Технология Carbon-X от Hugging Face позволяет исследователям общаться с ДНК
Открытая модель Carbon-X от Hugging Face считывает необработанные данные ДНК и выдает ответы на простом английском языке, практически не уступая передовым моделям в тестах ДНК, но при этом обходится значительно дешевле.
Компания Hugging Face выпустила Carbon-X, открытую модель с 14,8 миллиардами параметров, которая позволяет исследователям вставлять необработанные данные ДНК в чат и задавать вопросы о них простым языком, например, о том, может ли мутация вызвать заболевание.
Модель, опубликовано на Hugging Face Разработанный под лицензией Apache 2.0, проект создан совместно с Академией Чжунгуаньцунь и Институтом генетики и медицины Telethon при Университете Неаполя имени Федерико II. Проводной Сообщается, что релиз состоялся в четверг, 22 октября.
Как это работает
В основе Carbon-X лежит платформа Qwen3-14B от Alibaba. Команда добавила токены ДНК, считывающие последовательности по шесть оснований за раз, а затем обучила модель на 302 миллиардах токенов ДНК, биологических текстов, английских текстов и инструкций, так что ДНК и язык используют один поток токенов.
Вы предоставляете ему эталонную последовательность и мутированную последовательность, и он определяет, является ли вариант доброкачественным или патогенным, и объясняет почему. Он также может выявлять регионы, контролирующие активность генов, классифицировать организм, к которому принадлежит последовательность, и предсказывать следующие основания.
Цифры
Согласно данным модели, Carbon-X в среднем показывает результат 66,7% по пяти тестам ДНК. Это на 27 пунктов выше, чем у модели Qwen3-14B, с которой она начинала, опережает все остальные протестированные открытые модели, такие как Hugging Face, и близок к результату GPT-6.1 Sol (67,5%) при стоимости вывода примерно в 1/1800 раза меньшей на задачу.
По оценкам Hugging Face, проверка 2.4 миллионов «вариантов неопределенного значения» в базе данных ClinVar обойдется примерно в $300 с помощью Carbon-X, тогда как с использованием проверенных моделей — от $32,000 до $4m долларов. Весовые коэффициенты помещаются на одном графическом процессоре объемом 80 ГБ, поэтому лаборатории могут хранить конфиденциальные последовательности на собственном оборудовании.
Пределы
Компания Hugging Face четко заявляет, что Carbon-X “не прошел клиническую проверку и не должен использоваться для принятия медицинских решений”. Он по-прежнему слабо реагирует на сайты сплайсинга (29,8%) и метки гистонов (34,6%), может неправильно подсчитывать основания и может выдумывать функцию последовательности, когда ей не хватает контекста. Он не был обучен проектировать новую ДНК.
Льюис Танстолл, старший научный сотрудник Hugging Face, рассказал Wired, что команда исключила вирусы из обучающих данных, чтобы избежать потенциально опасного использования. Разработчики также еще не подтвердили точность своих прогнозов в лабораторных условиях.
Почему это важно
Специализированные инструменты, такие как AlphaFold 3 Они изменили некоторые аспекты биологии, но не предназначены для общения. Carbon-X переносит анализ ДНК в окно чата, и он достаточно мал, чтобы целая лаборатория могла работать самостоятельно. Например, как MAI-DxO от Microsoft Однако на этой неделе это будет лишь эталонный результат, пока он не будет подтвержден реальными биологическими данными.
