Innovación en la comprensión del ADN
Hugging Face, una destacada plataforma de inteligencia artificial, ha lanzado un modelo innovador que permite analizar el ADN de manera local, directamente desde una laptop. Este avance es fruto de la colaboración entre investigadores de la Academia Zhongguancun de China y 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 las alteraciones en el ADN pueden influir en la actividad genética y la salud, recibiendo respuestas de forma conversacional.
Lewis Tunstall, investigador sénior de Hugging Face, señala que esta herramienta está diseñada para asistir a los científicos en el desarrollo de nuevos tratamientos y fármacos, al tiempo que facilita la comprensión de los genomas a los pacientes. El modelo, denominado Carbon-X, destaca por su capacidad de «dialogar» con el ADN, lo que lo hace accesible incluso para aquellos sin formación técnica, permitiendo que planteen interrogantes sobre el ADN que antes eran inaccesibles con otras herramientas.
Hugging Face y su rol en la inteligencia artificial
Reconocida como el «GitHub de los modelos de IA», Hugging Face ofrece una amplia biblioteca de herramientas de inteligencia artificial de código abierto, así como una plataforma que facilita la ejecución de aplicaciones de IA. Este entorno está dirigido tanto a desarrolladores como a investigadores y a cualquier persona interesada en experimentar con IA sin necesidad de partir desde cero. Recientemente, la empresa fue objeto de una adquisición por parte de Nvidia por cerca de 13,000 millones de dólares. Sin embargo, también ha enfrentado desafíos, incluyendo un significativo ataque cibernético de modelos de OpenAI a principios de este año.
Entendiendo el ADN a través de la IA
El ADN puede compararse más con un código informático que con un lenguaje natural, utilizando las letras A, C, G y T para codificar información. Un genoma humano contiene alrededor de 6,000 millones de estas letras. A pesar de que el genoma humano ha sido completamente secuenciado, gran parte de su funcionamiento sigue siendo un enigma para los científicos. En este contexto, los modelos de IA están desempeñando un papel crucial en la resolución de estos misterios. Por ejemplo, el año pasado, Google DeepMind lanzó AlphaGenome, que predice los efectos de las secuencias de ADN, aunque lo hace en un formato numérico y requiere una potencia de cálculo considerable.
Por otro lado, el modelo Evo 2, desarrollado por el Arc Institute y Nvidia, junto con diversas instituciones académicas, logra «hablar» el lenguaje del ADN, generando genomas completos desde cero. Carbon-X, en cambio, combina el ADN y el lenguaje natural en una interfaz conversacional, asemejándose a un ChatGPT para el ADN.
Un enfoque accesible y seguro para investigadores
Para su desarrollo, el equipo de Carbon-X partió de un modelo de lenguaje existente, ampliando su capacidad para interpretar el ADN en grupos de seis letras. Posteriormente, se llevó a cabo un entrenamiento exhaustivo con 300,000 millones de fragmentos de datos que incluían secuencias de ADN, texto en inglés y ejemplos que conectaban el ADN con descripciones biológicas, abarcando desde mamíferos hasta plantas y protozoos. Sin embargo, Tunstall advirtió que el modelo no fue entrenado con datos de virus, ya que se busca evitar aplicaciones que puedan resultar peligrosas.
Es importante destacar que los usuarios no podrán cargar genomas humanos completos en el sistema. El modelo está diseñado para procesar secuencias de ADN de aproximadamente 50,000 pares de bases, lo que significa que solo se podrán consultar fragmentos pequeños del genoma en cada ocasión.
Implicaciones en la investigación genética
Una de las aplicaciones potenciales de Carbon-X es ayudar a los científicos a determinar si una mutación genética es inofensiva o patógena, un paso crucial en el desarrollo de tratamientos dirigidos o terapias genéticas. Elegir erróneamente una mutación a tratar podría resultar en un tratamiento ineficaz o, en el peor de los casos, en efectos adversos. Además, existen restricciones para cargar datos identificables o sensibles de pacientes en modelos de IA avanzados, lo que llevó al equipo de Tunstall a diseñar un modelo relativamente pequeño, con 14,000 millones de parámetros. Esto permite su funcionamiento local, eliminando la necesidad de depender de servidores en la nube y asegurando que ningún dato sea enviado a Hugging Face o a otras empresas.
Sin embargo, los desarrolladores de Carbon-X enfatizan que aún no han validado el modelo mediante experimentos en laboratorio, lo que significa que no pueden garantizar la precisión de las predicciones generadas por la herramienta.
