HuggingFaceBio zveřejnil Carbon-A, 1,2miliardový DNA anotační model pro hledání protein-kódujících sekvencí v eukaryotických genomech. Model pracuje po jednotlivých bázích, rozlišuje oba směry vlákna a využívá 6-mer tokenizaci s okny dlouhými 98 304 párů bází. Tým s ním vytvořil Carbon Annotation Database a označil 566 milionů kandidátních genů napříč 22 617 druhy. Nejde o 566 milionů ověřených nových genů. Laboratorní ověření bylo zatím omezené, zaměřené na vybrané kandidáty u známých druhů, a samo o sobě nedokazuje existenci proteinů. Význam je hlavně v otevřeném nástroji, datech a škálovatelném předvýběru hypotéz pro další biologický výzkum. Model ani databáze nenahrazují následné experimentální ověření a neslouží jako důkaz funkce každé nalezené sekvence.
