허깅페이스는 23일(현지시간) DNA와 자연어를 함께 처리하는 오픈소스 모델 ‘카본-X’를 공개했다. 이 모델은 원래 DNA 서열과 변이가 생긴 서열을 받아, 해당 변화가 해로운지 예측하고 이유를 문장으로 설명한다. 유전자 활동을 조절하는 영역 식별과 다음 염기 예측도 지원한다. 기반 모델은 알리바바의 ‘큐원3-14B’이며, 약 148억개 매개변수로 개발됐다. 중국 중관춘학원과 이탈리아 텔레톤 유전의학연구소, 나폴리 페데리코 2세 대학교 연구진이 함께 참여했다.
기술적 특징은 DNA를 별도 도구로 넘기지 않고 자연어와 같은 모델 안에서 처리하도록 설계한 점이다. DNA 염기 6개를 한 묶음으로 읽는 전용 토큰화 방식을 쓰고, DNA·생물학 문헌·일반 텍스트를 추가 학습한 뒤 미세조정과 강화학습을 거쳤다. 자체 평가 평균은 66.7%로 출발점 모델보다 27%포인트 높았고, 비교한 오픈 모델 중 가장 높았다. 또 유전자 변이 240만개 분석 비용을 약 300달러로 추산해 대규모 분석 부담을 낮췄다. 다만 이 수치는 임상 진단 정확도를 뜻하지 않으며, 모델도 임상 검증을 거치지 않았다.