Beste AI-designede enzym konverterte 79 prosent av nøkkelmolekylet i hiv-legemiddel
Universitetet i Manchester har bygget og testet enzymer designet med den ferske åpen kildekode-modellen RFD4-Proteina fra University of Washington og NVIDIA. Fire av 67 design var aktive, og det beste konverterte 79 prosent av et voluminøst kiralt amin – et nøkkeltrinn i syntesen av hiv-forebyggende middelet lenacapavir. Men resultatene foreligger så langt bare som en universitetsmelding, ikke som fagfellevurdert forskning.
Nytt verktøy, nytt resultat – samme uke
Historien består av to hendelser som traff hverandre i samme uke i oktober 2026. Den 21. oktober kunngjorde NVIDIA og Institute for Protein Design (IPD) ved University of Washington Medicine lanseringen av RFD4-Proteina som en åpen kildekode-modell, presentert som en BioNeMo open model under NVIDIAs GTC-konferanse i Berlin. Det er den første AI-modellen for proteindesign som University of Washington har utviklet i samarbeid med NVIDIA, skriver GeekWire (GeekWire).
Samme uke meldte Universitetet i Manchester at forskere ved Manchester Institute of Biotechnology har brukt modellen til å designe helt nye enzymer – og faktisk bygget og testet dem i laboratoriet. Det gjør Manchester-eksempelet til den første eksternt rapporterte, eksperimentelle bruken av modellen i kildematerialet.
Hva RFD4-Proteina er
Modellens navn avslører konstruksjonen, ifølge Genetic Engineering & Biotechnology News (GEN): Den kombinerer IPDs RosettaFold Diffusion, en veiledet diffusjonsmodell for å generere nye proteiner, med NVIDIAs Proteina-Complexa, en generativ modell for design av proteinbindere mot protein- og småmolekylmål. Modellen er utgitt som åpen kildekode under BSD-3-lisensen.
Utgivelsen bygger på et beregningsstipend fra Jen-Hsun and Lori Huang Foundation, med GPU-tilgang gjennom CoreWeave siden juni 2026, rapporterer GeekWire.
Utviklerne selv framstiller modellen som et generasjonsskifte: I beregningsreferansetester skal RFD4-Proteina ha oppnådd design-suksessrater fem til ti ganger høyere enn tidligere modeller, og generert proteinkandidater fem til ti ganger raskere. Dette er imidlertid påstander fra IPD og NVIDIA, basert på et «research draft» som ikke er offentlig tilgjengelig i fagfellevurdert form. NVIDIAs egen pressemelding oppgir at modellen skal ha slått de evaluerte referansemodellene på fire testområder: proteinbinding, binding av små molekyler, enzymstillaser og DNA-binding (NVIDIA via GlobeNewswire).
Det Manchester faktisk viste
Manchester-eksperimentet er derfor interessant nettopp fordi det ikke bygger på benchmark-tall, men på molekyler i et reagensrør. Professor Anthony Green, dr. Henry Jones og dr. Zefei Xu jobbet i samarbeid med IPD med å designe enzymer for billig og bærekraftig produksjon av global helse-midler, skriver universitetet (University of Manchester).
Målet var et utfordrende trinn i syntesen av lenacapavir, et hiv-forebyggende legemiddel: en amidbindingsdannende reaksjon. Av 67 enzymer som ble valgt ut og eksperimentelt testet, viste fire tydelig aktivitet. Det beste designet konverterte 79 prosent av et voluminøst kiralt amin til ønsket amidprodukt, og enzymet viste ifølge meldingen høy selektivitet for S-enantiomeren av aminet – nøyaktig den formen lenacapavir-syntesen krever.
Treffraten kan virke beskjeden – fire av 67 – men i de novo-design av enzymer for katalyse av reelle organiske reaksjoner er ethvert aktivt design vesentlig. Universitetet beskriver arbeidet som «et kritisk proof-of-concept som viser at nye enzymer kan designes beregningsmessig for å fremme utfordrende trinn i syntesen av aktive legemiddelstoffer».
Hva som er verifisert – og hva som ikke er det
Skillene her er viktige:
- Manchester-tallene (4 av 67 aktive, 79 prosent konvertering, S-selektivitet) stammer fra universitetets egen nyhetsmelding. Ingen fagfellevurdert artikkel eller preprint foreligger i kildematerialet, så resultatene kan ikke uavhengig verifiseres ennå.
- Fem- til ti-gangers-forbedringene er utviklerpåstander fra IPD og NVIDIA, knyttet til et upublisert utkast. Benchmark-detaljer og offentlige referansetall for sammenligningen er ikke tilgjengelige.
- Selve modellen er derimot reelt tilgjengelig: åpen kildekode under BSD-3, lansert som BioNeMo-modell 21. oktober 2026.
Hvorfor det betyr noe
To grunner gjør denne uken verdt å merke seg. For det første viser Manchester-eksempelet at beregningsbasert enzymdesign kan angripe harde trinn i syntesen av aktive legemiddelstoffer – her et voluminøst, kiralt amin, en klassisk vanskelig oppgave for både kjemisk syntese og biokatalyse. Siden lenacapavir er et hiv-forebyggende legemiddel, har billigere og mer bærekraftig produksjon av virkestoffet direkte relevans for global helse.
For det andre illustrerer saken hvordan åpen utgivelse endrer testlogikken: Modellen ble sluppet offentlig, og samme uke kunne et universitet på den andre siden av Atlanteren bruke den på et problem utviklerne ikke selv hadde valgt. Ved UW beskriver doktorgradskandidat Seth Woodbury den samme effekten fra innsiden: «På bare noen få dager designet vi et enzym som bryter ned sprøytemidler, og som yter mange ganger bedre enn mitt tidligere beste, som tok måneder å designe», sier han til GeekWire.
Åpne spørsmål
Flere ting gjenstår før dette kan regnes som et etablert resultat:
- Fagfellevurdering: Verken Manchester-enzymresultatene eller NVIDIAs benchmark-tall er publisert i fagfellevurdert form. Begge deler kan endre seg under gjennomgang.
- Reproduserbarhet: Detaljene i sammenligningsgrunnlaget for «fem til ti ganger»-påstandene er ikke offentlig tilgjengelige.
- Skalering: Én aktiv kandidat for én reaksjon i én syntese er et proof of concept. Hvor generelt modellen fungerer for industriell enzymdesign, vet ingen ennå.
Modellen er nå ute i verden. De neste månedene – med publisering av Manchester-arbeidet og uavhengige bruksområder fra andre laboratorier – vil vise om den første ukens demonstrasjon var et unntakstilfelle eller begynnelsen på et mønster.