Arriva Carbon-X, l’IA gratuita che legge il DNA e spiega le mutazioni come ChatGPT
Un’intelligenza artificiale capace di leggere sequenze di DNA e spiegare in parole semplici cosa potrebbero significare: è questa la promessa di Carbon-X, il nuovo modello aperto presentato da Hugging Face. Invece di limitarsi a produrre tabelle e punteggi, il sistema permette ai ricercatori di fare domande sul codice genetico come in una normale conversazione. Può analizzare una sequenza, formulare ipotesi sugli effetti di una mutazione e spiegare perché una variante potrebbe essere importante.
La novità è stata sviluppata con il contributo della Zhongguancun Academy in Cina e di ricercatori italiani del Telethon Institute of Genetics and Medicine e dell’Università degli Studi di Napoli Federico II. Il modello è distribuito con licenza aperta Apache 2.0 ed è scaricabile gratuitamente. Non è però un servizio che può diagnosticare malattie: le sue previsioni non sono ancora state validate clinicamente e devono essere controllate da specialisti.
Come funziona Carbon-X, l’IA che conversa con il DNA
Il DNA conserva le informazioni genetiche attraverso sequenze composte da quattro basi, indicate con le lettere A, C, G e T. Capire che cosa accade quando una di queste cambia è un compito complesso: non tutte le mutazioni causano problemi, e molte hanno effetti che dipendono dal contesto biologico.
Carbon-X combina il linguaggio umano e le sequenze genetiche nello stesso modello. Un ricercatore può inserire un frammento di DNA, chiedere se una variante abbia caratteristiche compatibili con un effetto dannoso oppure domandare quali regioni possano influenzare l’attività di un gene. Il sistema restituisce una risposta testuale con una spiegazione della propria previsione.
L’idea ricorda il funzionamento di un chatbot, ma il suo ambito è molto più specialistico. Carbon-X non si limita a definire termini di genetica: è stato addestrato a riconoscere schemi nelle sequenze biologiche e a collegarli a descrizioni e domande in linguaggio naturale.
Un modello da 14,8 miliardi di parametri addestrato sul codice genetico
Carbon-X deriva da Qwen3-14B, un modello linguistico che i ricercatori hanno adattato alla biologia. Il risultato contiene circa 14,8 miliardi di parametri ed è stato ulteriormente addestrato su 302 miliardi di token, comprendenti DNA, testi scientifici e istruzioni.
Per leggere le sequenze genetiche, il modello utilizza un sistema che raggruppa il DNA in blocchi di sei basi. In questo modo può elaborare le lettere del codice genetico e le parole di una domanda all’interno dello stesso flusso di informazioni.
I dati di addestramento comprendono sequenze di esseri umani, altri mammiferi, vertebrati, invertebrati, piante, funghi e ulteriori organismi. Il gruppo di sviluppo ha dichiarato di aver escluso i virus dall’addestramento per ridurre il rischio di utilizzi impropri del sistema.
Il modello non può però esaminare senza limiti un intero genoma umano in una sola conversazione. I dati di addestramento includono frammenti di circa 49.000–50.000 coppie di basi; l’accuratezza su sequenze molto più lunghe non è stata verificata.
Può aiutare a capire se una mutazione è pericolosa?
Una delle applicazioni più interessanti riguarda le varianti genetiche di significato incerto: cambiamenti del DNA per i quali non è ancora chiaro se esista un legame con una malattia. Carbon-X può elaborare informazioni su una variante e formulare una previsione sul suo possibile effetto.
Il sistema è stato addestrato anche a identificare regioni che regolano l’attività dei geni, distinguere alcuni tipi di sequenze e prevedere le basi successive di un frammento genetico. Queste capacità potrebbero diventare utili nella ricerca sulle malattie rare, nello studio dei farmaci e nello sviluppo di terapie genetiche.
È però indispensabile distinguere una previsione informatica da un risultato medico. Una risposta di Carbon-X non dimostra che una mutazione provochi una malattia, né consente di escluderla. Per interpretare risultati personali servono dati clinici, analisi validate e il parere di professionisti qualificati.
Leggi anche:
I benchmark promettono bene, ma non sono una prova clinica
Nelle valutazioni pubblicate dagli sviluppatori, Carbon-X ha ottenuto una media del 66,7% su cinque benchmark dedicati al DNA. Nelle stesse condizioni di confronto, il gruppo riporta un risultato del 67,5% per GPT-6.1 Sol e un vantaggio di circa 27 punti percentuali rispetto al modello Qwen3-14B di partenza.
Si tratta di risultati dichiarati dal team che ha sviluppato Carbon-X, non di una certificazione indipendente delle prestazioni in ospedale. Due dei benchmark utilizzati sono stati realizzati dagli stessi sviluppatori e i test non rappresentano tutte le difficoltà della genetica reale.
