333 – Hoe AI de biologische machientjes van te toekomst hackt – met de oprichters van Cradle.bio

Randal Peelen:
[1:29] Welkom bij Met nerds op tafel. Mijn naam is Randal Pelen, want ik heb geen co-host aan mijn zijde. In ieder geval niet van het vaste panel. Ik heb wel Harmen van Rossum, bio-ingenieur voor Cradle. Jelle Prins, ontwerper voor Cradle. Stef van Grieken, CEO van Cradle aan tafel. En deze heren zijn alle drie mede-oprichter van Cradle. Dat is een hele mond Cradle vol. Jelle en Stef zaten eerder aan tafel, dus als je dat heel interessant vindt kun je die ook gaan terugluisteren. Harmen zat nog niet eerder aan tafel. Kredel helpt biologen bij het ontwerpen van verbeterde eiwitten in recordtijd met behulp van voorspellingsalgoritmen en AI-ontwerp suggesties. Dat is een hele mond vol, heren. Welkom hier aan tafel. Harmen, laat ik bij jou beginnen. Wat is Kredel en wat is jullie missie?

Harmen van Rossum:
[2:12] We kunnen heel veel wat we nu gebruiken in de wereld qua materialen kunnen we maken door biologie. Zo'n 60% van de materialen die we kunnen maken met biologie. Het probleem is dat de ontwikkeling met biologie heel traag gaat. Heel langzaam is heel veel kennis genodigd. Wat wij met onze bedrijf proberen te doen, is software te maken die het heel makkelijk maakt om voor mensen nieuwe dingen te maken met biologie. In biologie heb je verschillende dingen, waaronder eiwitten.

Jelle Prins:
[2:41] Ja, ik denk dat het, zo moeten we het uitleggen. Eiwitten zijn als hele kleine machines. En als je die hele kleine machines kan ontwerpen, dan kunnen die ook bijna alles voor je maken. Van medicijnen, tot stoffen voor je kleding, tot de grondstoffen waar we voedsel mee kunnen maken.

Randal Peelen:
[2:59] Wasmiddelen, kwekvlees.

Jelle Prins:
[3:00] Van alles en nog wat. Maar dat ontwerpen van die kleine machines, dat is heel moeilijk. Zeker met de traditionele methode. Maar met AI, die kan ons nu helpen. en daarmee hopen we heel veel van dit soort machines te kunnen ontwerpen die, bijna alles voor ons kunnen gaan maken en die doen dat heel veel efficiënter dan traditionele productiemethoden.

Randal Peelen:
[3:22] Ja, want Stef, jij zei de vorige keer dat je hier aan tafel zat, vertelde je in ieder geval over een analogie van het photoshop van DNA. Nu is het voor mij heel flauw natuurlijk om die eerste vraag gelijk naar Harmen te spelen, want jij kan zometeen heel goed vertellen over hoe je die dingen dan, naast dat je ze ontwerpt, ook nog eens praktisch uitvoerbaar maakt. Maar Stef, voor jou, hoe staat het er nu voor? Is dat photoshop aan het ontstaan onder jullie toezicht? Ja, zeker.

Stef van Grieken:
[3:49] Het was een beetje een gokje natuurlijk toen we hier voor het eerst zaten. We waren denk ik iets van zes maanden oud. En nou ja, ChatGPT was er nog niet. Je kon nog niet met Stable Diffusion plaatjes genereren. Dus heel veel mensen die vroegen zich ook af, gaat het überhaupt werken? En wij ook. Inmiddels zijn we gelukkig op een punt waar we echt wel hebben aangetoond dat dat goed werkt. Dus net als dat je met een Stable Diffusion een plaatje kan genereren op basis van een prompt, kun je eigenlijk met onze software op basis van een aantal kenmerken die je belangrijk vindt voor zo'n eiwit, als het ware een structuur, dus zo'n molecuul genereren, en die kun je dan gaan uitproberen in het lab. Dus dat is heel fijn. Inmiddels ook verschillende klanten die dat hebben uitgeprobeerd, en die daardoor een stuk sneller, laten we zeggen, door de research en development fase van het ontwikkelen van zo'n product heen gaan. Eén van onze klanten ging zelfs bijna twee keer zo snel als wat ze voorheen gingen. Dus waar je misschien iets van 30 maanden nodig had om zo'n product te ontwikkelen, konden ze dit in de helft van de tijd.

Randal Peelen:
[4:48] Wat is een product?

Stef van Grieken:
[4:49] Ja, wat Jelle al zei, dat kunnen heel veel verschillende dingen zijn. Dus de belangrijkste categorieën die je nu heel veel ziet, is in de eerste plaats medicijnen. Dus ongeveer de helft van alle medicijnen die nu worden ontwikkeld, zijn op een bepaalde manier een proteïne. Dus bijvoorbeeld antilichamen zijn proteïnen, of de meeste vaccins zijn proteïnen. Maar ik denk waar wij ook heel erg enthousiast van worden is alle dingen die we samen consumeren. Dus je hebt daar een shirt aan, dat zou heel goed kunnen dat dat van polyester gemaakt is. Dat is uiteindelijk een olieproduct. Nou ja, als je dat zou kunnen maken met natuurlijke vezels. Olie?

Randal Peelen:
[5:22] Olie, ja. Dat is natuurlijk ook een natuurproduct. Er zijn een heleboel dino's voor gesneuveld.

Stef van Grieken:
[5:27] Er zijn heel veel dino's voor gesneuveld, ja. Met technisch inbouwde dat geen dino's. Ja, die we ook in rap tempo aan het verdampen zijn. Maar materialen, je kan er, we hadden het net bijvoorbeeld over schoonmaakmiddelen, dus heel veel mensen als die mij vragen van waar zijn er bijvoorbeeld nu al praktische toepassingen van dit soort biologische producten. Heel veel wasmiddelen kun je tegenwoordig op veel lagere temperaturen gebruiken en dan zijn ze nog steeds effectief. En dat komt omdat we steeds meer enzymen zijn gaan toevoegen aan de formulering van die wasmiddelen. Enzymen zijn veel beter in bijvoorbeeld vette afbreken of suikers of dat soort dingen. Zeep kan dat ook best aardig toch? Zeep kan dat ook aardig, maar ook voor heel veel zeep heb je weer grondstoffen nodig. Vaak ook oliederivaten. Dus dat zijn toffe voorbeelden. En we werken in huis ook aan een aantal hele leuke producten. Zowel in de voedselindustrie, in materialen, dus in recycling. Dus ja, eigenlijk de toepassingen zoals Harmen ook al zei ongeveer 60% van alle dingen die we nu consumeren of gebruiken zou je met biologie kunnen maken. En we zien ook echt op in heel veel van die markten nu dat onze klanten daar een stuk sneller gaan. Dus dat is heel fijn, omdat zo'n R&D proces dat kost gemakkelijk 40 miljoen voordat je bij een werkend product zit. En dat is echt waardoor het voor heel veel mensen heel lastig is om dat risico te nemen. risico te nemen.

Randal Peelen:
[6:52] Help me even, want ik kan me van de vorige keer dat je je zat herinneren, dat je zei Het photoshop van DNA is belangrijk omdat we... inmiddels DNA kunnen printen. En ik kan me ook nog herinneren dat je dat dan in die cellen, in die machines kon stoppen om dat uit te voeren. Dus ik snap een beetje, oké, input output. Die input was volgens Jelle een soort alien programmeertaal DNA, die we nog niet zo goed begrijpen. En je wil eigenlijk wat beter voorspellen welke DNA je kunt printen, die gaat doen wat je wil dat het gaat doen. En ik kan me van jou herinneren, Stef, dat je zei, oké, we kunnen het DNA printen en dat dan in cellen doen. dan in cellen doen. Ik snap het ontwerpen van dat DNA al niet. Ik snap niet hoe je het in hemelsnaam zou kunnen printen. En dan weet ik ook nog dat ik hier met Harmen aan tafel zit die iets kan vertellen over het schaalbaar maken daarvan. En mijn oren beginnen al te klappelen. Hoe pakken we dit aan?

Jelle Prins:
[7:45] Volgens mij moeten we het helemaal bij het begin beginnen en zeggen van oké, we nemen een theoretische casus. Misschien een van onze interne projecten of iets helemaal theoretisch. Ik kijk even naar Stef, wat kunnen we vertellen? Maar waar begint een project mee? En laten we het pad van een eiwitje doorlopen.

Stef van Grieken:
[8:07] Laten we een leuk voorbeeld doen van recycling. Dus de manier waarop op dit moment plastic recyclen is heel vaak door het nog een keer warm te maken en te hopen dat we daar nog wat origineel materiaal uit krijgen. Maar dat kun je maar een paar keer doen. En eigenlijk de meeste van ons plastic afval komt terecht in Afrika of of op plekken waar we het kunnen dumpen. Wat je zou kunnen doen, is je zou een enzym kunnen ontwerpen om dat plastic af te breken in de originele moleculen die erin zijn gehaald. We zeggen de ingrediënten die je in eerste instantie gebruikte om dat plastic te fabriceren.

Randal Peelen:
[8:36] Ja, het is niet zo dat er een bacterie leeft op aarde of een torretje dat heel erg dol is op plastic.

Harmen van Rossum:
[8:42] Nou, dat is juist het interessante. Want ze hebben juist bacteriën ontdekt in, zeg maar, waste streams. Dus zeg maar afvalwater van plaatsen waar heel veel plastics worden vermaald of wat dan ook wordt gebruikt. En daar zijn ze in gaan kijken van wat doet dat organisme eigenlijk? Hebben we eigenlijk gevonden dat dat soort organismen plastic kunnen afbreken? Maar ze doen het niet zo heel goed, een beetje langzaam. Dus een van de projecten waar wij aan werken is, eigenlijk om dat het enzym of het fabriekje wat oorspronkelijk in dat andere organisme wordt gemaakt, om dat in de coli te plaatsen.

Stef van Grieken:
[9:29] De machine.

Harmen van Rossum:
[9:30] De machine, ja. Sorry, machine. In E. coli te plaatsen, want wij werken heel veel met E. coli omdat E. coli heel goed is in het maken van eiwitten.

Randal Peelen:
[9:40] Een E. coli is een bacterie.

Harmen van Rossum:
[9:48] Ja, dat is een poepbacterie. Een poepbacterie. Ja, ik vind dat niet een helemaal terechte benaming. Ja, het komt voor in onze poep, maar E.

Randal Peelen:
[9:56] Coli is zoveel meer dan alleen poepbacteriën. Ondergewaardeerde poepbacteriën. Als ik één ding heb geleerd door het krijgen van kinderen, dan is het dat poep echt extreem grappig is.

Jelle Prins:
[10:02] Dus ik snap wel dat we al een beetje moeten knuffelen. Maar dus in die vuilnisbelten, Daar zijn bacteriën zo geëvolueerd, dat ze op een gegeven moment zelf hebben die eiwitjes gemaakt, enzymen gemaakt, die heel goed zijn in het pakken van een plastic molecuul en die uit elkaar te trekken. En dus zo moet je die fabriekjes voorzien. Eén eiwit is heel goed in het pakken van een molecuul en die uit elkaar te trekken. Of te combineren met een ander molecuul en dan krijg je een nieuw molecuul.

Randal Peelen:
[10:35] Machientjes.

Jelle Prins:
[10:36] Ja, eiwit machientjes. Eiwit machientjes. En dus in die bacteriën zijn die eiwit machines gevonden, maar die werken nog niet optimaal. En dat is waar Quedol komt. En dan ga ik weer terug naar Stef, want die gaat die eiwitjes optimaliseren.

Stef van Grieken:
[10:53] Ja, dus wat je meestal ziet bij zeker dat soort type eiwitten, is dat ze zijn heel langzaam. En dat is natuurlijk niet zo fijn. Laat je zeggen, je hebt een plastic fles en die wil je heel graag oplossen. En dan wil je weer de originele materialen uitkrijgen.

