Een nieuw geneesmiddel op de markt brengen kan snel twintig jaar duren en de chemicus speelt daarin een cruciale rol. Artificiële intelligentie is de gedroomde assistent om dat proces te versnellen. Maar ook een AI-assistent moet eerst naar de virtuele schoolbanken om die belofte waar te maken.
Nummer 217 werkt. De vreugde was ongetwijfeld uitzinnig in het onderzoekscentrum ten noorden van Kopenhagen. Al jaren zocht het team van Thomas Kruse en Jesper Lau naar een molecule die de bloedsuikerspiegel verlaagt. Ze wisten verdomd goed waar te beginnen, want ons lichaam maakt zelf een hormoon aan dat de bloedsuikerspiegel reguleert. Alleen breekt het lichaam dat hormoon binnen enkele minuten af. Als geneesmiddel moet het langer, liefst een week, blijven werken. Het Deense team begon een lange queeste van sleutelen aan een molecule, maken, testen en opnieuw starten. Na 216 afwijzingen mocht eindelijk een molecule promoveren tot kandidaatgeneesmiddel. Ruim veertien jaar later, in 2019, belandde nummer 217 in de Belgische apotheken onder de merknaam Ozempic.
Het Deense verhaal is herkenbaar voor elk labo. Je kunt geen geneesmiddel testen zonder het te maken. Buitenstaanders suggereren dan graag dat je meer chemici moet aanwerven, zodat ze 217 moleculen sneller kunnen maken. Helaas is dat maar een deel van het verhaal. Het aantal mogelijke moleculen is een onvatbaar groot getal met meer dan zestig nullen. Voor wie een vergelijking wenst: als je voor iedere zandkorrel aan de Belgische kust een volledige aardbol van zandkorrels zou maken, dan kom je nog een tiental nullen tekort. Daaruit 217 kandidaten kiezen, lijkt al onbegonnen werk.
Een molecule die op het scherm ideaal lijkt, is voor chemici vaak een nachtmerrie
Chemici teren op jarenlange expertise om een nieuw probleem te vergelijken met iets dat ze al kennen, zoals dat bloedsuikerregulerende hormoon. Computers en AI spelen ook een belangrijke rol; denk aan AlphaFold, waarvoor de ontwikkelaars in 2024 de Nobelprijs voor de chemie ontvingen. Andere programma’s stellen zelf direct een mogelijk geneesmiddel voor. Maar een molecule die op het scherm ideaal lijkt, is vaak een nachtmerrie voor chemici.
Om die nachtmerrie in het labo te voorkomen, onderzocht ik hoe artificiële intelligentie een chemicus kan helpen een molecule te maken die nog nooit iemand heeft gezien. Alleen ben ik geen chemicus en als ingenieur zie ik chemie eerder als een wiskundig probleem. Ook voor een nieuwe molecule kunnen chemici veel leren uit oude experimenten waarin ze een vergelijkbare bewerking uitvoerden. Dus zocht ik hoe een computer experimenten kon groeperen zoals een chemicus dat zelf doet.
Een halve eeuw eerder bedacht de excentrieke Duits-Estische chemieprofessor Ivar Ugi een manier om een experiment als een matrix, een tabel met getallen, te noteren. Ugi had de visionaire gedachte dat computers iedere chemicus zouden assisteren door ieder experiment kinderspel te maken dankzij die getallen. Maar niet iedereen stond te springen om zo’n collega en veel chemici bleven hun experimenten liever zelf bedenken.
Uit nieuwsgierigheid probeerde ik die quasi-vergeten methode uit, maar ik wist helemaal niet welke cijfers ik waar moest invullen, tenzij ik ieder experiment urenlang bestudeerde. Intussen had een collega-onderzoeker in Zwitserland een chemisch computermodel gemaakt met algoritmes verwant aan ChatGPT. Zijn model was voor iets anders bedoeld, maar bleek precies wat ik nodig had om mijn tabellen automatisch in te vullen. Enkele dagen later had ik bijna twee miljoen chemische experimenten uit 40 jaar aan patenten voor mij in cijfers.
