Hugging Face、DNAと対話できるオープンソースモデルCarbon-Xを公開

Carbon-Xは、Zhongguancun Academy（中国）とナポリ・フェデリコ2世大学（イタリア）の研究者と共同開発されたモデルである。ゲノム配列と自然言語で学習されており、DNAの変化が遺伝子活動や健康に与える影響について、会話形式で答えを得られる。Hugging FaceのLewis Tunstallは、創薬や遺伝子治療の設計を支援し、患者が自分のゲノムを理解する助けにもなり得ると述べている。

学習方法は、既存の言語モデルを土台に語彙を拡張し、DNAを6文字単位で読み取れるようにしたものである。その後、DNA配列、英語テキスト、DNAと生物学的記述を結びつける例を合わせた3000億トークンで追加学習を行った。DNAは哺乳類（ヒトを含む）、その他の脊椎動物、無脊椎動物、植物、菌類、原生生物に由来する。ウイルスは危険な用途への転用を避けるため学習に含めていない。

利用上の制約もある。入力できるのはおよそ50,000塩基対までのDNA配列で、ヒトゲノム全体はアップロードできず、一度に調べられるのはごく一部に限られる。研究者は、変異が良性か疾患の原因かを見極める用途に使えるとされる。14Bという小型設計は、機微な患者データをフロンティアAIモデルへアップロードする際の制限に配慮したもので、データはHugging Faceにも他社にも送信されないという。

記事は比較対象として、数値形式で予測を返し計算資源も多く必要とするGoogle DeepMindのAlphaGenomeと、ゲノムをゼロから生成できるArc InstituteとNVIDIAなどのEvo 2を挙げている。Carbon-XはDNAと自然言語を会話型インターフェースで統合する点が特徴とされる。開発者は、ウェットラボ実験での検証が未実施のため、予測の正確さは示せないと注意を促している。