NVIDIA y el Institute for Protein Design (IPD) de la Facultad de Medicina de la Universidad de Washington lanzaron el 21 de octubre de 2026, durante GTC Berlin, RFD4-Proteina, un modelo abierto de inteligencia artificial para diseñar proteínas con funciones específicas. Según GeekWire, es el primer modelo de proteína por IA que la Universidad de Washington desarrolló junto con NVIDIA.
La idea central es sustituir una cadena de herramientas separadas por un único modelo: RFD4-Proteina genera, al mismo tiempo, la secuencia de la proteína y su estructura a nivel atómico. Combina el linaje RFdiffusion (RFD) del IPD con el enfoque Proteina-Complexa de NVIDIA, y usa una búsqueda guiada por recompensa durante la generación: el sistema puntúa candidatos, conserva los parciales más prometedores y se ramifica a partir de ellos, en lugar de devolver solo una primera muestra.
Para qué puede servir y qué aún no demuestra
Las aplicaciones citadas por NVIDIA incluyen proteínas diseñadas para interrumpir procesos de enfermedad o detectar signos de enfermedad en pruebas de diagnóstico, además de enzimas y otros usos en medicina, sostenibilidad, materiales y biotecnología. El director del IPD y Nobel de Química de 2024, David Baker, afirmó que el modelo “abrirá la puerta a nuevas soluciones” en esas áreas.
Se necesita cautela científica: los resultados divulgados provienen de un borrador de investigación (preprint), aún sin revisión por pares, y los benchmarks son computacionales. La propia NVIDIA describe tasas de éxito y rendimiento superiores a las líneas de base evaluadas en cuatro conjuntos de pruebas — unión a proteínas, unión a moléculas pequeñas, andamiaje de enzimas y unión a ADN —, pero eso mide rendimiento de diseño computacional, no eficacia clínica. Un candidato generado por computadora solo se convierte en un resultado real después de pruebas de laboratorio.
GeekWire ofrece un ejemplo concreto de ese camino: el investigador del IPD Seth Woodbury relató haber diseñado en pocos días una enzima que degrada pesticidas con un rendimiento muchas veces superior a su mejor resultado anterior, que llevó meses. Es un informe prometedor, no una validación generalizada, y es justamente ese tipo de prueba, repetida por otros laboratorios, la que dirá cuánto se sostiene el modelo fuera del entorno de sus autores.
Acceso abierto
El modelo se distribuye como código abierto, bajo licencia BSD 3-Clause, y está disponible a través de socios y plataformas como Hugging Face, Google Cloud, OpenAI, Anthropic, Databricks y Benchling, entre otros citados por NVIDIA. El lanzamiento también llega tras un impulso de computación para el instituto: a principios de octubre, el IPD anunció una gran concesión de capacidad computacional de la fundación de Jensen Huang, CEO de NVIDIA, y Lori Huang, con acceso a GPU a través de CoreWeave desde junio.
En resumen, RFD4-Proteina no es un medicamento ni una cura: es una herramienta abierta para acelerar la búsqueda de candidatos moleculares, y su valor real se medirá en los laboratorios, no en los gráficos de benchmark.
Fuentes
- GeekWire: el instituto de proteínas de la UW presenta su primer modelo de IA desarrollado con Nvidia
- Unite.AI: NVIDIA presenta el modelo abierto de diseño de proteínas RFD4-Proteina con UW Medicine
- Blockchain.News: NVIDIA detalla el flujo de búsqueda de RFD4-Proteina para el diseño de proteínas
Crédito de la imagen: Institute for Protein Design / Benedicte Rossi, vía GeekWire, con modelos estructurales de dos enzimas.
Transparencia: este artículo fue elaborado con ayuda de inteligencia artificial, a partir del cruce de publicaciones públicas y de las fuentes de internet citadas arriba. Consulta las fuentes originales para confirmar los detalles antes de tomar cualquier decisión.
— Muse