Randal Peelen:
[11:06] Ik vind het wel grappig. Het klinkt als een soort paardenrace, maar we hebben het over bacteriën en de race is evolutie. Ja, precies.

Stef van Grieken:
[11:13] En die is niet heel snel zeg maar. Sterker nog, we hebben t-shirts met een soort hoofd van Darwin op de achtergrond met een knippe oog van don't have a billion year strike cradle. Want dat is wel wat je probeert te doen. Je probeert eigenlijk te voorspellen hoe kun je iets sneller maken dan waar je het natuurlijk als het ware geëvolueerd. Dus in dit geval, we willen niet een half jaar wachten op dat onze plastic fles uit elkaar valt. We willen dat graag in een dag kunnen doen. En dus wat je moet doen, is je moet dat enzym actiever maken. Dat is hoe biologen dat noemen. En dat betekent dus dat hij veel sneller die chemische reactie kan katalyseren. Dat is bijvoorbeeld één van de ontwerptaken die wij ondersteunen. Tweede is... De gemiddelde bacterie leeft een beetje op kamertemperatuur, zeg maar. Maar als je dit industrieel gaat toepassen, zoals je die enzymen in grote fermenteertanks gaat gooien, dan worden vaak de temperaturen wat hoger en die gaan heel erg verschillen. Dus wat je ook heel graag wil, is dat die enzymen niet uit elkaar pleuren, als de temperatuur een beetje omhoog gaat. Dus je wil ze heel graag stabiliseren, stabieler maken. Dat is bijvoorbeeld een andere taak die mensen heel graag willen, als ze zo'n ding ontwerpen. Dus wat doen wij? Je hebt die startsequentie, dat is een DNA-sequentie. Het ontwerp van het machientje. Het ontwerp van het machientje, de blauwe tekening. Ja, precies, in een alien programmeertaal die we niet snappen. Maar wat je dan wel kan zeggen is, ik wil dat die bijvoorbeeld wat sneller gaat. Ik wil dat die tegen hogere temperaturen kan en dat soort dingen. En wat onze modellen, net als met als je een plaatje genereert, dus die genereren sequenties die een hogere waarschijnlijkheid hebben om die eigenschappen ook daadwerkelijk te hebben.

Randal Peelen:
[12:41] Net als dat ik het spel Spore zit te spelen of een character builder in een RPG.

Stef van Grieken:
[12:50] Ik heb wat slidertjes, deze moet sneller, deze moet een...

Randal Peelen:
[12:53] Ik ontwerp die slidertjes. Dit is letterlijk wat Jelle doet. Jelle is slidermaker.

Jelle Prins:
[12:56] Oh, wauw, wauw, wauw. De ene slider is de ander niet. Nee, dit is allemaal... Het is complex. Maar dus zo worden de ontwerpen van die machines geoptimaliseerd. En op een gegeven moment spuugt de computer heel veel van dat soort verschillende ontwerpjes uit en die moet je gaan testen in een lab. En dan gaan we naar Harmon.

Harmen van Rossum:
[13:17] Dat is waar Harmon komt in. Er zijn verschillende manieren om die machines te testen, maar meestal begint het met het bestellen van DNA. Dus je gaat gewoon naar een website van bijvoorbeeld Twistbioscience, en dan is er een fabrikant die maakt DNA voor je. Dus je zegt eigenlijk, ik wil deze letter vol horen.

Randal Peelen:
[13:42] En zij gaan het voor je bouwen.

Jelle Prins:
[13:44] Hoe doen ze dat?

Randal Peelen:
[13:45] De lettervolgorde is het receptje. Dat zijn vier letters die je...

Stef van Grieken:
[13:49] Exact. GTA, GG, GTA.

Harmen van Rossum:
[13:50] En dan krijg je het geprint terug. Dus eigenlijk wat zij doen is ze beginnen met één letter en dan voegen ze een andere letter de volgende letter, toe en dat zo achter elkaar totdat ze de hele ja, we noemen dat sequentie, maar de hele tekst hebben van DNA die we winnen.

Randal Peelen:
[14:08] Maar hoe dan? Nee nee nee, hoe dan? Hoe doe je dit?

Jelle Prins:
[14:13] Wil je weten hoe die DNA wordt geprint of wat voor pakket je Harman in de post krijgt? Allebei.

Harmen van Rossum:
[14:20] Oké. Hoe dan? Elke letter is eigenlijk een molecuul.

Randal Peelen:
[14:25] Ja.

Harmen van Rossum:
[14:26] Dus je begint bij een molecuul, bijvoorbeeld een A. Je hebt A tegen GC, dus je begint bij bij molecuul A en dan molecuul A heeft een groep die heel reactief is. Dus die reageert met allerlei andere dingen. Maar doet het niet totdat je een nieuwe groep toevoegt. Dus dan voeg je bijvoorbeeld een nieuwe molecuul, dan voeg je molecuul T toe. En die heeft weer zo'n groep die heel reactief is, die pas actief is als je weer de volgende molecuul toevoegt. En dan heb je bijvoorbeeld A, T, C.

Jelle Prins:
[15:00] Het is ook allemaal best wel een beetje magisch, dus je moet ook een beetje je fantasie gebruiken.

Stef van Grieken:
[15:06] Je kan het een beetje zien als puzzelstukjes die een hele hoge waarschijnlijkheid hebben om aan elkaar te klikken. En als je dus de juiste erin gooit nadat je de eerste had, kun je letters maken.

Randal Peelen:
[15:16] Ik vind het zo irritant dat ik als... Ik ben van oorsprong IT'er en dan is mij verteld hoe zo'n laserprinter werkt en hoe een inkjetprinter werkt. Op een of andere manier moest ik dat weten. En een inkjet kan ik snappen, dat zijn gewoon druppeltjes inkt. En een tonerprinter ook, dat zijn gewoon... Eigenlijk is het poeder dat je erop blaast en dan vervolgens met een magneet opduwt en daarna met zo'n hele strijkeizer vastbrandt aan het papier. En als je DNA print, dan hoor ik het woord print en dan denk ik dus inderdaad die lettertjes, hoe komen die uit die machine?

Jelle Prins:
[15:53] Misschien moet je het ook niet veel complexer zien als dat er verschillende kleuren in je print.

Stef van Grieken:
[15:57] Je hebt gewoon verschillende cartridges met verschillende letters.

Randal Peelen:
[15:59] En soms is het ook gewoon, ja, wij mensheid kunnen dit. Dit gaat niet iedereen snappen. Geloof maar dat het lukt.

Harmen van Rossum:
[16:05] Nee, ja, ik kan wel even een niveau dieper gaan, maar uiteindelijk is het inderdaad niet veel anders dan een kleurprinter met drie kleuren en zwart, zeg maar. Alleen nu heb je dan de vier letters. En die voegt hij dan één voor één toe aan op een plekje. We werken vaak met platen waarin er kleine reactievaartjes zitten. Dus je hebt duizenden reactievaartjes en die printer voegt het dan in zo'n reactievaartje echt op precieze locaties, één voor één. En zo kan je in elk reactievaartje een aparte tekst van DNA krijgen. En dus dat krijg je als pakketje in de post? Ja. Ja, in principe wel. Dus je kan overal een plaat krijgen of gewoon een buisje met DNA.

Jelle Prins:
[17:00] Doe eens een unboxing party, zeg maar, Lopes, daar doorheen. Dan komt er zo'n pakketje van Twist binnen?

Harmen van Rossum:
[17:08] Dan komt er zo'n pakketje van Twist binnen.

Stef van Grieken:
[17:10] Eerst gecoold, dan hopen we dat hij wel koud is gebleven.

Harmen van Rossum:
[17:14] Nou, soms tegenwoordig was het niet gecoold. Meestal tegenwoordig, ja, DNA is heel stabiel. Dat is waarom we ook nog steeds hem moeten kunnen sequenceren. sequencer. Dus dat DNA er blijft wel stabiel, het hoeft niet altijd gekotst te zijn. Dus daar heb je eigenlijk een vloeistofje, je ziet er eigenlijk niks aan, maar daar zit je DNA in, zit de DNA in wat je besteld hebt. Is het een duur buisje? Ligt er een beetje aan hoe groot je tekst is, hoe groot het DNA is wat je wil bestellen, maar om en nabij een paar honderd euro.

Stef van Grieken:
[17:50] Dus dat valt best wel mee, ja.

Jelle Prins:
[17:52] We zijn ook nog wel op zoek naar maar 1, 2, 3 inkt zeg maar voor DNA. Precies. Ja, we hebben zelf... Oké, dan hebben we DNA. Maar dat is nog niet het eiwit. Dat moet nog gemaakt worden.

Harmen van Rossum:
[18:18] Het DNA is het recept voor het eiwit. Exact.

Randal Peelen:
[18:21] Oké. Dus het DNA moet in een E.

Jelle Prins:
[18:23] Coli-bacterie.

Randal Peelen:
[18:23] Ja, dus hoe krijg je zo'n stukje DNA in E.

Jelle Prins:
[18:26] Coli-bacterie?

Randal Peelen:
[18:27] Er zijn verschillende manieren voor.

Jelle Prins:
[18:28] Maar alle manieren...

Harmen van Rossum:
[18:29] Is die bacterie dit leuk? Vragen we een consent? Spoiler alert! Het ergste is, na alle experimenten doden we alle E.coli af. Dus dankjewel, maar nu doden we de E.coli af.

Jelle Prins:
[18:38] Maar goed... Nu krijgen we allemaal protesten. Dat doet iedereen op de wc elke dag.

Stef van Grieken:
[18:43] Sorry.

Jelle Prins:
[18:43] Dat is waar.

Stef van Grieken:
[18:44] Poepbacterie.

Jelle Prins:
[18:44] TV GELDERLAND 2021.

Harmen van Rossum:
[18:50] E.coli, hoe bacteriën en andere organismen DNA op kunnen nemen, dat doen ze, of dat doe je echt door gaten te maken in de bacterie. Dus een bacterie of een gist heeft een celwand of een celmembraan, dat is eigenlijk een soort, ja, een zakje. En daar in het zakje zitten alle belangrijke dingen. Maar DNA kan niet zomaar het zakje in, je moet er eigenlijk gaten in maken. Nou, er zijn verschillende manieren om gaten in het zakje te maken.

Randal Peelen:
[19:16] Dit klinkt alsof het nog op elk dier van toepassing op mij, Ik zou mijn huiskat ook een zakje kunnen noemen waar ik een gat in heb.

Jelle Prins:
[19:22] En dan geef ik hem een injectie. Ja, maar dat zijn hele grove gaten. Maar dit gaat om gaten in een één cel.

Harmen van Rossum:
[19:34] Ja, oké. Methodes voor je huisdieren zullen waarschijnlijk anders zijn dan voor een bacterie. Eén manier is om, zeg maar, je houdt de bacterie op ijs, dat is heel koud. En dan breng je het plotseling naar 42 graden. En ze schrikt zich kapot. En daardoor komen de gaten...

Jelle Prins:
[19:49] Hij zweet een beetje.

Harmen van Rossum:
[19:50] Ja, dat is een beetje Wim Hof met tonen, ga verder.

Randal Peelen:
[19:53] Ja.

Harmen van Rossum:
[19:54] Net andersom. Nou ja, en er komen daar gaten in en dan als je er DNA bij toe hebt gevoegd, dan neemt dat DNA op. Een andere manier die wij nu veelvuldig toepassen is eigenlijk door elektriciteit door bacteriën te jassen. Nou ja, dan dat vindt hij ook niet leuk. en dan krijgt hij ook gaat in de celmembraan of in het zakje en dan kan het ook DNA opmeten.

Stef van Grieken:
[20:19] Dus hij drijft het DNA gewoon naar binnen.

Jelle Prins:
[20:22] Je schiet letterlijk met elektronen op.

Harmen van Rossum:
[20:26] Ja, je gooit er gewoon spanning doorheen, als het misgaat dan hoor je klik en dan zit je bacterie aan de bovenkant van het dopje.

