--- title: "RFD4 Proteina: welke versie is gemeten?" date: 2026-10-21 author: "Redactie WatisAI.nl" featured_image: "https://watisai.nl/wp-content/uploads/2026/10/rfd4-proteina-eiwitontwerp-bewijs.jpg" categories: - name: "AI nieuws" url: "/category/ai-nieuws.md" --- # RFD4 Proteina: welke versie is gemeten? **9 oktober**benchmark met eerder modelpaar **19 oktober**huidige release volgens modelkaart **12 van 18**calmodulineontwerpen met gemeten binding onder 1 µM Met RFD4 Proteina brengt het Institute for Protein Design samen met NVIDIA een model uit dat eiwitsequenties én atoomstructuren ontwerpt. Rond de introductie valt één beperking gemakkelijk weg: de efficiëntietabel in de actuele modelkaart hoort bij een eerdere modelversie. We hebben de modelkaart naast de projectpagina gelegd. De uitkomst vraagt om twee afzonderlijke controles: welk soort bewijs staat er, en bij welke versie hoort het? Wie begint bij [wat is AI](https://watisai.nl/), ziet hier hoe groot het verschil tussen genereren en bewijzen kan zijn. **Computerscore**Structuurcriteria en doorvoer **Labmeting**Binding onder testomstandigheden **Klinische claim**Vraagt afzonderlijk patiëntonderzoek Verschillende bewijsvormen. Een resultaat schuift niet vanzelf naar de volgende categorie. ## RFD4 Proteina ontwerpt; een voorspeller controleert Een structuurvoorspeller schat bij een gegeven eiwitsequentie een structuur. Dit ontwerpmodel maakt juist sequentie en structuur samen, met opgegeven moleculaire voorwaarden. Dat is een toepassing van [generatieve AI](https://watisai.nl/generatieve-ai/). Daarna kan AlphaFold3 de ontworpen sequentie opnieuw beoordelen. Een geslaagd computermodel is nog geen gemeten binding of enzymwerking. [Machine learning](https://watisai.nl/machine-learning/) levert hier kandidaten voor verder onderzoek. **Ontwerpen**Nieuwe sequentie en structuur maken. **Voorspellen**Computermodel langs structuurcriteria leggen. **Meten**Binding of activiteit in een experiment bepalen. Eigen schema op basis van de projectpagina en modelkaart, gecontroleerd op 21 oktober 2026. De stappen leveren verschillend bewijs. ## De nieuwe gewichten erven geen oude meetuitslag De [open modelkaart](https://huggingface.co/nvidia/RFD4-Proteina) noemt 19 oktober 2026 als huidige release. De efficiëntietabel is bevroren op 9 oktober 2026 en gebruikt het vorige modelpaar. De kaart zegt uitdrukkelijk dat deze cijfers niet opnieuw zijn gemeten voor de huidige checkpoints. Dat is geen bewijs dat de nieuwe versie slechter is. Het betekent dat de tabel die vraag niet beantwoordt. Een benchmark krijgt pas betekenis als modelversie, vergelijking en meeteenheid bij elkaar blijven. Ook bij [neurale netwerken](https://watisai.nl/neurale-netwerken/) bepalen de geladen gewichten welk model je daadwerkelijk test. **9 oktober 2026**Bevroren efficiëntiemeting met eerder modelpaar. **19 oktober 2026**Huidige modelrelease. Geen hermeting in deze tabel. Bronvergelijking: “Measured design efficiency” en “Checkpoints in this release” uit de modelkaart. Geen eigen uitvoering van het eiwitmodel. ## Welke versie ondersteunt de gekozen benchmarkclaim? Selecteer een taak en modelversie. De bronvergelijker toont de exacte tabelwaarden of meldt dat een passende meting ontbreekt. De berekening vergelijkt doorvoer; hij voorspelt geen biologisch resultaat. Bronvergelijker · rekent lokaal OntwerptaakEiwitbindersBinders voor kleine moleculenEnzymmotievenDNA-bindersVersie waarop je de claim wilt toepassenEerder modelpaar: benchmark van 9 oktoberHuidige release: 19 oktober 2026 Gegevens: de efficiëntietabel in de hierboven gelinkte modelkaart, gelezen op 21 oktober 2026. De deling voert deze pagina lokaal uit. Voor deze vergelijking is JavaScript nodig. De modelkaart bevat de oorspronkelijke tabel; voor de huidige release ontbreken daarin hermetingen. ## Labmetingen bestaan wél, maar bewijzen geen behandeling De [wetenschappelijke projectpagina](https://rfd4-proteina.org/) rapporteert onder meer calmodulinebinders die met calcium binden en zonder calcium niet detecteerbaar binden. Dat is experimenteel bewijs voor die onderzochte ontwerpen en omstandigheden. Het gaat verder dan een structuurplaatje. Alles wegzetten als alleen computersimulatie zou die resultaten tekortdoen. Tegelijk zijn ze geen bewijs dat een behandeling bij patiënten veilig of werkzaam is. Voor [AI in de zorg](https://watisai.nl/ai-in-de-zorg/) blijft de stap van onderzoeksresultaat naar klinische toepassing een aparte vraag. Bron en resultaatGrens van die claimProjectpagina: 12 van 18 calmodulineontwerpen met schijnbare KD onder 1 µM en geen detecteerbare binding zonder calcium.Gemeten binding onder de onderzochte omstandigheden; geen patiëntuitkomst.Modelkaart: computationele doorvoer inclusief AF3-beoordeling.Een computerscore voor het eerdere modelpaar; geen experimenteel slagingspercentage.Eigen vergelijking van bewijsvormen. KD beschrijft binding; µM is micromolair. De resultaten zijn niet onderling uitwisselbaar. ## Welk bewijs vraag je bij een nieuwe offerte? Biedt een leverancier eiwitontwerp met AI aan, vraag dan om de gebruikte checkpointversie, de exacte meeteenheid en het testverslag van het geleverde ontwerp. Een benchmark van de software vervangt dat verslag niet. 1. Laat de modelversie bij de prestatieclaim zetten. 2. Vraag of het resultaat berekend, in het lab gemeten of klinisch onderzocht is. 3. Controleer of het bewijs hetzelfde ontwerp en dezelfde omstandigheden betreft. De volgende relevante stap is een vergelijking waarin de huidige release opnieuw is gemeten. Dan wordt zichtbaar of het voordeel uit de eerdere benchmark ook voor de nieuwe gewichten geldt. Nieuwsaanleiding: Unite.AI, 21 oktober 2026. Broncontrole en vergelijking: Redactie WatisAI.nl, 21 oktober 2026. ## Koppel een benchmark aan zijn modelversie De tabel van 9 oktober meet een eerder modelpaar. Controleer de versie voordat je de score gebruikt. [Vergelijk de brongegevens](#bronvergelijker)