Blocc-chemie
Blocc-chemie is een informele naam voor een beweging binnen de scheikunde die moleculen wil maken zoals je met Lego bouwt: met standaard bouwstenen die je op een voorspelbare manier aan elkaar klikt. In plaats van dat een chemicus jarenlang experimenteert om een nieuwe stof te maken, kiest iemand digitale "blokjes" — kleine, goed begrepen moleculaire fragmenten — en beschrijft hoe die aan elkaar gekoppeld moeten worden. Een robot voert die instructie vervolgens exact uit, ongeacht wie de opdracht gaf of in welk lab de robot staat.
Vergelijk het met een moderne 3D-printer: vroeger moest een meubelmaker jarenlang oefenen om een precies onderdeel te zagen, nu stuur je een digitaal ontwerp naar een machine die het foutloos herhaalt. Blocc-chemie probeert hetzelfde te doen voor moleculen, met als extra laag dat kunstmatige intelligentie (AI) meekijkt welke combinatie van bouwstenen de volgende stap moet zijn. Het doel: het zoeken naar nieuwe medicijnen, materialen of katalysatoren sneller, goedkoper en toegankelijker maken.
Wat is het precies?
Blocc-chemie bestaat uit een paar op elkaar gestapelde ideeën, die elk apart al bestaan maar in dit concept worden gecombineerd.
Ten eerste: modulaire bouwstenen. Chemici hebben de afgelopen decennia een steeds grotere set reacties leren kennen die betrouwbaar en voorspelbaar verlopen, ongeacht welke twee fragmenten je erin stopt. Dit wordt ook wel click chemistry genoemd (de reactietypes waarvoor in 2022 de Nobelprijs Scheikunde werd toegekend). Zulke reacties maken het mogelijk om moleculen te behandelen als puzzelstukjes die vrijwel altijd passen.
Ten tweede: een digitale beschrijvingstaal. Een recept voor een molecuul wordt niet in lopende tekst opgeschreven (zoals in een klassiek chemisch artikel), maar in een machineleesbaar formaat — vergelijkbaar met een mp3-bestand dat op elke muziekspeler afspeelt. Een bekend voorbeeld is XDL ("chemical description language"), ontwikkeld door de onderzoeksgroep van Lee Cronin aan de universiteit van Glasgow. Zo'n bestand kan in theorie op elke robot draaien die de taal begrijpt, ongeacht het merk.
Ten derde: automatisering. Een robotplatform (vloeistofdoseerders, reactievaten, sensoren) voert het recept fysiek uit, zonder dat een mens hoeft te pipetteren. Dat maakt experimenten reproduceerbaar: hetzelfde digitale recept levert overal ter wereld hetzelfde resultaat op, wat in klassieke chemie lang een probleem was — labs konden elkaars resultaten soms niet reproduceren door subtiele verschillen in handwerk.
Ten vierde: een zelflerende loop. De uitkomst van elke test (hoeveel product ontstond, hoe zuiver het is, of het de gewenste eigenschap heeft) wordt teruggevoerd aan een AI-model, dat vervolgens voorstelt welke bouwstenen als volgende geprobeerd moeten worden. Dit heet vaak een "self-driving lab": het lab stuurt zichzelf, in plaats van dat een mens elke stap bedenkt.
Wat wil men ermee bereiken?
De belangrijkste belofte is snelheid. Het ontdekken van een nieuw medicijn duurt vandaag gemiddeld tien tot vijftien jaar, grotendeels omdat het testen van kandidaat-moleculen zo arbeidsintensief is. Als bouwstenen en uitvoering gestandaardiseerd zijn, kunnen duizenden varianten per week getest worden in plaats van enkele per maand.
Een tweede doel is democratisering — vandaar ook de titel van het nieuwsartikel dat dit begrip introduceerde. Op dit moment is geavanceerde synthese voorbehouden aan labs met dure apparatuur en jarenlang opgeleide specialisten. Als een recept simpelweg als bestand naar een gedeeld robotlab gestuurd kan worden, zouden ook kleinere universiteiten, start-ups of onderzoekers in minder welvarende landen toegang krijgen tot dezelfde synthesecapaciteit — vergelijkbaar met hoe clouddiensten rekenkracht toegankelijk maakten zonder dat iedereen een eigen supercomputer nodig had.
Een derde, minder zichtbaar doel is het systematisch verkennen van de "chemische ruimte": het theoretische aantal mogelijke, medicijnachtige moleculen wordt geschat op wel 10^60 — een astronomisch aantal waarvan er tot nu toe slechts een minuscuul deel ooit is gemaakt of getest. Blocc-chemie moet helpen dat deel systematischer te doorzoeken in plaats van op toeval en intuïtie te vertrouwen.
Het is belangrijk hierbij eerlijk te zijn: "blocc-chemie" is geen vastomlijnde wetenschappelijke term met één definitie, maar eerder een verzamelnaam voor een trend. Verschillende onderzoeksgroepen gebruiken andere woorden voor grotendeels overlappende ideeën.
Voorbeelden uit de praktijk
Een aantal concrete projecten laat zien hoe het concept in de praktijk vorm krijgt.