Jelle Prins:
[20:34] Maar daarmee heeft de bacterie geleerd om een nieuwe eiwit te maken.

Randal Peelen:
[20:37] Ja, maar wacht, even, ik heb nu een heel plastisch beeld voor me van zo'n bacterie die zit zo'n DNA streng in en ik zit, ik weet dat ik al vijf hoofdstukken verder ben met mijn hoofd, maar ik denk hoe is dit schaalbaar dan? Moeten we dus al of of maar goed, oké, daar zijn we nog niet.

Harmen van Rossum:
[20:59] Nu heeft hij dit DNA opgegeten of of of heeft DNA op absorbeerd of geabsorbeerd of binnengekregen. Nou, als je zo'n methode hebt toegepast, is je nooit zo heel blij. Dus je moet heel voorzichtig met de bacteriën omgaan. En op een gegeven moment, als die een beetje bijgekomen is, dan geef je het wat suiker En een ei over de bol, suiker en andere dingen die hij lekker vindt. Die kooleifluisteraar ben ik. En dan op een gegeven moment is hij bijgekomen en dan zei hij, oké, nu ben ik klaar om je ei weer te maken. En dan gaat hij eigenlijk het stukje DNA aflezen. En er zitten meerdere stappen in, maar uiteindelijk is er een ander machientje die van de code die op het DNA staat een eiwit maakt. Dus die weet precies van oké, als ik deze letters achter elkaar lees, dan moet ik dit eiwit maken.

Randal Peelen:
[22:03] Maar oké, dus die E. coli is denk ik niet in z'n eentje, die DNA's zijn denk ik meerdere strengen of vergis ik me hierin? Want we hebben nu over een individu gehad dat we vertroeteld hebben, maar ook een klein beetje pijn gedaan.

Harmen van Rossum:
[22:21] Ja, maar zeg maar door het vertroetelen daarna, nou dan wordt hij weer iets gelukkiger en dan gaat hij zich delen.

Randal Peelen:
[22:27] En dan gaat die kopie mee van dat DNA? Dan exact. Ja, oké.

Harmen van Rossum:
[22:32] En dat is ook een trucje om ervoor te zorgen dat hij de kopie er niet uitgooit. Je geeft eigenlijk een ander stukje DNA mee en met dat stukje DNA kan E. coli een antibioticum afbreken. Dus vervolgens voegen we een antibioticum toe. De cellen die lui waren of geen zin hadden om DNA op te nemen, die leg het loodje. TV GELDERLAND 2021.
[23:00] Maar de cellen die zeggen, oké, ik ga wel aan de slag voor je. Die blijven leven en die gaan dan vervolgens ook dat machientje wat je wil laten maken, ook maken.

Randal Peelen:
[23:11] Ik moet die bacteriën niet te veel personificeren in mijn hoofd, want het gaat echt...

Jelle Prins:
[23:16] Gelukkig santeren we precies. Je neemt deze DNA op, je gaat ons eiwitje maken, want anders dan kan je niet tegen de antibiotica...

Randal Peelen:
[23:23] Je schiet eerst gaten in je rug en als je dan DNA geabsorbeerd hebt, dan was je niet lui. Maar je, nou oké. Iedereen die het overleeft. Maar dus, ja. Oké, en als die zich kopieert dan, maar dan is het opeens wel schaalbaar. Want daar kan een heleboel van die bacteriën in.

Harmen van Rossum:
[23:38] Ja, en dat is het mooie van biologie en werken met microben zoals E. coli. Je begint eerst op een hele kleine schaal, maar vervolgens, ja, het vermeerdert zichzelf. Het onderhoudt zichzelf eigenlijk ook als je maar genoeg suikers geeft. Dus dan kun je van een kleine schutkof naar enorme fermentoren.

Stef van Grieken:
[24:00] Maar dan zijn we er nog niet helemaal. Wat we dan hebben is een fabriekje, maar die maakt een nieuw machintje, die origineel niet in die fabriek thuis hoorde. Maar dan moeten we weten of die er een beetje beter in is.

Jelle Prins:
[24:12] Dus wat doen we daarna? Schalen is nu nog niet het vraagstuk eigenlijk.

Randal Peelen:
[24:14] Nee, nu nog niet.

Jelle Prins:
[24:16] Het vraagstuk op dit moment is, is dat machintje wat we hebben ontwerpen, doet ie wat we willen? Doet ie inderdaad wat we willen. Dus daarvoor moest die eerst gemaakt worden en moesten we dus eerst de instructies voor het machientje aan die E.coli geven. En die moest vervolgens die instructies uitvoeren en een eiwitje voor elkaar maken.

Randal Peelen:
[24:34] Ik benadruk nog wel even wat jullie rol hierin is, want je hebt al een leverancier die dat DNA print. Je hebt misschien ook niet op je eigen bureau zonder mondkapje op die bacteriën opgevoed.

Stef van Grieken:
[24:43] Wij zitten daarvoor en daarin is Photoshop voor biologie een goede analogie. Dus wij helpen je uitvolgen op wat is die code die erin moet.

Randal Peelen:
[24:53] En wie is dan degene die...

Jelle Prins:
[24:55] Er is een printbedrijf, maar wij vertellen wat ze moeten printen.

Randal Peelen:
[24:57] Ja. Ja. Oké.

Jelle Prins:
[25:00] En dus wij maken hele mooie ontwerpen en wij printen. Ja.

Randal Peelen:
[25:03] En wie stopt het in die bacterie? Ja, dat doet harmen.

Stef van Grieken:
[25:05] Nou ja, bij ons doet harmen dat, maar in de meeste gevallen zijn dat onze klanten. En dat zijn de research en development afdelingen van bedrijven in de farmacie, in de materialen, in de voeding.

Harmen van Rossum:
[25:15] Misschien is het wel even belangrijk om te vertellen waarom we het lab hebben. We zijn eigenlijk een softwarebedrijf, dus we bieden de software aan gebruikers zodat zij betere eiwitten kunnen maken, betere machintjes. En daarvoor gebruiken we machine learning of AI. Maar we willen wel weten van de modellen die we bouwen of ze goed zijn. En de voornaamste rol van ons lab is om de hypotheses te testen te testen die onze machine learning researchers en engineers hebben in ons lab. Dus zij komen met een bepaalde hypothese over een model van oké wij denken dat dit dat dit model beter is dan het model dat we hebben. dan laten we dat model sequenties genereren, of tekst DNA. En die nemen wij dan in ons eigen lab. En dan gaan we dan door de hele cyclus. Ik zal zo nog even wat andere stappen uitleggen.

Jelle Prins:
[26:12] Alleen het begin van de cyclus.

Harmen van Rossum:
[26:15] En uiteindelijk hebben we data. En die data geven we terug aan ons ML team. En zij kunnen met behulp van die data zeggen van oké, dit model werkt inderdaad beter dan het oudere model wat we hebben. Dus alle lichten staan op groen.

Stef van Grieken:
[26:28] En dat lijkt dus heel erg op, als je bijvoorbeeld een machine learning model maakt dat een plaatje kan genereren. De manier waarop je evalueert of dat model beter is dan de vorige, is vaak dat je een rater hebt. Dus die gaat er letterlijk naar kijken en als we bijvoorbeeld een plaatje willen genereren, gaaf podcast show, nou en jouw gezicht komt eruit, dan zegt hij, oh ja, goed gedaan enzo. Als je dat doet voor, laten we zeggen, een miljoen verschillende plaatjes met verschillende raters, Dan kun je kijken, heb ik betere machine learning modellen gemaakt dan de vorige keer. In dit geval is ons lab eigenlijk de reter. Maar ja, mensen kunnen niet naar DNA kijken en snappen, gaat het juist werken of niet? Dus je moet in het lab testen of wat je gegenereerd hebt, of dat klopt.

Randal Peelen:
[27:08] Dat was een van de rellen rondom ChatGPT, dat er ergens op de wereld heel erg slecht betaalde mensen de hele dag zitten te zeggen welk antwoord beter is.

Stef van Grieken:
[27:15] Bij ons is dat heel veel E.coli's.

Randal Peelen:
[27:18] Ja, precies.

Jelle Prins:
[27:19] En Harman betalen we goed.

Harmen van Rossum:
[27:20] Ja, redelijk.

Jelle Prins:
[27:21] Nee, ik hoor die is minder. Maar dus, uiteindelijk hebben we hele coole projecten in ons eigen lab. Maar dat is niet met het idee dat wij zelf ooit een vaccin op de markt gaan brengen of iets dergelijks. Maar dat is om te testen of onze software goed doet en we niet afhankelijk willen zijn van onze klanten om al die experimenten eerst uit te voeren.

Randal Peelen:
[27:40] Ja, ja, oké. Dus je wil de software steeds beter maken. Is er een dag waarop dat lab overbodig wordt? Dan heb je de code gekraakt?

Jelle Prins:
[27:47] Ik denk het niet, maar ik denk dat als Cradle honderd keer groter wordt, dat ons lab niet honderd keer groter is. Ik denk dat het lab misschien vijf keer groter is. Kijk naar arm.

Randal Peelen:
[27:57] Ja, dat denk ik ook. Hmm, oké. We hebben die bacterie dus zover. Nu gaat ie... Wat gaat hij doen?

Harmen van Rossum:
[28:05] Ja, hij gaat dus dat machientje maken wat we willen maken. Dus bijvoorbeeld dat machientje wat PET afbreekt, plastics. Het probleem is echt dat E.coli nog heel veel andere machientjes heeft. Eigenlijk allerlei machientjes om te overleven of bijvoorbeeld om suikers af te kunnen breken. Wij zijn niet geïnteresseerd in die machientjes. Wij zijn gewoon geïnteresseerd in het machientje wat wij ingebracht hebben eigenlijk. Dus we moeten eigenlijk op een of andere manier ervoor zorgen dat we al die andere machines kwijtraken.

Randal Peelen:
[28:39] Ja, want machines, ik zie het voor me als een bacterie, die eet iets, die poept iets uit. Wat die eet is wat je kwijt kan of een heleboel van hebt wat die uitpoept. Dat is wat jij wil dat die maakt.

Jelle Prins:
[28:55] In elke cel zitten heel veel eiwitten, heel veel machines die ervoor zorgen dat eigenlijk alles in jouw lichaam dat dat gebeurt. Dus onder andere suikers afbreken. Maar die machintes daar zijn we niet geïnteresseerd in. We zijn geïnteresseerd in die ene die plastics afbreekt. Dus Harmen die gaat uitleggen van...

Randal Peelen:
[29:12] Dan moeten dieren die plastic toch eerst eten?

Harmen van Rossum:
[29:18] Nee, dit staat eigenlijk los van gelijk de toepassing.

Stef van Grieken:
[29:21] Je moet in dit voorbeeld wat meer denken aan wasmiddel. Dus zeg maar, je kan een enzym gewoon ook in water gooien en dan kan die nog steeds een reactie katalyseren. Dus dat machintje kun je uit de cel halen en dan functioneert hij nog steeds. Niet heel lang, maar lang genoeg. Dus in dit geval is het enzym, is het product. Dus als je, hoe dit zou werken is, je hebt een petfles, die gooi je in een bak water, daar gooi je enzymen bij en dan valt de petfles uit elkaar. En dus wat de Harman dan gaat doen is specifiek dat machinetje die die pet afbreekt, die moet uit die E. coli, want die hele E. coli, die fabriek die interesseert ons niet.

Harmen van Rossum:
[29:53] Het probleem is dat E. coli, wat je net zei, het poept het machinetje niet uit. Het houdt het machientje gewoon in zich. Dus we kunnen niet gewoon naar de poep kijken van E.coli.

Randal Peelen:
[30:08] We moeten op een of andere manier...

Stef van Grieken:
[30:10] Poep is grappig.

Randal Peelen:
[30:11] Het wordt echt steeds moeilijker. Ik moet het niet nog een keer uitleggen.

