MIT sikrer op til 52,9 mio. dollar fra ARPA-H til udvikling af herbicider med generativ AI

MIT offentliggjorde den 10. november 2026, at universitetet skal lede et projekt støttet med op til 52,9 millioner dollar fra ARPA-H, den amerikanske myndighed for avancerede sundhedsforskningsprojekter, med det formål at udvikle sikrere herbicider ved hjælp af generativ AI og biologiske systemer, der nedbryder landbrugskemikalier.

Projektet, der hedder Precision Learning for On-target Weed control (PLOW), hører under ARPA-H’s program Systems for Tracking and Resilience in Efficient Agricultural-input Management (STREAM). Christopher Voigt, leder af MIT’s Department of Biological Engineering, er hovedansvarlig for projektet, og MIT er hovedmodtager af bevillingen. ARPA-H angiver den 18. september 2026 som bevillingens startdato.

Derfor har ukrudtsbekæmpelse brug for ny kemi

Projektet tager fat på en udfordring i amerikansk landbrug. Hvert år bruges der mere end 1 milliard pund herbicider for at forhindre betydelige afgrødetab og muliggøre regenerative dyrkningsmetoder, der beskytter jorden, men gentagen brug har gjort det muligt for visse ukrudtsplanter at udvikle resistensmutationer. Glyphosat illustrerer udfordringen: Stoffet dræber ukrudt ved at forstyrre EPSP-syntase, et enzym, som planter har brug for til at danne flere vigtige aminosyrer, og resistens gør denne mekanisme mindre effektiv.

Sundhedshensyn stiller endnu et krav til udviklingen. MIT oplyser i sin meddelelse, at eksponering for herbicider kan bidrage til en øget risiko for kræft, stofskifte- og hormonforstyrrelser samt andre skadelige følger. Landarbejdere kan blive udsat for herbicider ved hyppig brug, mens mange indbyggere i USA indtager små mængder gennem mad og drikkevand. Derfor indgår skade på mennesker og økosystemer sammen med ukrudtsbekæmpende effekt i kriterierne for udvælgelse af kandidater.

Forsyningssikkerhed er endnu et mål. Alternativerne skal mindske USA’s afhængighed af importeret fosfor, som er en vigtig ingrediens i glyphosat. Voigt sagde, at kombinationen af resistens og usikre forsyningskæder for råstoffer kunne betyde, at landet står uden landbrugskemikalier, som er »helt afgørende for at opnå de høje afgrødeudbytter og lave priser, som USA har i dag«.

Generativ AI kombineres med eksperimentel screening

PLOW’s første forskergruppe skal udvikle modeller, der foreslår enten kemiske forbindelser eller små interfererende RNA-molekyler (siRNA), som skal forstyrre de planteenzymer, glyphosat og andre herbicider er rettet mod. Connor Coley og Regina Barzilay fra MIT samt Alexander Tropsha fra University of North Carolina leder arbejdet. Modellerne skal optimere kandidaterne med hensyn til lave synteseomkostninger, lav risiko for at fremkalde resistens og lav risiko for at skade mennesker eller forårsage økologisk skade samt effektivitet.

Holdet forventer, at modellerne vil generere milliarder af mulige kandidater. Derfor bliver næste fase central: Angela Koehler fra MIT og Jaime Cheah fra Broad Institute skal lede højkapacitetsscreening for at finde ud af, hvilke molekyler der rammer deres mål. Screeningens data sendes derefter tilbage til beregningsgruppen, så modellerne kan forbedres. Dermed skabes en iterativ udviklings- og testproces, hvor AI-resultaterne ikke betragtes som færdige herbicider.

Når kandidatpuljerne er indsnævret, skal en tredje gruppe evaluere hvert molekyle under forskellige landbrugsforhold i drivhusforsøg. Gruppen ledes af Neal Stewart og Scott Lenaghan ved University of Tennessee at Knoxville, Patrick Tranel ved University of Illinois at Urbana-Champaign, Tim Willson ved UNC samt Andee Wallace, grundlægger og administrerende direktør for Robigo. De første drivhusforsøg med indledende kandidater baseret på RNA-interferens (RNAi) forventes afsluttet ved udgangen af programmets første år.

Opdagelse kombineres med kemisk nedbrydning

Projektet tager også fat på kemikalier, der allerede er i brug. PLOW’s forskere planlægger levende mikrobielle systemer, hvor gensplejsede bakterier og svampe omdanner landbrugskemikalier og ingredienser i formuleringer til biomasse, før stofferne når fødevarer, jord eller vandløb. Metoden skal gøre det muligt at reducere miljøets og menneskers eksponering i stor skala.

Samlet set falder PLOW’s arbejde med opdagelse og nedbrydning inden for to af de fire tekniske områder i STREAM-programmets plan: AI-assisteret opdagelse af næste generations herbicider samt fjernelse eller nedbrydning af landbrugskemikalier. De øvrige områder omfatter præcisionsbaseret og kemikaliefri ukrudtsbekæmpelse, herunder laserablation og små autonome ukrudtsfjernere, samt forbedret overvågning af herbicider og tilknyttede kemikalier. Det amerikanske sundhedsministerium lancerede STREAM den 17. august 2026 og beskrev programmet som en indsats for at beskytte landarbejdere, forbrugere og miljøet, samtidig med at afgrødeudbytterne opretholdes.

Bevillingen knytter værdien af generativ AI til en krævende eksperimentel prøve: Et stort bibliotek af kandidater er kun nyttigt, hvis screening og drivhusforsøg finder molekyler, der virker under landbrugsforhold og samtidig lever op til kravene til omkostninger, resistens og sikkerhed. PLOW’s arbejde med nedbrydning tager fat på den anden side af problemet og skal mindske eksponeringen for eksisterende landbrugskemikalier, mens nye alternativer udvikles.