Bemutatta a Carbon-X-et a Hugging Face, DNS-szel is beszélgethetsz vele

A kínai Zhongguancun Akadémia és az olaszországi University of Naples Federico II kutatóival közösen készült modell genomikai szekvenciákon, valamint természetes nyelven lett betanítva. Lewis Tunstall, a Hugging Face vezető kutatója szerint az eszköz célja, hogy segítse a kutatókat új gyógyszerek és genetikai terápiák tervezésében, valamint potenciálisan a betegeknek is segíthet saját genomjuk értelmezésében. (Wired)

„Új képességet nyitottunk meg a nyelvi modellekben, ami alapvetően arról szól, hogy képesek vagyunk DNS-sel beszélgetni” — mondta Tunstall az új modellről, amelyet Carbon-X-nek neveztek el. A természetes nyelv használata révén még a nem technikai felhasználók is „valóban kérdezhetnek a DNS-ről olyan módon, ami semmilyen más eszközzel nem lenne elérhető”.

A Hugging Face, amely lényegében a mesterséges intelligencia modellek GitHubjaként ismert, kész AI-eszközök könyvtárát és platformot biztosít elsősorban nyílt súlyú és nyílt forráskódú AI-alkalmazások futtatására fejlesztők, kutatók, üzletemberek és az AI-val kísérletezni vágyók számára, anélkül, hogy mindent a nulláról kellene felépíteniük. Szeptemberben az Nvidia csaknem 13 milliárd dollárért vásárolta meg a céget.

A DNS mint kód és a versenytársak

A DNS inkább hasonlít számítógépes kódhoz, mint természetes nyelvhez. A nullák és egyesek helyett azonban A, C, G és T betűket használ az információ kódolására. Az emberi genom 6 milliárd ilyen betűt tartalmaz. Bár az emberi genomot szekvenciálták, a tudósok még mindig nem értik, hogyan működik a nagy része. Most az AI-modellek segítenek a kutatóknak megfejteni néhány rejtélyt.

Tavaly a Google DeepMind kiadta az AlphaGenome-ot, amely megjósolja a DNS-szekvenciák és genetikai mutációk hatásait, de numerikus formában teszi ezt. Emellett több számítási kapacitást igényel. Az Evo 2, amelyet az Arc Institute és az Nvidia fejlesztett ki akadémiai partnerekkel közösen, a DNS nyelvén szól és képes teljes genomokat létrehozni a semmiből. A Carbon-X mind a DNS-t, mind a természetes nyelvet integrálja egy beszélgetőfelületen.

Hogyan működik a Carbon-X?

Gondoljunk rá úgy, mint egy ChatGPT a DNS-hez. A csapat egy meglévő nyelvi modellt indított el, és kibővítette a szókincsét a DNS hatbetűs csoportokban való olvasásához. Ezt követően 300 milliárd adatdarabon, vagy tokenen folytatták a képzést, amelyek DNS-szekvenciákat, angol szöveget és a DNS-t biológiai leírásokhoz kapcsoló példákat kombináltak. A DNS-szekvenciák emlősöktől (beleértve az embereket), más gerincesektől, gerinctelenektől, növényektől, gombáktól és protozoonoktól származtak.

Tunstall szerint a csapat nem tanította a modellt vírusokon, mert nem akarták, hogy potenciálisan veszélyes alkalmazásokra használják. A felhasználók nem tudnak majd teljes emberi genomokat feltölteni. A modellt úgy tanították, hogy nagyjából 50 000 bázispár hosszúságú DNS-szekvenciákat tudjon befogadni, így a felhasználók csak a genom kis részeit tudják lekérdezni egyszerre.

Felhasználási területek és korlátok

Az egyik módja annak, hogy a tudósok használhassák a Carbon-X-et, az annak megértése, hogy egy genetikai mutáció ártalmatlan vagy betegséget okozó-e, ami kulcsfontosságú lépés egy célzott gyógyszer vagy genetikai terápia kifejlesztésében. Ha egy beavatkozás rossz mutációt céloz meg, teljesen hatástalan lehet, vagy ami még rosszabb, nem kívánt károkat okozhat. A kutatók korlátozásokkal szembesülnek az azonosítható vagy érzékeny betegadatok feltöltésekor a határterületi AI-modellekbe, így Tunstall szerint csapata szándékosan tervezett egy kis, 14 milliárd paraméteres modellt.

Ez lehetővé teszi, hogy a felhasználó hardverén lokálisan fusson, ahelyett, hogy felhőalapú modellekre támaszkodna. Nincs adatküldés a Hugging Face-nek vagy bármely más cégnek — mondta. A Carbon-X fejlesztői óvatosságra intenek, mivel még nem validálták a modellt tényleges laboratóriumi kísérletekkel, így nem tudják megmondani, milyen pontosak a jóslatai. A modell 14 milliárd paraméteres architektúrája teszi lehetővé a helyi futtatást a Hugging Face platformján keresztül.