The Pulse
NVIDIA e UW rendono disponibile RFD4-Proteina per la progettazione di proteine
L’Institute for Protein Design dell’Università di Washington e NVIDIA hanno presentato RFD4-Proteina, un modello generativo aperto che crea insieme sequenze e strutture proteiche. Secondo UW, il modello ottiene risultati più rapidi nei benc
AI.info Team · Scritto con l’IA · verificato ·
«RFD4-Proteina aprirà la strada a nuove soluzioni nella medicina, nella sostenibilità, nei materiali e nelle biotecnologie»
David Baker, direttore dell’IPD e professore di biochimica alla University of Washington School of Medicine
L’Institute for Protein Design dell’Università di Washington e NVIDIA hanno presentato RFD4-Proteina il 21 ottobre, rendendo disponibile un modello generativo progettato per aiutare i ricercatori a creare proteine per compiti specifici. A differenza di un sistema di previsione strutturale, che stima la forma di una proteina a partire dalla sua sequenza, RFD4-Proteina genera insieme una sequenza e una struttura che comprende tutti gli atomi, usando come contesto una molecola bersaglio o altri vincoli di progettazione.
Il modello combina il lavoro dell’Institute for Protein Design su RosettaFold Diffusion con la linea Proteina-Complexa di NVIDIA. UW afferma che il modello è disponibile con licenza BSD 3-Clause, che consente ai ricercatori di usare e modificare il codice e i pesi. NVIDIA indica inoltre che vi si può accedere attraverso i suoi strumenti BioNeMo e le piattaforme dei partner; il repository del modello elenca i requisiti hardware e software per eseguirlo in locale.
Sequenza e struttura cambiano insieme
Progettare proteine significa scegliere tra un numero enorme di possibili sequenze di amminoacidi e strutture. L’approccio di RFD4-Proteina permette agli utenti di specificare quali parti di una struttura molecolare debbano restare fisse, quali debbano essere progettate e quale funzione debba svolgere una proteina candidata. Durante la generazione, il modello perfeziona la sequenza e la forma di una proteina insieme alle strutture delle molecole a cui potrebbe legarsi o con cui potrebbe interagire.
La spiegazione tecnica di NVIDIA descrive un processo di ricerca facoltativo che assegna un punteggio ai progetti parziali e continua a sviluppare i candidati promettenti. I ricercatori possono fissare obiettivi basati su fattori come la geometria, le interazioni molecolari o il grado di confidenza delle previsioni. Il metodo mira a concentrare le risorse di calcolo sui candidati che soddisfano tali obiettivi, anziché considerare ugualmente promettenti tutti i progetti generati.
UW segnala una progettazione più rapida e test di laboratorio
Secondo l’annuncio di UW, RFD4-Proteina ha ottenuto tassi di successo nella progettazione da cinque a dieci volte superiori nei benchmark computazionali e ha generato candidati da cinque a dieci volte più velocemente rispetto ai modelli precedenti. Si tratta di confronti tra benchmark riportati dall’istituzione, non di prove che i progetti funzionino come medicinali nelle persone. Anche l’annuncio di NVIDIA distingue i risultati computazionali dalle prestazioni sperimentali, osservando che sono gli esperimenti di laboratorio a stabilire come si comporta un progetto nelle condizioni testate.
Il team di UW afferma di aver inoltre testato in laboratorio proteine generate dal modello in compiti biomolecolari di dimensioni e funzioni diverse. Seth Woodbury, dottorando in bioingegneria alla UW e borsista della National Science Foundation, ha dichiarato che il suo team ha progettato in pochi giorni un enzima capace di degradare pesticidi, con prestazioni molte volte superiori a quelle del progetto precedente, che aveva richiesto mesi. Meg Lunn-Halbert, dottoranda alla UW, ha dichiarato che i ricercatori hanno controllato in meno di una settimana quali glicani — zuccheri coinvolti nel riconoscimento immunitario — si legassero alle proteine, un compito che, a suo dire, con i modelli precedenti aveva richiesto mesi.
Questi resoconti riguardano esperimenti pratici, ma l’annuncio non riporta test clinici né dimostra che un qualsiasi candidato sia pronto per essere usato come trattamento o come enzima commerciale. Restano necessari test di laboratorio per determinare se un progetto computazionale svolga la funzione prevista.
Un modello aperto, con alcuni limiti
Il modello e i pesi resi disponibili sono indicati come pari a 1,74 gigabyte in FP32, con una configurazione testata che comprende Linux, Python 3.12 e una GPU NVIDIA supportata. Il repository avverte che alcuni software facoltativi di terze parti inclusi per la valutazione delle strutture hanno condizioni di licenza separate; la licenza BSD si applica al codice, al modello e ai pesi di RFD4-Proteina. È una distinzione importante per i gruppi che intendono farne un uso commerciale o ridistribuirlo.
UW afferma che il progetto è stato guidato, presso l’Institute for Protein Design, dai dottorandi Nathaniel Corley, Maxwell Kazman e Rafi Brent, insieme allo studente in visita Kieran Didi dell’Università di Oxford. La prossima prova non sarà soltanto un altro benchmark: consisterà nel verificare se team esterni alla collaborazione riusciranno a riprodurre progetti utili, a convalidarne le funzioni in laboratorio e a mostrare dove la velocità del modello si traduce in risultati sperimentali migliori.