NVIDIA libera RFD4-Proteina: diseño de proteínas abierto

RFD4-Proteina: 76,40 diseños válidos por GPU-hora frente a 13,24 del segundo mejor

NVIDIA y el Institute for Protein Design de la Universidad de Washington publicaron RFD4-Proteina, un modelo abierto que genera la secuencia y la estructura 3D de una proteína en un solo paso. En un benchmark sobre 24 dianas de unión a proteínas, la versión con el ajuste de razonamiento alto produjo 76,40 diseños estructuralmente distintos por GPU-hora que cumplían los criterios computacionales definidos, frente a 13,24 de Proteina-Complexa, el segundo método más fuerte de la comparativa.

Para un founder que construye en biotech o en herramientas para laboratorios, la noticia no es solo el número. Es que el modelo se puede probar en el navegador sin instalar nada, corre bajo licencia BSD 3-Clause y ya está integrado en el ecosistema de Diffusers.

¿Qué es RFD4-Proteina y por qué se libera como modelo abierto?

El anuncio se hizo en GTC Berlin junto con otras colaboraciones de NVIDIA en salud y ciencias de la vida. Según Unite.AI, los pesos tienen 435,6 millones de parámetros, se almacenan en FP32 en 1,74 GB y corren en BF16. La model card fecha la publicación de los pesos el 19 de octubre de 2026 y señala que el soporte en la librería Diffusers se fusionó el 20 de octubre de 2026.

David Baker, premio Nobel de Química 2024 y director del Institute for Protein Design, describió el cambio de fondo: pasar de descubrir las proteínas que la naturaleza ya hizo a diseñar otras completamente nuevas. Citado por Unite.AI, Baker señaló que el modelo amplía lo que los científicos pueden crear, desde proteínas que podrían avanzar el descubrimiento de fármacos hasta enzimas que degradan pesticidas.

El modelo forma parte de BioNeMo, la plataforma abierta de NVIDIA para biología asistida por IA. Según la nota de prensa recogida por Yahoo Finance, la distribución llega a través de socios como Amazon Bio Discovery, Claude Science de Anthropic, Benchling, Databricks, Google Cloud, Hugging Face, Nebius, OpenAI y Tamarind Bio. Es decir: el modelo se puede ejecutar dentro de herramientas que un equipo ya usa, sin montar infraestructura propia desde cero.

¿Cómo funciona el modelo por dentro?

El diseño de proteínas suele partir de un objetivo: una diana a la que unirse, una molécula que reconocer, o una disposición de átomos que hay que preservar. El flujo tradicional reparte ese objetivo entre varios modelos —uno para el esqueleto, otro para la secuencia, otro para la estructura completa— y cada traspaso de información pierde algo por el camino.

RFD4-Proteina junta esas piezas. Combina un modelo de flow matching con un autoencoder. El autoencoder representa cada aminoácido estándar o modificado, azúcar, nucleótido de ADN o ARN como una coordenada de átomo ancla (en aminoácidos, el carbono alfa) más un vector latente aprendido que codifica su identidad química y su geometría local. El modelo de flow genera ambas cosas a la vez y el decodificador las expande en estructuras 3D y secuencias completas.

En la práctica, esto permite generar alrededor de una restricción que tú aportas: la diana que un binder debe enganchar o el motivo catalítico que una proteína debe contener. Y funciona en contextos moleculares variados: otras proteínas, moléculas pequeñas, ácidos nucleicos, glicanos, iones metálicos y aminoácidos modificados, como un residuo fosforilado sobre la proteína diana.

¿Cuánto mejora el rendimiento y qué significa el ajuste de razonamiento?

La novedad más interesante para quien viene del mundo de los LLM es el ajuste de thinking, con tres niveles: low, medium (por defecto) y high. Igual que un modelo de lenguaje puede refinar su respuesta, aquí el modelo refina cada diseño mientras lo genera. Más refinamiento eleva la probabilidad de obtener diseños que pasen los filtros in silico, pero también sube el cómputo por diseño.

Los criterios del benchmark son concretos: refold del modelo de predicción de estructura con binder pTM ≥ 0,80, PAE de interfaz mínima ≤ 1,5 Å y RMSD del esqueleto del binder alineado a la diana ≤ 2,5 Å. Sobre esa base se mide el rendimiento por GPU-hora.

Más allá de refinar un diseño individual, el modelo puede razonar sobre varios diseños durante la generación: compararlos contra criterios computacionales, ordenarlos, filtrarlos y generar nuevos a partir de los que pasan. Existe además una opción separada de búsqueda guiada por recompensa, que puntúa los diseños con evaluadores externos —un modelo de predicción de estructura o un calculador de energía basado en física— para orientar la exploración hacia propiedades como área de interfaz, puentes de hidrógeno o energía de unión a ligando.

Según Unite.AI, NVIDIA reportó tasas de éxito computacional y throughput superiores a las líneas base evaluadas en cuatro suites de benchmark: unión a proteínas, unión a moléculas pequeñas, andamiaje de enzimas y unión a ADN. En una sola NVIDIA H200, la model card reporta que un diseño de 250 tokens tarda 5,0 segundos en BF16, o 2,8 segundos tras compilación regional.

¿Cómo probarlo gratis antes del 4 de noviembre?

Hay dos Hugging Face Spaces con la misma interfaz. El Space dedicado corre sobre GPUs NVIDIA RTX PRO 6000 y tiene acceso gratuito patrocinado por NVIDIA del 21 de octubre al 4 de noviembre de 2026. El Space ZeroGPU usa capacidad compartida y sigue siendo gratuito después de esa fecha, sujeto a las cuotas de tu cuenta de Hugging Face.

