A Hugging Face új nyílt modelljével természetes nyelven elemezhető a DNS
A Hugging Face a kínai Zhongguancun Academy és az olasz University of Naples Federico II kutatóival közösen fejlesztette ki a Carbon-X nevű, nyílt forráskódú modellt, amely a DNS-szekvenciákat és a természetes nyelvet egyaránt képes értelmezni. A rendszerrel beszélgetős formában lehet kérdezni arról, hogy egy-egy DNS-változás miként befolyásolhatja a génműködést vagy az egészséget. A fejlesztők szerint ez a kutatók mellett azoknak a nem szakértő felhasználóknak is segítséget jelenthet, akik közérthető módon szeretnének biológiai kérdéseket feltenni.
A Carbon-X-t 300 milliárd adategységen tanították, amelyek DNS-részleteket, angol nyelvű szövegeket és a genetikai szekvenciákat biológiai leírásokkal összekapcsoló példákat tartalmaztak. A modell emlősök, más gerincesek, gerinctelenek, növények, gombák és egysejtűek genetikai adataiból tanult, vírusokat azonban szándékosan nem használtak fel. A rendszer egyszerre nagyjából 50 ezer bázispárnyi DNS-szakaszt tud feldolgozni, teljes emberi genomok feltöltésére nem alkalmas.
A mindössze 14 milliárd paraméteres modell laptopon, helyben is futtatható, így az érzékeny genetikai adatoknak nem kell egy külső szolgáltatóhoz kerülniük. A Carbon-X segíthet annak felmérésében, hogy egy mutáció ártalmatlan vagy betegséget okozó lehet-e, ami fontos szempont gyógyszerek és génterápiák fejlesztésénél. A fejlesztők ugyanakkor hangsúlyozzák, hogy a modell előrejelzéseit még nem ellenőrizték laboratóriumi kísérletekkel, ezért pontossága egyelőre nem tekinthető bizonyítottnak.