Pengumuman
Pada 8 Oktober 2026, pasukan HuggingFaceBio di Hugging Face melancarkan Carbon-A (Carbon-Annotator), model AI 1.2 bilion parameter yang mencari gen pengekod protein terus dalam jujukan DNA, bersama Carbon Annotation Database (CADB) yang dibina dengannya. Model ini tersedia di Hugging Face di bawah Apache 2.0.
Angka utama: menggunakan Carbon-A, pasukan itu berkata telah mengenal pasti 566 juta calon gen baharu merentas 22,617 spesies, ribuan daripadanya tidak pernah dikaji.
Mengapa ia sukar
Menjujuk genom kini murah, tetapi menganotasinya (menyatakan di mana gen berada) masih perlahan dan memenatkan. Alat klasik seperti AUGUSTUS sering memerlukan penalaan bagi setiap spesies dan data tambahan seperti RNA. Sebab itu banyak genom awam dalam GenBank sudah dijujuk tetapi tanpa anotasi.
Cara Carbon-A berfungsi
- Satu model untuk mamalia, vertebrata lain, invertebrata, tumbuhan, kulat dan protista.
- Ia membaca tetingkap 98,304 pasangan bes dan membuat ramalan peringkat nukleotida pada kedua-dua bebenang DNA.
- Merentas 42 genom penanda aras, ia mencapai purata makro F1 nukleotida 0.944 dan, menurut pasukan, mengatasi AUGUSTUS, Helixer, Tiberius, ANNEVO, OrionGeno, SegmentNT dan NTv3 pada peringkat nukleotida, ekson dan gen.
- Ia memberi skor keyakinan bagi setiap gen yang diramal (AUROC 0.876 untuk membezakan ramalan tepat), membolehkan anda menukar liputan dengan ketepatan.
Pangkalan data
CADB semasa meliputi 48,167 himpunan genom daripada 22,617 taksa, kira-kira 27 trilion pasangan bes dan 566 juta lokus pengekod yang diramal. Itu kira-kira 11 kali lebih banyak taksa berbanding korpus latihan berasaskan RefSeq. Jika spesies anda tiada, anda boleh menjalankan model terus dari Hugging Face.
Peringatan
- Ini ramalan, bukan gen yang disahkan. Pasukan mengesahkan beberapa calon di makmal pada spesies yang banyak dikaji seperti kucing, ayam dan arabidopsis, bersama rakan kongsi Active Site dan UCSD. Keputusan makmal yang lebih luas pada genom yang belum dikaji masih akan diterbitkan.
- Penanda aras adalah milik pasukan sendiri.
- Model mencari kawasan pengekod protein; ia tidak memberitahu fungsi setiap protein.
Kepentingan melangkaui biologi
Ini contoh AI saintifik terbuka dengan impak praktikal: pertanian (pembiakan tumbuhan), kesihatan haiwan, bioteknologi dan biodiversiti boleh mendapat manfaat daripada genom yang dianotasi secara besar-besaran. Bagi perniagaan, ia juga menunjukkan bahawa model kecil dan khusus boleh mengatasi alat mapan dalam tugas yang jelas.
Untuk pasukan R&D
- Bandingkan Carbon-A dengan saluran anotasi semasa pada genom yang sudah anda kenali.
- Gunakan skor keyakinan untuk mengutamakan calon yang perlu disahkan di makmal.
- Semak CADB sebelum menganotasi dari awal.
Sumber
- Blog Hugging Face (8 Okt 2026): https://huggingface.co/blog/HuggingFaceBio/carbon-annotator-genbank-genome-annotation
- Hugging Face, HuggingFaceBio/Carbon-A-1.2B: https://huggingface.co/HuggingFaceBio/Carbon-A-1.2B
Mahu menggunakan model AI khusus dalam R&D syarikat anda? KGA IT menawarkan konsultasi percuma: kga-it.com.