Hugging Face 发布开源 DNA 模型 Carbon-X，可用自然语言提问

Hugging Face 推出可对话的开源 DNA 模型

据 WIRED 报道，AI 平台 Hugging Face 于周四发布开源模型 Carbon-X，用于理解 DNA。该模型由 Hugging Face 与中关村学院、意大利那不勒斯费德里科二世大学的研究人员合作开发，训练数据同时包含基因组序列与自然语言，用户可以用对话方式询问 DNA 变化对基因活性和健康的影响。Hugging Face 高级研究科学家 Lewis Tunstall 表示，这相当于让语言模型具备「与 DNA 对话」的能力，非技术用户也能就 DNA 提问。

背景与潜在用途

DNA 以 A、C、G、T 四种字母编码信息，人类基因组约含 60 亿个字母，其中大部分功能仍未被理解。此前 Google DeepMind 的 AlphaGenome 以数值形式预测序列与突变影响，Arc Institute 与英伟达等合作的 Evo 2 可从头生成基因组；Carbon-X 则将 DNA 与自然语言整合进对话界面。团队在既有语言模型基础上扩展词表，以六个字母为一组读取 DNA，并用约 3000 亿个 token 继续训练，序列来源涵盖哺乳动物、其他脊椎动物、植物、真菌和原生动物，未纳入病毒。Tunstall 称，该工具可帮助研究人员判断突变是良性还是致病，从而辅助药物与基因疗法设计。

限制与来源

模型参数为 140 亿，设计为可在用户本地硬件运行，数据不回传 Hugging Face 或其他公司。用户无法上传完整人类基因组，单次查询约限于 5 万个碱基对。开发者也提醒，该模型尚未通过实际湿实验验证，因此无法说明其预测的准确程度。上述功能与使用方式以官方发布信息为准。来源：WIRED。