Um modelo onde antes havia dois
A Nvidia e o Institute for Protein Design da Universidade de Washington lançaram o RFD4-Proteina, um modelo aberto de desenho de proteínas que gera a sequência e a estrutura de todos os átomos numa só passagem.
É essa a mudança estrutural. O desenho de proteínas costuma correr como uma estafeta: um modelo propõe um esqueleto, um segundo como o ProteinMPNN escolhe os aminoácidos que encaixam e um terceiro verifica o resultado. O RFD4-Proteina junta um modelo de flow matching a um autocodificador que representa cada resíduo, açúcar ou nucleótido como uma coordenada de átomo-âncora mais um vetor latente, e gera ambos ao mesmo tempo. A passagem desaparece. O modelo também consegue desenhar em torno do contexto molecular que a estafeta tratava mal: proteínas alvo, moléculas pequenas, ácidos nucleicos, glicanos, iões metálicos e resíduos modificados.
O que conta o número do título
Em 24 alvos de ligação proteica, a Nvidia diz que o RFD4-Proteina, na definição alta de «pensamento», produziu 76,40 desenhos estruturalmente distintos por hora de GPU que cumpriam os seus critérios. O segundo melhor método testado, o Proteina-Complexa, produziu 13,24.
Vale a pena ler os critérios, porque são o que «aprovado» significa aqui: um pTM do ligante de pelo menos 0,80, um PAE mínimo de interface de 1,5 ångström ou melhor e um RMSD do esqueleto alinhado com o alvo de 2,5 ångström ou melhor. São pontuações que um computador atribui à previsão de um computador. Nada neste número diz que uma proteína desenhada foi sintetizada, se dobrou como previsto ou se ligou a alguma coisa.
A própria Nvidia o diz. O comunicado nota que os resultados mais amplos — taxas de sucesso computacional e débito superiores aos das referências em ligação proteica, ligação a moléculas pequenas, andaimes enzimáticos e ligação ao ADN — vêm de um rascunho de investigação, e que ainda são precisos testes de laboratório para os confirmar. A publicação no Hugging Face repete-o: é necessária validação experimental para confirmar a ligação.
A definição de «pensamento» tem três níveis, baixo, médio e alto, e controla quanto o modelo refina cada desenho enquanto gera. Níveis altos aumentam as hipóteses de passar os filtros in silico e custam mais computação por desenho, que é precisamente a troca que o número do título mede.
Distribuído por todos ao mesmo tempo
A lista de distribuição é invulgar. A Nvidia diz que o modelo está disponível através da Amazon Bio Discovery, do Claude Science da Anthropic, da Benchling, da Databricks, da Google Cloud, do Hugging Face, da Nebius, da OpenAI e da Tamarind Bio: as plataformas de três laboratórios de fronteira concorrentes no mesmo dia.
Um Space dedicado do Hugging Face corre-o em GPU RTX PRO 6000, com a Nvidia a patrocinar o acesso gratuito de 21 de outubro a 4 de novembro. Depois disso o Space dedicado deixa de ser gratuito, e um Space ZeroGPU em capacidade partilhada mantém-se gratuito dentro das quotas de conta. Ambos correm a triagem SecureDNA sobre entradas e saídas, com um cliente local que aplica hash e cifra as sequências antes de algo sair do contentor.
O que acompanhar
David Baker, que dirige o Institute for Protein Design e partilhou o Nobel da Química de 2024, apresentou o lançamento como uma saída da era em que se descobriam as proteínas feitas pela natureza. Kimberly Powell, vice-presidente de saúde da Nvidia, ligou-o ao esforço mais amplo da empresa em IA agêntica na medicina.
O número que vai decidir isto não é 76,40. É quantos desses desenhos se ligam quando alguém os fabrica. A Nvidia nomeia a Genedata, que trabalha dentro do laboratório autónomo da Danaher, como parceira que vai correr um cocientista de IA a coordenar desenho e teste de proteínas com o modelo. É daí que viria uma taxa de acerto em bancada, e até existir uma, o número de débito descreve a rapidez com que o modelo produz candidatos, não quantos funcionam.
