Un modèle là où il y en avait deux
Nvidia et l’Institute for Protein Design de l’université de Washington ont publié RFD4-Proteina, un modèle ouvert de conception de protéines qui génère la séquence et la structure tous atomes en une seule passe.
C’est là le changement structurel. La conception de protéines fonctionne d’ordinaire comme un relais : un modèle propose un squelette, un deuxième comme ProteinMPNN choisit les acides aminés qui s’y adaptent, un troisième vérifie le résultat. RFD4-Proteina associe un modèle de flow matching à un autoencodeur qui représente chaque résidu, sucre ou nucléotide par une coordonnée d’atome d’ancrage et un vecteur latent, et génère les deux ensemble. Le passage de relais disparaît. Le modèle peut aussi concevoir autour du contexte moléculaire que le relais traitait mal : protéines cibles, petites molécules, acides nucléiques, glycanes, ions métalliques et résidus modifiés.
Ce que compte le chiffre du titre
Sur 24 cibles de liaison protéique, Nvidia indique que RFD4-Proteina, réglé sur un niveau de « réflexion » élevé, a produit 76,40 conceptions structurellement distinctes par heure de GPU satisfaisant ses critères. La deuxième meilleure méthode testée, Proteina-Complexa, en a produit 13,24.
Les critères méritent d’être lus, car c’est ce que « retenue » signifie ici : un pTM du lieur d’au moins 0,80, un PAE minimal d’interface de 1,5 ångström ou mieux, et un RMSD du squelette aligné sur la cible de 2,5 ångström ou mieux. Ce sont des scores attribués par un ordinateur à la prédiction d’un ordinateur. Rien dans ce chiffre ne dit qu’une protéine conçue a été synthétisée, s’est repliée comme prévu ou s’est liée à quoi que ce soit.
Nvidia le dit elle-même. Son communiqué précise que les résultats plus larges — meilleurs taux de réussite informatique et meilleur débit que les références en liaison protéique, liaison de petites molécules, échafaudage enzymatique et liaison à l’ADN — proviennent d’un brouillon de recherche, et que des essais en laboratoire restent nécessaires pour les confirmer. Le billet sur Hugging Face le répète : une validation expérimentale est nécessaire pour confirmer la liaison.
Le réglage de « réflexion » compte trois niveaux, bas, moyen et haut, et détermine le degré de raffinement appliqué à chaque conception pendant la génération. Les niveaux élevés augmentent les chances de passer les filtres in silico et coûtent plus de calcul par conception, ce qui est exactement l’arbitrage que mesure le chiffre du titre.
Distribué par tout le monde en même temps
La liste de distribution est singulière. Nvidia indique que le modèle est accessible via Amazon Bio Discovery, Claude Science d’Anthropic, Benchling, Databricks, Google Cloud, Hugging Face, Nebius, OpenAI et Tamarind Bio : les plateformes de trois laboratoires de pointe concurrents le même jour.
Un Space Hugging Face dédié l’exécute sur des GPU RTX PRO 6000, Nvidia finançant l’accès gratuit du 21 octobre au 4 novembre. Ensuite, le Space dédié cesse d’être gratuit, et un Space ZeroGPU sur capacité partagée reste gratuit dans la limite des quotas de compte. Les deux font tourner le criblage SecureDNA sur les entrées et les sorties, avec un client local qui hache et chiffre les séquences avant toute sortie du conteneur.
Ce qu’il faudra suivre
David Baker, qui dirige l’Institute for Protein Design et a partagé le prix Nobel de chimie 2024, a présenté la publication comme une sortie de l’ère où l’on découvrait les protéines faites par la nature. Kimberly Powell, vice-présidente santé de Nvidia, l’a rattachée à l’effort plus large de l’entreprise en IA agentique dans la médecine.
Le chiffre qui tranchera n’est pas 76,40. C’est combien de ces conceptions se lient quand quelqu’un les fabrique. Nvidia cite Genedata, qui travaille dans le laboratoire autonome de Danaher, comme partenaire devant faire tourner un co-scientifique d’IA coordonnant conception et test de protéines avec le modèle. C’est de là que viendrait un taux de réussite en paillasse, et tant qu’il n’existe pas, le chiffre de débit décrit la vitesse de production des candidats, pas le nombre de ceux qui fonctionnent.