Ambos ejecutan AtomWorks Studio, un visor y editor de anotaciones molecular en el navegador. El flujo mínimo es:

• Abre el Space y elige un ejemplo incluido, como el de PD-L1.
• Revisa el contexto de diseño: la estructura diana, la región donde debe unirse el binder y los hotspots, los residuos o átomos concretos que el diseño debe tocar.
• Genera un diseño con los ajustes por defecto y comprueba en el visor que la proteína diseñada contacta los hotspots marcados.
• Descarga los CIF anotados —diseños, diana y complejos— y guarda la semilla usada. Esa semilla es tu línea base para comparar.

Después, cambia solo la semilla manteniendo todo lo demás fijo. Obtendrás otra muestra del mismo espacio de diseño, normalmente bastante distinta. Desde ahí puedes mover el ajuste de thinking y medir el efecto en tus propios casos.

¿Qué necesitas para correrlo en tu propia infraestructura?

El quickstart documenta un runtime con Linux x86_64, Python 3.12, una GPU NVIDIA soportada y un driver compatible con CUDA 13. Verifícalo con nvidia-smi antes de instalar: las dos rutas de instalación son builds de CUDA 13 y se instalan sin error en un driver CUDA 12 hasta que falla la primera llamada a la GPU. Existe también un build de CUDA 12 que empareja el extra all-cuda12 con un PyTorch cu126.

Un detalle que ahorra horas de depuración: la generación es estocástica. La propia documentación recomienda registrar cinco cosas junto a cada resultado —la entrada, las revisiones del modelo y del software, la semilla, los ajustes de muestreo y el hardware—. Sin esas cinco, un diseño prometedor es difícil de reproducir.

Sobre bioseguridad, el Space ejecuta SecureDNA sobre la entrada que envías y sobre cada diseño que devuelve el modelo. El cribado ocurre dentro del contenedor del Space: un synthclient local hashea y cifra cada secuencia antes de que nada salga de la máquina, de modo que las secuencias nunca se transmiten.

¿Qué significa esto para tu startup?

La barrera de entrada al diseño computacional de proteínas acaba de bajar un escalón, y eso tiene consecuencias concretas para equipos pequeños.

Primero, cambia el cálculo de build vs. buy. Si tu producto depende de generar binders o enzimas, antes necesitabas un pipeline con varios modelos encadenados y mucho trabajo de integración. Ahora puedes empezar con un modelo único, abierto y con licencia permisiva, y decidir después si construyes encima. Dos acciones concretas:

• Haz una prueba de una tarde, no de un trimestre. Entra al Space gratuito, corre el ejemplo de PD-L1 con tres semillas distintas y documenta cuántos diseños pasan tus propios filtros. Con eso tienes una estimación real de rendimiento para tu caso antes de comprometer presupuesto de GPU.
• Fija tu criterio de éxito antes de generar. El benchmark usa umbrales explícitos (pTM, PAE, RMSD). Define los tuyos por escrito y aplícalos igual a todas las corridas. Sin eso, comparar semillas o niveles de thinking se vuelve una conversación de opiniones.

Segundo, el cuello de botella se mueve. Si el modelo produce decenas de diseños válidos por GPU-hora, el trabajo escaso deja de ser generar candidatos y pasa a ser filtrarlos y validarlos. Ahí es donde conviene invertir: predicción de propiedades de developability como estabilidad térmica o potencial de agregación, y criterios de priorización claros para decidir qué merece caracterización experimental.

Tercero, hay una ventana competitiva con fecha. El acceso gratuito al Space dedicado termina el 4 de noviembre de 2026. Después queda el Space ZeroGPU con cuotas compartidas. Si tu equipo quiere explorar el modelo con capacidad dedicada sin coste, esa ventana es de dos semanas.

Y si te interesa el terreno de la validación experimental, el propio anuncio apunta a la competencia de diseño de proteínas patrocinada por Anthropic y Adaptyv. Según CryptoBriefing, el programa de verificación en ciencias de la vida de Anthropic, lanzado el 17 de septiembre de 2026, incluye esa competencia con hasta US$1M en créditos disponibles. La pista abierta acepta cualquier método de diseño, así que un equipo con buen criterio de filtrado puede competir sin tener el modelo más grande.

Conclusión

RFD4-Proteina no es un paper más sobre estructura de proteínas: es un modelo con pesos descargables, licencia BSD 3-Clause, soporte en Diffusers y una interfaz en el navegador que cualquiera puede abrir hoy. La cifra de 76,40 diseños válidos por GPU-hora frente a 13,24 del segundo mejor método marca una diferencia de throughput que cambia cuántos experimentos puedes plantearte.

Para un founder, la lectura práctica es directa: prueba el modelo con tus propias dianas antes de que cierre la ventana gratuita, define tus umbrales de calidad por escrito y asume que el valor se desplaza hacia el filtrado y la validación. El diseño computacional ya no es el paso caro. Decidir qué diseño merece un experimento, sí.

Fuentes

• Protein Design with RFD4-Proteina and Hugging Face Spaces (fuente original)
• NVIDIA Debuts Open Protein Design Model RFD4-Proteina with UW Medicine
• Healthcare and Life Sciences Leaders Build on NVIDIA to Advance Drug Discovery
• NVIDIA's RFD4-Proteina and BioNeMo Push Into a $300B Pharma R&D Market
• Anthropic establishes biology lab for Claude's drug R&D experiments