مدل جدید زیست شناسی هوش مصنوعی Hugging Face به شما امکان می دهد با DNA چت کنید

این مدل که با همکاری محققان آکادمی Zhongguancun در چین و دانشگاه ناپل فدریکو دوم در ایتالیا ساخته شده است، بر روی توالی های ژنومی و زبان طبیعی آموزش داده شده است تا افراد بتوانند در مورد اثرات تغییرات DNA بر فعالیت و سلامت ژن سوال بپرسند و در ازای آن پاسخ های محاوره ای دریافت کنند. لوئیس تونستال، دانشمند تحقیقاتی ارشد در Hugging Face، می‌گوید این ابزار برای کمک به محققان در طراحی داروهای جدید و درمان‌های ژنتیکی طراحی شده است و به طور بالقوه می‌تواند به بیماران در تفسیر ژنوم خود کمک کند. «ما یک قابلیت جدید در مدل‌های زبانی را باز کرده‌ایم

او در مورد مدل جدید با نام Carbon-X می‌گوید که ch اساسا به توانایی چت با DNA مربوط می‌شود. استفاده از زبان طبیعی به این معنی است که حتی کاربران غیر فنی هم می‌توانند سؤالاتی درباره DNA بپرسند که از طریق هیچ ابزار دیگری قابل دسترسی نیست. Hugging Face که اساسا به عنوان GitHub برای مدل‌های AI شناخته می‌شود، کتابخانه‌ای از ابزارهای هوش مصنوعی آماده و بستری برای اجرای برنامه‌های کاربردی هوش مصنوعی با وزن باز و منبع باز برای توسعه‌دهندگان، محققان، مشاغل و افرادی که می‌خواهند با هوش مصنوعی بدون ساختن همه چیز از ابتدا آزمایش کنند، فراهم می‌کند.

در ماه سپتامبر، انویدیا با حدود 13 میلیارد دلار خرید این شرکت موافقت کرد. (Hugging Face همچنین در اوایل سال جاری در مرکز هک بزرگ مدل‌های OpenAI قرار داشت.) DNA بیشتر شبیه کد کامپیوتری است تا زبان طبیعی. با این حال، به جای 0 و 1، از As، Cs، Gs و Ts برای رمزگذاری اطلاعات استفاده می کند. ژنوم انسان حاوی 6 میلیارد از این حروف است. در حالی که ژنوم انسان از انتها به انتها توالی یابی شده است، دانشمندان هنوز نمی دانند که بیشتر آن چگونه کار می کند. اکنون، مدل‌های هوش مصنوعی به محققان کمک می‌کنند تا برخی از این اسرار را رمزگشایی کنند.

سال گذشته، Google DeepMind AlphaGenome را منتشر کرد که اثرات توالی‌های DNA و جهش‌های ژنتیکی را پیش‌بینی می‌کند اما این کار را در قالب عددی انجام می‌دهد. همچنین به قدرت محاسباتی بیشتری نیاز دارد. Evo 2، مدلی است که توسط موسسه Arc و Nvidia به همراه شرکای دانشگاهی توسعه یافته است، به زبان DNA صحبت می کند و می تواند کل ژنوم ها را از ابتدا تولید کند. Carbon-X هم DNA و هم زبان طبیعی را در یک رابط مکالمه ادغام می کند. به آن مانند ChatGPT برای DNA فکر کنید. این تیم با یک مدل زبان موجود شروع کرد و دایره لغات خود را برای خواندن DNA در گروه‌های شش حرفی گسترش داد.

آنها سپس به آموزش روی 300 میلیارد قطعه داده یا توکن ادامه دادند که توالی‌های DNA، متن انگلیسی و نمونه‌هایی را که DNA را به توصیف‌های بیولوژیکی پیوند می‌داد، ترکیب می‌کردند. توالی های DNA از پستانداران (از جمله انسان)، مهره داران دیگر، بی مهرگان، گیاهان، قارچ ها و تک یاخته ها به دست آمد. تونستال می‌گوید که تیم این مدل را روی ویروس‌ها آموزش نداده است، زیرا نمی‌خواستند از آن برای برنامه‌های بالقوه خطرناک استفاده شود. کاربران نمی توانند ژنوم کامل انسان را آپلود کنند.

این مدل به گونه‌ای آموزش داده شده است که بتواند توالی‌های DNA تقریبا 50000 جفت باز را ببلعد، بنابراین کاربران تنها می‌توانند در هر زمان بخش‌های کوچکی از ژنوم را جستجو کنند. یکی از روش‌هایی که دانشمندان می‌توانند از کربن-X استفاده کنند، کمک به درک خوش‌خیم یا بیماری‌زا بودن یک جهش ژنتیکی است که گامی کلیدی در توسعه داروی هدفمند یا درمان ژنتیکی است.

اگر مداخله ای جهش اشتباه را هدف قرار دهد، می تواند کاملا بی اثر باشد یا بدتر از آن، باعث آسیب ناخواسته شود. محققان در مورد آپلود داده‌های قابل شناسایی یا حساس بیمار در مدل‌های هوش مصنوعی مرزی با محدودیت‌هایی مواجه هستند، بنابراین تونستال می‌گوید که تیم او عمدا یک مدل کوچک با ۱۴ میلیارد پارامتر طراحی کرده است. این به آن اجازه می دهد تا به جای تکیه بر مدل های مبتنی بر ابر، به صورت محلی بر روی سخت افزار کاربر اجرا شود.

او می گوید هیچ داده ای به Hugging Face یا هر شرکت دیگری ارسال نمی شود. توسعه‌دهندگان Carbon-X هشدار می‌دهند که هنوز این مدل را با آزمایش‌های واقعی آزمایشگاهی مرطوب تأیید نکرده‌اند، بنابراین نمی‌توانند بگویند پیش‌بینی‌های آن چقدر دقیق است.