Onderzoekers van MIT leiden een project van maximaal 53 miljoen dollar om met generatieve AI nieuwe onkruidverdelgers te ontwerpen. Het geld komt van ARPA-H, het Amerikaanse innovatieagentschap voor gezondheid. Het doel is middelen die beter werken tegen resistent onkruid en tegelijk minder risico opleveren voor mens en milieu.

Waarom nu?

Volgens MIT wordt in de Verenigde Staten jaarlijks meer dan een miljard pond (ruim 450 miljoen kilo) aan herbiciden gebruikt. Steeds meer onkruidsoorten worden resistent tegen de bekendste middelen, zoals glyfosaat en atrazine. Projectleider Christopher Voigt spreekt van "een echte crisis". Daar komt een strategisch argument bij: voor glyfosaat is fosfor nodig, en daarvoor zijn de VS afhankelijk van import. Nieuwe middelen kunnen die afhankelijkheid verkleinen. Daarnaast wordt blootstelling aan herbiciden in verband gebracht met gezondheidsrisico's, al formuleert MIT dat voorzichtig: blootstelling "kan bijdragen" aan een hoger risico.

Miljarden kandidaten, drie teams

Het project, PLOW genoemd, werkt in drie stappen:

  • AI-modellen voorspellen moleculen, chemische stoffen of kleine RNA-fragmenten, die dezelfde plantenenzymen uitschakelen als glyfosaat. Ze letten daarbij ook op productiekosten, de kans op resistentie en schade aan mens en natuur.
  • Snelle screening in het lab test welke van de miljarden kandidaten echt werken. De resultaten gaan terug naar de AI om die te verbeteren.
  • Kasproeven laten zien hoe de beste kandidaten het doen onder echte teeltomstandigheden. De eerste kastests met RNA-kandidaten moeten binnen een jaar klaar zijn.

Daarnaast werkt het team aan microben die landbouwchemicaliën afbreken voordat ze in voedsel, bodem of water terechtkomen.

Relevant voor Europa

Het onderzoek is Amerikaans, maar het onderwerp speelt in Europa net zo goed. De verlenging van de toelating van glyfosaat leidde in de EU tot felle discussie, en Nederlandse boeren hebben ook te maken met resistent onkruid en strengere eisen voor gewasbescherming. Het project is bovendien een goed voorbeeld van hoe AI in de wetenschap wordt ingezet: niet als vervanger van het lab, maar als manier om de zoekruimte te verkleinen voordat dure experimenten beginnen. Of er werkelijk bruikbare middelen uitkomen, moet nog blijken. Het project staat aan het begin en tussen een kasproef en een toegelaten product zitten jaren.