Baker Lab 与 NVIDIA 发布 RFD4-Proteina 预印本:统一设计蛋白、糖与核酸,并报告原料药合成的首例从头酶概念验证
2026 年 11 月 15 日,华盛顿大学医学院蛋白质设计研究所(Institute for Protein Design,IPD)Baker Lab 与 NVIDIA 的合作团队在 bioRxiv 发布预印本《Biomolecular design through latent reasoning with RFD4-Proteina》(DOI: 10.64898/2026.11.12.766037)。论文第一作者是 Nathaniel Corley,Kieran Didi、Maxwell W. Kazman、Rafael I. Brent 等列名其后,David Baker 名列 61 位作者的末位。研究提出的 RFD4-Proteina 模型在一个共享的化学与构象潜在空间(latent space)中同时生成分子序列与全原子结构,覆盖标准与修饰氨基酸、糖类,以及 DNA 与 RNA。
预印本附带湿实验验证,其中一组核心数字来自农药降解酶:针对有机磷农药 paraoxon 的水解,团队围绕两个金属离子设计了 8 残基双金属磷酸三酯酶活性位点,288 个设计里 89 个在实验室显示出活性,而同一任务受试的 192 个上一代 RFD3 设计无一有活性——这组对照出自 R&D World 11 月 18 日对 NVIDIA 数字生物学总监 Anthony Costa 的访谈与项目页。另一项验证是一种催化 HIV 预防药物 lenacapavir 合成中立体选择性酰胺键步骤的半胱氨酸连接酶,论文称其为活性药物成分(API)合成中的首例从头设计酶概念验证。代码与权重以 BSD-3 许可开源;预印本尚未经同行评审,文中基准与实验数字目前均为作者自报。
RFD4-Proteina 的共享化学–构象潜在空间投影:氨基酸、修饰氨基酸(NCAA)、糖类、DNA 与 RNA 在同一空间中联合表示(图片来源:rfd4-proteina.org 项目页)
32 维潜在空间里的自编码器与两层推理
论文摘要把以往深度学习设计模型的局限归为两条:模型覆盖的分子景观有多大,以及它探索这片景观的能力有多强。论文的回应是先打开分子类型本身:Hugging Face 模型卡把它描述为一个流匹配(flow-matching)模型,同时生成序列与全原子结构;项目页说明,一个自编码器把氨基酸、糖类与核苷酸压缩进同一个 32 维的化学与构象空间。这次发布的自编码器把残基词表从上一版模型的 33 类扩展到 147 类、潜在维度从 16 升到 32,这正是单一模型能横跨蛋白、核酸与小分子做设计的原因。据预印本,训练以 Rosetta 力场监督原子重建,偏向物理上站得住的构象。
推理分两层。内在推理(intrinsic reasoning)用循环精修(recurrent refinement)自适应分配算力——Costa 在访谈中把它类比为对话模型的推理档位:“你去 ChatGPT 选低档、中档还是高档推理,我们在这些模型里真的有这些按钮。”项目页给出量化的收益与代价:蛋白结合任务上,把思考档位从低调到高,聚类通过率从 7.7% 升到 10.6%,吞吐从每 GPU 小时 2,388 个设计降到 986 个。外在推理(extrinsic reasoning)则把搜索放到生成之外,以能量、几何等任意用户约束引导方向。GitHub 仓库把它实现为对生成路径的束搜索(beam search),由结构预测模型与自定义指标打分,另支持对已有结构做局部扩散(partial diffusion)以精修或多样化设计。
聚类通过率与生成吞吐双双超过受评基线
论文的核心基准指标是聚类通过率(clustered pass rate):先用 AlphaFold3 把设计序列重新折叠,再核对是否满足预期结构与任务标准;只有彼此不同的折叠才算独立成功,重复同一个成功不加分。项目页给出的对比是:
- 蛋白结合:高档思考、单次生成的 RFD4-Proteina 聚类通过率 10.6%,次优模型 BindCraft 为 5.9%,而前者的生成吞吐是后者的 42 倍;
- 小分子结合:14.3% 对次优模型的 2.4%,高出 6.1 倍;
- 酶活性位点支架:12.1% 对 5.7%;
- DNA 结合:3.5%,对 BoltzGen 的 0.8% 与固定 DNA 输入 RFD3 的 0.5%。
覆盖面同样拉开差距:24 个蛋白靶点做出 22 个、77 个小分子靶点全部做出、37 个酶任务做出 35 个、3 个 DNA 靶点全部做出——固定 DNA 输入的 RFD3 只做出其中 2 个。摘要还称,同一模型不做重训,即可在侧链堆积、固定骨架序列设计(逆折叠)、构象采样与设计精修上做到与专用工具相当或更好。