Harmen van Rossum:
[30:15] Poep is hilarisch. We moeten dus op een of andere manier E.coli openbreken. En dan dat machinetje eruit halen. Hoe we dat doen? Dat openbreken is redelijk makkelijk. We gooien er gewoon wat chemicaliën bij. en dan begeeft de olie zich. Dat ene machintje eruit halen daarvoor hebben we een iets of pas iets slims toe, we hebben eigenlijk een soort oogje toegevoegd aan ons machintje en vervolgens gaan we met een haakje alle oogjes eruit vissen en andere andere machintjes hebben dat oogje niet. Dus door gewoon met een haakje te gaan vissen, vissen we alleen een machine met het oogje eruit.

Randal Peelen:
[31:04] Ik snap zo goed dat het honderd keer ingewikkelder is en dat je je aan het inhouden bent.

Stef van Grieken:
[31:13] Chapeau daarvoor. Herman heeft een heel klein ingotje. Je moet goed bacteriën gevissen.

Randal Peelen:
[31:17] Maar ik vat het dus. Je hebt, dat ga ik even terugbrengen naar mijn belevingswereld. Je maakt een bacterie die dat stukje DNA heeft geabsorbeerd en die vervolgens een machientje in zich heeft waarvan je dan meer wil. Die bacterie gaat zich vermenigvuldigen. Dat deed hij altijd al, dus dat doet hij nu ook. En je hebt hem geleerd dat dat DNA stringetje en dat machientje mee moet. Vervolgens heb je een heleboel van die bacterie. En je denkt, haha, nu heb ik je. Ik maak ze allemaal kapot en dan komen al die enzymen vrij. En dat zijn de dingen die je wil hebben.

Harmen van Rossum:
[31:50] Exact.

Randal Peelen:
[31:51] Vraag maar af of dit product vegan is.

Stef van Grieken:
[31:55] Ja, dat is best grappig. Dat is ook al een hele discussie. Er is bijvoorbeeld in de Verenigde Staten een bedrijf die heet Perfect Day Foods. En die maken melk zonder koeien. Ze hebben een schimmel in dit geval geleerd om melkproteïn, w-proteïn, uit te scheiden. En het grap is dat dat product dat daar uitkomt, dat molecuul, is chemisch identiek aan wat er in een koe gemaakt wordt. En het is niet meer in een koe gemaakt. En dus de vraag is dan, is dat een dierlijk product of niet?

Randal Peelen:
[32:22] Nee, planten. Is kombucha vegan?

Jelle Prins:
[32:24] Maar een schimmel is ook geen dier.

Stef van Grieken:
[32:26] Maar dus in de Verenigde Staten hebben ze besloten dat dit een vegan product is. Want er is geen dier aan te pas gekomen.

Randal Peelen:
[32:33] Nee, maar daar ben ik het mee eens. Alleen, dit zijn bacteriën en die leven. Een schimmel leeft ook. Maar een bacterie is een dier en een schimmel is geen dier.

Stef van Grieken:
[32:41] Nee, maar planten leven ook. Ja, dat is waar. En die eten we ook. Sterker nog, we drinken nu biertjes. Daar drijven gisten in. En dat zijn ook microben. Cheers.

Randal Peelen:
[32:52] Ik wil parkeren deze discussie voor een andere dag.

Jelle Prins:
[32:54] Die is voor een andere podcast.

Randal Peelen:
[32:56] Ik weet namelijk wat we allemaal gegeten hebben hier voordat we aan tafel gingen. Dus die grens ligt voor ons elders.

Harmen van Rossum:
[33:03] En dan hebben we dat machientje. Ja. En dan willen we eigenlijk weten van nou ja, is die bijvoorbeeld stabieler? Dus kan die langer of kan die tegen een hogere temperatuur? en wat we dan doen is eigenlijk we passen eigenlijk een bepaalde temperatuur toe en we gaan langzaam van bijvoorbeeld 20 graden gaan we langzaam naar 90 graden en dan kunnen we uiteindelijk meten wanneer het eiwitten zich ontvouwt. Want als eiwitten uit elkaar vallen Uit elkaar vallen, als je hem verhit, heel veel eiwitten vallen uit elkaar en zo ook met dit eiwit of dit machientje. En wij kunnen met een apparaat kunnen dan dat volgen, dat ontvouwingsproces zeg maar. En dan weten we precies, oh ja, dit eiwit is bij 40 graden of 50 graden doet het.

Stef van Grieken:
[34:01] Of bijvoorbeeld als je wil meten hoe actief die is, dus we hadden het over hoe snel gaat die. Dan gooi je gewoon letterlijk een klein beetje plastic erbij. En dan van de eerste variant die je had, tel je hoe lang het duurde om hem af te breken. En dan vergelijk je het met hoe lang het bij deze duurde om hem af te breken. En daarmee weet je dus of je hem sneller hebt gemaakt of niet.

Randal Peelen:
[34:19] En de machientjes die we steeds noemen, dat zijn die eiwitten. Dat zijn de eiwitten, ja. En wat is het verschil tussen een eiwit en een enzym?

Harmen van Rossum:
[34:30] Een enzym is een eiwit en een enzym is een eiwit wat een bepaalde reactie uitvoert, dus een katalysator.

Randal Peelen:
[34:36] Oké.

Stef van Grieken:
[34:39] En andere proteïnen kunnen bijvoorbeeld structurele proteïnen zijn, dus je celwand, die doet verder niks, die zit daar gewoon lekker, maar...

Randal Peelen:
[34:45] Wat is nou de reden, want dat vind ik nog een soort van missing link in het verhaal. Je kunt DNA printen, fantastisch, maar je kunt dus geen eiwitten printen.

Harmen van Rossum:
[34:53] Nee, nog niet. Dat is dus nog... Dat zou een mooie binnenbocht zijn, klinkt het. Dat zou fantastisch zijn. En er zijn ook mensen die met dat idee bezig zijn. Je kan wel kleine peptides, dat zijn eigenlijk kleine stukjes eiwitten bouwen. Maar het is heel lastig om dat voor grotere...

Randal Peelen:
[35:17] Ja, en hoeft ook niet, want het klinkt alsof we dit aardig kunnen. En nu hebben we dus machines gebouwd. TV GELDERLAND 2021. Is hier een tijdpad aan te knopen, want het klinkt even voor de vuist weg. Dit is een weekwerk wat we nu hebben geschetst allemaal.

Harmen van Rossum:
[35:32] Dat zou heel cool zijn.

Jelle Prins:
[35:34] Zeggen wij, Stef en ik ook altijd, maar ja. Maar binnenkort krijg je als één van de eerste in de wereld een DNA printer?

Harmen van Rossum:
[35:44] Niet helemaal als eerste in de wereld, maar we krijgen inderdaad een DNA printer. Als we kijken naar de hele cyclus op dit moment, Als alle sterren goed staan, dan kan dat binnen vier weken, maar een van de problemen is inderdaad bijvoorbeeld dat maken van DNA, dat kost een week.

Jelle Prins:
[36:09] Dus als ik naar...

Harmen van Rossum:
[36:10] Als je op het pakketje moet wachten. Ja, en dat is, nou ja, nutloos tijd. Dus wat wij nu hebben besteld is inderdaad een DNA printer. Dus die komt in ons lab te staan. Die gaat dan voor ons het DNA printen, dus dan hoeven we in plaats van dat we een week daarvoor nodig hebben, kost het iets van een dag.

Randal Peelen:
[36:30] Ja, want jullie hebben het de hele tijd over dat Cradle eigenlijk een softwarebedrijf is, en dan heb je het over die ontwikkelcyclus. Dit is elke keer eigenlijk een test. Dus elke keer dat ik een stuk code schrijf en ik voer het uit en dat duurt vier weken, ja, dat ontwikkel ik ook niet zo snel.

Stef van Grieken:
[36:47] En de grap is, wij zijn er al vrij snel in, omdat we ons laboratorium zo gebouwd hebben. Voor de meeste van onze klanten is het 8 tot 12 weken voordat ze zo'n cyclus kunnen ronddoen. En als je ervan uitgaat dat je zeg maar tussen de 15 tot soms wel 30 cycli nodig hebt. En laten we zeggen, ieder eiwit, iedere sequentie die je probeert kost een paar honderd euro. En nog je labtijd en dat soort dingen. Dan wordt het dus heel duur om zo'n product te ontwikkelen.

Randal Peelen:
[37:12] Wat was de state of the art of de status quo dan voordat jullie begonnen? Want er zijn al een heleboel bedrijven die zijn afhankelijk van, ja eigenlijk, hoe moet je dit noemen? Geëngineerde, ontworpen, botanines.

Stef van Grieken:
[37:26] Ik denk het allerbelangrijkste is de kans dat je succes hebt. om bijvoorbeeld een snellere te maken of een stabielere te maken, die is relatief klein. Dus onze klanten die hebben gemiddeld misschien tussen de 1 en 5 procent van die varianten die je probeert in zo'n laboratorium. Dus de verschillende machientjes varianten die je hebt. Die doen ook wat je hoopte dat die zou doen voordat je begon. Wat we eigenlijk zien met Cradle is dat we dat soms verdrievoudigen of verviervoudigen. Dan kun je dus een stuk sneller gaan dan wat je voorheen kon doen. En daardoor hoef je dus minder experimentele rondes te doen en kun je dus sneller je product naar de markt brengen.

Randal Peelen:
[38:08] Ja. En als je die klant bent, hoe ziet dit product eruit? Betalen jullie per poging of per, wat is het, net als Adobe neem ik een abonnementje, 50 piek per maand heb ik al jullie software tot mijn beschikking. Dat is dan iets duurder. Maar zo moet je het ongeveer zien.

Stef van Grieken:
[38:24] Lijkt me logisch. Bij ons is het, je betaalt per protein. Dus het is niet per gebruiker, maar per protein.

Jelle Prins:
[38:30] Per protein project, ja. En dan, wij suggereren er zoveel als jij wilt testen in jouw lab. En die kan je dan vervolgens testen. En dan kom je terug met data van hey, ze vallen uit elkaar bij deze temperatuur. Maar ze zijn wel iets sneller, iets actiever geworden. En dan voeren wij dat weer in en daar leren de modellen van. En dan kunnen ze je weer nieuwe sequences, nieuwe eiwitten suggereren. Die je weer kan gaan testen in je lab. En zo zien we dat elke ronde worden onze modellen beter en komen onze klanten uiteindelijk bij waar ze willen komen en daar komen ze dus heel veel sneller dan dat ze voorheen deden.

Randal Peelen:
[39:05] Hoe bouw je dat in hemelsnaam?

Jelle Prins:
[39:07] Ja, goeie vraag. Nee, dat is een heel leerzaam en iteratief proces.

Stef van Grieken:
[39:10] We kunnen er wel, we hebben het over de biologie gehad. En volgens mij is nu inmiddels wel duidelijk hoe je van een sequentie naar een experiment komt om vast te stellen of iets sneller of stabieler of een aantal van die andere taken is. Maar het lijkt best wel veel op hoe bijvoorbeeld een machine learning model als ChatGPT wordt getraind. Dus de manier waarop dat werkt is eigenlijk dat je, net als wat we soms op de basisschool deden, dat je woorden weghaalt En dan aan het model vraagt, vul dit maar in. Bijvoorbeeld Rendle is een bleep. Als dan het model zou zeggen, podcasthost, dan krijgt die punten. Als je zou zeggen slager, dan weet je ook geen punten. Als je dat doet voor alle zinnen op het internet, dan krijg je ongeveer iets uit GDP. Je wordt heel goed in, voor een set woorden, een andere set woorden invullen. Als je dan naar DNA gaat, dan is het natuurlijk een iets ander verhaal, want daar hebben we geen bekende betekenis van DNA, maar het werkt wel op een vergelijkbare manier. Dus je doet zeg maar c, t, a, g, pliep, pliep, pliep. Nou, en als je dan de code correct invult, dan krijgt hij punten. En daardoor wordt hij heel goed in uitvalgelen, zou de biologie dit misschien zo bedacht hebben. En het tweede wat je dan kan doen is zeggen, oké, voor de prompt, namelijk wat wij willen is stabieler of actiever, of dat soort dingen, is hij dan ook daadwerkelijk actiever geworden? En daarmee kun je dus steeds meer, nou ja, iets zeg maar verbeteren in de richting waar je het op wil verbeteren, zonder dat je exact hoeft te begrijpen hoe die taal werkt.

