Carbon-X di Hugging Face permette ai ricercatori di interagire con il DNA

Hugging Face ha rilasciato Carbon-X, un modello open source con 14,8 miliardi di parametri che consente ai ricercatori di incollare il DNA grezzo in una chat e porre domande al riguardo in un linguaggio semplice, ad esempio se una mutazione ha probabilità di causare una malattia.

Il modello, pubblicato su Hugging Face Il software, rilasciato sotto licenza Apache 2.0, è stato sviluppato in collaborazione con la Zhongguancun Academy e l'Istituto Telethon di Genetica e Medicina dell'Università degli Studi di Napoli Federico II. Wired Secondo le notizie, è stato rilasciato giovedì 22 ottobre.

Come funziona

Carbon-X parte dal Qwen3-14B di Alibaba. Il team ha aggiunto token di DNA che leggono sequenze di sei basi alla volta, quindi ha addestrato il modello su 302 miliardi di token di DNA, testo biologico, testo in inglese e dati di istruzione, in modo che DNA e linguaggio condividano un unico flusso di token.

Gli si forniscono un riferimento e una sequenza mutata, e il sistema indica se la variante sembra benigna o patogena, spiegandone il motivo. Può anche individuare le regioni che controllano l'attività genica, classificare il tipo di organismo da cui proviene una sequenza e prevedere le basi successive.

I numeri

Secondo la scheda del modello, Carbon-X ottiene una media di 66,7% su cinque benchmark del DNA. Si tratta di 27 punti in più rispetto al modello Qwen3-14B da cui è partito, davanti a tutti gli altri modelli open source testati da Hugging Face e vicino ai 67,5% di GPT-6.1 Sol, con un costo di inferenza per problema pari a circa 1/1800.

Hugging Face stima che la verifica dei 2,4 milioni di "varianti di significato incerto" presenti nel database ClinVar costerebbe circa 300 dollari con Carbon-X, contro un costo compreso tra 32.000 dollari e 4 milioni di dollari con i modelli di punta valutati. I pesi sono contenuti in una singola GPU da 80 GB, quindi i laboratori possono conservare le sequenze sensibili sul proprio hardware.

I limiti

Hugging Face afferma chiaramente che Carbon-X "non è stato validato clinicamente e non dovrebbe essere utilizzato per prendere decisioni mediche". È ancora debole sui siti di splicing (29,8%) e sui marcatori istonici (34,6%), può contare erroneamente le basi e può inventare la funzione di una sequenza in assenza di contesto. Non è stato addestrato per progettare nuovo DNA.

Lewis Tunstall, ricercatore senior presso Hugging Face, ha dichiarato a Wired che il team ha escluso i virus dai dati di addestramento per evitare potenziali utilizzi pericolosi. Gli sviluppatori non hanno ancora convalidato le previsioni con esperimenti di laboratorio.

Perché è importante

Strumenti specializzati come AlphaFold 3 hanno cambiato parti della biologia, ma non sono progettati per la conversazione. Carbon-X mette l'analisi del DNA dietro una finestra di chat ed è abbastanza piccolo da poter essere gestito autonomamente da un laboratorio. Come MAI-DxO di Microsoft Questa settimana, tuttavia, si tratta di un risultato di riferimento finché non verrà convalidato dalla biologia reale.