AI ontwerpt 300 fagen tegen E. coli – dit betekent het voor de toekomst

Sophie Jansen · 2026-08-07

Onderzoekers van Stanford hebben bijna 300 bacteriofagen gesynthetiseerd op basis van DNA-sequenties die zijn gegenereerd door het AI-model Evo 2. In het laboratorium bleven er 16 fagen over die bijzonder effectief bleken tegen E. coli-bacteriën. Dit opent de deur naar een nieuwe benadering van antibioticaresistente infecties. ### Wat is Evo 2 precies? Evo 2 is een generatief AI-model dat nieuwe DNA-sequenties kan produceren op basis van een klein stukje van een faaggenoom. Het model is ontwikkeld door Brian Hie, assistent-professor chemische technologie en Dieter Schwarz Foundation Stanford Data Science Faculty Fellow. Bio-engineering promovendus Samuel King leidde het experimentele werk dat in het paper wordt beschreven. De onderzoekers vroegen het model om een compleet genoom van bacteriofaag ΦX174 (uitgesproken als "FYE-ex-1-7-4") te genereren in één enkele doorgang van links naar rechts. "In dit geval wilden we dat het model het hele genoom end-to-end zou genereren in één left-to-right pass. We voegden niets toe," vertelt Hie. Het proces leverde duizenden kandidaat-genomen op, waaruit het team er enkele selecteerde voor chemische synthese en laboratoriumtests. ### Waarom fagen zo belangrijk zijn Bacteriofagen zijn virussen die bacteriën infecteren en doden. Ze worden al langer onderzocht als alternatief voor antibiotica, vooral omdat bacteriën steeds vaker resistent worden tegen bestaande middelen. Het genoom van ΦX174 is relatief compact: minder dan 6.000 basenparen, tegenover ongeveer 3 miljard in het menselijk genoom. Toch blijft het interpreteren van een DNA-sequentie van 5.400 karakters gen voor gen een uitdaging, aldus Hie. Interessant is dat sommige door Evo 2 voorgestelde fagen in het laboratorium een hogere fitness vertoonden dan de natuurlijke ΦX174. Dit project test dus of een model complete levensvatbare virale genomen kan creëren, in plaats van alleen lokale DNA-bewerkingen voor te stellen. ### Screening vóór synthese King ontwikkelde een computationeel raamwerk om het aantal kandidaat-genomen dat voor synthese in aanmerking komt te verminderen. Het raamwerk beoordeelde eigenschappen die zijn afgeleid van ΦX174 en verwante fagen, voordat het team opties voor laboratoriumwerk selecteerde. "Een van de belangrijkste onderdelen van het ontwerpraamwerk was om te bepalen welke eigenschappen de genomen moesten hebben op basis van ΦX174 en verwante fagen," legt King uit. "Het raamwerk omvatte verschillende stappen: genomen genereren met Evo 2, evalueren op basis van ontwerpcriteria, optimale kandidaten selecteren, ze chemisch synthetiseren en ze vervolgens in het lab testen om te zien welke genomen het beste werkten." Dit raamwerk verlaagde de synthesekosten aanzienlijk, omdat er alleen geld werd besteed aan de meest veelbelovende kandidaten. Het proces laat ook de grenzen van AI zien: Evo 2 genereert wel duizenden mogelijkheden, maar computationele evaluatie, chemische synthese en laboratoriumtesten blijven noodzakelijk om levensvatbare fagen te identificeren. ### Resistentie aanpakken met een cocktail De onderzoekers kozen niet voor één enkele faag, maar voor een mix van 16 verschillende fagen. Bacteriën kunnen namelijk resistentie ontwikkelen tegen een enkele behandeling. "Als de bacterie resistentie krijgt tegen één faag, is het spel uit voor het medicijn," zegt Hie. "Maar als je meerdere genetisch verschillende fagen in een mengsel hebt, wordt het veel moeilijker voor de bacterie om resistentie tegen de hele cocktail te ontwikkelen." Stanford meldt dat een cocktail met de 16 geselecteerde fagen snel resistentie overwon bij E. coli die immuun was voor de natuurlijke ΦX174. Dit bevestigt de potentie van faagmengsels als strategie tegen resistente bacteriën, zoals MRSA en Pseudomonas aeruginosa, die een belangrijke oorzaak zijn van ziekenhuisinfecties. ### Toekomstperspectief: open-source en verder Evo 2 is open-source beschikbaar gesteld, zodat andere onderzoekers het model kunnen downloaden en gebruiken om eigen genomen te ontwerpen. Dit kan de ontwikkeling van faagtherapieën versnellen, maar roept ook vragen op over bioveiligheid en ethiek. Hoewel de resultaten veelbelovend zijn, benadrukken de onderzoekers dat er nog veel werk is voordat faagtherapie op grote schaal kan worden toegepast. De combinatie van AI en laboratoriumvalidatie is echter een krachtige stap voorwaarts in de strijd tegen antibioticaresistente infecties.