UCB zet Cradle in voor geselecteerde antilichaamprojecten

Cradle krijgt van UCB een rol in geselecteerde discovery-projecten voor antilichamen, van hit generation tot lead-optimalisatie en preklinische gereedheid, maakte de farmaceut op 4 november bekend.

Voor Nederlandse biotech verschuift de praktische vraag naar de koppeling tussen AI-ontwerp en labvalidatie. Een Amsterdamse leverancier krijgt een rol in de R&D-keten van een internationale farmaceut, met modellen die experimentele uitkomsten terugkrijgen. De aankondiging noemt geselecteerde projecten, maar geen openbare toegang voor andere bedrijven, prijs of meetbare tijdwinst. De aangekondigde reikwijdte loopt tot preklinische gereedheid, vóór onderzoek met menselijke proefpersonen.

Cradle komt in een afgebakende onderzoeksfase

UCB bouwt al aan een digitale aanpak voor antilichaamontdekking. Die combineert een eigen discovery-platform met rekenwerk en kennis van ziektebiologie en een netwerk van onderzoeks- en technologiepartners. Cradle voegt daar een platform voor eiwitontwerp en -engineering aan toe. De samenwerking geldt voor geselecteerde projecten, niet voor elk programma in UCB’s pijplijn.

Hit generation is de zoektocht naar eerste kansrijke moleculaire ontwerpen. In de daaropvolgende lead-optimalisatie worden die ontwerpen verder verfijnd. Preklinische gereedheid betekent dat een mogelijke kandidaat wordt voorbereid voor onderzoek voordat klinische proeven met mensen beginnen. De aankondiging beschrijft dus een onderzoeksrol binnen die stappen.

Cradle beschrijft het platform als één systeem voor AI-gestuurde moleculaire engineering, actief leren uit experimentele gegevens en optimalisatie op meerdere eigenschappen. Het bedrijf meldt dat zijn platform wordt gebruikt in meer dan 80 actieve R&D-programma’s, verspreid over onder meer farmacie, industriële biotechnologie, landbouw en consumentengoederen. Dat is Cradles eigen bedrijfsopgave en geen resultaatmeting van de nieuwe samenwerking met UCB.

Experimentele resultaten voeden de volgende modelronde

UCB zegt dat resultaten uit experimenten terugvloeien naar modellen per onderzoeksprogramma. Die lus verbindt voorspellingen met metingen in het lab: een model stelt ontwerpen voor, onderzoekers testen eigenschappen en de uitkomsten helpen de volgende ontwerpstap bijsturen. UCB’s wetenschappelijk directeur zegt dat AI biologen, chemici en onderzoekers moet ondersteunen die laboratoriumresultaten vertalen naar mogelijke behandelingen.

Voor een biotechteam is dat onderscheid relevant. Een gegenereerd ontwerp is nog geen kandidaat die alle gewenste eigenschappen heeft. De waarde moet blijken uit de metingen die het onderzoeksteam kiest en uit de manier waarop die gegevens de modellen bijstellen. UCB noemt geen afzonderlijke eigenschappen, aantallen ontwerpcycli of benchmarks voor deze samenwerking.

AI schuift op meerdere plekken de geneesmiddelenketen in

UCB en Cradle zijn onderdeel van een bredere beweging rond AI in geneesmiddelenontwikkeling. Anthropic meldde zes partnerorganisaties die Claude inzetten van molecuulontwerp tot klinische planning. Eén daarvan, BigHat Biosciences, maakte in tien weken ongeveer 1.010 varianten van twee antilichaamfragmenten en testte die. De zes partners van Anthropic gebruiken Claude voor uiteenlopende taken in geneesmiddelenontwikkeling, met resultaten die grotendeels preklinisch blijven.

Een afzonderlijke eiwitontwerpproef van Anthropic laat zien waarom de labstap meetelt. Twee laboratoria vonden 17 binders onder 211 geteste ontwerpen. Anthropic meldt dat de binders aan schorpioentoxines bonden, terwijl neutralisatie en bescherming nog niet zijn aangetoond. Dezelfde grens staat in de labtest van 211 Claude-ontwerpen, waarvan 17 binders opleverden: een meetbare binding is een onderzoeksuitkomst, geen bewezen behandeling.

De routes verschillen in soort software. Anthropic beschrijft Claude in specifieke taken bij verschillende partners; UCB brengt een gespecialiseerd platform voor eiwitontwerp in geselecteerde projecten voor antilichamen. In beide gevallen zijn experimenten nodig om te bepalen welke ontwerpen standhouden.

De aankondiging geeft nog geen prestatiecijfers

UCB en Cradle noemen geen projectnamen, doelwitten, aantallen kandidaten, looptijd of commerciële voorwaarden voor deze samenwerking. Ook is geen vergelijkingsmeting gepubliceerd die laat zien hoeveel sneller een ontwerp of optimalisatieronde verloopt. De claim dat AI onderzoekers mogelijk sneller laat leren, is het doel van de aanpak; de aankondiging rapporteert geen gemeten tijdwinst.

De preklinische grens is even duidelijk. UCB meldt geen klinische proeven, goedgekeurde geneesmiddelen of patiëntresultaten uit deze inzet. Cradles eigen opgave van meer dan 80 programma’s geeft schaal van het platform aan, maar zegt op zichzelf niets over de uitkomst van UCB’s geselecteerde projecten.

Cradles rol bij UCB maakt de positie van de Amsterdamse leverancier binnen internationale biotech-R&D concreet. De volgende maatstaf is wat laboratoriumgegevens per programma opleveren en of de terugkoppeling de kwaliteit of snelheid van kandidaatselectie aantoonbaar verandert. Tot die resultaten openbaar worden, blijft dit een inzet in geneesmiddelenonderzoek tot aan de preklinische fase.