O novo modelo de biologia de IA da Hugging Face permite que você converse com DNA

A plataforma de IA Hugging Face na quinta-feira lançou um novo modelo de código aberto para compreender o DNA que pode ser executado localmente em um laptop.

Desenvolvido em colaboração com pesquisadores da Academia Zhongguancun na China e da Universidade de Nápoles Federico II na Itália, o modelo é treinado em sequências genômicas e linguagem natural para que as pessoas possam fazer perguntas sobre os efeitos das alterações no DNA na atividade genética e na saúde e obter em troca respostas de conversação.

Lewis Tunstall, pesquisador sênior da Hugging Face, diz que a ferramenta se destina a ajudar os pesquisadores a projetar novos medicamentos e terapias genéticas, e pode potencialmente ajudar os pacientes na interpretação de seus próprios genomas.

“Desbloqueamos uma nova capacidade em modelos de linguagem, que consiste fundamentalmente em ser capaz de conversar com o DNA”, diz ele sobre o novo modelo, apelidado Carbono-X. Usar linguagem natural significa que até mesmo usuários não técnicos “podem realmente fazer perguntas sobre o DNA que não seriam acessíveis através de qualquer outra ferramenta”.

Conhecido essencialmente como GitHub para modelos de IA, Hugging Face fornece uma biblioteca de ferramentas de IA prontas e uma plataforma para executar principalmente aplicativos de IA de código aberto e de peso aberto para desenvolvedores, pesquisadores, empresas e pessoas que desejam experimentar IA sem construir tudo do zero. Em setembro, a Nvidia concordou em adquirir a empresa por quase US$ 13 bilhões. (Hugging Face também estava no centro de uma grande hack dos modelos da OpenAI no início deste ano.)

O DNA é mais parecido com um código de computador do que com uma linguagem natural. Em vez de 0s e 1s, porém, ele usa As, Cs, Gs e Ts para codificar informações. Um genoma humano contém 6 bilhões dessas letras. Embora o genoma humano tenha sido sequenciado de ponta a ponta, os cientistas ainda não entendem como a maior parte dele funciona.

Agora, os modelos de IA estão ajudando os pesquisadores a decifrar alguns desses mistérios. No ano passado, o Google DeepMind lançou o AlphaGenome, que prevê os efeitos de sequências de DNA e mutações genéticas, mas o faz em formato numérico. Também requer mais poder de computação. O Evo 2, modelo desenvolvido pelo Arc Institute e pela Nvidia, em conjunto com parceiros acadêmicos, fala a linguagem do DNA e pode gerar genomas inteiros do zero.

Carbon-X integra DNA e linguagem natural em uma interface conversacional. Pense nisso como um ChatGPT para DNA.

A equipe começou com um modelo de linguagem existente e expandiu seu vocabulário para ler o DNA em grupos de seis letras. Eles então continuaram o treinamento em 300 bilhões de blocos de dados, ou tokens, que combinavam sequências de DNA, textos em inglês e exemplos que ligavam o DNA a descrições biológicas. As sequências de DNA vieram de mamíferos (incluindo humanos), outros vertebrados, invertebrados, plantas, fungos e protozoários. Tunstall diz que a equipe não treinou o modelo em vírus porque não queria que ele fosse usado para aplicações potencialmente perigosas.

Os usuários não poderão fazer upload de genomas humanos completos. O modelo foi treinado para ser capaz de ingerir sequências de DNA de aproximadamente 50 mil pares de bases, de modo que os usuários só poderão consultar pequenas partes do genoma por vez.

Uma das maneiras pelas quais os cientistas poderiam usar o Carbon-X é ajudar a entender se uma mutação genética é benigna ou causadora de doenças, um passo fundamental no desenvolvimento de um medicamento específico ou terapia genética. Se uma intervenção visar a mutação errada, poderá ser totalmente ineficaz ou, pior, causar danos não intencionais.

Os pesquisadores enfrentam restrições quando se trata de enviar dados identificáveis ​​ou confidenciais de pacientes para modelos de IA de ponta, então Tunstall diz que sua equipe projetou intencionalmente um pequeno modelo com 14 bilhões de parâmetros. Isso permitirá que ele seja executado localmente no hardware do usuário, em vez de depender de modelos baseados em nuvem. Nenhum dado é enviado para a Hugging Face ou qualquer outra empresa, diz ele.

Os desenvolvedores do Carbon-X alertam que ainda não validaram o modelo com experimentos reais de laboratório úmido, então não podem dizer quão precisas são suas previsões.

Source link