Hugging Face 发布基因注释模型 Carbon-A 及 5.66 亿候选基因数据库

Hugging Face 联创 Thomas Wolf 在 X 上宣布 Carbon-A 基因注释模型及配套数据库，关注价值在于其试图用统一模型处理大规模、低注释覆盖率的物种基因组。

• 帖文称数据库覆盖 22617 个物种，包含约 5.66 亿个候选基因。
• 团队称模型可直接在 DNA 序列中定位基因，并开放模型与数据库。
• 帖文提到团队与 Active Site、加州大学圣迭戈分校合作，在猫、鸡和拟南芥等物种中开展部分湿实验验证。
• 研究团队称发现 239 个参考注释中缺失、但具有 RNA 证据的基因；这类结果仍需结合更广泛实验和独立注释体系评估。
• Hugging Face 官方 GitHub 仓库显示，Carbon 系列属于开放的基因组基础模型，当前公开模型覆盖 500M、3B 和 8B 参数规模。
• 影响/看点：若候选基因能在更多物种和实验条件下重复验证，该项目可能降低非模式生物基因注释的初始成本；实际价值取决于数据库质量、跨物种泛化能力和后续实验确认率。
• 资料依据:
• Thomas Wolf X 帖（2026-10-08）：https://x.com/Thom_Wolf/status/2108220549268639992
• Hugging Face Carbon 官方 GitHub 仓库（2026-05-22）：https://github.com/huggingface/carbon

本内容由 AI 生成，仅供参考，请注意甄别