28 april 2026

Universiteit van Amsterdam

UvA zet machine learning in voor ontwikkeling van medicijnen tegen lekkende bloedvaten

Lekkende bloedvaten komen voor bij uiteenlopende aandoeningen zoals diabetes, reuma, aderverkalking en Covid-19, maar er bestaat momenteel geen gerichte medicatie voor. Onderzoekers van de Universiteit van Amsterdam zetten nu machine learning en generatieve AI in om kandidaat-geneesmiddelen sneller te ontwikkelen en te testen.

Binnen een nieuw onderzoeksproject van de UvA MMD TechHub werken wetenschappers van het Van ’t Hoff Institute for Molecular Sciences, het Swammerdam Instituut voor Levenswetenschappen en Amsterdam UMC samen aan een nieuwe aanpak voor geneesmiddelenontwikkeling. Centraal staan zogenoemde Rho-GTPases, eiwitten die een belangrijke rol spelen bij de regulatie van druk in endotheelcellen aan de binnenkant van bloedvaten. Wanneer de balans van deze eiwitten verstoord raakt, kunnen bloedvaten gaan lekken.

De onderzoekers gebruiken computersimulaties om te analyseren hoe kandidaat-moleculen invloed hebben op de vorm en activiteit van deze eiwitten. Daarbij speelt generatieve AI een belangrijke rol. Door een AI-model te trainen op grote databases met bestaande medicijnmoleculen, kan het systeem nieuwe variaties genereren die mogelijk beter werken dan bestaande stoffen.

Om vervolgens te bepalen welke moleculen de meeste potentie hebben, gebruiken de onderzoekers een machine learning-techniek genaamd bayesiaanse optimalisatie. Hiermee kan het systeem stap voor stap voorspellen welke moleculaire aanpassingen de kans vergroten op een effectieve werking. Volgens hoogleraar AI for Chemistry Bernd Ensing is deze combinatie van simulatie, generatieve AI en optimalisatie nog nauwelijks toegepast binnen dit onderzoeksgebied.

Een belangrijk onderdeel van het project is de samenwerking tussen verschillende disciplines. Chemici, AI-onderzoekers, biologen en medisch specialisten werken direct samen om de gegenereerde kandidaat-moleculen ook experimenteel te testen in laboratoria van Amsterdam UMC. Daarnaast proberen de onderzoekers het ontwikkelproces te versnellen door bestaande goedgekeurde medicijnen als uitgangspunt te gebruiken, waardoor delen van het langdurige goedkeuringsproces mogelijk kunnen worden overgeslagen.

De ontwikkeling laat zien hoe AI steeds vaker wordt ingezet in de medische wetenschap, niet alleen voor data-analyse maar ook voor het ontwerpen van nieuwe moleculen en behandelingen. Door machine learning te combineren met fundamenteel biomedisch onderzoek hopen onderzoekers de ontwikkeling van medicijnen aanzienlijk te versnellen.

Lees ook

Impact Magazine – Opweg naar de AI-Ready Student

29 januari 2024

70% van de Nederlanders maakt geen gebruik van generatieve AI

20 juni 2024

AI in het ziekenhuis: arts of assistent?

13 november 2024

Schrijf je in voor onze nieuwsbrief

Blijf je graag op de hoogte blijven van wat er binnen het Amsterdam AI ecosysteem gebeurd?