AREX Feed Article
华盛顿大学医学院蛋白质设计研究所联合 NVIDIA 发布开源模型 RFD4-Proteina：以生物分子推理设计指定功能蛋白质
2026 年 10 月 21 日，华盛顿大学医学院蛋白质设计研究所（Institute for Protein Design，下称 IPD）与 NVIDIA 共同推出开源生成模型 RFD4-Proteina，并按 BSD-3（Berkeley Software Distribution）许可即时开放使用。据 ，该模型利用生物分子推理（biomolecular reasoning）来提高按指定功能设计新蛋白质的能力；开放之后，全球科学家可以在它之上继续构建，更快把有前景的候选药物推进实验室测试。
同一天，NVIDIA 在柏林举行的 GTC 大会上发布，称 RFD4-Proteina 是一个新的 NVIDIA BioNeMo 开放模型。UW Medicine 新闻稿给出的基准数字是：设计成功率较以往模型提高 5～10 倍，候选蛋白质的生成速度快 5～10 倍，所需算力远低于以往方法；NVIDIA 则称，模型在四组基准测试中的成绩优于被评估的基线。
RFD4 建模团队成员在 IPD 的干实验室运行测试。图片来源：Sierra Adler / UW Medicine Institute for Protein Design
名字里的两条技术血脉
RFD4-Proteina 的命名直接来自它合并的两条模型谱系：IPD 的 RosettaFold Diffusion 系列与 NVIDIA 的 Proteina-Complexa。
RosettaFold Diffusion 一脉的代表作，是 Baker 实验室 2023 年 7 月发布的 ——一个把蛋白质结构预测网络与生成式扩散模型结合起来的设计工具。据 Baker 实验室介绍，此前的设计方法可能要测试数万个分子，才能找到一个符合预期功能的；用上 RFdiffusion 后，有的设计挑战只需测试一个分子。这项工作后来发表于《自然》。
NVIDIA 一侧，UW Medicine 新闻稿把 Proteina-Complexa 链接到 NVIDIA 的 。该页面介绍，Proteina 是一个基于流（flow-based）的蛋白质主链生成器，用层级折叠类别标签做条件控制，训练数据规模最高达 2,100 万个高质量合成蛋白质结构，可生成最长 800 个氨基酸残基的主链。
UW Medicine 新闻稿同时交代了背景：过去十年，IPD 研究人员推动在计算机上设计蛋白质，制造自然界没有的新功能分子；这一依赖计算模型的过程已能设计出抗蛇毒疗法等具有目标功能的蛋白质。
把更多算力花在难题上的生物分子推理
UW Medicine 新闻稿强调，生成式蛋白质模型并不新鲜，RFD4-Proteina 的新意在于驱动它的生物分子推理。新闻稿解释其原理：计算模型先通过大量数据学习现有蛋白质的“语言”，再测试海量设计可能，以匹配目标功能。
RFD4-Proteina 的工作方式类似带可调“思考”档位的语言模型，遇到难题可以投入更多计算。模型同时打磨一条蛋白质的序列与结构，以及与之相互作用的分子的结构，一处改动会同步带动其余部分的调整。
NVIDIA 的公告把模型概括为可编程蛋白质设计加搜索能力：它生成定向的蛋白质设计，科学家和智能体（agents）可以用分子输入、约束条件和评分目标去搜索并改进设计；潜在应用包括设计能中断疾病进程的蛋白质，或在诊断检测中识别疾病信号的蛋白质。
实验台验证与四组基准测试
性能数字均出自两家机构当日的新闻稿。UW Medicine 新闻稿称，实验台测试（bench tests）验证了模型输出的蛋白质在实验条件下按预期发挥作用，并在不同规模、复杂度和功能的生物分子任务上都取得成功；这套方法可用于构建潜在药物、材料和其它创新。NVIDIA 公告则列出了成绩背后的四组基准测试——蛋白质结合、小分子结合、酶支架设计和 DNA 结合——称 RFD4-Proteina 在其中的计算设计成功率和生成吞吐量均高于被评估的基线，并把结果归于一篇 research draft（研究草稿）中报告的测试。
几天做出降解农药的酶：IPD 内部使用者的报告
UW Medicine 新闻稿援引已把模型用于各自设计课题的 IPD 科学家的报告称，新模型在效率和速度上都超过以往方法。
“只用几天，我们就设计出一种降解农药的酶，效果比我此前最好的设计好许多倍，而那个设计花了几个月。”华盛顿大学生物工程系博士生、美国国家科学基金会（NSF）资助研究员 Seth Woodbury 在新闻稿中说。
“我们能够精确控制哪些类型的聚糖（对免疫系统识别很重要的糖类）连接到蛋白质上，做到以往模型未能达到的程度，而且用时不到一周，而不是几个月。”华盛顿大学生物化学以及生物物理、结构与设计方向博士候选人 Meg Lunn-Halbert 说。
IPD 主任 David Baker 在新闻稿附带的视频片段中说：“我认为，随着这些改进的生成式 AI 方法，我们会看到更好的药物……以及在医学和可持续性之外更广泛的应用——分解聚合物的新方法、制造生物塑料的新方法。”Baker 是华盛顿大学医学院生物化学教授、霍华德·休斯医学研究所（HHMI）研究员、2024 年诺贝尔化学奖得主；他在新闻稿中还说，RFD4-Proteina 将为医学、可持续发展、材料和生物技术领域的新方案打开大门。
蛋白质设计研究所主任 David Baker。图片来源：UW Medicine
BSD-3 开源、云平台分发与资助网络
Baker 在 NVIDIA 公告中说：“我们正在从一个发现自然界已有蛋白质的时代，走向一个能设计全新蛋白质的时代。RFD4-Proteina 拓展了科学家能创造的东西，从可能推动药物发现的蛋白质，到能分解农药的酶。把模型开放，将让全世界的研究者在这些能力之上继续构建，去追寻曾经无法企及的方案。”
分发上，NVIDIA 公告称模型自当天起即可通过 Amazon Bio Discovery、Anthropic 的 Claude Science、Benchling、Databricks、Google Cloud、Hugging Face、Nebius、OpenAI、Tamarind Bio 等合作方获取，供研究者把它接入智能体、云和科学计算工作流。
项目在 IPD 内部由华盛顿大学博士生 Nathaniel Corley、Maxwell Kazman 和 Rafi Brent 领衔，牛津大学访问学生 Kieran Didi 参与。UW Medicine 新闻稿列出的资助方包括 HHMI、盖茨基金会（INV-092109）、Grantham 基金会、Fund for Science and Technology、Schmidt Sciences、OpenFold 联盟（OMSF 旗下）、Rosetta Commons 及 IPD 的其他支持者；Jen-Hsun and Lori Huang 基金会提供了一笔对 RFD4-Proteina 开发起关键作用的计算资助。
按 NVIDIA 公告的说法，Genedata 的 AI co-scientist（AI 科研智能体）将在 Danaher 自主实验室的蛋白质设计工坊（protein design foundry）中协调蛋白质设计与测试，该流程将纳入 RFD4-Proteina，用实验结果引导下一轮设计。