La innovadora plataforma de inteligencia artificial Hugging Face ha lanzado un nuevo modelo diseñado para la comprensión del ADN, el cual puede operar de manera local en computadoras portátiles. Este desarrollo se llevó a cabo en colaboración con investigadores de la Academia Zhongguancun de China y de la Universidad Federico II de Nápoles, Italia. El modelo ha sido entrenado con secuencias genómicas y lenguaje natural, lo que permite a los usuarios realizar preguntas sobre cómo los cambios en el ADN afectan la actividad genética y la salud, recibiendo respuestas en forma de diálogo.
Lewis Tunstall, investigador científico sénior en Hugging Face, señala que esta herramienta está destinada a facilitar a los investigadores el diseño de nuevos medicamentos y terapias genéticas, además de ayudar a los pacientes a interpretar sus propios genomas. «Hemos desbloqueado una nueva capacidad en los modelos de lenguaje, que consiste en poder ‘chatear’ con el ADN», comenta Tunstall sobre el modelo, denominado Carbon-X. El uso del lenguaje natural permite que incluso aquellos sin formación técnica puedan formular preguntas sobre el ADN a las que no podrían acceder mediante otras herramientas.
Hugging Face: El GitHub de la IA
Hugging Face es reconocido como el GitHub de los modelos de inteligencia artificial, proporcionando una biblioteca de herramientas listas para usar y una plataforma para ejecutar aplicaciones de IA, principalmente de código abierto. Su enfoque está dirigido a desarrolladores, investigadores, empresas y a cualquier persona interesada en experimentar con la inteligencia artificial, sin necesidad de construir todo desde cero. En un movimiento significativo, Nvidia anunció su intención de adquirir la empresa por casi 13,000 millones de dólares el pasado mes de septiembre. Sin embargo, también ha enfrentado desafíos, como un ataque cibernético por parte de los modelos de OpenAI a principios de este año.
El ADN como un código informático
El ADN puede considerarse más un código informático que una forma de lenguaje natural, utilizando las letras A, C, G y T para codificar información, donde un genoma humano contiene aproximadamente 6,000 millones de estas letras. A pesar de que el genoma humano ha sido completamente secuenciado, los científicos aún no han logrado comprender el funcionamiento de gran parte de él. En este contexto, los modelos de inteligencia artificial están comenzando a ayudar a los investigadores a desentrañar algunos de estos enigmáticos aspectos. El año anterior, Google DeepMind presentó AlphaGenome, el cual predice los efectos de las secuencias de ADN y las mutaciones genéticas, pero lo hace utilizando formatos numéricos y requiere una mayor potencia de cálculo. Por su parte, Evo 2, un modelo desarrollado por el Arc Institute y Nvidia, junto con socios académicos, tiene la capacidad de generar genomas completos desde cero.
Carbon-X, en cambio, combina el ADN y el lenguaje natural en una interfaz conversacional, similar a un ChatGPT dedicado al ADN. El equipo partió de un modelo de lenguaje existente y amplió su vocabulario para interpretar el ADN en grupos de seis letras. Posteriormente, continuaron el entrenamiento utilizando 300,000 millones de fragmentos de datos, o tokens, que incluían secuencias de ADN, texto en inglés y ejemplos que vinculaban el ADN con descripciones biológicas. Las secuencias de ADN empleadas provienen de mamíferos (incluyendo humanos), otros vertebrados, invertebrados, plantas, hongos y protozoos. Tunstall destaca que se decidió no entrenar el modelo con virus, evitando así su posible uso en aplicaciones que pudieran resultar peligrosas.
Limitaciones en la consulta de genomas
El modelo tiene la capacidad de procesar secuencias de ADN de aproximadamente 50,000 pares de bases, lo que limita a los usuarios a consultar solo partes pequeñas del genoma en cada ocasión. Una de las aplicaciones potenciales de Carbon-X es ayudar a los científicos a determinar si una mutación genética es benigna o patógena, un paso crucial en el desarrollo de medicamentos dirigidos o terapias genéticas. Dirigir una intervención a la mutación incorrecta podría resultar en una falta de efectividad o, incluso, en efectos adversos indeseados.
Los investigadores a menudo enfrentan restricciones al cargar datos sensibles o identificables de pacientes en modelos de inteligencia artificial de vanguardia. Por esta razón, Tunstall menciona que su equipo diseñó un modelo de tamaño reducido, con 14,000 millones de parámetros, que puede funcionar localmente en el hardware del usuario, eliminando la necesidad de depender de modelos basados en la nube. Esto garantiza que ningún dato sea enviado a Hugging Face ni a ninguna otra entidad.
Perspectivas futuras y validación del modelo
Los desarrolladores de Carbon-X subrayan que, aunque han logrado avances significativos, aún no han validado el modelo a través de experimentos de laboratorio reales, lo que significa que no pueden garantizar la precisión de sus predicciones en este momento. A medida que continúan perfeccionando esta herramienta, sus aplicaciones en el ámbito de la investigación genética y médica podrían resultar revolucionarias, abriendo nuevas vías para la comprensión y tratamiento de diversas condiciones de salud.