速度数字由 R&D World 文中引用的 NVIDIA 测试图提供:在 H200 GPU 上生成 200 残基的设计,RFD4-Proteina 用 1.35 秒,RFD3 需要 5.12 秒;峰值显存 1.36 GiB 对 8.50 GiB。
八残基磷酸三酯酶:从 6 个催化残基到 8 个
paraoxon 是一种有机磷农药,也是强神经毒素。Baker Lab 此前用 RFD3 围绕两个金属离子支架 6 个催化残基来设计磷酸三酯酶,测得的最佳催化效率 kcat/KM 只有 4 ± 3 M⁻¹ s⁻¹。团队想验证:多加两个催化残基,反应会不会更快。
难点是把 8 个残基同时摆到金属离子周围。Costa 在访谈中解释:“这是个堆积问题,是个位阻问题,是个静电问题。”据 R&D World 引用 UW 的视频,这轮计算设计花了四天。
计算筛选已经显出差别:1.5% 的 RFD4-Proteina 设计同时满足基序 RMSD 小于 1 Å、蛋白–底物 PAE(预测对齐误差)小于 1.5 Å 两项标准,RFD3 的 10,000 个设计为 0%。湿实验把差距放大:89 个有活性的设计分布在 47 个支架家族中的 25 个;同一任务受试的 192 个 RFD3 设计无一显示活性。表征设计中活性最高的 BLITZ-1 达到 kcat/KM = 3,600 ± 500 M⁻¹ s⁻¹、kcat = 0.9 ± 0.2 s⁻¹,相对无催化水解的速率提升为 (1.9 ± 0.6) × 10⁷ 倍;已表征酶的催化效率比此前六残基设计高 10~1,000 倍。
对 7 个第一壳层催化残基逐个做丙氨酸替换,paraoxon 水解速率显著下降或消失——论文以此支持活性确实来自设计的活性位点。UW 新闻稿引述 IPD 生物工程博士生、论文作者之一 Seth Woodbury 的话:“短短几天,我们就设计出一个降解农药的酶,比我之前最好的设计好很多倍——而那个设计花了几个月。”
磷酸三酯酶湿实验与计算结果:paraoxon 水解反应(a)、八残基 BLITZ-1 活性位点(b)、RFD4-Proteina 与 RFD3 的计算成功率(c)、BLITZ-1 与 BLITZ-5 结构模型(d)、活性筛选曲线(e)、BLITZ-1 动力学(f)、催化残基丙氨酸替换(g)与催化效率对比(h)(图片来源:rfd4-proteina.org 项目页)
lenacapavir 的酰胺键一步:从零检出到 79% 转化率
项目页称,lenacapavir 是一种 HIV 预防药物,其生产成本限制了药物可及性。合成路线里的一步要把活化酯接到一种位阻手性胺的 (S)-对映体上形成酰胺,酶必须促进氨解,而不是让酯被水解。团队以半胱氨酸蛋白酶催化三联体为催化核心做支架,并用多状态 AlphaFold3 过滤把设计往氨解方向偏置。计算筛选中,5.1% 的 RFD4-Proteina 设计同时满足两项结构标准,RFD3 为 0。
湿实验里,67 个设计中 4 个在背景之上生成酰胺;此前一轮 RFD3 的 72 个设计无一检出。最好的 52 号设计把 79% 的 (S)-胺转化为目标酰胺,对 (S)-胺相对 (R)-胺的偏好为 28 倍;把催化半胱氨酸换成丙氨酸后,转化率降到原来的 1/12——说明反应依赖设计的催化残基。
项目页在论文摘要的“首例”表述前加了“据我们所知”的限定——这是一个优先权声明,同行评审尚未发生。
lenacapavir 酰胺形成步骤与连接酶设计:反应(i)、催化位点(j)、计算成功率(k)、52 号设计与 AF3 复预测(l)、RFD3 与 RFD4-Proteina 设计的转化 z 分数(m)、52 号设计对 (S)-胺与 (R)-胺的转化率(n)(图片来源:rfd4-proteina.org 项目页)
酶之外:状态特异结合剂、磷酸化区分与糖基化控制
湿实验不止于酶。论文与项目页列出的其余验证包括:
- 钙状态特异的钙调蛋白结合剂:18 个设计中 12 个表观 KD 低于 1 µM,且无钙时不结合;表观亲和度 69 pM~37.0 nM。项目页脚注注明,69 pM 落在解离速率拟合的下限,精确亲和度尚待确定。
- 肽–MHC 选择性结合剂:针对 MART-1、SARS-CoV-1 膜蛋白与 Phox2B 三条肽的 pMHC 复合物,酵母展示测得表观半最大结合浓度分别为 340 pM、710 pM 与 1.60 nM;对靶肽的偏好均超过 100 倍,其中两条脱靶肽与靶肽只差一两个残基。
- 无序肽结合剂:对 YAP1 与 Tau 表位的最佳设计 SPR 亲和度分别为 112 pM 与 527 pM;论文称,据其所知,这是针对这两个表位的首批从头设计结合剂。
