Hugging Face משיקה את Carbon-X: מודל קוד פתוח שמאפשר לשאול שאלות על DNA
Hugging Face השיקה את Carbon-X, מודל AI בקוד פתוח שאומן על רצפי DNA ועל טקסט בשפה טבעית. המודל רץ מקומית על מחשב נייד, וחוקרים יכולים לשאול אותו בשיחה איך שינוי גנטי משפיע על פעילות גנים ועל הבריאות. המפתחים מדגישים שהמודל עדיין לא נבדק בניסויי מעבדה, ולכן אי אפשר לדעת כמה התחזיות שלו מדויקות.
פלטפורמת ה-AI Hugging Face השיקה ביום חמישי את Carbon-X, מודל בקוד פתוח לניתוח DNA שרץ מקומית על מחשב נייד. המודל אומן גם על רצפים גנומיים וגם על שפה טבעית. כך אפשר לשאול אותו בשפה רגילה איך שינוי ב-DNA משפיע על פעילות הגנים ועל הבריאות, ולקבל תשובה בשיחה.
את המודל פיתחה Hugging Face יחד עם חוקרים מאקדמיית ג'ונגגואנצון (Zhongguancun) שבסין ומאוניברסיטת נאפולי פדריקו השני שבאיטליה. לואיס טנסטול, מדען מחקר בכיר ב-Hugging Face, אומר שהכלי נועד לעזור לחוקרים לפתח תרופות וטיפולים גנטיים חדשים, ושייתכן שיעזור גם למטופלים לפרש את הגנום של עצמם. "פתחנו יכולת חדשה במודלי שפה, שבבסיסה היא היכולת לשוחח עם DNA", אמר. לדבריו, בזכות השפה הטבעית גם משתמשים בלי רקע טכני "יכולים לשאול על DNA שאלות שאי אפשר לשאול בשום כלי אחר".
DNA כקוד
Hugging Face מכונה לעתים "ה-GitHub של מודלי ה-AI". זו ספרייה של כלים מוכנים ופלטפורמה להרצת מודלים פתוחים, שמשמשת מפתחים, חוקרים וחברות. בספטמבר הסכימה אנבידיה לרכוש את החברה בכמעט 13 מיליארד דולר.
DNA דומה יותר לקוד מחשב מאשר לשפה אנושית. במקום אפסים ואחדים הוא משתמש בארבע אותיות, A, C, G ו-T. בגנום האנושי יש כ-6 מיליארד אותיות כאלה. הגנום כבר רוצף מקצה לקצה, אבל המדענים עדיין לא מבינים איך פועל רובו.
מודלי AI כבר עוזרים לפענח חלק מהשאלות האלה. בשנה שעברה השיקה גוגל דיפמיינד את AlphaGenome, שחוזה את ההשפעה של רצפי DNA ומוטציות, אבל מחזיר את התוצאות בפורמט מספרי ודורש יותר כוח מחשוב. Evo 2, שפיתחו מכון Arc ואנבידיה עם שותפים אקדמיים, "מדבר" את שפת ה-DNA ויכול לייצר גנומים שלמים מאפס. Carbon-X משלב DNA ושפה טבעית בממשק שיחה, כלומר מעין ChatGPT ל-DNA.
איך זה נבנה
הצוות התחיל ממודל שפה קיים והרחיב את אוצר המילים שלו כך שיקרא DNA ברצפים של שש אותיות. אחר כך המשיך לאמן אותו על 300 מיליארד טוקנים (יחידות מידע). הנתונים כללו רצפי DNA, טקסט באנגלית ודוגמאות שמקשרות בין DNA לתיאורים ביולוגיים. הרצפים נלקחו מיונקים (כולל בני אדם), מבעלי חוליות אחרים, מחסרי חוליות, מצמחים, מפטריות ומפרוטוזואה. לדברי טנסטול, הצוות החליט לא לאמן את המודל על נגיפים כדי שלא ישמש לשימושים שעלולים להיות מסוכנים.
למודל יש גם מגבלות. אי אפשר להעלות אליו גנום אנושי שלם, כי הוא אומן לקלוט רצפים של כ-50 אלף זוגות בסיסים. לכן אפשר לשאול בכל פעם רק על קטע קטן מהגנום.
פרטיות ושאלת הדיוק
אחד השימושים האפשריים הוא לעזור לקבוע אם מוטציה גנטית תמימה או גורמת למחלה. זה שלב חשוב בפיתוח תרופה ממוקדת או טיפול גנטי: טיפול שמכוון למוטציה הלא נכונה עלול להיות חסר תועלת, ובמקרה הגרוע לגרום נזק.
לדברי טנסטול, לחוקרים יש מגבלות על העלאת מידע רגיש או מזהה של מטופלים למודלים המתקדמים שרצים בענן. לכן הצוות בנה בכוונה מודל קטן יחסית, עם 14 מיליארד פרמטרים, שרץ על החומרה של המשתמש. לדבריו, שום מידע לא נשלח ל-Hugging Face או לחברה אחרת.
המשמעות היא ככל הנראה שכלי כזה יכול להגיע גם למעבדות ולבתי חולים שלא יכולים להעביר נתונים גנטיים לשרתים חיצוניים. אבל המפתחים עצמם מזהירים שהמודל עדיין לא נבדק בניסויי מעבדה רטובה, ולכן אי אפשר לומר כמה התחזיות שלו מדויקות. עד שיגיעו תוצאות כאלה, נראה ש-Carbon-X מתאים יותר כעזר למחקר ופחות ככלי לאבחון.