDIA列出的潜在应用包括设计能够阻断疾病进程的蛋白质，或设计能够在诊断检测中发现疾病迹象的蛋白质。

NVIDIA表示，在研究预印稿所述的测试中，RFD4-Proteina在四套基准测试——蛋白质结合、小分子结合、酶支架设计和DNA结合——中的计算设计成功率和生成吞吐量均高于受测基线模型。该公司称，这款模型有助于研究人员探索候选方案并确定其优先级，以供实验室测试；实验则可验证设计在受测条件下的表现。

2024年诺贝尔化学奖得主、华盛顿大学Institute for Protein Design主任David Baker将这项工作描述为一种转变：从发现自然界已经创造的蛋白质，转向设计全新的蛋白质。他说：“RFD4-Proteina拓展了科学家能够创造的事物，从有望推动药物发现的蛋白质，到能够分解农药的酶。”他还表示，开放模型将使世界各地的研究人员能够在此基础上继续开发。

NVIDIA表示，研究人员和开发者可通过Amazon Bio Discovery、Anthropic的Claude Science、Benchling、Databricks、Google Cloud、Hugging Face、Nebius、OpenAI和Tamarind Bio等合作伙伴使用该模型，并将其集成到智能体、云端和科学计算工作流程中。

模型架构、许可与可用性

由Baker Lab在Hugging Face上发布的模型说明卡介绍称，RFD4-Proteina是用于生物分子设计的流匹配模型，可同时生成蛋白质序列和全原子结构，并以用户希望保留的分子环境为条件，例如结合靶标、酶基序、配体或选定的结构特征。发布的权重包含4.356亿个参数，以FP32格式存储，占用1.74 GB，并以BF16格式运行；该模型采用BSD 3-Clause许可证。

模型说明卡将权重的发布日期标为2026年10月19日，并指出，对这些权重的支持已于2026年10月20日合并至Diffusers库。卡片中的示例包括PD-L1蛋白结合剂、HER2抗体改造、酶催化基序和小分子结合口袋，展示了条件控制工作流程；卡片同时声明，这些示例并非实验测得的结合或催化活性结果。卡片报告称，在单张NVIDIA H200上，生成一个250-token设计在BF16格式下需要5.0秒，经过区域编译后则需要2.8秒。

一份关于NVIDIA NIM部署的模型说明卡介绍称，RFD4-Proteina是由NVIDIA生成式人工智能团队与Institute for Protein Design的David Baker Lab开发的统一生成模型，可用于七项设计任务：生成、基序支架设计、酶设计、小分子结合剂设计、抗体设计、部分扩散和逆折叠。该部署支持在扩散轨迹上进行奖励引导的束搜索，因此，用户请求可以针对本地可计算的指标进行优化，而不是只返回一个未经排序的样本。卡片列出该模型于10月20日在柏林GTC大会期间通过build.nvidia.com和NGC发布；卡片还指出，权重由Institute for Protein Design训练，但未披露训练数据的组成，并将该模型标记为可用于商业或非商业用途。

Siemens Healthineers自适应放射治疗合作

Siemens Healthineers与NVIDIA正合作开发新一代自适应放射治疗技术，融入智能体式和机器人智能，并结合成像与肿瘤学专业知识、加速计算和仿真技术。双方正探索利用NVIDIA的Nemotron开放基础模型支持智能体协同规划，旨在帮助肿瘤科医生评估和优化个性化治疗策略。新闻稿称，之后还可将这些模型与CUDA加速的剂量计算相结合，以快速开展患者个体化仿真；此外，也可结合NVIDIA Holoscan平台。该平台将实时传感器数据与人工智能和仿真技术相连接，以支持自适应治疗。

新闻稿称，到2050年，全球每年预计将有约3,500万人被诊断出癌症；与此同时，护理团队面临的压力日益加大，既要提供精准、个性化的治疗，又要应对专科人员资源有限的问题。Siemens Healthineers旗下癌症护理业务Varian负责人Arthur Kaindl表示：“适应性放射治疗遵循一个基本原则：治疗应适应患者，而不是让患者去适应治疗。”他指出，Accela系统的推出是公司近期在精准治疗和适应性方面取得的最新进展。

科研智能体与医院运营

新闻稿称，全球科研与开发（R&D）的规模达3.8万亿美元，制药行业的年度预算接近3,000亿美元；稿件将科研智能体和自主实验室视为连接设计、实验与学习、形成持续循环的一种方式。

科研和实验室技术公司正在将NVIDIA BioNeMo这一面向AI驱动的生物学研究与药物发现的开放式开发平台，与Nemotron及其他NVIDIA技术结合起来，构建科研智能体，以及连接药物设计、科研数据和实验室工作流程的专用模型与工具。Benchling正让智能体基于实验数据、研究背景和互联的科研工作流程开展工作；Biolevate则在药物发现与开发过程中，将生物数据、专用工具和智能体推理连接起来。Boltz正在开发专用模型，供智能体用于预测分子结构、设计候选方案并评估这些方案；该公司还预览了一款科研智能体，能够规划工作流程并解读结果。Automata正将科研智能体与自动化实验室基础设施连接起来，使其能够启动实验并采集结构化且包含上下文信息的结果。

Genedata的AI联合科研助手将在Danaher自主实验室中的蛋白质设计平台内协调蛋白质设计与测试；这一工作流程将纳入RFD4-Proteina，使实验结果能够指导下一轮设计。Hologen正将其大型医学模型与NVIDIA Nemotron结合，构建AI临床科学家，把影像和临床数据转化为有关患者结局的洞见，以指导临床试验设计；Therna Biosciences则利用大语言模型推理，将实验依据与RNA药物设计联系起来。

在临床运营方面，新闻稿称，欧洲各地的医疗系统正努力扩大专科医疗服务的可及性，同时减轻护理团队的行政负担。Avelios、Corti、Dedalus、Dawn Health和Sword正在基于NVIDIA Nemotron开发应用，涵盖AI病历记录和AI辅助临床护理，以及个性化患者支持服务。PolyAI正基于NVIDIA Agent Toolkit，与医疗软件提供商Corilus合作部署多语言对话系统；Corilus的服务网络覆盖比利时和法国的7万多名医疗专业人员。Apian和VitVio正在使用NVIDIA Cosmos世界模型和NVIDIA Omniverse库构建数字孪生，以监测并改善医院运营。