- 相邻磷酸化位点的区分:针对组蛋白 H3 尾部 pS10 与 pT11 两个磷酸化位点分别设计结合剂,酵母展示表观响应中点为 179 nM 与 133 nM,且各自对相邻位点的磷酸化保持选择性。
- 糖基化加工的控制:设计蛋白遮挡 N-连接聚糖核心、只留末端甘露糖暴露,9 个设计中 8 个在占据位点上保留 90% 以上寡甘露糖。项目页解释,阻断糖加工会让免疫系统对未加工的聚糖产生应答,这使这类设计可用作疫苗佐剂。
- TrkA 结合剂:不加约束设计人 TrkA,188 个设计中 158 个达到亚微摩尔亲和度;94 个设计中有 18 个同时结合人源与鼠源 TrkA 而不结合旁系受体;项目页称,据其所知,针对 TrkB 与 TrkC 的设计结合剂亦属首批。
UW 新闻稿引述论文作者之一、IPD 博士生 Meg Lunn-Halbert 对糖基化工作的描述:“我们能精确控制蛋白上连接哪类糖——这类糖对免疫系统识别很重要——以过去模型无法实现的方式,而且在不到一周、而不是数月内完成。”
两个开源入口与 10 月的产品发布
代码发布在两个入口。GitHub 仓库 RosettaCommons/RFD4-Proteina 以 BSD-3-Clause 许可开源推理、奖励引导搜索、训练与评估代码,已有 594 个星标;Hugging Face 权重同为 BSD-3,模型卡显示 FP32 精度、约 4.36 亿参数、主权重文件 1.74 GB,最近 30 天下载超过 1.5 万次。仓库还提供可直接在浏览器运行的 Studio Spaces,所有生成须经 SecureDNA 序列筛查。Costa 描述了配套的代理(agent)工作流:模型本身并不直接接受自然语言,而是由代理代劳——“你完全可以用平实的英文指定这些事,让代理去构造输入和模型配置,甚至下载模型、把它架在某块 GPU 上。”
这套模型在论文之前已经以产品形式亮相。10 月 21 日,NVIDIA 在 GTC Berlin 大会上宣布 RFD4-Proteina 为 BioNeMo 开放模型,通过 Databricks、Google Cloud、Hugging Face、OpenAI 等伙伴渠道提供;Baker 在新闻稿中说:“我们正从发现自然界造出的蛋白质,转向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,到能降解农药的酶。把模型开放,全世界的研究者就能在这些能力之上继续构建,去追求以前够不到的方案。”
名字本身就是两支技术路线的合体:IPD 的 RosettaFold Diffusion 系列与 NVIDIA 的 Proteina-Complexa 系列。IPD 一侧由博士生 Nathaniel Corley、Maxwell Kazman、Rafi Brent 牵头,牛津大学访问学生 Kieran Didi 参与;Costa 在访谈中说,Didi 落户西雅图,与团队并肩工作了一年多。论文资助方名单里有 Gates Foundation、HHMI、Schmidt Sciences 等机构,UW 新闻稿特别提到,Jen-Hsun and Lori Huang 基金会提供的计算资助“对 RFD4-Proteina 的开发至关重要”。
华盛顿大学蛋白质设计研究所干实验室内,RFD4 建模团队成员在工作中(摄影:Sierra Adler / UW Medicine Institute for Protein Design,来源:UW Newsroom)
Costa 在访谈结尾把边界划得很直白:实验室是一个隔离环境,能检验科学假设对不对,“但我们还没有把这个东西放进真实环境。”
参考链接
- Biomolecular design through latent reasoning with RFD4-Proteina(bioRxiv 预印本)
- RFD4-Proteina 项目页(rfd4-proteina.org)
- How NVIDIA and David Baker's lab designed an enzyme with AI(R&D World 访谈)
- Researchers achieve major advance in protein design(UW Newsroom 新闻稿)
- Healthcare and Life Sciences Leaders Build on NVIDIA to Advance Drug Discovery and Expand Patient Care(NVIDIA 新闻稿)
- RosettaCommons/RFD4-Proteina(GitHub 仓库)
- nvidia/RFD4-Proteina(Hugging Face 模型卡)