Recursion en Genentech zetten eerste AI-ontdekt neurowetenschappelijk doelwit door

Dit is het eerste neurowetenschappelijke programma dat uit de samenwerking voortkomt. Die samenwerking werd in 2021 aangekondigd en kan uiteindelijk tot 40 programma’s omvatten .

Hoe AI een nieuw doelwit vond in een zee van biologische data

Het doelwit kwam niet voort uit één toevallige ontdekking. Het werd gevonden via een systematische onderzoeksaanpak waarin geautomatiseerde experimenten, genetische verstoringen en AI-modellen samenkomen.

1. De Neuron Map: een kaart gebaseerd op biljoenen cellen

Voor de Neuron Map kweekten de onderzoeksteams meer dan 1 biljoen van menselijke pluripotente stamcellen afgeleide zenuwcellen. Vervolgens schakelden ze elk van de ruim 17.000 eiwitcoderende genen afzonderlijk uit met CRISPR. De onderzoekers legden daarbij meer dan 30 miljoen celbeelden vast en trainden een zogenoemd foundationmodel om de patronen in deze biologische kaart te interpreteren .

Zo’n model is niet simpelweg een chatbot voor wetenschappelijke teksten. Het leert verbanden herkennen tussen genetische ingrepen en veranderingen in menselijke cellen. Daardoor kan het zoeken naar biologische patronen die onderzoekers met een hypothese-voor-hypothese-aanpak veel moeilijker en langzamer zouden vinden.

2. Een AI-zoektocht door het hele genoom

In plaats van telkens één mogelijk mechanisme te testen, vergeleek het foundationmodel systematisch de effecten van alle genetische verstoringen met bekende aanjagers van neurologische ziekten. Kandidaten werden gerangschikt op hun biologische relatie tot ziekteprocessen en relevante signaalroutes .

De AI stelde daarmee geen geneesmiddel voor dat meteen aan patiënten kan worden gegeven. Ze hielp vooral om een veelbelovend biologisch aangrijpingspunt te vinden: een doelwit waarop later een geneesmiddel kan worden ontworpen.

3. Een validatie in drie stappen

Alleen kandidaten die drie experimentele toetsen doorstonden, gingen verder:

• Validatie van de signaalroute: gedraagt de genetische verstoring zich zoals het model voorspelde?
• Functionele validatie: leidt het manipuleren van het doelwit tot betekenisvolle veranderingen in menselijke zenuwcellen?
• Ziektevalidatie: verandert het aanpassen van het doelwit ook het ziektefenotype?

Pas na deze drie stappen werd het doelwit geschikt geacht voor het gezamenlijke programma voor vroege geneesmiddelenontwikkeling .

Belangrijk onderscheid: het doelwit dat nu naar de vroege ontwikkeling gaat, kwam uit de Neuron Map. De Microglia Map, die in oktober 2025 werd gepresenteerd, was een afzonderlijke kaart van microglia: immuuncellen in de hersenen. Beide kaarten zijn binnen dezelfde samenwerking met Roche en Genentech ontwikkeld .

Waarom deze stap belangrijk is

Een vroege proef voor AI in de neurowetenschap

Het nieuws bewijst nog niet dat er een werkzaam geneesmiddel voor patiënten op komst is. Het doelwit bevindt zich nog aan het begin van de ontwikkeling en moet nog worden omgezet in geschikte moleculen, gevolgd door preklinisch en klinisch onderzoek.

Wel is dit een belangrijke vroege validatie van de aanpak. De samenwerking laat zien dat een AI-platform niet alleen bestaande gegevens kan ordenen, maar ook nieuwe biologische doelwitten kan helpen vinden en vervolgens experimenteel kan laten toetsen in een gebied met historisch hoge uitval .

Schaal als concurrentievoordeel

De combinatie van enorme hoeveelheden biologische data en foundationmodellen kan nieuwe verbanden zichtbaar maken die bij een lineaire onderzoeksaanpak jaren zouden kosten . Het gaat daarbij niet alleen om de hoeveelheid data, maar ook om de mogelijkheid om genetische veranderingen, celbeelden en ziekteprocessen in één analyse te verbinden.

