MIT får upp till 52,9 miljoner dollar från ARPA-H för utveckling av ogräsmedel med generativ AI

MIT meddelade den 10 november 2026 att universitetet ska leda ett projekt med stöd på upp till 52,9 miljoner dollar från ARPA-H, USA:s myndighet för avancerade forskningsprojekt inom hälsoområdet, för att utforma säkrare ogräsmedel med generativ AI och utveckla biologiska system som bryter ner jordbrukskemikalier.

Projektet, som kallas Precision Learning for On-target Weed control (PLOW), ingår i ARPA-H:s program Systems for Tracking and Resilience in Efficient Agricultural-input Management (STREAM). Christopher Voigt, chef för MIT:s institution för biologisk teknik, är huvudansvarig forskare, och MIT är huvudsaklig mottagare av anslaget. ARPA-H anger den 18 september 2026 som startdatum för anslaget.

Därför behövs nya kemiska lösningar för ogräsbekämpning

Projektet tar sig an en målkonflikt inom det amerikanska jordbruket. Varje år används mer än 1 miljard pund ogräsmedel för att förebygga betydande skördeförluster och möjliggöra regenerativa odlingsmetoder som skyddar marken, men upprepad användning har gjort att vissa ogräs utvecklat resistensmutationer. Glyfosat illustrerar utmaningen: det dödar ogräs genom att störa EPSP-syntas, ett enzym som växter behöver för att bilda flera viktiga aminosyror, och resistens gör den verkningsmekanismen mindre effektiv.

Hälsofrågor innebär ytterligare en begränsning i utformningen. Exponering för ogräsmedel kan bidra till ökad risk för cancer, metabola och endokrina sjukdomar och andra negativa hälsoutfall, uppger MIT i sitt tillkännagivande. Lantarbetare kan utsättas genom frekvent användning av ogräsmedel, medan många invånare i USA får i sig små mängder via mat och dricksvatten. Därför ingår skador på människor och ekosystem, vid sidan av ogräsbekämpningens effektivitet, i kriterierna för att välja ut kandidater.

Försörjningstrygghet är ytterligare ett mål. Alternativen är avsedda att minska USA:s beroende av importerad fosfor, en viktig beståndsdel i glyfosat. Voigt sade att kombinationen av resistens och osäkra leveranskedjor för insatsvaror skulle kunna göra att landet står utan jordbrukskemikalier som är ”helt avgörande för att uppnå de höga skördarna och låga priser som USA har i dag”.

Generativ AI kopplas till experimentell screening

PLOW:s första forskargrupp ska bygga modeller som föreslår antingen kemiska föreningar eller små interfererande RNA-molekyler (siRNA) avsedda att störa de växtenzymer som glyfosat och andra ogräsmedel riktar in sig på. Connor Coley och Regina Barzilay vid MIT samt Alexander Tropsha vid University of North Carolina leder arbetet. Modellerna ska optimera kandidaterna utifrån låg synteskostnad, låg risk för att framkalla resistens och låg risk för att skada människor eller orsaka ekologiska skador, samtidigt som de ska vara effektiva.

Teamet räknar med att modellerna ska generera miljarder möjliga kandidater. Därför blir nästa steg centralt: Angela Koehler vid MIT och Jaime Cheah vid Broad Institute ska leda screening med hög genomströmning för att avgöra vilka molekyler som träffar sina mål. Screeningdata ska sedan återföras till den beräkningsinriktade gruppen för att förbättra modellerna och skapa en iterativ process för utformning och testning, i stället för att behandla AI-resultatet som ett färdigt ogräsmedel.

När urvalet av kandidater har begränsats ska en tredje grupp utvärdera varje molekyl under olika odlingsförhållanden i växthusstudier. Gruppen leds av Neal Stewart och Scott Lenaghan vid University of Tennessee i Knoxville, Patrick Tranel vid University of Illinois i Urbana-Champaign, Tim Willson vid UNC samt Andee Wallace, grundare och vd för Robigo. De första växthustesterna av de inledande kandidaterna baserade på RNA-interferens (RNAi) väntas vara klara vid slutet av programmets första år.

Upptäckter kombineras med kemisk nedbrytning

Projektet tar också itu med kemikalier som redan används. PLOW:s forskare planerar att skapa levande mikrobsystem där genetiskt modifierade bakterier och svampar omvandlar jordbrukskemikalier och ingredienser i beredningar till biomassa innan ämnena når mat, mark eller vattendrag. Metoden är avsedd att erbjuda ett skalbart sätt att minska exponeringen för människor och miljön.

Sammantaget omfattar PLOW:s arbete med upptäckt och nedbrytning två av de fyra tekniska områdena i STREAM:s programplan: AI-stödd upptäckt av nästa generations ogräsmedel samt avlägsnande eller nedbrytning av jordbrukskemikalier. De övriga områdena handlar om precisionsbaserad och kemikaliefri ogräsbekämpning, bland annat laserablation och små autonoma ogräsrensare, samt förbättrad övervakning av ogräsmedel och tillhörande kemikalier. USA:s hälsodepartement lanserade STREAM den 17 augusti 2026 och beskrev det som en satsning för att skydda lantarbetare, konsumenter och miljön samtidigt som skördarna upprätthålls.

Anslaget knyter värdet av generativ AI till ett krävande experimentellt test: ett stort bibliotek av kandidater är användbart endast om screening och växthusstudier identifierar molekyler som fungerar under odlingsförhållanden och samtidigt uppfyller kraven på kostnad, resistens och säkerhet. PLOW:s arbete med nedbrytning tar sig an den andra sidan av problemet genom att försöka minska exponeringen för befintliga jordbrukskemikalier medan nya alternativ utvecklas.