Nền tảng AI Ôm mặt hôm thứ Năm đã phát hành một mô hình nguồn mở mới để hiểu DNA có thể chạy cục bộ trên máy tính xách tay.

Được phát triển với sự cộng tác của các nhà nghiên cứu tại Học viện Zhongguancun ở Trung Quốc và Đại học Naples Federico II ở Ý, mô hình này được đào tạo về trình tự gen và ngôn ngữ tự nhiên để mọi người có thể đặt câu hỏi về tác động của sự thay đổi DNA đối với hoạt động và sức khỏe của gen và nhận được câu trả lời đàm thoại.

Lewis Tunstall, nhà khoa học nghiên cứu cấp cao tại Hugging Face, cho biết công cụ này nhằm giúp các nhà nghiên cứu thiết kế các loại thuốc và liệu pháp di truyền mới, đồng thời nó có thể hỗ trợ bệnh nhân giải thích bộ gen của chính họ.

Ông nói về mô hình mới có tên là Carbon-X: “Chúng tôi đã mở khóa một khả năng mới trong các mô hình ngôn ngữ, về cơ bản là khả năng giao tiếp với DNA”. Sử dụng ngôn ngữ tự nhiên có nghĩa là ngay cả những người dùng không rành về kỹ thuật “thực sự có thể đặt câu hỏi về DNA mà không thể truy cập được bằng bất kỳ công cụ nào khác”.

Về cơ bản được biết đến với cái tên GitHub dành cho các mô hình AI, Hugging Face cung cấp một thư viện các công cụ AI có sẵn và một nền tảng để chạy các ứng dụng AI nguồn mở và trọng lượng mở chủ yếu dành cho các nhà phát triển, nhà nghiên cứu, doanh nghiệp và những người muốn thử nghiệm AI mà không cần xây dựng mọi thứ từ đầu. Vào tháng 9, Nvidia đã đồng ý mua lại công ty với giá gần 13 tỷ USD. (Ôm mặt cũng là trung tâm của một vụ hack lớn do các mô hình của OpenAI thực hiện vào đầu năm nay.)

DNA giống mã máy tính hơn là ngôn ngữ tự nhiên. Tuy nhiên, thay vì 0 và 1, nó sử dụng As, Cs, Gs và Ts để mã hóa thông tin. Bộ gen của con người chứa 6 tỷ chữ cái như vậy. Mặc dù bộ gen của con người đã được giải trình tự từ đầu đến cuối nhưng các nhà khoa học vẫn chưa hiểu phần lớn nó hoạt động như thế nào.

Giờ đây, các mô hình AI đang giúp các nhà nghiên cứu giải mã một số bí ẩn đó. Năm ngoái, Google DeepMind đã phát hành AlphaGenome, dự đoán tác động của trình tự DNA và đột biến gen nhưng thực hiện ở định dạng số. Nó cũng đòi hỏi nhiều sức mạnh tính toán hơn. Evo 2, một mô hình được phát triển bởi Arc Institute và Nvidia, cùng với các đối tác học thuật, nói ngôn ngữ DNA và có thể tạo ra toàn bộ bộ gen từ đầu.

Carbon-X tích hợp cả DNA và ngôn ngữ tự nhiên trong giao diện đàm thoại. Hãy coi nó giống như ChatGPT cho DNA.

Nhóm bắt đầu với mô hình ngôn ngữ hiện có và mở rộng vốn từ vựng của nó để đọc DNA theo nhóm sáu chữ cái. Sau đó, họ tiếp tục đào tạo về 300 tỷ khối dữ liệu hoặc mã thông báo kết hợp các chuỗi DNA, văn bản tiếng Anh và các ví dụ liên kết DNA với các mô tả sinh học. Trình tự DNA đến từ động vật có vú (bao gồm cả con người), động vật có xương sống khác, động vật không xương sống, thực vật, nấm và động vật nguyên sinh. Tunstall cho biết nhóm không đào tạo mô hình về virus vì họ không muốn nó được sử dụng cho các ứng dụng nguy hiểm tiềm tàng.

Người dùng sẽ không thể tải lên bộ gen người đầy đủ. Mô hình đã được đào tạo để có thể tiếp nhận chuỗi DNA của khoảng 50.000 cặp bazơ, vì vậy người dùng sẽ chỉ có thể truy vấn các phần nhỏ của bộ gen tại một thời điểm.

Một trong những cách mà các nhà khoa học có thể sử dụng Carbon-X là giúp hiểu được liệu đột biến gen là lành tính hay gây bệnh, một bước quan trọng trong việc phát triển một loại thuốc nhắm mục tiêu hoặc liệu pháp di truyền. Nếu một biện pháp can thiệp nhắm vào sai đột biến, nó có thể hoàn toàn không hiệu quả hoặc tệ hơn là gây ra tác hại ngoài ý muốn.

Các nhà nghiên cứu phải đối mặt với những hạn chế khi tải dữ liệu bệnh nhân nhạy cảm hoặc có thể nhận dạng lên các mô hình AI tiên tiến, vì vậy Tunstall cho biết nhóm của ông đã cố tình thiết kế một mô hình nhỏ với 14 tỷ thông số. Điều đó sẽ cho phép nó chạy cục bộ trên phần cứng của người dùng, thay vì dựa vào các mô hình dựa trên đám mây. Ông nói rằng không có dữ liệu nào được gửi đến Hugging Face hoặc bất kỳ công ty nào khác.

Các nhà phát triển Carbon-X cảnh báo rằng họ chưa xác thực mô hình bằng các thử nghiệm thực tế trong phòng thí nghiệm ẩm ướt, vì vậy họ không thể nói dự đoán của nó chính xác đến mức nào.