Das vollständige Design von RFdiffusion3 ist jetzt öffentlich: Das generative KI-System entwirft Proteine und Nukleinsäuren, indem es einzelne Atome positioniert, und ein internationales Team der University of Washington, der University of Oxford, von NVIDIA und weiteren Institutionen hat die Arbeit am 16. Oktober 2026 in Science veröffentlicht. Details vom 19. Oktober zeigen, dass zwei nach seinen Vorgaben gebaute Enzyme ihre vorgesehenen Funktionen in echten chemischen Reaktionen bereits erfüllt haben. Für das Proteindesign liegt die Bedeutung nicht darin, dass es ein weiteres generatives Modell gibt, sondern darin, dass die Entwurfsgenauigkeit die atomare Ebene erreicht hat, auf der über Funktion entschieden wird.
Von der Strukturvorhersage zur Anordnung einzelner Atome
Korrespondenzautor David Baker leitet das Institute for Protein Design an der University of Washington und erhielt 2024 den Nobelpreis für Chemie für Arbeiten zur Vorhersage von Proteinstrukturen. Sein früheres RosettaFold lernte räumliche Beziehungen zwischen Aminosäuren, um vorherzusagen, wie vorhandene Proteine aussehen; RFdiffusion von 2023 und RFdiffusion2 von 2025 begannen, neue Proteine zu entwerfen, arbeiteten aber weiterhin auf der Ebene von Aminosäureresten, sodass die einzelnen Atome, die über Bindung und Katalyse entscheiden, nur indirekt erschlossen werden konnten.
RFdiffusion3 geht anders vor. In Anlehnung an die Netzwerkarchitektur von AlphaFold3 stellt es jede Aminosäure mit bis zu 14 Atomen dar, der Diffusionsprozess verstellt die dreidimensionalen Koordinaten jedes Atoms direkt, und es teilt keinen Code mit seinen beiden Vorgängern. Forschende können Bedingungen sehr konkret vorgeben: welche Atome an welchen Positionen sitzen müssen, wie Wasserstoffbrücken entstehen sollen und wie weit sich bestimmte Atome im Proteininneren verteilen dürfen; das Modell erzeugt dann eine Struktur, die alle diese Vorgaben zugleich erfüllt. Erst die Chemie im Detail festzulegen und daraus das ganze Molekül wachsen zu lassen, ist genau der Punkt, an dem es sich von Werkzeugen auf Restebene absetzt.
Bei 37 von 41 aktiven Zentren vorn, und es funktionierte im Labor
Ob ein Entwurfswerkzeug taugt, entscheidet sich an zwei Fragen: ob seine Berechnungen stimmen und ob das Ergebnis tatsächlich funktioniert. Das Team führte Vergleichsentwürfe an 41 aktiven Zentren vorhandener Enzyme durch; RFdiffusion3 lag bei 37 davon vor RFdiffusion2, bei etwa zehnfacher Erzeugungsgeschwindigkeit gegenüber der Vorgängergeneration. Wichtiger ist die experimentelle Prüfung: Eine Phosphotriesterase und ein peptidspaltendes Enzym, die damit entworfen wurden, katalysierten ihre vorgesehenen chemischen Reaktionen im Labor, statt bei einem Computerwert stehen zu bleiben.
Dieselben Ergebnisse markieren auch die Grenzen. Validiert sind bislang Aufgaben wie aktive Zentren von Enzymen, bei denen das Ziel klar ist und die Bedingungen präzise formuliert werden können; von einem Entwurf, der eine Reaktion katalysiert, bis zu einem Medikament oder einer Therapie liegen noch Expression, Stabilität, Sicherheit und Produktion im großen Maßstab. RFdiffusion3 als Werkzeug zu bezeichnen, das jedes beliebige Protein entwerfen kann, ginge über die Belege der Arbeit hinaus; genauer ist: Je präziser die Bedingungen einer Aufgabe formuliert sind, desto deutlicher wird sein Vorteil.
Offen ist die ganze Methode, nicht nur eine Modelldatei
RFdiffusion3 wurde bereits am 3. Dezember 2025 als Open Source veröffentlicht, Code und Trainingscode sind über die Foundry der Rosetta Commons auf GitHub verfügbar; die Science-Arbeit ergänzt nun die vollständige Entwurfsbegründung und die experimentelle Validierung. Zu den vom Team genannten Richtungen zählen Enzyme zum Abbau von Mikroplastik, synthetische Transkriptionsfaktoren für die Gentherapie und Biosensoren für die Umweltüberwachung, Anwendungen, deren gemeinsamer Nenner Wechselwirkungen mit DNA und kleinen Molekülen sind, die bis aufs Atom präzise sein müssen, also mitten im stärksten Bereich des neuen Modells.
Bei verwandten Arbeiten befasst sich DeepMinds Wasserzeichen für KI-entworfene Proteine damit, wie Entwurfsergebnisse markiert und nachverfolgt werden können, was sich mit diesem Vorstoß zur Entwurfsgenauigkeit auf Atomebene zu einem Vorher und Nachher fügt: Mit jedem Schritt der generativen Fähigkeiten werden Überprüfung und Steuerung schwerer zu überspringen. Für gewöhnliche Labore steht RFdiffusion3 ab sofort zum Herunterladen und Ausprobieren bereit; die eigentliche Bewährungsprobe der kommenden Monate ist, ob unabhängige Teams damit Erfolgsraten auf dem Niveau der Arbeit reproduzieren können.
