Hugging Face представила Carbon-X — ИИ-модель для вопросов о ДНК на естественном языке

Hugging Face представила модель Carbon-X, созданную вместе с исследователями из Zhongguancun Academy (Китай) и Университета Неаполя имени Фридриха II (Италия). Модель обучали на геномных последовательностях и естественном языке, чтобы пользователи могли задавать вопросы о влиянии изменений ДНК на активность генов и здоровье и получать ответы в разговорной форме.

По словам старшего исследователя Hugging Face Льюиса Танстолла, инструмент предназначен для помощи учёным в разработке новых лекарств и генной терапии и потенциально может помочь пациентам разбираться в собственном геноме. Разработчики описывают Carbon-X как способ «общаться с ДНК»: естественный язык делает вопросы о ДНК доступными и нетехническим пользователям.

ДНК устроена скорее как компьютерный код: информацию кодируют буквы A, C, G и T, а человеческий геном содержит 6 млрд таких букв. Модель расширила словарь языковой модели, чтобы читать ДНК группами по шесть букв, и продолжила обучение на 300 млрд фрагментов данных, объединяющих ДНК, английский текст и примеры связи ДНК с биологическими описаниями. Использовались последовательности млекопитающих, включая человека, других позвоночных, беспозвоночных, растений, грибов и простейших; вирусы в обучение не включали.

Пользователи не смогут загружать полные геномы человека: модель рассчитана на последовательности примерно до 50 тыс. пар оснований, то есть на небольшие участки генома. Один из возможных сценариев применения — оценка того, является ли мутация безвредной или вызывающей заболевание, что важно при создании целевого препарата или генной терапии. По словам Танстолла, модель намеренно сделали небольшой — с 14 млрд параметров, чтобы её можно было запускать локально на оборудовании пользователя и не отправлять данные в Hugging Face или другие компании.

Разработчики Carbon-X предупреждают, что пока не проверяли модель реальными лабораторными экспериментами и не могут сказать, насколько точны её предсказания.