Hugging Face представила открытую ИИ-модель Carbon-X, которая анализирует генетические последовательности и отвечает на вопросы о них на естественном языке. Разработка предназначена для биологических исследований, поиска патогенных мутаций и создания лекарств.
Нейросеть создали совместно со специалистами китайской Zhongguancun Academy, Института генетики и медицины Telethon и Неаполитанского университета имени Федерико II. Она содержит 14,8 млрд параметров и способна работать локально без передачи генетической информации на сторонние серверы.
Старший научный сотрудник Hugging Face Льюис Танстолл в разговоре с Wired назвал разработку новым способом взаимодействия с ДНК.
По его словам, использование естественного языка позволит задавать вопросы о генетических последовательностях даже людям без навыков программирования.
Carbon-X определяет, является ли мутация безвредной или связана с заболеванием, распознает участки, которые регулируют активность генов, и объясняет свои выводы на английском языке. Такие сведения необходимы для разработки таргетных лекарств и генетической терапии.
Как ИИ научили понимать ДНК
В основе Carbon-X лежит языковая модель Qwen3-14B. Разработчики расширили ее словарь, добавив возможность обработки генетических последовательностей.
В отличие от обычного текста, ДНК состоит из четырех нуклеотидных оснований, обозначаемых буквами A, C, G и T. Разработчики научили нейросеть считывать их группами по шесть символов. Это позволяет обрабатывать генетический код и обычный текст в рамках единой архитектуры.
На основном этапе обучения использовали около 302 млрд токенов. Более половины пришлось на последовательности ДНК, остальное — на англоязычные тексты, научные публикации о биологии и примеры диалогов.
Генетические данные охватывали различные группы организмов: млекопитающих, других позвоночных, беспозвоночных, растения, грибы, простейших, а также прокариот.
По словам Танстолла, разработчики намеренно исключили вирусные последовательности из обучения, чтобы снизить риск использования модели в потенциально опасных целях.
Затем нейросеть дообучили на примерах следования инструкциям, анализа мутаций и работы с последовательностями, а после этого — с помощью обучения с подкреплением на биологических задачах.
В результате Carbon-X способна отвечать на вопросы о функциях отдельных участков ДНК, определять принадлежность последовательностей к группам организмов, распознавать регуляторные элементы генов и прогнозировать последствия генетических изменений.
Разработчики также предусмотрели возможность интеграции модели с ИИ-агентами . Например, универсальный ассистент сможет передавать ей специализированные вопросы о ДНК и использовать полученные ответы при подготовке исследовательских материалов.
Результаты тестирования
Команда проверила Carbon-X на пяти наборах задач, связанных с прогнозированием последствий мутаций, анализом генетических последовательностей и восстановлением участков ДНК.
Средний результат модели составил 66,7%. Для сравнения, базовая Qwen3-14B набрала около 40%.
В аналогичных тестах GPT-6.1 Sol получила 67,5%, Claude Opus 5.5 — 60,9%, а Gemini 4 Argon — 49,8%. Среди открытых моделей Carbon-X показала лучший результат.
Кроме того, она опередила все протестированные системы в двух категориях:
74,9% — определение влияния мутаций в участках ДНК, кодирующих белки;
39,4% — прогнозирование следующих нуклеотидов в генетической последовательности.
По оценке Hugging Face, решение одной задачи с помощью Carbon-X обходится примерно в 1800 раз дешевле, чем с GPT-6.1 Sol. Анализ 2,4 млн мутаций с неясным клиническим значением из базы ClinVar обойдется примерно в $300 против $32 000 — $4 млн у передовых моделей.
Все тесты провела сама команда. Два из пяти наборов задач взяты из научной литературы, еще два Hugging Face разработала самостоятельно.
Локальная работа и ограничения
Одним из преимуществ Carbon-X разработчики назвали возможность использования без подключения к внешним ИИ-сервисам. Они подчеркнули, что генетические данные крайне чувствительны.
Танстолл отметил, что при локальном запуске последовательности ДНК остаются на оборудовании пользователя и не передаются Hugging Face или другим компаниям.
При этом модель требует достаточно мощного компьютера. Для запуска без сжатия нужен графический процессор с объемом памяти около 80 ГБ.
Еще одно ограничение касается длины анализируемых последовательностей. Carbon-X обучали на фрагментах примерно до 49 000 пар оснований. Модель принимает и более длинные входные данные, но на них ее не проверяли.
Кроме того, система может ошибаться при подсчете нуклеотидов и определении точных координат генетических изменений. При недостатке контекста она способна выдумывать происхождение и функции последовательности.
Слабее всего модель справилась с распознаванием участков сплайсинга (29,8%) и участков, связанных с модификациями гистонов (34,6%).
Авторы также предупредили, что Carbon-X пока не прошла клиническую проверку, поэтому ее прогнозы нельзя использовать для принятия медицинских решений.
Модель способна прогнозировать продолжение последовательностей ДНК, но не предназначена для создания новых: при генерации длинных фрагментов качество снижается.
ИИ для расшифровки геномов
Carbon-X стала продолжением исследований Hugging Face в области биологических моделей семейства Carbon.
8 октября компания представила Carbon-A — нейросеть с 1,2 млрд параметров для поиска участков ДНК, кодирующих белки.
С ее помощью команда сформировала базу из 566 млн предполагаемых генов у 22 617 видов организмов. Часть находок подтвердили в лаборатории, но большинство предсказаний еще требует экспериментальной проверки.
Аналогичные исследования ведут другие технологические компании. Например, Google DeepMind разработала AlphaGenome для прогнозирования влияния генетических изменений.
Напомним, в феврале 2025 года специалисты Arc Institute совместно с Nvidia представили Evo 2 , обученную на ДНК более 100 000 видов. Нейросеть способна обрабатывать до 1 млн нуклеотидов одновременно, прогнозировать последствия мутаций и генерировать новые генетические последовательности.
Подписывайтесь на ForkLog в социальных сетях
