Hugging Face, DNA와 대화할 수 있는 오픈소스 모델 Carbon-X 공개

Carbon-X는 Zhongguancun Academy(중국)와 나폴리 페데리코 2세 대학(이탈리아)의 연구자들과 공동 개발된 모델이다. 게놈 서열과 자연어로 학습되어, DNA 변화가 유전자 활동과 건강에 미치는 영향에 대해 대화 형식으로 답을 얻을 수 있다. Hugging Face의 Lewis Tunstall은 신약 개발과 유전자 치료 설계를 지원하고, 환자가 자신의 게놈을 이해하는 데에도 도움이 될 수 있다고 말했다.

학습 방법은 기존 언어 모델을 기반으로 어휘를 확장해 DNA를 6글자 단위로 읽을 수 있도록 한 것이다. 이후 DNA 서열, 영어 텍스트, DNA와 생물학적 설명을 연결하는 예시를 합쳐 3000억 토큰으로 추가 학습을 진행했다. DNA는 포유류(인간 포함), 기타 척추동물, 무척추동물, 식물, 균류, 원생생물에서 유래했다. 위험한 용도로의 전용을 피하기 위해 바이러스는 학습에 포함하지 않았다.

이용상의 제약도 있다. 입력할 수 있는 DNA 서열은 약 50,000염기쌍까지이며, 인간 게놈 전체는 업로드할 수 없어 한 번에 조사할 수 있는 범위는 일부에 그친다. 연구자들은 변이가 양성인지 질병의 원인인지 가려내는 데 활용할 수 있다고 본다. 14B라는 소형 설계는 민감한 환자 데이터를 프런티어 AI 모델에 업로드할 때의 제약을 고려한 것으로, 데이터는 Hugging Face나 다른 회사로 전송되지 않는다고 한다.

기사는 비교 대상으로 수치 형식으로 예측을 반환하고 계산 자원이 많이 필요한 Google DeepMind의 AlphaGenome, 그리고 게놈을 처음부터 생성할 수 있는 Arc Institute와 NVIDIA 등의 Evo 2를 들었다. Carbon-X는 DNA와 자연어를 대화형 인터페이스로 통합한 점이 특징으로 꼽힌다. 개발자는 웻랩 실험에서의 검증이 이뤄지지 않아 예측의 정확성을 보여줄 수 없다며 주의를 당부했다.