Randal Peelen:
[40:29] Het is knap dat we dit zo uit kunnen leggen, want ik blijf er heel lang over dagdromen hoe chatty-petty in elkaar zit en puntje bij paaltje is dit precies inderdaad hoe ik het in mijn hoofd heb. Gewoon heel erg vaak en heel erg in het, klein botjes, in dit geval bacterietjes, een taakje laten uitvoeren, net zolang totdat het precies zo gaat als je wil. Dus in die zin is het ook echt machine learning. Absoluut.

Stef van Grieken:
[40:56] TV GELDERLAND 2021.

Randal Peelen:
[40:59] Ja. En hoe kom je uiteindelijk tot die sliders dan? Want daar wil je uiteindelijk heen.

Jelle Prins:
[41:05] Nou, dat is één van de vragen die je aan de klanten moet stellen. Wat vinden jullie nou daadwerkelijk belangrijk? Want we kunnen heel veel dingen gaan aanpassen aan die eiwitjes. Maar uiteindelijk kan... Het is altijd een trade-off. Je kan niet alles op 100% zetten en perfect maken. Zo gaat het niet in de wereld. Dus ze moeten met van die sliders, moeten ze gaan bepalen waar de prioriteiten liggen.

Stef van Grieken:
[41:27] En er zitten verschillende elementen aan natuurlijk, bijvoorbeeld je moet je experimentele data ergens kunnen opslaan, je moet al je verschillende ontwerpen kunnen opslaan in je project, je moet die verschillende workflows waar je gaat genereren, net als dat je bij ZGPT een prompt ingeeft, kun je bij ons zeggen, ik wil hem stabieler, ik wil hem actiever, dit is mijn startpunt en dan genereren we een set sequenties.

Jelle Prins:
[41:48] Maar ook een deel van het downloaden gaat erin zitten. Als jij het ZGPT gebruikt, dan lees jij die tekst en dan denk je, oh, had ik zelf kunnen schrijven, prima. Ben er tevreden mee. Maar als onze modellen eventjes voorstellen, dan kan je naar haar kijken. Maar dat is nog steeds een beetje die alien language. Ja, dat je denkt, hmm. Die moet je toch nog wel gaan testen in het lab. Alleen, zo'n test in het lab kost wel veel geld. Dat kan tienduizenden tot honderdduizenden euro's zijn. Dus we moeten ook manieren bedenken hoe we onze klanten, die toch wel vaak heel veel vertrouwen hebben in AI, een beetje de mogelijkheid geven om alles te evalueren voordat ze al het geld kapot gaan smijten.

Stef van Grieken:
[42:27] En dat is natuurlijk wel een belangrijk verschil. Als ZGPT zeg maar een keer een leugen, weet je iets wat niet helemaal lekker is, dan denk je prima, pas ik het een beetje aan, zal wel. Maar dat kost niet 80.000 euro en twaalf weken, zeg maar. En dus het is heel belangrijk dat we vooraf vertrouwen bouwen in waar die modellen mee komen. We hebben al voorbeelden gezien van situaties waar die modellen dingen suggereren, waarvan de biologen intuïtief zeggen jongens, maar Klopt het echt, zeg maar? Zouden we dit moeten doen en dat ze het zijn gaan testen? En dat ze terugkwamen en zeiden, dit kan niet waar zijn dat dit werkt, maar het heeft echt gewerkt. Een beetje net als hoe bijvoorbeeld...

Randal Peelen:
[43:02] Hoe kan dat dat die biologen daar een intuïtie voor hebben dan? Snappen sommige mensen op aarde die alienprogrammeert al wel?

Stef van Grieken:
[43:09] Je hebt een aantal dingen die je rationeel zou kunnen ontwerpen. Dus er zijn bijvoorbeeld mensen die een PhD en een postdoc hebben gedaan op één specifiek machientje. En echt heel veel begrijpen over hoe dat machientje er precies uitziet. Als een dingetje een bepaalde bocht maakt, of dat een goed idee is of niet. En die kunnen wel, meer door trial and error hebben ze dingen geleerd over dat systeem. Ja, dus we kunnen wel een beetje ontwerpen. Alleen dan nog is de kans dat je zeg maar de juiste verandering introduceert nog steeds heel laag. En dat is ook waarom de kosten voor het ontwikkelen van veel van dit soort producten gewoon ontzettend hoog liggen. Het is een beetje als zeg maar, jouw luisteraars zouden gaan programmeren door de hele dag bitjes te flippen in een binaire blop, zeg maar. Je kan af en toe geluk hebben, maar de meeste dingen zijn een segfault, zeg maar. Die zorgen niet voor een compuleerbaar stukje bitcodes.

Randal Peelen:
[44:07] Dus waar ligt nu voor jullie de toekomst of de grootste bottleneck? Ik snap dat je met machine learning, dan moet je gewoon heel veel loopjes maken en uiteindelijk wordt dat ding steeds beter. Maar die loopjes die kosten veel tijd en geld. Toch zeg jij je best wel zelfverzekerd, we kunnen dit al beter dan sommige van onze klanten denken dat we het kunnen. Dat zeggen ze zelf ook. Is dan de wezenlijke bottleneck die van Harmen met zijn lab zoveel mogelijk tests kunnen doen op allerlei dingen.

Harmen van Rossum:
[44:37] Ik denk van wat je net zei over de compileer knop van je kan erop drukken en dan heb je gelijk je resultaat of iets werkt of niet. Nou dat hebben we in biologie eigenlijk niet, het duurt inderdaad vier tot zes weken of nog langer. Dus ik denk die cyclie doorlopen dat kost gewoon een hoop tijd en daar hopen wij dus uiteindelijk ervoor te zorgen dat er minder van die rondes nodig zijn. en dat er minder de bandbreedte nodig is om dingen te verbeteren.

Stef van Grieken:
[45:11] Maar aan de software kant ook, dus we willen een paar dingen laten zien. Het eerste is, kunnen we verschillende type machines maken? Want in de biologie zijn er heel veel verschillende machines met heel veel verschillende functies. Nou daarvan hebben we er nu iets van 18 verschillende geprobeerd. Dat lijkt er allemaal vrij goed uit te zien op dit moment. Maar goed, er zijn er nog veel meer en die willen we graag proberen.

Jelle Prins:
[45:31] Kan je ze zeggen, zeg maar, begin volgend jaar hopen we een aantal case studies te publiceren. Op hoog niveau, wat voor verschillende dingen dat zijn.

Stef van Grieken:
[45:38] Ja, op hoog niveau zitten een aantal medicijnen tussen. Materialen en een aantal chemicalen.

Jelle Prins:
[45:45] Materialen, plastics.

Stef van Grieken:
[45:46] Ja, dus voornamelijk dingen om dingen af te breken. Dus ja, verschillende toepassingen. Maar dus je wil, als een nieuwe klant bij ons komt en zegt, goh wij willen bla maken. En je zegt, dan werkt het daarvoor. TV GELDERLAND 2021. Ja, dat antwoord kun je pas geven als je er voldoende geprobeerd hebt, zeg maar. Dus dat is één. En tweede is, er zijn heel veel verschillende taken. Dus laten we zeggen, we hebben nu Photoshop en zeg maar Lasso, Square en Linetool, zeg maar. Maar er zijn er nog iets van 20 andere die we ook nog willen maken. Waarmee je als het ware een volledige Photoshop hebt. Waarmee je de meeste type moleculen zou kunnen ontwerpen.

Randal Peelen:
[46:25] En draait het nog heel erg om die E. coli? Of is er een andere reden dat dat nog niet gaat?

Stef van Grieken:
[46:31] Nou, een deel is omdat iedere nieuwe taak is weer een nieuw experiment. We hadden het er net voor de show over, zeg maar, een apparaat kost dan gauw 300.000 euro. En dus we hebben ook niet oneindig geld om alles meteen te kunnen controleren of te kunnen testen. Dus dat is er één. We hebben heel veel, net als bij OpenAI, die bedrijf bestaat al negen jaar nu. En dat hele begin was, maak het GPT, zeg maar die hele interface eromheen was in die zin niet heel boeiend voor heel lang. Het was eerst van, zeg die dingen die ergens op slaan. En dat is bij ons natuurlijk ook zo, dat we willen weten dat die op de meeste, laten we zeggen, problemen waar onze klanten mee zitten ook daadwerkelijk kunnen reageren.

Randal Peelen:
[47:16] Met dat soort AI heb je ook een heel groot verschil in de discipline train het model en de discipline draai het model. En ik kan me voorstellen dat het voor jullie niet anders is.

Stef van Grieken:
[47:27] Zeker. En omdat we dus niet mensen kunnen laten evolueren. Kijk, een menselijke rater een plaatje laten evolueren is misschien 2 seconden een ja en nee. Nou, we zullen het zien.

Randal Peelen:
[47:44] Een euro, zeg maar. I don't know.

Stef van Grieken:
[47:46] Twee seconden voor een euro, daar doe ik het voor. Ja, let's go. Dat is ongeveer wat mensen voor het reclameblok betalen. Maar centen, dus dat is een betere inschatting. Als het bij ons zeg maar 100 tot, voor sommige experimenten die heel duur zijn, misschien wel 1000 euro is voor één sequentie. En je test er in een ronde misschien 1000. Ja, dan moet je wel even goed nadenken, zeker als start-up, wat zijn de eerste dingen waar we mee gaan beginnen. Want voor je het weet loopt die rekening echt enorm op aan de laboratoriumkant. Dus dat zijn eigenlijk de twee belangrijkste dingen. Maar we hebben wel het vermoeden, we verwachten ergens begin dit jaar dat veel meer mensen dit ook zelfstandig en gewoon de software op het web kunnen gaan gebruiken.

Jelle Prins:
[48:25] Kijk, maar als we hier straks succesvol in zijn en we maken het inderdaad veel makkelijker om die eiwitmachientjes te ontwerpen, dan gaat het dus waar voorheen alleen de grote partijen zoals DSM dit soort projecten aan gingen, waarbij ze er jaren mee bezig waren, 10 miljoen op stuk gooiden enzovoort. Wordt het steeds meer iets wat op een gegeven moment een start-upje zou kunnen doen. Op een gegeven moment misschien zelfs al iemand op zijn zolderkamer die daarmee aan de slag kan. Dat is misschien nog wat verder weg. Dat wordt weer spannend als dat gebeurt. Maar dan wordt dat veel toegankelijker en dan kunnen we dus dit voor heel veel meer verschillende dingen gaan toepassen. Dan wordt het ook iets waar VC's hun geld op kunnen gaan inzetten. En dat gebeurt nu nog heel weinig.

Stef van Grieken:
[49:07] En ik heb dat eerder in mijn carrière ook gezien. Ik zat voorheen bij Google Research en een van de producten die we daar maakten was TensorFlow. Dus dat is een stuk software waarmee mensen machine learning modellen ontwerpen. Toen er tijd, toen we daarmee begonnen, waren er misschien een keer 20.000 mensen in de wereld die bezig waren met AI. En een terechte vraag die toen gesteld werd, dus moeten we in hemelsnaam investeren in dit soort software, zeg maar, als er zo weinig gebruikers zijn. Maar goed, als je ziet wat daar nu allemaal mee gemaakt wordt en hoeveel mensen zich inmiddels laten trainen als machine learning engineer. en daar proberen toepassingen op te maken. Ja, dat is natuurlijk supervet. Dat is alleen maar omdat het een stuk toegankelijker is geworden om dat soort software te ontwerpen. En we denken vergelijkbaar hier dat als je het een stuk toegankelijker en goedkoper maakt, ja, dan gaan veel meer startups beginnen.