La documentazione avverte inoltre che il modello può sbagliare il conteggio delle basi, confondere le coordinate di una sequenza o inventare spiegazioni quando mancano informazioni. Alcuni compiti, come le domande sui siti di splicing, mostrano prestazioni sensibilmente inferiori.
Gli autori precisano che non sono ancora disponibili validazioni cliniche né prove sperimentali sufficienti in laboratorio per stabilire l’affidabilità delle previsioni. È quindi scorretto presentare Carbon-X come un’IA in grado di individuare autonomamente malattie genetiche.
È gratuito e open source: dove si scarica
Il modello è disponibile sulla piattaforma Hugging Face alla pagina ufficiale HuggingFaceBio/Carbon-X. I pesi possono essere scaricati e utilizzati secondo la licenza Apache 2.0, anche per progetti di ricerca e sviluppo.
Questo non significa, però, che basti un normale computer economico per ottenere le stesse prestazioni di un laboratorio. La versione completa in formato BF16 richiede una quantità considerevole di memoria: gli sviluppatori indicano che i pesi possono essere eseguiti su una GPU da 80 GB.
Esistono anche versioni GGUF quantizzate pensate per un impiego locale più accessibile. La variante Q8_0 occupa circa 15,8 GB, ma per leggere correttamente le sequenze di DNA occorre utilizzare llama.cpp dalla versione b11742: le versioni precedenti possono interpretare male i token genetici.
In altre parole, il software è gratuito, ma l’hardware e la configurazione tecnica restano a carico dell’utente. Non va confuso con un servizio online che accetta qualsiasi file genetico e produce automaticamente un referto medico.
Privacy: il vantaggio di analizzare il DNA senza inviarlo nel cloud
Le informazioni genetiche sono tra i dati personali più delicati: possono rivelare caratteristiche biologiche non soltanto di una persona, ma anche dei suoi familiari. Per questo la possibilità di eseguire Carbon-X localmente rappresenta un aspetto importante del progetto.
Se il modello viene installato ed eseguito su hardware controllato dall’utente o dal laboratorio, le sequenze non devono essere trasmesse a un servizio esterno per ottenere una risposta. È una caratteristica potenzialmente utile per la ricerca su campioni sensibili o non ancora pubblicati.
La privacy, però, dipende da come viene utilizzato il software. Un servizio online, un’API o una dimostrazione gestita da terzi potrebbero trattare i dati in modo diverso. Prima di caricare risultati genetici personali è indispensabile leggere le condizioni del servizio e verificare dove vengono elaborati e conservati.
L’Italia partecipa a una nuova frontiera dell’IA scientifica
La collaborazione con il Telethon Institute of Genetics and Medicine e l’Università Federico II di Napoli mette in evidenza il ruolo della ricerca italiana nello sviluppo di modelli dedicati alla genomica. Strumenti come Carbon-X potrebbero aiutare i laboratori a esplorare ipotesi più rapidamente, individuare sequenze da approfondire e preparare domande per gli esperimenti successivi.
Il valore della novità non è aver creato un medico artificiale, ma aver reso più accessibile l’interazione tra linguaggio naturale e codice genetico. Un ricercatore può chiedere spiegazioni su una sequenza senza dover ricorrere esclusivamente a interfacce specialistiche e risultati numerici.
Carbon-X resta comunque uno strumento sperimentale di supporto alla ricerca. La sua utilità concreta dipenderà da test indipendenti, validazioni in laboratorio e verifiche cliniche future. Il traguardo raggiunto oggi è significativo: poter discutere di DNA con un modello aperto, senza trasformare una previsione dell’IA in una diagnosi.
Ti potrebbe interessare:
Segui guruhitech su:
- Google News: bit.ly/gurugooglenews
- Telegram: t.me/guruhitech
- Facebook: facebook.com/guruhitechfb
- X (Twitter): x.com/guruhitech1
- Bluesky: bsky.app/profile/guruhitech.bsky.social
- Rumble: rumble.com/user/guruhitech
- VKontakte: vk.com/guruhitech
- MeWe: mewe.com/i/guruhitech
- Skype: live:.cid.d4cf3836b772da8a
- WhatsApp: bit.ly/whatsappguruhitech
Esprimi il tuo parere!
Ti è piaciuta questa notizia? Lascia un commento nell’apposita sezione che trovi più in basso e se ti va, iscriviti alla newsletter.
Per qualsiasi domanda, informazione o assistenza nel mondo della tecnologia, puoi inviare una email all’indirizzo [email protected].
Scopri di più da GuruHiTech
Abbonati per ricevere gli ultimi articoli inviati alla tua e-mail.