Een no-code AI-platform maakt geavanceerde eiwitontwerp-tools toegankelijk voor biologen en onderzoekers zonder diepe machine learning-kennis, wat de weg naar nieuwe medicijnen en behandelingen kan verkorten. Dit opent de deur voor kleinere biotech-bedrijven en academische labs om mee te doen aan de AI-revolutie in de levenswetenschappen.

Wat er aan de hand is

Het bedrijf OpenProtein.AI, opgericht door MIT-alumni, heeft een no-code platform gelanceerd dat wetenschappers toegang geeft tot krachtige foundation-modellen voor het ontwerpen van eiwitten, het voorspellen van eiwitstructuur en -functie, en het trainen van modellen. Het platform is bedoeld om onderzoekers in farmaceutische en biotech-bedrijven van elke omvang te ondersteunen. Volgens het bedrijf biedt het de tools ook gratis aan aan wetenschappers in de academische wereld. De oprichters, waaronder voormalig MIT-associate professor Tim Lu, zien dit als een manier om een “taal voor het beschrijven van biologische systemen” te creëren. De ontwikkeling volgt op de doorbraak van modellen zoals AlphaFold, die de structuur van eiwitten kunnen voorspellen.

Wat dit betekent

Dit betekent een democratisering van geavanceerde AI voor de levenswetenschappen. Voorheen vereiste het gebruik van zulke modellen vaak gespecialiseerde programmeervaardigheden, wat een barrière vormde voor veel biologen en onderzoekers. Nu kunnen ook kleinere biotech-startups en academische labs zonder een groot team van datawetenschappers deze technologie inzetten. Het kan leiden tot efficiëntere eiwitengineering, wat de ontwikkelingscycli voor nieuwe therapeutische middelen en industriële toepassingen kan verkorten. Bovendien vergroot het de mogelijkheid om op maat gemaakte eiwitten met specifieke eigenschappen te ontwerpen, een cruciale stap in de ontwikkeling van gerichte medicijnen en behandelingen.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie binnen de levenswetenschappen, biotechnologie of aanverwante sectoren.

Als je een onderzoeker bent in een academisch lab of een klein biotech-bedrijf, zou je kunnen overwegen om het gratis of betaalde platform te verkennen om hypotheses over eiwitfunctie te testen zonder eerst een eigen AI-model te hoeven bouwen. Het kan je helpen bij het screenen van duizenden potentiële eiwitvarianten op papier voordat je kostbare lab-experimenten opzet.

Als je een ondernemer bent in de gezondheidszorg of farmacie, is een mogelijkheid om dit soort tools te zien als een manier om je R&D-pijplijn te versnellen. Je zou kunnen onderzoeken of samenwerking met een onderzoeksgroep die deze tools gebruikt, een efficiëntere route kan zijn voor de vroege ontdekking van kandidaat-moleculen.

Als je investeert in of adviseert voor de life sciences-sector, zou je dit kunnen meenemen in je due diligence. Bedrijven die dergelijke AI-platforms effectief integreren in hun workflow, kunnen mogelijk sneller en tegen lagere kosten door de ontdekkingsfase gaan, wat een concurrentievoordeel kan opleveren.

Als je werkzaam bent in een ondersteunende rol zoals tech transfer of kennisvalorisatie bij een universiteit, overweeg dan om onderzoekers te attenderen op de beschikbaarheid van dergelijke no-code tools. Het kan helpen om waardevol academisch onderzoek sneller naar een stadium te brengen waar commerciële toepassing of patentering mogelijk is.

De kern is dat deze ontwikkeling de drempel verlaagt. Het gaat niet langer alleen om wie de meest geavanceerde AI kan bouwen, maar ook om wie de bestaande, krachtige AI het slimst kan toepassen op concrete biologische vraagstukken.

Bron: MIT News