RFD4-Proteina mở mô hình thiết kế protein có thể tinh chỉnh

Viện Thiết kế Protein thuộc Đại học Washington (UW) ngày 21/10/2026 giới thiệu RFD4-Proteina, mô hình tạo sinh phân tử được đồng phát triển với NVIDIA. Công cụ hướng tới bài toán thiết kế protein theo những ràng buộc cụ thể, đồng thời tinh chỉnh trình tự và cấu trúc thay vì xử lý chúng như các bước hoàn toàn tách biệt.

Điểm cần đọc đúng ngay từ đầu: đầu ra của mô hình là ứng viên thiết kế. Nó không phải thuốc đã được chứng minh hiệu quả trên người, cũng không biến một tệp cấu trúc do AI tạo thành bằng chứng về chức năng sinh học.

Từ dự đoán cấu trúc tới tạo một phân tử mới

Biết một protein có thể gấp thành hình gì và thiết kế một protein thực hiện chức năng mong muốn là hai yêu cầu khác nhau. Ở bài toán thiết kế, người nghiên cứu phải tìm một cấu trúc cùng trình tự phù hợp với đích tương tác, vị trí hoạt động hoặc các ràng buộc khác của phân tử.

Thông báo của UW mô tả RFD4-Proteina là sự kết hợp giữa dòng mô hình RosettaFold Diffusion và Proteina-Complexa. Phương pháp cho phép những thay đổi ở trình tự, cấu trúc protein và phân tử tương tác cung cấp thông tin cho nhau trong quá trình tinh chỉnh.

Nhóm gọi quá trình đó là suy luận sinh phân tử. Thuật ngữ diễn tả cơ chế tính toán của mô hình; không nên hiểu rằng hệ thống có khả năng hiểu sinh học như một chuyên gia hoặc tự chịu trách nhiệm về kết quả thí nghiệm.

Mô hình nhận điều kiện thiết kế như thế nào?

Kho mã chính thức giới thiệu đây là mô hình nền tảng dùng flow matching, có thể tiếp nhận điều kiện về cấu trúc và vị trí tương tác. Dữ liệu đầu vào có thể là tệp CIF được chú thích hoặc mô tả YAML. Như vậy, yêu cầu thiết kế cần được biểu diễn thành những ràng buộc mà hệ thống có thể xử lý.

Các quy trình được tài liệu nêu gồm tạo protein đơn, thiết kế phân tử gắn kết, giữ lại một mô-típ cấu trúc và tinh chỉnh một thiết kế sẵn có. Tùy nhiệm vụ, người dùng có thể muốn giữ nguyên một phần cấu trúc thay vì tạo lại mọi thứ.

Partial diffusion phục vụ kiểu tinh chỉnh hoặc tăng đa dạng đó. Còn tìm kiếm có hướng dẫn bằng phần thưởng dùng các bộ đánh giá bên ngoài để chấm và lựa chọn đường tạo sinh. Điểm số từ một bộ dự đoán cấu trúc vẫn là đánh giá bằng máy tính, khác với kết quả đo hoạt tính trong phòng thí nghiệm.

Các con số tăng tốc thực sự nói gì?

UW báo cáo trên các benchmark tính toán rằng tỷ lệ thiết kế thành công cao hơn khoảng 5–10 lần, đồng thời quá trình tạo ứng viên nhanh hơn 5–10 lần so với các mô hình trước. Cơ quan này cũng cho biết đã có thử nghiệm phòng lab xác nhận chức năng của các đầu ra được kiểm tra.

Đó là kết quả do nhóm phát triển công bố. Không thể chuyển những tỷ lệ này thành lời hứa rằng mọi dự án sẽ giảm cùng mức thời gian hoặc chi phí. Kết quả phụ thuộc bài toán, tiêu chí được coi là thành công, mô hình đối chứng và nguồn lực sử dụng.

Trang dự án tách phần đánh giá tính toán khỏi phần thử nghiệm thực nghiệm và cung cấp bản thảo nghiên cứu. Cách đọc phù hợp là xem từng nhiệm vụ và phép đo, thay vì cộng các kết quả riêng thành một chỉ số năng lực sinh học tổng quát. Tài liệu đi kèm hiện trình bày công trình dưới dạng preprint.

Mở mã giúp tái lập, nhưng chưa loại bỏ chi phí đánh giá

Hướng dẫn khởi động cung cấp các đường chạy qua mã nguồn, gói Python và hệ sinh thái Diffusers. Yêu cầu được nêu gồm Python 3.12 và GPU NVIDIA được hỗ trợ với cấu hình CUDA tương thích. Người triển khai cần chọn đúng gói theo môi trường thực tế.

Tài liệu phân biệt bước tạo thiết kế với các thành phần tính điểm, dự đoán lại cấu trúc và tìm kiếm. Cấu hình khởi động nhanh có thể bỏ qua một số bước đánh giá. Vì vậy, chạy được ví dụ đầu tiên là kiểm tra cài đặt và luồng tạo sinh, chưa phải xác nhận chất lượng của phân tử.

Về khả năng tái lập, nhóm nghiên cứu cần lưu phiên bản mô hình, phần mềm, đầu vào và thiết lập lấy mẫu. Nếu thay bộ chấm điểm hoặc cách ràng buộc, kết quả có thể đổi ngay cả khi tên mô hình giữ nguyên. Đây là yêu cầu thực hành nghiên cứu, không phải một benchmark mới do bài viết đo.

Giá trị trước mắt của bản phát hành là cho phép nhiều nhóm kiểm tra cùng một công cụ và phát triển quy trình riêng. Bước quyết định tiếp theo vẫn là lựa chọn ứng viên, tổng hợp, đo chức năng và đối chiếu với tiêu chí thiết kế. Mã nguồn mở làm quá trình tính toán dễ kiểm tra hơn; nó không thay thế thí nghiệm.

Nguồn và sơ đồ kiến trúc

Nguồn: công bố UW ngày 21/10, trang nghiên cứu, kho mã và tài liệu chạy mô hình. Bài không tuyên bố đã tự chạy hoặc tái lập kết quả.

Ảnh là sơ đồ pipeline chính thức, không phải ảnh phân tử đã được đo. Bản quyền 2026 Institute for Protein Design, University of Washington; sử dụng không chỉnh sửa theo BSD 3-Clause, kèm thông báo bản quyền và điều khoản đầy đủ.