Lanzan una IA gratuita que traduce el ADN a lenguaje cotidiano

Hugging Face lanzó Carbon-X, un modelo de inteligencia artificial de código abierto que permite hacer preguntas sobre secuencias de ADN en lenguaje cotidiano y recibir respuestas explicadas en inglés, sin pasar por fórmulas ni gráficos técnicos.

El sistema fue desarrollado junto con investigadores de la Academia Zhongguancun, en China, el Instituto Telethon de Genética y Medicina y la Universidad Federico II de Nápoles, en Italia. Tiene 14.800 millones de parámetros y se entrenó con 302.000 millones de fragmentos de texto que combinan secuencias genéticas, literatura científica e instrucciones en inglés. El usuario pega una secuencia de ADN en una conversación de chat y el modelo responde con una explicación en texto.

Carbon-X puede predecir si una mutación genética es benigna o está asociada a una enfermedad, identificar qué regiones de una secuencia regulan la actividad de un gen, clasificar fragmentos de ADN según el organismo de origen y anticipar las bases siguientes de una secuencia.

Lewis Tunstall, científico investigador senior de Hugging Face, describió la herramienta como una forma de ampliar el acceso a este tipo de análisis. “Hemos desbloqueado una nueva capacidad en los modelos de lenguaje, que consiste en poder conversar con el ADN”, dijo. Según Tunstall, el uso de lenguaje natural permite que usuarios sin formación técnica consulten datos genéticos de un modo que antes no era posible con otras herramientas de bioinformática.

Por qué corre en una sola placa gráfica

El equipo partió de Qwen3-14B, un modelo de lenguaje de Alibaba, y amplió su vocabulario para leer ADN en bloques de seis letras antes de continuar el entrenamiento con datos genómicos.

Los pesos del sistema caben en una sola placa gráfica de 80 gigabytes, lo que le permite funcionar en la propia computadora del investigador en lugar de depender de un servicio en la nube.

Esa decisión responde a una limitación práctica: los investigadores suelen tener restricciones para subir datos genéticos identificables o de pacientes a modelos de IA alojados por terceros. Al ejecutarse de forma local, ningún dato sale del equipo del usuario hacia Hugging Face ni hacia otra empresa, precisó Tunstall.

Los desarrolladores excluyeron deliberadamente a los virus del material de entrenamiento. Tunstall explicó que la decisión buscó reducir el riesgo de que el modelo se use con fines dañinos, un problema que, según indicó, también afecta a los chatbots generales, que a veces rechazan preguntas legítimas de biología por confundirlas con intentos de diseñar armas.

Resultados por debajo de los modelos más grandes, a menor costo

En cinco pruebas comparativas sobre predicción de mutaciones y reconocimiento de secuencias, Carbon-X promedió un 66,7% de aciertos, cerca del 67,5% que Hugging Face le atribuye a GPT-6.1 Sol, un modelo mucho más grande.

La compañía calculó que analizar con Carbon-X los 2,4 millones de variantes genéticas de significado incierto registradas en la base de datos ClinVar costaría unos USD 300. Con los modelos de mayor escala evaluados, el mismo análisis costaría entre USD 32.000 y USD 4 millones, según los cálculos que Hugging Face publicó junto al modelo.

El sistema acepta secuencias de hasta unas 50.000 pares de bases por consulta, de modo que no es posible cargarle un genoma humano completo, que tiene 6.000 millones de esas unidades. Hugging Face advirtió que Carbon-X todavía no fue validado con experimentos de laboratorio, por lo que no puede garantizarse la exactitud de sus predicciones, y que no debe usarse para tomar decisiones médicas.

Otros modelos que apuntan al mismo problema

Carbon-X se suma a otros intentos recientes de traducir el ADN a un formato más accesible. El año pasado, Google DeepMind presentó AlphaGenome, que predice el efecto de mutaciones pero en formato numérico y con mayor demanda de cómputo. Evo 2, desarrollado por el Arc Institute junto con Nvidia y socios académicos, también procesa el ADN como si fuera un idioma y puede generar genomas completos desde cero.

El lanzamiento llega semanas después de que Nvidia acordara comprar Hugging Face por cerca de USD 12.900 millones, en una operación que se espera cierre en la primera mitad de 2027. El modelo quedó publicado bajo licencia Apache 2.0 y ya está disponible para su descarga.