Chemputer en Chemify (Universiteit van Glasgow, Verenigd Koninkrijk): de groep van scheikundige Lee Cronin publiceerde vanaf 2018 een reeks artikelen over een universeel, programmeerbaar robotplatform (de "Chemputer") en de bijbehorende beschrijvingstaal XDL. In 2023 werd dit werk omgezet in het bedrijf Chemify, dat programmeerbare synthese als dienst wil aanbieden.
A-Lab (Lawrence Berkeley National Laboratory, Verenigde Staten): in een veelbesproken publicatie in Nature in 2023 beschreven onderzoekers een autonoom lab dat AI gebruikte om literatuur te doorzoeken, nieuwe anorganische materialen voor te stellen en deze vervolgens met robots te synthetiseren — tientallen nieuwe verbindingen in ongeveer twee weken, grotendeels zonder menselijke tussenkomst.
RoboRXN (IBM Research, Zwitserland): sinds ongeveer 2020 biedt IBM een cloudplatform aan waarbij een AI-model een synthesepad voorspelt ("retrosynthese") en een compacte robot dat pad vervolgens op afstand uitvoert.
DNA-encoded libraries (DEL): dit is een oudere, grootschalige toepassing van hetzelfde bouwsteen-idee. Het concept werd in 1992 voorgesteld door Sydney Brenner en Richard Lerner en wordt sinds de jaren 2000 commercieel toegepast door bedrijven als X-Chem en HitGen. Miljoenen tot miljarden combinaties van chemische bouwstenen worden elk gekoppeld aan een uniek DNA-"streepjescode", waardoor je via DNA-sequencing achteraf kunt aflezen welke combinatie werkte. Vrijwel elk groot farmaceutisch bedrijf gebruikt deze techniek inmiddels.
Zelfsturende labs (onder meer Universiteit van Toronto en Universiteit van British Columbia, Canada): de onderzoeksgroep van Alán Aspuru-Guzik bouwde vanaf 2020 platforms zoals "Ada", die autonoom cycli van synthese en meting doorlopen om bijvoorbeeld nieuwe materialen voor zonnecellen te vinden.
Hoe ver is de techniek?
De losse onderdelen van blocc-chemie zijn elk voor zich behoorlijk volwassen: geautomatiseerde vloeistofverwerking bestaat al decennia, AI-modellen voor het voorspellen van reacties zijn sinds pakweg 2018 sterk verbeterd, en DNA-encoded libraries zijn een gevestigde industriestandaard in de farmaceutische sector.
De volledig geïntegreerde visie — één universele bouwsteentaal die op elke robot werkt en volledig autonoom nieuwe, complexe moleculen ontdekt — staat echter nog vroeg in de ontwikkeling. De techniek werkt het best voor relatief eenvoudige, goed begrepen reactietypes en veel minder goed voor lange, meerstaps totaalsyntheses van complexe natuurproducten of geneesmiddelen, waar chemische vakkennis en improvisatie nog altijd onmisbaar zijn.
Belangrijke obstakels zijn: het ontbreken van één gedeelde standaard tussen verschillende robotfabrikanten (vergelijkbaar met het gebrek aan één laadstekker voor elektrische auto's in de begintijd), de kosten van robotinfrastructuur, en het feit dat veel praktische chemische kennis nog altijd "in de handen" van ervaren chemici zit en moeilijk in software te vangen is. Ook is de betrouwbare "woordenschat" van bouwsteenreacties nog beperkt vergeleken met alles wat chemici in principe zouden willen maken.
Een ruwe tijdlijn: het DEL-concept dateert uit 1992 en werd vanaf de jaren 2000 commercieel; de Chemputer/XDL-publicaties verschenen vanaf 2018; Chemify werd in 2023 als bedrijf gelanceerd, in hetzelfde jaar als de veelbesproken A-Lab-publicatie. Sindsdien groeit de belangstelling snel, mede gedreven door de bredere AI-golf sinds 2023, maar onafhankelijke, grootschalige bevestiging dat de aanpak sneller of goedkoper is dan traditionele methoden voor complexe doelmoleculen ontbreekt nog grotendeels.
Wie werken eraan?
Toonaangevende academische spelers zijn de Universiteit van Glasgow (de groep van Lee Cronin, inmiddels ook verbonden aan spin-off Chemify) in het Verenigd Koninkrijk, het Lawrence Berkeley National Laboratory in de Verenigde Staten (het A-Lab-project), en de Canadese universiteiten van Toronto en British Columbia rond Alán Aspuru-Guzik voor zelfsturende labs.
Op het bedrijfsleven-front werkt IBM Research in Zwitserland aan RoboRXN, en bieden gespecialiseerde diensten zoals Emerald Cloud Lab (Verenigde Staten, opgericht in 2015) laboratoriuminfrastructuur op afstand aan die zich leent voor dit soort bouwsteen-experimenten. In de farmaceutische industrie passen bedrijven als X-Chem en HitGen, en grote spelers zoals Merck, Pfizer en GSK, DNA-encoded library-technologie inmiddels routinematig toe.
Financiering komt zowel van overheidsinstanties — zoals de Britse onderzoeksraad EPSRC en Amerikaanse instellingen als de National Science Foundation — als in toenemende mate van private investeerders, die sinds de bredere doorbraak van AI vanaf 2023 meer interesse tonen in "AI voor wetenschap" in het algemeen.