هاجينغ فيس تطلق Carbon-X: نموذج ذكاء اصطناعي مفتوح المصدر يحاور الحمض النووي

أعلنت منصة Hugging Face، المنصة الأشهر عالمياً في استضافة نماذج الذكاء الاصطناعي مفتوحة المصدر، عن إطلاق نموذج جديد يحمل اسم Carbon-X، يسمح للباحثين والمهتمين بالتفاعل مع تسلسل الحمض النووي بلغة طبيعية شبيهة بالمحادثة، بدلاً من الاعتماد على أدوات تحليل جينومي معقدة ومتخصصة. ويأتي الإطلاق، الذي جرى في 22 أكتوبر 2026، ضمن مساعي الشركة لجعل تحليل الحمض النووي في متناول من لا يملكون خبرة برمجية متقدمة، عبر واجهة محادثة تتيح سؤال النموذج مباشرة عن أثر متغير جيني معيّن في التعبير الجيني أو في الصحة العامة.

ويقوم Carbon-X على بنية النموذج اللغوي الكبير المفتوح Qwen3 بحجم 14 مليار معامل، حيث وسّع فريق Hugging Face قاموس المُرمِّز الخاص بالنموذج ليتمكن من قراءة تسلسل الحمض النووي في صورة مقاطع سداسية الحروف تُعرف اختصاراً بـ6-mers، بما يتيح للنموذج معالجة الشيفرة الجينية بالطريقة نفسها التي يعالج بها النص المكتوب. وجرى الحفاظ على حجم النموذج صغيراً نسبياً، قياساً بنماذج جينومية أخرى، حتى يتمكن الباحثون من تشغيله محلياً على عتادهم الخاص دون الحاجة إلى خدمات حوسبة سحابية.

وخضع Carbon-X لتدريب متواصل على نحو 300 مليار رمز لغوي، جمعت بين تسلسلات حمض نووي ونصوص إنجليزية وأمثلة تربط بين التسلسلات الجينية ووصفها البيولوجي، لتمكين النموذج من فهم العلاقة بين الشيفرة الجينية ودلالتها الوظيفية. وشملت بيانات التدريب تسلسلات من الثدييات، بما فيها الإنسان، إلى جانب الفقاريات الأخرى واللافقاريات والنباتات والفطريات وكائنات أحادية الخلية، في حين استُثنيت الفيروسات عمداً من بيانات التدريب، في خطوة قال لويس تانستال، الباحث الأول في Hugging Face، إنها اتُّخذت تجنباً لأي استخدام قد يُسهّل تطبيقات خطرة.

ومن أبرز ما يميز Carbon-X أنه يعمل محلياً بالكامل على جهاز المستخدم، بحيث لا تُرسل أي بيانات جينية إلى خوادم Hugging Face أو أي شركة أخرى، وفق تصريح تانستال، وهي ميزة يراها فريق التطوير مهمة بالنظر إلى حساسية البيانات الجينية. ومع ذلك، لا يستطيع النموذج التعامل مع جينوم كامل في طلب واحد، إذ تقتصر نافذة السياق التي يعالجها على ما يقارب 50 ألف زوج من القواعد النيتروجينية في كل مرة، أي جزء صغير جداً من الجينوم البشري الذي يضم مليارات الأزواج.

ويتيح النموذج للمستخدمين طرح أسئلة من قبيل ما إذا كانت طفرة جينية معينة حميدة أو مرتبطة بمرض ما، كما يمكنه تحديد المناطق المُرمِّزة للبروتين التي تتحكم في نشاط الجينات. ويرى فريق Hugging Face أن مثل هذه القدرات قد تساعد الباحثين في مجالات تصميم الأدوية والعلاج الجيني، حيث يُعد تحديد الهدف الجيني الصحيح خطوة حاسمة، فضلاً عن إمكانية مساعدة المرضى مستقبلاً على فهم نتائج تحليل جينومهم الشخصي، وإن كان هذا الاستخدام لا يزال مجرد تصوّر مطروح لم يُختبر عملياً بعد. وطُوّر النموذج بالتعاون مع باحثين من أكاديمية تشونغ قوان تسون في الصين وجامعة نابولي فريدريكو الثاني في إيطاليا.

وفي اختبارات أداء داخلية شملت خمسة معايير قياسية معتمدة في تحليل الحمض النووي، سجّل Carbon-X دقة بلغت نحو 66.7 في المئة في المتوسط عند تعطيل وضع "التفكير" الداخلي للنموذج. ويضع هذا الأداء النموذج في موقع مختلف عن أدوات جينومية أخرى سبقته؛ فنموذج AlphaGenome التابع لـ Google DeepMind يتنبأ بتأثيرات التسلسلات والطفرات في صيغة أرقام ومقاييس عددية دون واجهة محادثة، بينما يستطيع نموذج Evo 2، الذي طورته مؤسسة Arc Institute بالتعاون مع Nvidia وشركاء أكاديميين، توليد جينومات كاملة من الصفر. ويكمن الفارق الجوهري الذي يقدمه Carbon-X في دمجه بين فهم الشيفرة الجينية وواجهة لغوية طبيعية تتيح الحوار المباشر معه.

يكتسب نموذج كاربون-إكس أهمية استثنائية للمنطقة العربية التي تتسم بخصائص جينومية فريدة؛ فالسكان العرب يحملون أنماطاً جينية لم تُمثَّل بصورة كافية في نماذج الذكاء الاصطناعي الجينومي الحالية المبنية على عينات غربية. ويسعى مشروع الجينوم السعودي التابع لكاكست وبرامج شركة جي42 الصحية في أبوظبي إلى بناء قواعد بيانات جينومية عربية، وهو ما سيُتيح تحسين نماذج كاربون-إكس لاستهداف الأمراض الوراثية الأعلى انتشاراً في المنطقة كالثلاسيميا والداء المنجلي وسرطانات ذات استعداد جيني خاص بالسكان العرب.

وعلى الرغم من هذه القدرات، يشدد فريق التطوير على أن تنبؤات Carbon-X لم تُختبر بعد في تجارب معملية فعلية، وأن قيمته في توجيه القرارات العلاجية أو التشخيصية لا تزال غير مؤكدة، إذ تحتاج أي نتيجة يقدمها النموذج إلى تحقق مخبري مستقل قبل الاعتماد عليها إكلينيكياً. ويأتي هذا التحذير في سياق موجة متسارعة من نماذج الذكاء الاصطناعي الجينومي مفتوحة المصدر التي تتنافس على تسريع أبحاث الأحياء الجزيئية وخفض تكلفتها، مع تأكيد الباحثين في كل مرة على ضرورة الفصل بين القدرة الحاسوبية على التنبؤ وبين الإثبات العلمي الذي لا يزال يتطلب المختبر التقليدي.