近日，AI 平台抱抱脸（Hugging Face）联合中国中关村学院、意大利那不勒斯腓特烈二世大学的研究人员，发布了开源生物学 AI 模型 Carbon-X。该模型能够同时理解 DNA 序列和自然语言，用户可以像使用 ChatGPT 一样，询问特定 DNA 变异可能对基因活性和健康产生的影响。
研究团队在现有语言模型基础上扩展了词汇表，使其能够以每 6 个碱基为一组读取 DNA，并利用 3000 亿个涵盖 DNA 序列、英文文本及生物学描述的 token 继续训练。训练数据涉及哺乳动物、植物、真菌等多类生物，但出于生物安全考虑，未纳入病毒序列。
Carbon-X 拥有 140 亿个参数，可在本地设备运行，无需上传敏感基因组数据。模型每次可处理约 5 万个碱基对，有望辅助研究人员判断基因突变是否致病，为靶向药物和基因疗法开发提供线索。不过，模型预测结果尚未经湿实验验证，准确性仍有待评估。
来源：Wired
打开网易新闻 查看更多图片