DNAと「対話できる」。Hugging Faceの新モデル、Carbon-Xとは

AIプラットフォームのHugging Faceは10月22日、DNAを理解するための新たなオープンモデルを公開した。ノートPCのローカル環境でも動作可能だという。

中国の北京中関村学院とイタリアのフェデリコ2世ナポリ大学の研究者らが共同開発したモデルで、ゲノムの塩基配列と自然言語を使って訓練されている。DNAの変化が遺伝子の働きや健康に及ぼす影響などについて、自然言語で質問し、回答を得ることができる。

Hugging Faceの上級研究科学者であるルイス・タンストールは、このツールは研究者による新薬や遺伝子治療の開発を支援することを目的としており、患者が自身のゲノムを理解する際にも役立つ可能性があると説明する。

「言語モデルの新たな能力を引き出すことに成功しました。端的に言うと、DNAと対話できるようになったのです」と、タンストールは「Carbon-X」と名付けられた新モデルについて語る。自然言語を使えることで、技術的な知識がない人でも「これまでのツールでは調べられなかったDNAに関する疑問も、直接質問できるようになります」という。

DNA解析で進むAI活用

Hugging Faceは、いわばAIモデル版のGitHubとして知られている。同社は、開発者や研究者、企業、さらにはAIツールをいちから開発せずに試してみたい人々に向けて、すぐに使えるAIツールのライブラリーと、主にオープンウェイトやオープンソースのAIアプリケーションを実行できるプラットフォームを提供している。9月には、NVIDIAが約130億ドル（約1兆9,500億円）で同社を買収することに合意した（Hugging Faceは今年初め、OpenAIのモデルによる大規模なハッキング事件の被害にも遭った）。

DNAは自然言語よりもコンピューターのコードに近い。ただし、0と1ではなく、A、C、G、Tという4種類の文字の並びによって情報を記録している。ヒトゲノムには、これらの文字が約60億個含まれている。ヒトゲノムの塩基配列は端から端まで解読されているものの、その大部分がどのように機能しているのかは、いまだに解明されていない。

現在、AIモデルがこうした謎の一部を解き明かす研究に活用されている。昨年、Google DeepMindは「AlphaGenome」を公開した。DNA配列や遺伝子変異がもたらす影響を予測するモデルだが、その結果は数値で示される。また、より高い計算能力も必要となる。一方、Arc Institute、NVIDIA、大学などの研究機関が共同開発した「Evo 2」は、DNA配列を理解し、ゲノム全体をいちから生成できるモデルである。

DNAと自然言語を学習した「Carbon-X」

一方、Carbon-XはDNAと自然言語を組み合わせ、会話形式でやりとりできる仕組みを備えている。いわば「DNA版のChatGPT」だ。

開発チームは既存の言語モデルを基盤とし、DNA配列を6文字ずつのまとまりとして認識できるように改良した。その後、DNA配列と英語の文章、DNA配列とその生物学的な意味を説明する文章を対応づけた事例を組み合わせ、約3,000億トークン（AIが処理するデータの単位）を使って追加学習を実施している。

DNA配列には、ヒトを含む哺乳類、その他の脊椎動物、無脊椎動物、植物、菌類、原生動物のものが使われた。タンストールによると、ウイルスのデータは学習に使用していない。危険な目的に利用されることを防ぐためだという。

ただし、ユーザーがヒトゲノム全体をアップロードすることはできない。このモデルは約5万塩基対までのDNA配列を読み込むように訓練されているので、一度に質問できる範囲はゲノムのごく一部に限られている。

医療への応用と課題

科学者によるCarbon-Xの活用方法には、遺伝子変異が無害なものなのか、それとも病気の原因となるものなのかを見極めることなどがある。これは、特定の変異を標的とする医薬品や遺伝子治療を開発するうえで重要な工程だ。治療の標的とする変異を間違えれば、まったく効果が得られないばかりか、最悪の場合は予期せぬ悪影響を及ぼすおそれもあるのだ。

研究者が個人を特定できる情報や機密性の高い情報を含む患者データを最先端のAIモデルにアップロードする際には、さまざまな制約がある。そこで開発チームは意図的にパラメーター数を140億に抑えた小規模なモデルを設計したと、タンストールは説明する。これにより、クラウドに頼ることなく、ユーザー自身のハードウェア上で実行できる。データがHugging Faceやほかの企業に送信されることはないという。

ただし、Carbon-Xの開発者たちは、実際の試料を使った実験による検証はまだ実施しておらず、予測の精度については現時点では明言できないとしている。

（Originally published on wired.com, translated by Nozomi Okuma, edited by Mamiko Nakano)

※『WIRED』によるDNAの関連記事はこちら。

• 自分のゲノムの塩基配列を解析してもらう前に知っておくべきこと
• OpenAIやAnthropic、生物兵器へのAI悪用防止に向け規制強化を要請
• Claudeが「CRISPRに似たシステム」を特定。“AI科学者”の可能性と限界

【WIRED AI特集】The Garden of AI

『WIRED』日本版の「AI」特集はこちらから。

編集長による記事の読み解き、雑誌の編集後記、アーティストやクリエイター、SF作家、フードイノベーションのスペシャリストなど、さまざまなゲストを交えたトークをお届け。 最新エピソードはこちらから→ Spotify / Apple Podcast