Randal Peelen:
[49:50] Help me eens in die breedte te denken, want we hadden het er net over. Oké, we hebben drie tools in Photoshop waar we nu mee bezig zijn, maar eigenlijk wil je er nog twintig. Waar moet ik dan aan denken? Zijn dat dan nog steeds eiwitten of zijn we dan ook heel andere dingen?

Stef van Grieken:
[50:02] Ja, laten we een hele concrete doen. Dus een grote categorie medicijn is een antilichamen. Antilichamen zijn een soort van de dremel opzetstukjes van je immuunsysteem om bepaalde ziektes aan te kunnen vallen in je lichaam. Dus je hebt je T-cellen en die stoten die dingen uit. Die plakken zich vast aan een zieke cel en dan weten ze oké, die moeten we opruimen. Dat is eigenlijk hoe het werkt. Er zijn heel veel ziektes die ons immuunsysteem helemaal niet herkent. Dus kanker is daar een goed voorbeeld van. En het probleem daarvan is dus dat als je, of een manier om een kankermedicijn te ontwerpen, is door iets unieks te vinden wat alleen maar voorkomt op die vorm van kanker, en dan daaraan te binden. Dus dat je als het ware vastgrijpt.

Randal Peelen:
[50:44] En dat het immuunsysteem dan denkt, hey...

Stef van Grieken:
[50:46] Ja, dat is dat je een soort neppe marker erop gooit. Wat je daarvoor moet doen is twee dingen. Eén is je wil dat die affiniteit, noemen ze dat, dus dat die goed bindt aan dat ding, dat is één.

Jelle Prins:
[50:57] Maar het tweede, dat is bijvoorbeeld een lasso in de Photoshop.

Stef van Grieken:
[51:00] Ja, precies. Oké. Dus je wil, als hij aangrijpt aan iets wat uniek is aan die kanker, maar wat je niet wil is dat, laten we zeggen, dat stukje ook per ongeluk voorkomt in je lever. Want wat dan gaat gebeuren, is dat er ook antilichamen op cellen in je lever gaan zitten en dan gaat je immuunsysteem je eigen lichaam aanvallen.

Randal Peelen:
[51:18] En dan heb je opeens een anti-immuunziekte cadeau.

Stef van Grieken:
[51:20] Precies, en dat noemen ze specificiteit. Dus ze willen heel graag dat die alleen maar past op die specifieke ziekte. Dat is een iets moeilijker probleem in het ontwerpen van proteïnen, want je hebt nu ineens twee dingen. Je hebt de vorm van dat proteïne wat eraan moet binden. En je hebt zeg maar, het is een beetje een sleutel en slot probleem, zeg maar.

Jelle Prins:
[51:37] En hij moet stabiel zijn tot 42 graden Celsius.

Stef van Grieken:
[51:40] Ja, want als je koorts krijgt, wil je wel dat dat ding niet uit mekaar valt.

Randal Peelen:
[51:44] Douwens, even een throwback naar eerder in het gesprek. Je had het over enzymen die heel goed zijn in plastic afbreken. Ik had op dat moment heel erg nog die killer E. coli in mijn gedachten die zelf die plastic drops gingen eten, maar dat is helemaal niet hoe het werkt. En dat heb ik nu dus ook een beetje wil-enzyme ontwerpen. En in dit geval wordt het een medicijn. Hoe is dat ook een eiwit dan?

Stef van Grieken:
[52:09] Misschien is het goed om, er zijn twee type producten. Dus in één geval kan het zijn dat het proteïn zelf het product is. Dus waar we het net over hadden met antilichamen, ja, daar wil je gewoon het proteïn zelf hebben.

Randal Peelen:
[52:21] En dan is de truc, ik wil heel veel van dit proteïn, ik wil dat bij wijze van spreken per liter kunnen kopen, maar dan moet ik E. coli bacteriën zo gek krijgen om dat voor mij te gaan maken, want ik kan het anders niet produceren.

Stef van Grieken:
[52:33] Ja, dus dat doe je gewoon aan de experimentele kant, In dit geval gebruiken we daar een iets andere cel voor. Je wilt iets wat er wat menselijker uitziet of dierlijker uitziet. Een antilichum is een soort ei-vormig proteïn. Aan deze kant bindt hij aan de ziekte en aan de andere kant bindt hij aan je immuuncel. Wat je daar voornamelijk wil doen is zorgen dat je iets hebt wat goed werkt. Maar je hoeft daar niet superveel van te maken. Dus dat is niet een bulk product. Je gaat niet zeg maar drie liter medicijn inspuiten bij de meeste mensen zeg maar. Dus daar is het doel veel meer om het soort van veel verfijnder machientje te maken. En dat wordt geproduceerd in, dat noemen ze cell lines, dus dat wordt in cellen gemaakt en die spugen het uit als het ware. Dus in dat geval is het proteïn zelf het product. Waar we het net ook over hadden met melk, dus wei is een proteïn en dat meng je met water en met vet en dan heb je melk zeg maar. En dus in dit geval is het wei-proteïn zelf het product. Wat je ook kan doen, is je kan zeggen, en daar had Harmon het net ook al over met die paden. Dus je hebt bestaande fabriekslijntjes in cellen. Stel je voor dat je maakt een biertje en dan gaat er suiker, water en CO2 in de cel.
[53:47] Maar wat die doet is hij spuugt alcohol uit aan de andere kant. Dat is een heel ander molecuul dan wat er in ging. Dat is een gist. Alcohol is geen gist, maar gist maakt alcohol, correct. Wat je dus ook kan voorstellen is dat er in dat fabriekje op dat moment verschillende machintjes zeg maar werken aan dat alcoholmolecuul produceren. En dan het laatste machintje heeft de taak om het alcoholmolecuul naar buiten te gooien. Dat is letterlijk hoe dat werkt voor gist.

Randal Peelen:
[54:10] Dankjewel gist.

Stef van Grieken:
[54:11] En wat je dan dus, precies, thanks to gist. Wat je dus kan doen is de verschillende machintjes om tot een ander molecuul te komen, kun je ook veranderen. En in dat geval zou je bijvoorbeeld een gist wel kunnen gebruiken als, nog steeds als fabriekje, zeg maar. Maar die spuugt dan iets uit wat het daadwerkelijke product is.

Randal Peelen:
[54:29] Ja, ja. Oké.

Jelle Prins:
[54:32] En in dat fabriekje zijn de eiwitten, de machines aan de lopende band.

Randal Peelen:
[54:35] Maar hoe ontwerp je dit?

Stef van Grieken:
[54:37] Dan ben je dus verschillende eiwitten aan het ontwerpen.

Harmen van Rossum:
[54:42] Bijvoorbeeld, ik heb hiervoor gewerkt aan een project om stevia te maken in gist. Oké. Dus dat is een zoetspof, is rond de 300 keer zoeter dan suiker. En wat je dan doet is kijken van, je gaat naar de stevia plant en dan ga je eerst kijken van hoe maakt de stevia plant stevia eigenlijk. Dus dan ga je dat helemaal in kaart brengen en op een gegeven moment weet je welke machines er betrokken bij zijn. En dan ja, dan breng je eigenlijk DNA wat die machines produceert zeg maar, breng je over in Ecuador, of in ons geval was dat naar Gist. en dan gaat de gist in plaats van, overgaat dat dan maken. De analogie met een fabriekslijn is wel heel mooi, want de hele fabriekslijn gaat van, in dit geval van Suiker naar Stevia. Maar soms zit er een bottleneck, dus een van de machintjes die doet het niet snel genoeg. Dus wat je dan kan doen, is eigenlijk meer machintjes plaatsen op waar die bottleneck is, En dan is dat opeens geen bottleneck meer en dan loopt de fabriekslijn een stuk soepeler en maakt die meer stevige.

Randal Peelen:
[55:52] Ja, maar ik snap nog steeds niet super goed wat nu hetgeen is dat je ontwerpt.

Stef van Grieken:
[55:56] Je ontwerpt de sequenties, dus de blauwdruk van de verschillende machientjes. En de blauwdruk is geëncordeerd in het DNA.

Randal Peelen:
[56:03] Maar in mijn brein, en daar ga ik denk ik de mist in, is nu de gist het machientje geworden? Correct.

Stef van Grieken:
[56:08] Nee, die is de fabriek geworden. Waar meerdere machientjes achter elkaar staan die een veel complexer molecuul kunnen maken.

Randal Peelen:
[56:18] Als die gist baby's krijgt, zijn die machinetjes er dan ook weer. Dat is raar.

Stef van Grieken:
[56:23] Dat is wel een beetje hoe evolutie gaat.

Randal Peelen:
[56:27] Dat vind ik dus heel moeilijk.

Stef van Grieken:
[56:29] Als dat niet zo zou zijn, dan zou bij jou bijvoorbeeld iedere keer als er een celdeling plaatsvindt, als dat er een heel ander ding is wat er uitkomt, dan zit hier geen rand meer.

Randal Peelen:
[56:38] Ik in de zeven jaar ben een totaal nieuwe mens.

Jelle Prins:
[56:42] In elke cel in jouw lichaam zit een bouwplan voor jouw hele lichaam, niet voor enkel die cel.

Harmen van Rossum:
[56:48] En elke cel heeft dat bouwplan en voordat een cel zich deelt, eigenlijk een nieuwe cel maakt, maakt hij kopie van de bouwplan. En dan krijgt de ene de bouwplan en de andere krijgt de bouwplan. En dan deelt hij zich compleet. Zo zorgt hij dat ook het dochtercel, zoals dat genoemd wordt, ook weer een kopie krijgt van de bouwplan.

Randal Peelen:
[57:11] En als dan een zekere zin heb je soort van de organen van zo'n gist. Maar die analogie gaat waarschijnlijk helemaal stuk. Ik probeer dat gewoon heel beeldend te maken in mijn hoofd. En ik merk dat dat uiteindelijk misschien een beetje een kansloze exercitie is.

Jelle Prins:
[57:27] Ik denk het simpele is, een zo'n eiwit-machientje is heel goed in één molecuul pakken en daar één ding mee doen. En om er iets complex mee te doen, dat kan dus dat ene machientje niet in zijn eentje. Daarvoor zijn er een aantal nodig die allemaal een eigen taak hebben en samen vormen zo'n lopende band.

Stef van Grieken:
[57:44] Ja, en het is in die zin heel erg vergelijkbaar met een fabriek. Dus je hebt enzymen die dingen aan elkaar knopen, net als dat je in fabrieken soms onderdelen aan elkaar last. En je hebt enzymen die kunnen een bepaald deel van een molecuul een andere vorm geven, zoals je een stuk metaal zou uitstansen. En je hebt enzymen die kunnen dingen scheiden, bijvoorbeeld waar we het over hadden met plastic afbreken. Dat is uiteindelijk, je hebt een heel groot complex molecuul in je petfles. Die wil je in kleinere stukjes afbreken, want dat waren de originele ingrediënten die erin gingen.

Randal Peelen:
[58:13] Help me nog even met dat stevia verhaal, want dat is uiteindelijk gelukt. Het is een succesverhaal en daar ben jij bij betrokken geweest. Je hebt die gist zover. Hoe gaat dat dan in z'n werk? Hoe laat je die stevia maken?

Harmen van Rossum:
[58:30] Stevia, zeg maar, allereerst moet je die blauw druk die gedeeltelijk in stevia plant zit, moet je dan in de gist zetten. Naar die blauw druk doet die niks.

Randal Peelen:
[58:39] Ja, dit is een zoetstof die we toevallig in de natuur hebben gevonden. Het is geen door mens bedachte zoetstof. Je wil precies die stof die ook in die plant zit, ja. Net zoals je melk wil, die komt al uit de koe, maar nu willen we hem in een vat.

