Hugging Face presentó un nuevo modelo abierto para comprender el ADN y ejecutarlo de forma local en una laptop. La herramienta, llamada Carbon-X, fue desarrollada junto con investigadores de la Academia Zhongguancun de China y de la Universidad Federico II de Nápoles, Italia.
El modelo fue entrenado con secuencias genómicas y lenguaje natural para que los usuarios puedan hacer preguntas sobre los efectos de los cambios en el ADN sobre la actividad genética y la salud, y recibir respuestas en formato conversacional.
Lewis Tunstall, investigador científico sénior de Hugging Face, sostuvo que la herramienta está pensada para ayudar a los investigadores a diseñar nuevos fármacos y terapias genéticas, y que también podría asistir a pacientes en la interpretación de sus propios genomas.
“Hemos desbloqueado una nueva capacidad en los modelos de lenguaje”, indicó Tunstall.
Según explicó, Carbon-X integra ADN y lenguaje natural en una interfaz conversacional, con un funcionamiento similar al de un chat. El equipo partió de un modelo de lenguaje ya existente, amplió su vocabulario para leer ADN en grupos de seis letras y luego siguió el entrenamiento con 300.000 millones de fragmentos de datos.
Las secuencias usadas provinieron de mamíferos, incluidos humanos, además de otros vertebrados, invertebrados, plantas, hongos y protozoos. Tunstall señaló que no entrenaron el modelo con virus porque no querían que se utilizara para aplicaciones potencialmente peligrosas.
El sistema fue diseñado para procesar secuencias de ADN de aproximadamente 50.000 pares de bases, por lo que solo permite consultar pequeñas partes del genoma a la vez. También fue concebido con 14.000 millones de parámetros para que pueda correr localmente en el hardware del usuario, sin depender de la nube ni enviar datos a Hugging Face u otra empresa.
Los desarrolladores advirtieron que todavía no validaron el modelo con experimentos reales en laboratorio, por lo que no pueden asegurar con certeza el grado de precisión de sus predicciones.