← 返回首頁

輝達與華盛頓大學開放蛋白質設計模型,讓分子構想更快走進實驗室

RFD4-Proteina將蛋白質序列、形狀與交互作用一併納入設計,研究團隊報告運算表現提升,並完成部分實驗驗證;能否轉化為新藥,仍須跨越更長的生物與臨床考驗。

By SURL BioNews

設計一個看似能結合疾病標的的蛋白質,與真正做出具有預期功能的分子,往往隔著反覆修改與實驗。輝達(NVIDIA)與華盛頓大學醫學院蛋白質設計研究所於10月21日共同發表RFD4-Proteina,希望縮短這段往返電腦與實驗台的路程,讓研究人員更快篩出值得測試的設計。

這項在柏林GTC大會公布的模型,結合雙方既有的蛋白質生成技術。研究人員可設定結構、序列與化學限制,再讓模型產生、評分及改進候選分子。華盛頓大學說明,它能同步調整蛋白質的胺基酸序列、立體結構,以及與其交互作用的分子結構;遇到較難的問題,也能投入更多運算來搜尋解法。

效能提升目前主要來自研究團隊的測試。華盛頓大學表示,相較先前模型,RFD4-Proteina在運算基準上的設計成功率與候選蛋白質生成速度,均提高至五至十倍。輝達則指出,研究草稿評估了蛋白質結合、小分子結合、酵素骨架設計與DNA結合四類任務。這些數字反映特定測試條件下的表現,不能直接換算成新藥研發成功率。

實驗室結果提供了比電腦評分更進一步的線索。華盛頓大學表示,部分設計出的蛋白質已在實驗中展現預期功能,包括降解農藥的酵素,以及控制蛋白質上所連接醣鏈種類的設計。不過,公告未列出完整樣本數與各任務的實驗成功比例,研究人員的個案經驗也仍待更多團隊重現。

模型以BSD三條款授權開源,讓其他研究團隊得以使用與延伸。輝達也試圖把設計接上自動化實驗:依其公告,丹納赫旗下Genedata的AI科研助手將在自動化實驗室中協調蛋白質設計與測試,並運用實驗結果引導下一輪設計。這類流程的價值,在於讓每次測試產生的證據能回到設計端,而不只是增加候選分子的數量。

同日公布的西門子醫療合作,則將焦點轉向癌症放射治療。雙方正探索以Nemotron模型協助治療計畫討論,搭配CUDA加速的劑量計算,以及連接即時感測資料的Holoscan平台,支援隨患者狀況調整的放療。這仍是開發方向;公告未提供這套整合方案改善病人療效的臨床結果。

從蛋白質設計到放療規劃,這批合作共同指向一個目標:縮短資料、計算與實際操作之間的距離。但蛋白質在實驗中具備功能,距離成為藥物,還有體內作用、安全性與製造等關卡;治療規劃工具也須證明其臨床可靠性。眼前較具體的進展,是研究工具開放使用,以及部分分子設計已有實驗支持,患者能獲得多少效益則尚無答案。

References

  1. marketscreener.com
  2. NVIDIA Newsroom
  3. UW Medicine Newsroom