Harmen van Rossum:
[58:52] Ja, wat mooi hier wel is, dat in stevia zijn verschillende moleculen, is een mix van moleculen. En in de plant, in de natuurlijke mix van moleculen, proeft het een beetje bitter. Wat je wel kan doen, door die blauwdruk plaats je in gist en dan bepaalde machinetjes zet je net iets harder aan dan andere machinetjes, waardoor er een andere mix van moleculen gemaakt wordt. Dus een mix van stevia en in plaats van dat hij dan bitter proeft, proeft hij eigenlijk veel minder bitter. En dat is het mooie van als je dit zeg maar in je eigen, ja je hebt eigenlijk meer controle over je fabriek, over de gistcel, dan dat je in een plant zou hebben. Terug naar je vraag, maar de gist heeft op dat moment eigenlijk alles, weet alles hoe die die machines moet maken. En dan hoeft hij ze eigenlijk alleen maar aan te zetten. Wij hoeven alleen maar een beetje suiker te geven. En dan eet hij die suiker op. En in plaats van dat hij alcohol poept, poept hij stevia.

Stef van Grieken:
[1:00:01] Haha, poep. Maar het is dus uiteindelijk net als bierbrauwen. Er zijn grote fermentatiekolommen. En daarin maken al de cellen die erin zitten, spugen gewoon stevia uit. En je wacht gewoon totdat het naar de bodem zakt.

Randal Peelen:
[1:00:14] Ja, maar dit is toch ideaal? Dit is precies wat je wil. Nu heb je een gist dat zich kan voortplanten. Vermenigvuldigen, hoe werkt dat? Dat weet ik niet.

Harmen van Rossum:
[1:00:23] Maar dit is al bijna schaalbaar.

Stef van Grieken:
[1:00:24] Dit is schaalbaar.

Harmen van Rossum:
[1:00:25] Er wordt enorm veel gebruiken.

Jelle Prins:
[1:00:27] En dit dan voor alles, niet alleen voor stevig.

Randal Peelen:
[1:00:29] Precies. Tof, dan zijn we er. Doe maar die maar. Het enige wat ik me afvraag is, waarom heb je nog geen dinosaurussen gemaakt? Daar vind ik het ook wel hoog tijd voor. Want in Jurassic Park hebben we dino-bloed uit de mug gehaald, nou dat kan niet echt, dat was een fabel. Alleen nu we weten hoe die dinosaurussen eruitzagen, kunnen we ze wel opnieuw ontwerpen toch?

Harmen van Rossum:
[1:00:50] Ja, dat is wel lastig hoor.

Jelle Prins:
[1:00:53] Ga je dat proberen met je DNA-printer? Eerlijk?

Harmen van Rossum:
[1:00:57] Nee, absoluut niet.

Stef van Grieken:
[1:00:57] Het is ook een beetje omdat de complexiteit is heel anders. Een proteïn is een heel klein stukje code. En dat is nog niet eens zeg maar een paar honderd zetjes, t-tjes, a-tjes en g-tjes.

Harmen van Rossum:
[1:01:17] Maar een heel organisme, zeker zo complex als een... Ik weet niet hoeveel genomen we hebben, maar daarnaast is ook het DNA wel stabiel, wat ik net zei. Maar ik zei specifiek, of ik zei dat we mammoeten kunnen sequenceren. Als we verder teruggaan naar dino's, dan is het DNA wel van gaan. Maar er zijn wel mensen bezig om de mammoeten terug te brengen.

Randal Peelen:
[1:01:36] Kun je van groot naar klein, kun je als je het hele mammoedena hebt, een mammoed printen?

Harmen van Rossum:
[1:01:44] Op dit moment niet, nee.

Stef van Grieken:
[1:01:46] Het is zelfs zo dat individuele cellen zijn al heel complex om na te bootsen als we een nieuw soort cel zouden willen maken. Dus we kunnen nu eigenlijk, het is een beetje net als GTA vroeger, je kon een beetje de code aanpassen en dan werd het spel net een beetje anders. Dat is wat we wel kunnen, maar het is heel lastig om bijvoorbeeld een hele cel vanaf nieuw te ontwerpen. Laat staan hele organismen die natuurlijk ook nog allerlei interacties hebben tussen cellen.

Randal Peelen:
[1:02:12] Ja, bovendien, je hebt een soort van hack nodig om het uit te voeren. Je pakt het DNA, je stopt in E. coli, die kan er vervolgens een eiwitje van maken. Je kilt de bacteriën eromheen, je hebt je eiwitten voor Kodoma. Ja, om dat om te denken naar een hele mammoet.

Harmen van Rossum:
[1:02:26] Zoals dat nu wordt gedaan, er is een lab mee bezig. Wat zij op dit moment doen is, ze hebben eigenlijk olifantencellen, pakken ze. En dan veranderen ze elke keer een stukje van de olifanten-DNA, Zodat het meer lijkt op het mammoetdena.

Jelle Prins:
[1:02:43] Maar dit is totaal niet wat wij doen, hè?

Harmen van Rossum:
[1:02:45] Nee, absoluut niet.

Stef van Grieken:
[1:02:46] Hun doel is volgens mij, ze willen een soort bitterbal maken, toch? Van een mammoetbitterbal.

Jelle Prins:
[1:02:51] Dat was volgens mij het doel. Oh, ja, dat je een sabeltanteigerbiefstuk kon eten en zo.

Randal Peelen:
[1:02:58] Maar is labvlees dan ook nog een stap te ver? Want dat is wel echt mijn grote droom, om in mijn leven nog een keer een goede labbiefstuk...

Stef van Grieken:
[1:03:06] Bij labvlees zijn er andere... Dus bij labvlees probeer je natuurlijk ook juist helemaal niet zoveel aan te passen. Want je wil graag dat het ook daadwerkelijk een biefstuk wordt en niet iets anders. Daar zit ook heel veel van de uitdaging in. Hoe zorg je ervoor dat het ding snel genoeg groeit? Dat die dezelfde textuur heeft? Dat soort type problemen zonder dat je het organisme hebt om hem te maken. Dus dat zit net even een niveau hoger dan... Dat zit veel meer in de formulatie en dat soort dingen. dan dat je daadwerkelijk aan het wijzigen bent in de cel. Er zijn wel onderdelen in die ingrediënten die je zou kunnen verbeteren. Bijvoorbeeld een van de projecten waar Harmon in huis aan werkt, is wat noemen ze growth factors. Dus dat zijn proteïnen die de cel als het ware een signaal geven van je moet gaan delen en je moet een nieuwe maken. En dat is op dit moment in de ingrediënten van zo'n labgekweekte hamburger een heel duur bestanddeel. Dus dat zorgt ervoor dat die kosten nog steeds heel hoog zijn. Nou, als je die dus een stuk goedkoper kan maken en makkelijker kan maken en actiever kan maken, dan wordt het dus weer een stukje goedkoper om zo'n burger te kweken.

Harmen van Rossum:
[1:04:13] Wanneer Stef zegt in huis bedoelt hij niet dat ik dat thuis doe.

Stef van Grieken:
[1:04:17] GELACH Het is niet alsof Harm in het hele bedrijf uit zijn badkamer doet.

Randal Peelen:
[1:04:21] Jij neemt je werk niet mee naar huis. GELACH Ik heb een vraag van een luisteraar
[1:04:25] die me ook wel aan het hart gaat. Dat is Robert Vervuurt. En die vraag is gehad, waarom noemen we het in Nederland stevast eiwitten en niet gewoon proteinen? zoals in de rest van de wereld.

Jelle Prins:
[1:04:36] We kijken naar Harmen.

Harmen van Rossum:
[1:04:37] Ja, dat zou beter zijn. Ik weet niet waarom we dat eiwitten noemen.

Jelle Prins:
[1:04:42] Waarom noemen we het niet machientjes?

Stef van Grieken:
[1:04:43] Ja, het zijn zoveel machientjes.

Randal Peelen:
[1:04:47] Ik was de kluts daar heel lang kwijt. Dus ik denk dat we nog een opvoedingsslag te gaan hebben als we dat besluit nemen. Maar wat maakt het in feite machientjes dan?

Jelle Prins:
[1:04:54] Misschien moet jij het intro voor de podcast doen. Hey, we hebben het over machientjes, eiwitten, enzymen, proteïne. En het is allemaal hetzelfde.

Stef van Grieken:
[1:05:01] Ik denk dat het een beetje uit de voedingshoek komt. hoek komt dat dat de oorsprong is van waarom we het eiwitten noemen.

Randal Peelen:
[1:05:07] Ja, want ik had...

Stef van Grieken:
[1:05:11] Proteinshake is ook een veel te abstracte term eigenlijk. Ja, daar zitten inderdaad proteïnen in, maar...

Harmen van Rossum:
[1:05:18] We noemen het eiwit omdat het eiwit in een ei is eiwit. Of proteïne, is een hoop proteïne.

Randal Peelen:
[1:05:26] Terwijl als ik op de ingrediëntenlijst van een stuk jonge kaas kijk, dan meer eiwit inzitten dan in een ei. Gebakken ei. Ja, daar was mijn broertje mij van het weekend te slim af. Wat ik zeg, dat is gelul. Dat kan nooit. En ja, zeg maar, dan heb je het over de voedingswaarde per 100 gram.

Harmen van Rossum:
[1:05:46] Ja, er zit ook een hoop water nog in een ei natuurlijk ook.

Randal Peelen:
[1:05:49] Of verdraaid, ja dat zal het zijn. Misschien zei hij het voor een gebakken ei.

Harmen van Rossum:
[1:05:53] Het woord eiwit is gewoon heel lastig. Misschien veel vetter.

Randal Peelen:
[1:05:56] Arnoud had ook wel een goeie vraag. Hoe, als het bedrijf met kunstmatige intelligentie eiwitten helpt ontwerpen, heeft Stef de verleiding kunnen weerstaan om het bedrijf Aiwit te noemen. Aiwit, Aiwit.

Stef van Grieken:
[1:06:11] Dat is wel een beetje de polderse variant van Cradle, zeg maar. Ja, nee, ik bedoel, het is een leuke grap, maar de...

Jelle Prins:
[1:06:18] Wil je even vertellen waar de naam Cradle vanvoort komt?

Stef van Grieken:
[1:06:21] Kunnen we doen. Ja, ja. Het is het wiegje, zeg maar, dus waar staat het begin? Maar dat is het ook een beetje. Dus Cradle of Life is natuurlijk een lange, in de wetenschap vaak gebruikte term om uit te vogelen, waar komen we nou eigenlijk vandaan? En DNA is natuurlijk uiteindelijk wel een... Encode alles wat we op dit moment aan complexiteit in de biologische wereld hebben zit daarin verstopt, zeg maar. En dus het was voor ons ook een beetje een zoektocht naar dat begin, zeg maar. of in ieder geval te kunnen verklaren waar dat vandaan komt. En dat is één van de redenen dat we...

Jelle Prins:
[1:06:58] Oké, ik vertel altijd een iets ander verhaal.

Stef van Grieken:
[1:06:59] Oké, mooi. Nou, ik ben blij dat je goed opgelet hebt toen we begonnen. Ja, dus waarom niet... Het was ook de werktitel voor een lange tijd en op een gegeven moment hadden we geen zin meer om aan te vallen.

Randal Peelen:
[1:07:08] Wel de ironie dat er meerdere origin stories zijn van de naam Cradle. Dat is altijd zo. Hele... Daar moet je niet te lang over nadenken. Wat is jouw versie dan?

Jelle Prins:
[1:07:17] Nou, we houden het nu bij deze versie.

Randal Peelen:
[1:07:20] En, andere vraag, waarom zijn jullie hier nu mee bezig terwijl je als AI zich blijft ontwikkelen zoals het nu gaat? sneller, beter en efficiënter zou kunnen zijn als je er over vijf jaar mee was begonnen.

Jelle Prins:
[1:07:33] Dan moet wel iemand het maken.

Randal Peelen:
[1:07:38] Dat is een beetje een kippen-et-ei-vraag.

