KI SpotlightNewsNVIDIA und IPD stellen Proteindesign-Modell RFD4-Proteina vor
Das Modell entwirft Sequenz und All-Atom-Struktur gemeinsam. Die Leistungsangaben stammen bislang vom Hersteller. Wie offen das Modell tatsächlich ist, bleibt im Material widersprüchlich.
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- RFD4-Proteina ist ein NVIDIA-BioNeMo-Modell, entwickelt mit dem Institute for Protein Design der University of Washington.
- Das Modell entwirft Proteinsequenzen und All-Atom-Strukturen gemeinsam.
- Die Vorstellung erfolgte am 21. Oktober 2026 auf der GTC Berlin.
- Zugang gibt es als offenes Modell oder als NIM-Microservice mit HTTP-Schnittstelle.
- Die Bereitstellung bietet sieben Designaufgaben, etwa Enzymdesign, Antikörperdesign und Inverse Folding.
RFD4-Proteina entwirft Sequenz und All-Atom-Struktur in einem Schritt
NVIDIA und das Institute for Protein Design (IPD) der UW Medicine haben das Modell RFD4-Proteina am 21. Oktober 2026 auf der GTC Berlin vorgestellt. Laut NVIDIA-Dokumentation entstand es in Zusammenarbeit von NVIDIAs Generative-AI-Team mit dem David-Baker-Lab am IPD. Proteinsequenzen und All-Atom-Strukturen entstehen gemeinsam, statt beides nacheinander zu erzeugen.
Neu ist nach dem vorliegenden Material die Verbindung zweier Modelllinien. Laut IPD steht der Name für die Kombination aus der RosettaFold-Diffusion-Linie des Instituts und Proteina-Complexa von NVIDIA. Das Modell baut auf dem teilweise latenten Ansatz von Proteina-Complexa auf. Es verknüpft explizite Backbone-Koordinaten mit einer latenten Repräsentation.
Auch die Suche ist Teil der Generierung. Eine belohnungsgesteuerte Beam Search läuft über die Diffusionstrajektorie. Sie lenkt den Rechenaufwand auf aussichtsreiche Kandidaten, statt eine einzelne, ungeprüfte Probe auszugeben. Die Belohnung kann ein gewichtetes Bündel lokal berechenbarer Metriken sein. Optional fließt die Konfidenz eines unabhängigen Strukturvorhersage-Modells ein. Sie wird schon während der Generierung bewertet, nicht erst danach.
Das Modell deckt sieben Designaufgaben ab: unconditional Generation, Motiv-Scaffolding, Enzymdesign, Small-Molecule-Binder-Design, Antikörperdesign, Partial Diffusion und Inverse Folding. Auf der GTC Berlin kündigte NVIDIA außerdem eine Radiotherapie-Kooperation mit Siemens Healthineers an.
Offenes Modell oder NIM-Microservice: Zugang und Lizenz laut Katalogeinträgen
RFD4-Proteina ist auf zwei Wegen erhältlich. Das offene Modell dient Training, Inferenz und Methodenentwicklung und gibt direkte Kontrolle über den Sampling-Code. Der NIM-Microservice soll den schnellen Einsatz der Inferenz ermöglichen und bietet dafür eine HTTP-Schnittstelle.
Die Lizenzlage unterscheidet sich je nach Weg. Für das Modell nennen Hugging-Face-Modellkarte und API-Dokumentation BSD-3-Clause, mit Copyright 2026 beim Institute for Protein Design der University of Washington. Für den NIM-Container gilt die NVIDIA Software License Agreement samt produktspezifischen Bedingungen für KI-Produkte. Der Online-Testdienst unterliegt den NVIDIA API Trial Service Terms of Use.
Bei der Offenheit widerspricht sich das Material. NVIDIA und IPD sprechen von einem offenen Modell. Die Katalogeinträge halten es für kommerzielle und nicht-kommerzielle Nutzung bereit. Die Hugging-Face-Modellkarte trägt dagegen den Hinweis „Private release preview“. Modell, Daten, Code und Studio-Zugang setzen demnach derzeit einen autorisierten Account voraus. Bestehende Zugangs- und Weitergabebeschränkungen gelten fort.
Ein zweiter Widerspruch betrifft die Herkunft. NVIDIA präsentiert RFD4-Proteina als eigenes BioNeMo-Modell. Die Katalogseiten vermerken dagegen, das Modell sei weder von NVIDIA besessen noch von NVIDIA entwickelt. Es sei nach Anforderungen eines Dritten, des IPD, gebaut worden. Das Material klärt beides nicht. Auch die Rollenverteilung zwischen den Partnern bleibt offen.
Bessere Erfolgsraten und weniger Rechenaufwand: bislang nur Herstellerangaben
Die Leistungsversprechen stammen vom Hersteller. Das IPD spricht von einer erheblichen Verbesserung gegenüber früheren Methoden und von deutlich weniger nötiger Rechenleistung. Das Modell nutze „biomolekulares Reasoning“. Der Begriff ist nicht klar definiert und damit kaum prüfbar. NVIDIA berichtet laut Forschungsentwurf von höheren Design-Erfolgsraten und höherem Generierungsdurchsatz als die verglichenen Baselines. Grundlage sind vier Benchmark-Suiten.
Das Supplement dokumentiert die Methodik. Pro Modell, Protokoll und Ziel gab es 200 Originalversuche. Fehlgeschlagene Läufe wurden nicht ersetzt. Ausgewertet wurde gemeinsam mit AF3. Die Kosten der Suche zählen zu den Generierungskosten. Ausgeschlossen sind Antikörper, HalluDesign, die vollständige BindCraft-Pipeline und die Genie3-Suche.
Eine unabhängige Prüfung liegt nicht vor. Das Material nennt keine konkreten Anwender, obwohl von Nutzung durch akademische und pharmazeutische Labore die Rede ist. Experimentelle Validierungsergebnisse sind erst angekündigt, ebenso ein Tutorial zu PD-L1-Binderkandidaten. Die genannten BioNeMo-Firmen, darunter Benchling, Boltz und Danaher, setzen RFD4-Proteina nicht nachweislich ein. Interessierte sollten Zugang, Lizenz und Hardwareanforderungen vorab prüfen.