Minder onzekerheid rond onbekende mechanismen

De aanpak begint met bekende menselijke genetische aanwijzingen en zoekt vervolgens door het hele genoom naar verwante biologische mechanismen. Dat kan de onzekerheid verkleinen van onderzoek naar doelwitten die nog nauwelijks zijn bestudeerd. In die zin werkt het platform vooral als een motor voor nieuwe hypotheses, niet als vervanging van laboratoriumonderzoek .

Volgens Recursion-topvrouw Najat Khan is dit het eerste van mogelijk 40 programma’s binnen de samenwerking . Tot nu toe leverde het partnerschap 216 miljoen dollar aan vooruitbetalingen en mijlpaalbetalingen op .

De bredere AI-golf in geneesmiddelenonderzoek

De stap van Recursion en Genentech staat niet op zichzelf. Farmaceutische bedrijven investeren steeds meer in AI-platforms die meerdere geneesmiddelen en doelwitten kunnen opleveren.

Meer kapitaal en meer samenwerkingen

• Tussen januari 2025 en juli 2026 stelden grote farmaceutische bedrijven meer dan 22 miljard dollar beschikbaar aan AI-biotech en computationele geneesmiddelenplatforms via overnames, samenwerkingen, licenties en aandeleninvesteringen .
• De durffinanciering voor AI-gestuurd geneesmiddelenonderzoek steeg naar ongeveer 11 miljard dollar in 2025, verdeeld over 348 deals, tegenover circa 8,9 miljard dollar in 2024 .
• In 2024 en 2025 bedroeg de totale waarde van AI/ML-partnerships en overnames in geneesmiddelenonderzoek meer dan 55 miljard dollar .
• In het eerste kwartaal van 2026 waren er 36 grote AI-samenwerkingen, tegenover 18 in dezelfde periode een jaar eerder .

Enkele opvallende deals

De trend verschuift daarmee van een enkele gok op één veelbelovend molecuul naar investeringen in brede infrastructuur voor geneesmiddelenonderzoek. De fusie van Recursion en Exscientia en de groei van platformdeals wijzen erop dat AI steeds meer als onderdeel van de kern van de farmaceutische R&D wordt gezien .

FDA en EMA werken aan regels voor AI

Ook toezichthouders bouwen aan een kader voor AI in de ontwikkeling van geneesmiddelen.

In januari 2025 publiceerde de Amerikaanse FDA haar eerste ontwerp-richtsnoer met de titel Considerations for the Use of Artificial Intelligence to Support Regulatory Decision-Making for Drug and Biological Products. Daarin staat een risicogebaseerd kader om de geloofwaardigheid van een AI-model voor een specifiek gebruiksdoel te beoordelen .

In januari 2026 publiceerden de FDA en het Europees Geneesmiddelenbureau (EMA) gezamenlijk de Guiding Principles of Good AI Practice in Drug Development. Die principes beschrijven verwachtingen voor het gebruik van AI bij het genereren van bewijs gedurende de levenscyclus van een geneesmiddel .

De FDA beweegt daarmee van losse, situatiegebonden beoordeling naar een meer gestructureerde methode. Farmaceutische bedrijven moeten kunnen aantonen dat een model betrouwbaar is voor het beoogde gebruik — oftewel dat het voldoende model credibility heeft voor de rol die het in een aanvraag speelt .

Een belangrijke nuance: het FDA-ontwerpricht­snoer uit januari 2025 gaat nadrukkelijk niet over AI die uitsluitend voor geneesmiddelenontdekking wordt gebruikt. Het richt zich op AI die informatie levert ter ondersteuning van regelgevende beslissingen over veiligheid, werkzaamheid of kwaliteit .

De kern

De samenwerking tussen Recursion, Roche en Genentech levert een eerste concrete aanwijzing dat een AI-native biologieplatform nieuwe, experimenteel gevalideerde doelwitten kan vinden in de neurowetenschap. Dat is nog geen geneesmiddel en evenmin een garantie op klinisch succes. Het is wel een belangrijke verschuiving: de vraag in de sector gaat steeds minder over óf AI nieuwe doelwitten kan aanwijzen, en steeds meer over hoe betrouwbaar en snel zulke ontdekkingen kunnen uitgroeien tot behandelingen voor patiënten.