Платформа Hugging Face представила відкриту ШІ-модель Carbon-X, яка дозволяє аналізувати фрагменти ДНК за допомогою запитань простою мовою. Модель можна запускати безпосередньо на ноутбуці, не передаючи дані до хмарних сервісів. Про це повідомляє WIRED.
Як працює Carbon-X і для чого її створили
Carbon-X розробили Hugging Face спільно з дослідниками китайської Zhongguancun Academy та італійського Університету Неаполя імені Федеріко II.
Модель навчали одночасно на послідовностях ДНК і текстах природною мовою. Завдяки цьому користувачі можуть запитувати, як зміни в ДНК впливають на активність генів і здоров’я.
Carbon-X відповідає у форматі звичайної розмови, а не лише числовими показниками.
«Ми відкрили нову можливість мовних моделей, яка, по суті, полягає в тому, щоб можна було спілкуватися з ДНК», — сказав Льюїс Танстолл, старший науковий співробітник Hugging Face.
За його словами, інструмент має допомогти науковцям розробляти нові ліки та генетичні методи лікування. У майбутньому він також потенційно може допомагати людям розуміти результати аналізу власного геному.
Один із можливих сценаріїв використання Carbon-X — дослідження генетичних мутацій. Модель може допомагати з'ясовувати, чи пов’язана певна зміна ДНК із захворюванням.
Такі дослідження важливі для розробки ліків і методів лікування, спрямованих на конкретні генетичні зміни.
Водночас розробники наголошують, що прогнози Carbon-X ще не перевірені реальними лабораторними експериментами.
Як Carbon-X може працювати безпосередньо на ноутбуці
Carbon-X має 14 мільярдів параметрів. Розробники спеціально обрали відносно невеликий розмір моделі, щоб її можна було запускати на власному обладнанні користувача.
Це важливо для дослідників, які працюють із конфіденційними генетичними даними пацієнтів. За словами Танстолла, під час локального використання інформація не передається Hugging Face або іншим компаніям.
Для створення Carbon-X команда взяла наявну мовну модель і навчила її розпізнавати ДНК групами по шість символів.
Після цього модель додатково навчали на 300 мільярдах токенів. Навчальні дані поєднували послідовності ДНК, англомовні тексти та приклади опису біологічних процесів.
До набору даних увійшли послідовності ДНК ссавців, зокрема людей, інших хребетних, безхребетних, рослин, грибів і найпростіших організмів.
Дані вірусів розробники свідомо не використовували. За словами Танстолла, це рішення пов’язане з ризиком потенційно небезпечного застосування моделі.
Carbon-X може аналізувати фрагменти ДНК довжиною до приблизно 50 тисяч пар основ. Завантажити повний геном людини не вийде, але користувачі зможуть досліджувати його окремі ділянки.
Чим Carbon-X відрізняється від інших моделей для аналізу ДНК
Carbon-X — не єдина ШІ-модель для дослідження ДНК.
Google DeepMind розробила AlphaGenome, яка прогнозує вплив генетичних змін, але подає результати у вигляді чисел і потребує більше обчислювальних ресурсів.
Інша модель, Evo 2 від Arc Institute, Nvidia та наукових партнерів, здатна аналізувати ДНК і створювати цілі геноми.
Особливість Carbon-X полягає в поєднанні аналізу ДНК зі звичайним текстовим спілкуванням. Користувач може поставити запитання про генетичну послідовність і отримати пояснення природною мовою.
Водночас Carbon-X поки залишається дослідницьким інструментом. Розробники не можуть підтвердити точність її прогнозів, оскільки лабораторних випробувань ще не проводили.
