Hugging Face ha presentado Carbon-X, un modelo de inteligencia artificial desarrollado en colaboración con la Academia de Zhongguancun y la Universidad de Nápoles Federico II. Esta herramienta permite a los usuarios formular preguntas en lenguaje natural sobre efectos de mutaciones genéticas en la salud y la actividad génica, recibiendo respuestas conversacionales. El objetivo principal es facilitar el diseño de nuevos fármacos y terapias genéticas, así como ayudar a pacientes a interpretar sus propios genomas.
El modelo se entrena con secuencias genómicas y texto natural, integrando el ADN y el lenguaje humano en una interfaz conversacional. A diferencia de otros sistemas como AlphaGenome de Google DeepMind, que opera en formato numérico, Carbon-X utiliza un vocabulario expandido para leer el ADN en grupos de seis letras. El equipo entrenó el modelo con 300.000 millones de tokens que combinan secuencias de ADN de mamíferos, vertebrados, invertebrados, plantas, hongos y protozoos, excluyendo virus para evitar aplicaciones peligrosas.
Un aspecto clave de Carbon-X es su diseño para funcionar localmente en el hardware del usuario, con 14.000 millones de parámetros, evitando el envío de datos sensibles a la nube. Esto permite a los investigadores analizar fragmentos de genoma de aproximadamente 50.000 pares de bases, aunque no se puede subir genomas completos. Los desarrolladores advierten que el modelo aún no ha sido validado experimentalmente en laboratorios de biología, por lo que su precisión no está confirmada.