Hugging Faces Carbon-X ermöglicht Forschern die Kommunikation mit der DNA
Das offene Carbon-X-Modell von Hugging Face liest Roh-DNA und gibt Antworten in einfachem Englisch, wobei es bei DNA-Benchmarks fast mit Spitzenmodellen mithalten kann – und das zu einem Bruchteil der Kosten.
Hugging Face hat Carbon-X veröffentlicht, ein offenes Modell mit 14,8 Milliarden Parametern, mit dem Forscher Roh-DNA in einen Chat einfügen und in einfacher Sprache Fragen dazu stellen können, beispielsweise ob eine Mutation wahrscheinlich eine Krankheit verursacht.
Das Modell, veröffentlicht auf Hugging Face wurde unter einer Apache 2.0-Lizenz in Zusammenarbeit mit der Zhongguancun Academy und dem Telethon Institute of Genetics and Medicine der Universität Neapel Federico II entwickelt. Verkabelt Berichten zufolge wurde es am Donnerstag, dem 22. Oktober, veröffentlicht.
Wie es funktioniert
Carbon-X basiert auf Alibabas Qwen3-14B. Das Team fügte DNA-Token hinzu, die Sequenzen jeweils sechs Basenpaare lesen, und trainierte das Modell anschließend mit 302 Milliarden Token aus DNA, Biologietexten, englischen Texten und Anleitungsdaten, sodass DNA und Sprache einen gemeinsamen Token-Stream nutzen.
Man gibt eine Referenzsequenz und eine mutierte Sequenz an, und das Programm sagt aus, ob die Variante harmlos oder pathogen ist und erklärt die Gründe dafür. Es kann außerdem Regionen erkennen, die die Genaktivität steuern, die Organismengruppe bestimmen, aus der eine Sequenz stammt, und die nächsten Basen vorhersagen.
Die Zahlen
Laut Modellkarte erreicht Carbon-X im Durchschnitt 66.7% in fünf DNA-Benchmarks. Das sind 27 Punkte mehr als beim Ausgangsmodell Qwen3-14B, mehr als bei allen anderen von Hugging Face getesteten offenen Modellen und nahe an 67.5% von GPT- 1 Sol bei etwa 1 der Inferenzkosten pro Problem.
Hugging Face schätzt, dass die Überprüfung der 2.4 Millionen Varianten unklarer Signifikanz in der ClinVar-Datenbank mit Carbon-X etwa $300 kosten würde, im Vergleich zu $32,000 bis $4m mit den von ihr evaluierten Spitzenmodellen. Die Gewichtungen passen auf eine einzelne 80-GB-GPU, sodass Labore sensible Sequenzen auf ihrer eigenen Hardware speichern können.
Die Grenzen
Hugging Face stellt klar, dass Carbon-X “nicht klinisch validiert ist und nicht für medizinische Entscheidungen herangezogen werden sollte”. Es weist weiterhin Schwächen bei Spleißstellen (29,8%) und Histonmarkierungen (34,6%) auf, kann Basen falsch zählen und unter Umständen die Funktion einer Sequenz erfinden, wenn der Kontext fehlt. Es wurde nicht für die Entwicklung neuer DNA trainiert.
Lewis Tunstall, leitender Wissenschaftler bei Hugging Face, erklärte gegenüber Wired, dass das Team Viren aus den Trainingsdaten entfernt habe, um potenziell gefährliche Anwendungen zu vermeiden. Die Entwickler haben ihre Vorhersagen außerdem noch nicht in Laborexperimenten validiert.
Warum es wichtig ist
Spezialwerkzeuge wie AlphaFold 3 Sie haben zwar Teile der Biologie verändert, sind aber nicht für die Kommunikation ausgelegt. Carbon-X hingegen ermöglicht DNA-Analysen in einem Chatfenster und ist so klein, dass es sich in einem Labor selbst betreiben lässt. Microsofts MAI-DxO Das Ergebnis dieser Woche ist allerdings nur ein Richtwert, bis es sich in der Praxis bewährt hat.
