- Onderzoek
- 4 min
- 01/06/2026
Nadia Erkamp automatiseert experimenten in self-driving labs
“Wat me eerst een hele dag kostte, lost het self-driving lab nu in een half uur op, terwijl ik iets anders doe”
Universitair docent Nadia Erkamp doet aan de TU/e onderzoek naar fasescheiding in cellen, een proces dat neurodegeneratieve ziekten zoals alzheimer kan veroorzaken. Wat haar onderzoek vooruitstrevend maakt, is dat ze met AI zogenaamde self-driving labs heeft ontwikkeld, die haar complexe experimenten voor haar uitvoeren.
In het lab van gebouw Ceres bestudeert biomedisch technoloog Nadia Erkamp samen met haar onderzoeksgroep hoe druppeltjes in cellen ontstaan en functioneren, en waarom bij deze zogeheten fasescheiding soms wat misgaat. Zo’n fout in je lichaam kan ervoor zorgen dat je ziek wordt.
Erkamp is geïnteresseerd in de patronen die voorafgaan aan dergelijke missers. Die zijn waardevol om aan AI te geven, zodat die voorspellingen kan doen over mogelijke ziektes.
Die voorspellingen gaan in dit geval over neurodegeneratieve ziekten: aandoeningen waarbij zenuwcellen in hersenen of ruggenmerg langzaam afsterven, wat leidt tot progressieve achteruitgang van cognitieve of lichamelijke functies. De meeste aandoeningen zijn chronisch en ongeneeslijk, zoals alzheimer en parkinson.
Fasescheiding
In een gezonde zenuwcel is fasescheiding een nuttig en normaal proces. Druppels zijn daar het zichtbare resultaat van. Bij neurodegeneratieve ziekten gaat dit proces mis door factoren zoals veroudering, genetische fouten of cellulaire stress. Eiwitdruppels in de cel kunnen bijvoorbeeld stroperig worden, samenklonteren of verharden. Wetenschappers hebben ontdekt dat de beruchte eiwitten achter neurodegeneratieve ziekten als Parkinson, ALS, Alzheimer en fronto-temporale dementie allemaal dat fasescheidingsgedrag vertonen.
“Mijn onderzoek is een combinatie van synthetische biologie, fysische chemie en machinelearning”, vertelt Erkamp. “In de afgelopen tijd ben ik meer bezig geweest met het creëren van die zelfstandige labs dan met het direct oplossen van mijn onderzoeksvraag.”
Dat is niet erg, want door deze investering lost de computer nu het probleem voor haar op. Natuurlijk moet ze zijn werk in de gaten houden, maar fouten maakt hij veel minder dan een mens. En het self-driving lab blijkt ook heel andere keuzes te maken dan een wetenschapper, waarover verderop meer.
30 seconden
In gebouw Ceres op de campus staan meerdere self-driving labs die van begin tot eind experimenten zelfstandig uit kunnen voeren. Ook items verplaatsen doen ze zelf, met behulp van robots. Een experiment in een zelfstandig opererend lab onder leiding van Erkamp gaat als volgt. De machine plaatst automatisch een plastic chip met kleine gaatjes in het lab waarin de computer vloeibare materialen laat stromen. Die vloeien met een bepaalde snelheid en zo ontstaan verschillende mengsels.
Ondertussen maakt de machine foto’s van de samenkomst en de veranderingen in het materiaal. Zo bootst het lab de fasescheiding in het lichaam na.
“AI analyseert die foto’s en bepaalt op basis daarvan een nieuwe sample. Het self-driving lab kiest dan bijvoorbeeld net iets andere vloeisnelheden om het experiment te optimaliseren, daar hoef ik niets meer voor te doen.”
Het hele proces inclusief analyse duurt ongeveer dertig seconden. De tijdsbesparing voor Erkamp is gigantisch. “Tijdens mijn PhD-tijd kon ik ongeveer vijftig samples per dag bestuderen en dat kostte al mijn aandacht. Nu lost het self-driving lab dit op in een half uur, terwijl ik iets anders doe.”
Creatiever
“Door AI is mijn werk een veel creatiever proces geworden.” Erkamp straalt als ze denkt aan de nieuwe mogelijkheden die dit creëert. “Ik heb nu meer tijd en vrijheid om na te denken over wat voor problemen ik wil oplossen, terwijl de AI zich bezighoudt met het proces en hoe dat het beste kan gebeuren.”
Voor hallucinaties zoals ChatGPT die soms heeft, is Erkamp niet erg bang. “Ons model is niet gebaseerd op taal en het kijkt niet naar de waarschijnlijkheid van woorden die na elkaar voorkomen. We rekenen en krijgen waarschuwingsberichten als er dingen misgaan.”
De AI weet goed wat te verwachten bij het onderzoek. Daar is die op getraind. “Overigens kan ons self-driving lab ook fouten maken, het is net als een mens niet onfeilbaar. Maar het lab is accurater dan wij zijn.” En als een analyse fout gaat, wordt die gewoon eruit gegooid en begint hij opnieuw, zo infecteert één fout niet de rest van de resultaten.
Wat Erkamp is opgevallen in het werken met AI, is dat deze heel andere keuzes maakt voor aanpassingen van de samples dan zijzelf. “Neem de meting. Ik heb de neiging te meten op hele getallen. Maar AI kwam bijvoorbeeld met een meting op 8,3 micromolair (een eenheid van stofconcentratie, red.). Ik zou dan bijvoorbeeld 5 of 10 hebben gekozen, maar van meten bij 8,3 kunnen we blijkbaar het meeste leren in het experiment.”
Voorstellingsvermogen
Erkamp en haar collega’s hoeven weinig meer te doen aan de experimenten, dat gaat allemaal vanzelf in de self-driving labs. Naast de tijdsbesparing en optimalisatie van de keuzes bij analyse, ziet ze hier nog een voordeel van.
“Het onderzoek dat we hier doen, is heel complex. Er zijn veel verschillende variabelen en het gaat om non-lineaire correlaties. Hoe complexer het wordt, hoe moeilijker het is om als wetenschapper de beste volgende sample te bepalen: hoeveel vloeistof en hoe snel die moet stromen.”
Ze vergelijkt de complexiteit voor het gemak even met grafieken. “Een 2D-grafiek of een 3D-grafiek kun je je waarschijnlijk nog wel voorstellen, maar een 4D-exemplaar of 5D-versie lukt eigenlijk niet meer. Zo is dat ook bij onze experimenten: die zijn dermate complex dat het moeilijk is je die voor te stellen, laat staan de optimale oplossing te vinden. AI kan dat wel en rekent razendsnel uit wat de optimale volgende stap is.”
Toekomst
Met deze manier van AI inzetten, werkt Erkamp toe naar een vorm van artificial general intelligence: flexibele intelligentie, vergelijkbaar met het menselijk brein of zelfs beter dan dat. Deze algemeen toepasbare AI is nu nog niet echt doorgebroken, maar men verwacht wel dat dat gaat gebeuren, en dat deze grote invloed op de maatschappij zal hebben.
Wanneer precies is echter nog de vraag. “Maar dat samenwerken met AI betere onderzoeksresultaten oplevert dan als ik het alleen zou doen, is mij wel duidelijk”, vindt Erkamp.
“Nu het self-driving lab zich richt op het experiment, kan ik diep nadenken over wat we willen weten en wat we willen maken. Ik had nooit gedacht dat ik als experimentele wetenschapper zo weinig in het lab zou zijn, en toch iedere dag zoveel zou leren.”
Discussie