Na wat sleutelen aan de matrices – Ugi’s oude notatie was niet feilloos – bracht ik ieder experiment terug tot een klein schaakbord met cijfers die toonden wat er tijdens het experiment veranderde. Voor sommige experimenten volstonden amper vier cijfers. Tot mijn verbazing zag ik steeds dezelfde patronen terugkeren bij experimenten die ook chemisch op elkaar leken. Heel verschillende moleculen kunnen zowel chemisch als wiskundig dezelfde bewerking ondergaan.
De indeling werkte, maar nu moest mijn computer nog de taal van chemici leren spreken. Ik dook enkele weken in handboeken over organische chemie. Veel bekende reacties dragen de naam van de ontdekkers; zo is er een Ugi-reactie. Achter zo’n naam schuilt een herkenbare chemische bewerking, met voorbeelden van hoe anderen die hebben uitgevoerd. Ik leerde mijn programma daarom ook zulke reacties herkennen en benoemen.
Voor elke soort bewerking moest ik een herkenbaar patroon maken en toetsen aan echte experimenten. Na ruim vijfhonderd patronen benoemde mijn programma meer dan de helft van die twee miljoen experimenten zelf, in milliseconden per experiment. Voor dat benoemen heeft het geen trainingsvoorbeelden nodig en al helemaal geen energieverslindend datacenter, want het volgt de chemische regels die ik erin heb gestopt. Een gewone laptop volstaat, en elk antwoord is te herleiden tot zo'n regel of tot een gedocumenteerd experiment. Ik zette het gratis en open online. Binnen enkele weken stuurden onderzoekers uit verschillende landen suggesties door om het programma verder te verbeteren.
Chemici bij farmareus AstraZeneca doorzoeken er nu hun eigen archieven mee. Weten welk experiment je wil uitvoeren is één ding; weten op welke temperatuur en onder welke voorwaarden je dat doet, is een ander verhaal. Mijn schaakbordjes brengen hen in een milliseconde bij de meest gangbare condities.
Professor Helen Sneddon van de Universiteit van York, een autoriteit op het gebied van duurzame chemie, ging nog een stap verder. 'Chemieonderwijs focust te weinig op digitale innovaties. Dankzij dit programma vinden onze studenten alternatieve manieren om hun labowerk uit te voeren terwijl ze leren coderen.' Haar eerste lichting studenten ontdekte zo dat innovaties rond de verduurzaming van chemie de industriële onderzoekslabo's nauwelijks hebben bereikt, terwijl tonnen afval makkelijk te vermijden zijn.
Een chatbot kan vol overtuiging een chemisch experiment voorstellen dat nergens op slaat
Onderzoekers lieten AI-chatbots eerst met mijn programma experimenten voorstellen en uitleggen. Inmiddels kunnen de beste chatbots dat zelf, maar soms stellen ze vol overtuiging iets voor dat chemisch gezien nergens op slaat. Mijn schaakbordjes leggen elk voorstel nu naast wat chemici eerder echt hebben uitgevoerd. Een fout die daar sneuvelt, kan een labo weken werk, dure stoffen en emmers afval schelen. Ze komt aan het licht voordat iemand het labo binnenstapt.
Vandaag heeft AI een eerste diploma chemie op zak. Nu begint de stage. Ook de zoektocht naar een volgende nummer 217 zal bestaan uit maken, testen en opnieuw beginnen. Het verschil is dat de chemicus er voortaan een assistent bij heeft die lessen heeft getrokken uit twee miljoen eerdere experimenten.
Maarten Dobbelaere dingt mee naar de Vlaamse PhD Cup 2026. Ontdek meer over dit onderzoek op www.phdcup.be.
