MIT pozyskuje od ARPA-H do 52,9 mln dolarów na projektowanie herbicydów z wykorzystaniem generatywnej AI

MIT poinformował 10 listopada 2026 r., że będzie kierować projektem wspartym kwotą do 52,9 mln dolarów od ARPA-H, amerykańskiej Agencji Zaawansowanych Projektów Badawczych na rzecz Zdrowia, którego celem jest opracowanie bezpieczniejszych herbicydów za pomocą generatywnej AI oraz stworzenie systemów biologicznych rozkładających środki chemiczne stosowane w rolnictwie.

Projekt nosi nazwę Precision Learning for On-target Weed control (PLOW) i jest częścią programu ARPA-H Systems for Tracking and Resilience in Efficient Agricultural-input Management (STREAM). Głównym badaczem jest Christopher Voigt, kierownik Wydziału Inżynierii Biologicznej MIT, a MIT pełni rolę głównego beneficjenta grantu. ARPA-H podaje, że okres realizacji grantu rozpoczyna się 18 września 2026 r.

Dlaczego zwalczanie chwastów wymaga nowych rozwiązań chemicznych

Projekt ma rozwiązać problem, z którym mierzy się amerykańskie rolnictwo. Każdego roku stosuje się ponad miliard funtów herbicydów, aby zapobiegać znacznym stratom w plonach i umożliwiać stosowanie praktyk rolnictwa regeneratywnego, które chronią glebę. Jednak wielokrotne stosowanie herbicydów doprowadziło do pojawienia się mutacji zapewniających odporność u niektórych chwastów. Glifosat dobrze ilustruje to wyzwanie: zabija chwasty, zakłócając działanie syntazy EPSP — enzymu niezbędnego roślinom do wytwarzania kilku ważnych aminokwasów — a odporność sprawia, że ten mechanizm działa mniej skutecznie.

Kolejnym ograniczeniem, które trzeba uwzględnić przy projektowaniu, są obawy o zdrowie. Jak podano w komunikacie MIT, narażenie na herbicydy może zwiększać ryzyko nowotworów, zaburzeń metabolicznych i endokrynologicznych oraz innych niekorzystnych skutków. Pracownicy rolni mogą być narażeni na te środki podczas ich częstego stosowania, a wielu mieszkańców Stanów Zjednoczonych styka się z ich niewielkimi ilościami za pośrednictwem żywności i wody pitnej. Dlatego obok skuteczności w zwalczaniu chwastów jednym z kryteriów wyboru kandydatów do dalszych badań będzie szkodliwość dla ludzi i środowiska.

Kolejnym celem jest zapewnienie bezpieczeństwa dostaw. Opracowywane alternatywy mają ograniczyć zależność Stanów Zjednoczonych od importowanego fosforu, kluczowego składnika glifosatu. Voigt powiedział, że połączenie odporności chwastów i niestabilnych łańcuchów dostaw surowców mogłoby pozbawić kraj środków agrochemicznych, które są „absolutnie niezbędne, aby osiągać wysokie plony i utrzymywać niskie ceny, jakie Stany Zjednoczone mają obecnie”.

Generatywna AI połączona z badaniami przesiewowymi

Pierwszy zespół badawczy w ramach PLOW opracuje modele proponujące związki chemiczne lub małe interferujące cząsteczki RNA (siRNA), które mają zakłócać działanie enzymów roślinnych będących celem glifosatu i innych herbicydów. Pracami pokierują Connor Coley i Regina Barzilay z MIT oraz Alexander Tropsha z University of North Carolina. Modele mają optymalizować potencjalne rozwiązania pod kątem niskich kosztów syntezy, małego ryzyka wywołania odporności oraz niewielkiego ryzyka szkodliwego wpływu na ludzi lub środowisko, a także skuteczności.

Zespół spodziewa się, że modele wygenerują miliardy możliwych kandydatów. Przy takiej skali kluczowe znaczenie ma kolejny etap: Angela Koehler z MIT i Jaime Cheah z Broad Institute pokierują wysokoprzepustowymi badaniami przesiewowymi, które pozwolą ustalić, które cząsteczki oddziałują na wybrane cele. Dane z tych badań trafią następnie z powrotem do zespołu obliczeniowego, aby udoskonalić jego modele. W ten sposób powstanie iteracyjny cykl projektowania i testowania, zamiast traktowania wyników AI jako gotowego herbicydu.

Po zawężeniu puli kandydatów trzeci zespół oceni każdą cząsteczkę w różnych warunkach rolniczych, prowadząc badania w szklarniach. Zespołem pokierują Neal Stewart i Scott Lenaghan z University of Tennessee at Knoxville, Patrick Tranel z University of Illinois at Urbana-Champaign, Tim Willson z UNC oraz Andee Wallace, założyciel i dyrektor generalny Robigo. Oczekuje się, że pierwsze testy szklarniowe początkowych kandydatów opartych na interferencji RNA (RNAi) zakończą się przed końcem pierwszego roku programu.

Odkrywanie nowych rozwiązań połączone z rozkładem chemikaliów

Projekt obejmuje również chemikalia, które są już stosowane. Badacze z PLOW planują stworzyć żywe układy mikrobiologiczne, w których zmodyfikowane bakterie i grzyby przekształcą środki agrochemiczne oraz składniki preparatów w biomasę, zanim substancje te przedostaną się do żywności, gleby lub cieków wodnych. Metoda ta ma zapewnić skalowalny sposób ograniczania narażenia ludzi i środowiska.

Łącznie prace PLOW nad odkrywaniem nowych rozwiązań i rozkładem chemikaliów wpisują się w dwa z czterech obszarów technicznych określonych w planie programu STREAM: odkrywanie herbicydów nowej generacji wspomagane przez AI oraz usuwanie lub rozkład środków chemicznych stosowanych w rolnictwie. Pozostałe obszary obejmują precyzyjne i niechemiczne metody zwalczania chwastów, w tym ablację laserową i miniaturowe autonomiczne odchwaszczarki, a także udoskonalone monitorowanie herbicydów i powiązanych z nimi chemikaliów. Amerykański Departament Zdrowia i Opieki Społecznej uruchomił program STREAM 17 sierpnia 2026 r., przedstawiając go jako inicjatywę mającą chronić pracowników rolnych, konsumentów i środowisko, a jednocześnie utrzymywać wysokość plonów.

Grant wiąże wartość generatywnej AI z wymagającą weryfikacją eksperymentalną: duża biblioteka kandydatów jest przydatna tylko wtedy, gdy badania przesiewowe i testy szklarniowe pozwalają wskazać cząsteczki skuteczne w warunkach rolniczych, a zarazem spełniające wymogi dotyczące kosztów, odporności i bezpieczeństwa. Prace PLOW nad rozkładem chemikaliów dotyczą drugiej strony problemu — mają ograniczać narażenie na stosowane obecnie środki agrochemiczne w trakcie opracowywania nowych alternatyw.