Dat hij midden in zijn tweede termijn zou stoppen, was volgens Merkx altijd al het plan. “Toen ik in 2019 decaan werd, was ik in eerste instantie van plan om dat één termijn, een periode van vier jaar, te doen”, vertelt hij. Merkx besloot naast zijn decaanschap namelijk zijn onderzoeksgroep aan te houden en onderwijs te blijven geven, wat op termijn weer meer tijd zou vergen, wist hij. 

“Toen ik werd gevraagd voor een tweede termijn heb ik ‘ja’ gezegd, maar aangegeven dat ik het voor nog ongeveer twee jaar wilde doen.” Formeel werd hij benoemd voor vier jaar, dus tot 2027, maar in de praktijk gold de afspraak dat hij na twee jaar volledig terug zou keren naar zijn onderzoek en onderwijs. 

Protein engineering

Volgens Merkx komt die extra tijd op een goed moment. “In mijn vakgebied, protein engineering, gaan de ontwikkelingen op dit moment heel erg snel. De toepassing van AI zorgt voor een revolutie in het ontwerpen van nieuwe eiwitten.” 

Zijn onderzoeksgroep richt zich op het ontwerpen van eiwitten die kunnen dienen als biosensoren: slimme moleculen die heel specifiek de aanwezigheid van een bepaalde stof of bijvoorbeeld een ziekteverwekker aantonen. Zulke biosensoren kunnen onder meer worden ingezet voor snelle en nauwkeurige diagnostiek.

Om het belang van dat werk te illustreren, verwijst Merkx naar de coronapandemie. “Tijdens corona had je doorgaans twee soorten testen om te bepalen of je het virus had. De PCR-test was heel betrouwbaar, maar kostte veel tijd en geld. De thuistest was snel en eenvoudig, maar minder gevoelig”, vertelt hij. “Met behulp van protein engineering werken wij aan testen die even gemakkelijk, snel en goedkoop zijn als thuistesten, maar veel gevoeliger en daardoor betrouwbaarder.”

Zijn groep heeft inmiddels zulke testen ontwikkeld voor onder andere geslachtsziektes (SOA's), corona en malaria. Promovendus Harm van der Veer test de malariatest momenteel in Oeganda, waar malaria een veelvoorkomende ziekte is.

AI opent deuren

De eiwitten die worden ontworpen voor dit soort testen, zijn bijna altijd gebaseerd op bestaande eiwitten uit de natuur. “We nemen dan een eiwit met bepaalde eigenschappen en passen het aan voor onze toepassingen”, legt Merkx uit. 

“Neem bijvoorbeeld luciferase, een enzym dat van nature voorkomt in diepzeegarnalen en licht geeft. Wij hebben dat eiwit zo aangepast dat het in onze testen een lichtsignaal afgeeft wanneer het virus in kwestie aanwezig is, en met verschillende kleuren kunnen we zelfs meerdere virussen of bacteriën tegelijk aantonen.”

Het herontwerpen van bestaande eiwitten gebeurde al langer, maar het ontwikkelen van volledig nieuwe eiwitten bleef lange tijd een grote uitdaging. “De functie van een eiwit wordt bepaald door de driedimensionale structuur, en die structuur is weer het resultaat van de aminozuurvolgorde”, zegt Merkx. 

Hoewel dat verband al decennia bekend is, was het in de praktijk zeer moeilijk om op basis van een gewenste structuur of functie direct de juiste sequentie te ontwerpen. Vaak kwam dat neer op veeltrial-and-error, vertelt hij. “Je ontwierp een grote set varianten, maakte die in het lab en hoopte dat er een paar tussen zaten die min of meer deden wat je wilde.”

Met de opkomst van AI is dat proces fundamenteel veranderd. Door modellen te trainen op grote hoeveelheden eiwitdata, kunnen voorspellingen nu veel gerichter worden gedaan. “In plaats van honderden willekeurige ontwerpen, krijgen we nu een beperkt aantal sequenties, waarvan er veel al meteen een reële kans van slagen hebben”, aldus Merkx.

De eerste succesvolle AI-modellen voor het voorspellen van eiwitstructuren ontstonden zo’n vijf jaar geleden, maar de ontwikkelingen volgen elkaar snel op. “Sinds een jaar zijn ze nu zo goed dat je bijvoorbeeld kunt aangeven 'ik wil een eiwit dat bindt aan een receptoreiwit op kankercellen'. Dat is in de medische diagnostiek natuurlijk enorm waardevol.”

Nobelprijs

De opkomst van AI in de protein engineering wekt brede belangstelling binnen én buiten het vakgebied. In 2024 ging de Nobelprijs voor Scheikunde naar drie onderzoekers voor hun werk aan AI-gestuurde methoden om eiwitstructuren te voorspellen en nieuwe eiwitten te ontwerpen.

Werk aan de winkel

Met al deze nieuwe ontwikkelingen en mogelijkheden binnen handbereik, draagt Merkx nu met plezier het decaanstokje over om zich weer volledig op zijn onderzoek te richten. “En daarnaast geef ik nog onderwijs", vult hij aan. “Ik moet natuurlijk zorgen dat ik mijn mastervak protein engineering aanpas aan deze nieuwe ontwikkelingen.”

Aan de terugkeer naar onderzoek en onderwijs zal hij niet hoeven wennen, denkt Merkx. “Dat zal wel meevallen, ik ben er natuurlijk nooit echt mee gestopt. Misschien moet ik even wennen aan het wegvallen van het ritme van het decaanschap. Dat brengt een bepaalde dynamiek met zich mee, die je dag grotendeels bepaalt. Bij het leiden van een onderzoeksgroep is de vrijheid groter.”

Terugblik

Terugkijkend op zijn 6,5 jaar als decaan, overheerst bij Merkx vooral tevredenheid. “Ik kijk er met veel voldoening op terug. Ik heb veel geleerd in deze periode”, zegt hij. Het decaanschap liet hem de universiteit “in al haar complexiteit” zien en vroeg andere vaardigheden dan het werk als hoogleraar. Al blijft ook deze functie volgens hem uiteindelijk vooral mensenwerk. De coronaperiode aan het begin van zijn eerste termijn versnelde dat leerproces en dwong hem sneller beslissingen te nemen en op zijn gevoel te vertrouwen.

Op de vraag waar hij het meest trots op is, reageert Merkx nuchter. “Dat is aan anderen om te bepalen. Het voornaamste is dat ik denk dat ik er geen rotzooi van gemaakt heb.” Hij wijst op het blijvend hoge niveau van onderzoek en onderwijs in de faculteit, en ziet dat fundamenteel werk steeds vaker doorwerkt richting start-ups en klinische toepassingen. "Ik ben vooral trots op de mensen die dat allemaal mogelijk hebben gemaakt. Ik heb geprobeerd hen zoveel mogelijk de ruimte te geven om te doen waar ze goed in zijn." 

Maarten Merkx is nog tot en met april decaan van de faculteit BmE. Met ingang van 1 mei volgt Jan van Hest hem op.