📖 AI 总结

NVIDIA 与华盛顿大学蛋白质设计研究所联合开发的 RFD4-Proteina 开源模型，将蛋白质设计视为搜索问题，通过奖励引导的推理时搜索，在序列与全原子结构上协同设计，把算力集中在最有希望的候选方案上。该模型将显式骨架坐标与残基级潜在表示结合，省去了传统方法中单独的逆折叠步骤；配合工程化扩散策略，采样步数从约 400 步降至 60 步，在 200 个残基规模下生成速度提升 3.8 倍，峰值内存降低 84%。模型支持输入带注释的 CIF 文件或条件规格，可完成 PD-L1 结合剂设计等任务，并集成 OpenFold3、TMol 等 CUDA 加速评分器，从几何、相互作用和置信度等维度评估与优化设计。配套技能可协调生成、搜索、评估与结果归档，形成迭代设计流程。文章以肿瘤靶点 PD-L1 为例展示了完整操作路径，并给出多项设计任务的实验验证结果，为计算生物学家和药物发现研究者提供了可复用的蛋白质结合剂设计方法。