I ricercatori della UC Berkeley hanno sviluppato GPN-Star, un innovativo modello di linguaggio genomico per l'intelligenza artificiale. Questo strumento eccelle nell'identificare le varianti genetiche più importanti che contribuiscono ai tratti ereditari, compresi quelli che portano alle malattie.
A differenza dei modelli precedenti, GPN-Star è stato addestrato utilizzando dati da allineamenti di genomi completi (WGA) piuttosto che singoli genomi non allineati. Questo approccio, che mette in relazione i genomi di centinaia di specie diverse con quello di una specie di riferimento, consente al modello di individuare più efficacemente le aree di codice conservate durante l'evoluzione.
Il modello offre una notevole efficienza computazionale, richiedendo solo una frazione del tempo e delle risorse di calcolo necessarie per addestrare modelli più grandi. Può essere addestrato in pochi giorni o addirittura ore utilizzando solo una manciata di processori. I ricercatori hanno pubblicato le previsioni del modello per guidare la scoperta biologica, aiutando a dare priorità agli esperimenti con il maggiore impatto sulla salute.
Commenti (0)
Nessun commento ancora. Scrivi il primo!