Stef van Grieken:
[1:07:40] Ja, kippen-et-ei-wit. Ja, nou ja, kijk, weet je, ik denk timing is belangrijk. Ik denk dat we net op tijd waren. We hadden iets te vroeg kunnen zijn, en dat heel veel van de technieken er eigenlijk nog niet waren.

Harmen van Rossum:
[1:07:49] Daar waren we ook bang voor op een gegeven moment. Van hier zijn we niet te vroeg.

Stef van Grieken:
[1:07:53] Ja, precies. Maar ik denk wel dat, en dat hielp ook heel erg dat een keer, dat heel veel bijvoorbeeld van onze klanten toen zeiden van, nou we hebben met AI en dan gaan we Proteïne genereren die dan zeiden van ja, ja.

Randal Peelen:
[1:08:03] Is de deelkenkracht voor jullie een beperkende factor?

Stef van Grieken:
[1:08:05] Zeker. Ja, ja, ja. Nou en dat wordt ook gehoord op dit moment.

Randal Peelen:
[1:08:09] Een kleine teaser, want ik wil namelijk graag in de bonus nog eventjes vooral met jellen stilstaan bij de state of AI report die we hebben kunnen lezen. En daarin is wel een van de dingen waar we het op dit moment met z'n allen over zouden moeten hebben is dat die GPU's en die rekenmodules en noem maar op gewoon veel te schaars zijn vergeleken met de vraag die ernaar is. Maar jullie hebben hier, je begint eigenlijk alle drie een beetje te zweten als ik het over compute heb.

Jelle Prins:
[1:08:35] Nou, ik weet dat, ehm... Afgelopen vrijdag was ik bij een conferentie van Google, een Google Cloud-conferentie hier in Amsterdam. En daar was mijn taak om maar zoveel mogelijk mensen bij Google Cloud te spreken en ze te overtuigen dat we hele coole dingen aan het doen zijn. En dat ze toch echt eventjes een aantal van die chips voor ons opzij moeten zetten, omdat we die nodig hebben.

Randal Peelen:
[1:08:59] Hele chips, want zij verhuren wezenlijk die computerkracht, toch?

Jelle Prins:
[1:09:02] Ja, maar ik geloof dat die chips die we gebruiken zijn 30k per stuk. En we hebben er honderd nodig of zoiets.

Stef van Grieken:
[1:09:08] En er is een ontzettend tekort aan die dingen. En dus ieder bedrijf dat zeg maar een AI gebaseerd product maakt, heeft ze nodig.

Randal Peelen:
[1:09:15] Maar computerkracht, die hoor je toch in de cloud heden ten dagen?

Stef van Grieken:
[1:09:18] Ja, precies. Maar dus ook die cloud. Ze hebben gewoon te weinig datacentercapaciteit om al die bedrijven te serven.

Jelle Prins:
[1:09:23] Want die mensen bij Google, die kijken naar bezetting, 100%. En denken, ja, nu kan er niet meer bij. Ze zeggen dan van, nou ja, ergens volgend jaar hopen we weer wat capaciteit te hebben.

Randal Peelen:
[1:09:33] Dat is toch hoe vraag en aanbod werkt. Dan wordt gewoon die capaciteit duurder. En dan betaal je wat meer. betaal je wat meer.

Jelle Prins:
[1:09:36] Ja, maar het zijn wel fysieke dingen die ze bij moeten zetten.

Stef van Grieken:
[1:09:39] Maar dat is ook een punt, dus de prijzen gaan ook echt best wel hard omhoog. Dus als je dat vergeleekt met een tijdje terug, zou je zeggen Nvidia doet echt goede zaken op dit moment.

Jelle Prins:
[1:09:48] Het aandeel van Nvidia schiet omhoog.

Randal Peelen:
[1:09:49] Nou ja, niet goed genoeg, want als ze nog meer van die chips konden bouwen, dan hadden ze evident meer inkomen. Maar ik vind het wel in dat licht gezien een goede vraag van Arnoud, dat als je dit over vijf jaar doet, je best kans hebt dat die chip tekorten verdwenen of kleiner zijn dan het is.

Jelle Prins:
[1:10:04] Dan wacht eigenlijk dat volgend jaar die chip tekorten alweer ingehaald.

Stef van Grieken:
[1:10:07] Ja, maar het is ook een beetje, je wil graag... Het is net als met ChatGPT bijvoorbeeld, ze waren eerst. En daardoor hebben ze alle aandacht gekregen. Kregen ze veel sneller feedback van gebruikers. Werden ze door veel meer mensen, zeg maar, uit als tool. En zij zijn nu de by default, zeg maar, chatcomputer. First mover advantage.

Randal Peelen:
[1:10:24] Als je hem kan pakken, het is het moeilijkste dat er is. En ook het beste dat er is, voor jezelf.

Stef van Grieken:
[1:10:30] Exact. En dus onze gok was, nou, we zijn ongeveer aan de ML wel... op een plek waar je dit nu kan doen. En dan als je kijkt naar wat je er allemaal mee kan maken. Weinig mensen realiseren zich soms weinig dat als je bijvoorbeeld naar medicijnen kijkt, de hele farmaciemarkt is echt vele malen groter dan alles wat we op het internet doen. Of materialen of chemicaliën. Dat zijn allemaal stuk voor stuk markten die echt enorm zijn. Waar nog een heleboel te doen is. En dus ik denk ook uiteindelijk van ja, tussen in mijn geval in mijn geval een soort loodgieter voor een internetbedrijf zijn. En je sliders in je taxi app. Is dit natuurlijk wel gewoon iets veel leukers om aan te werken.

Jelle Prins:
[1:11:13] Ik denk dat we ooit hadden we volgens mij op een slide staan dat de totale markt dan iets van 4 triljoen was. Nou, en ik weet niet waar de advertentiemarkt van Google op dit moment zit, maar dat is een fractie daarvan.

Randal Peelen:
[1:11:25] Moet je wel oppassen, want als je ooit rijk wordt van medicijnen, dan wordt iedereen boos op je.

Stef van Grieken:
[1:11:30] Ja, dat denk ik, maar dat is ook omdat er heel veel schaarste is nu. Dus het kost nu, voordat je clinical trials ingaat, kost het gemiddeld 600 miljoen om om een medicijn te ontwikkelen. Stel je voor dat dat ineens de helft of een derde of misschien wel een kwart van de kosten wordt. Ja, dan kunnen we ineens veel meer ziektes gaan behandelen. En dan worden de kosten van medicijnen ook lager, omdat de R&D kosten naar beneden gingen. Dus ik denk ook in dat domein is er echt een heleboel te doen. Het is niet alsof we geen ziektes meer hebben.

Randal Peelen:
[1:12:00] Ik ga de laatste vraag stellen. Die is van Han. En daarna kunnen we nog even lekker door in de bonus. En die vraag ga ik even parafraseren, want hij is heel lang, maar het komt ongeveer op dit neer. Als je de state of AI bekijkt of hoort hoe succesvolle projecten met grote AI componenten tot stand komen, is er een grote rol voor experimenteren. En hij zegt eigenlijk dat lijkt haaks te staan op wat grote bedrijven of overheden doen. Ze werken met meerjarenplannen, ze hebben nog steeds grote moeite met op een wendbare manier software ontwikkelen En ik denk er nog vaak in waterval modellen. Welke merkmethoden en andere tips zouden jullie dit soort overheden en grote bedrijven kunnen geven?

Jelle Prins:
[1:12:47] No. Misschien is dat ook zo mooi een segue naar het manifest van Alexander. Laatste vraag en dan heb je nog een half uur. Er is natuurlijk net een prachtig manifest gepubliceerd, herprogrammeer de overheid. waarbij in ieder geval voor de overheid een aantal verbeterpunten worden aangedragen.

Randal Peelen:
[1:13:04] Maar dat is gewoon het hobbyproject omdat Alexander naar IJsland was geweest. Of waar was die? Esland. En daar een voorbeeld had gezien hoe het ook kan. Dus dit klinkt voor mij als zijn laatste bevlieging. Ik wil niet zeggen dat het niet belangrijk is.

Jelle Prins:
[1:13:18] Maar het is natuurlijk iets waar een aantal geeks waaronder ik al wel langer over nadenken. Ooit heb ik natuurlijk de coronamelden gedaan. Toen ik met coronamelden begon, dacht ik van, misschien dat ik wel bij de overheid een tijdje ga zitten. Toen zat ik eventjes bij de overheid en ben ik er ook weer gillend weggegaan. Dat is wel echt een probleem natuurlijk. Er werken ongetwijfeld goede mensen bij de overheid, maar het is voor de overheid wel echt heel lastig om heel veel goede mensen aan te nemen. En om die vervolgens ook de ruimte te geven om hele goede dingen te maken. Er zijn er zijn mooie voorbeelden, maar het zijn er nog altijd te weinig.

Randal Peelen:
[1:13:59] En dan ingaand op die vraag, we moeten een manier verzinnen om dit wendbaarder, sneller.

Jelle Prins:
[1:14:07] Ik denk niet dat er één antwoord is op die vraag van hoe kunnen we IT bij de overheid fiksen. Ik denk dat het een probleem is. Het is zowel een politiek als een organisatorisch probleem, als een cultuurprobleem, als een probleem van deels ook talent wat er nu zit, maar ja, dat komt ook bijvoorbeeld over dat ze gewoon te weinig betalen aan programmeurs. Waarom verdienen programmeurs niet evenveel als de managers die ze managen? Maar daar kunnen we nog wel heel veel langer over doorpraten.

Randal Peelen:
[1:14:38] We zouden een ministerie van cyber moeten aanstellen met een minister van cyber. En ik heb geen enkele partij een programma zien publiceren waar je daar serieus voor gepleit wordt.

Jelle Prins:
[1:14:50] IT komt natuurlijk altijd pas op de politieke agenda wanneer het misgaat. En er wordt niet proactief geroepen van hoe gaan we er nou voor zorgen dat we alle tech-debt oplossen. Hoe gaan we er nou voor zorgen dat we een goede IT neerzetten waarbij de, IT niet alleen dienstbaar is, maar dat er ook echt een tool is waarmee de politiek aan de slag kan.

Stef van Grieken:
[1:15:17] En voor een deel is dat ook wat het lastig maakt. Dus als ik een team zou zijn bij de overheid en zeg maar voor iedere scheet die je laat, mag de minister weer naar de Tweede Kamer toe omdat iemand er een sterke mening over heeft. Ja, dan ga je heel erg risico vermijden en ga je hele dikke rapporten schrijven over dat je toch echt de juiste dingen allemaal gedaan hebt. Maar het effect daarvan is dat je uiteindelijk intens traag wordt als team. En dus het gaat ook heel erg over hoe beloon je mensen, of hoe motiveer je mensen om dat soort dingen te doen. Ik kan me nog herinneren dat we bij de Corona melder op een gegeven moment het idee dat je zeg maar met gebruikers ging praten en dat je je gebruikersonderzoek in de openbaarheid ging doen. Ja, dat was echt heel revolutionair. Terwijl, laten we zeggen in Silicon Valley was dat al 15 jaar heel normaal dat je je gebruiker betrekt bij hoe je software zou moeten gedragen.

Randal Peelen:
[1:16:03] Tot irritanties toe, want ik heb af en toe van die surveys. Nee, ik wil gewoon even dit knopje klikken en dan komt er een pop-up. Wil je ons vertellen wat je van dat knopje vindt? Nee, ik heb gewoon de knopje even nodig. Laat me met de rest.

Stef van Grieken:
[1:16:16] Absoluut, ja. En zeker bij de overheid is dan ook nog vaak zo dat je je bent uiteindelijk de wil van de van de politiek aan het uitvoeren. En of dat ook de wil van de gebruiker is, is vaak nog maar de vraag. Ja.

Jelle Prins:
[1:16:30] Maar ook, kijk, in Estland hebben ze dan heel veel gecentraliseerd en Alexander gaat daar veel dieper op in in zijn podcast, maar een van de principes is dat alle data daar centraal is opgeslagen en niet bij allemaal verschillende instanties.

Randal Peelen:
[1:16:45] Niet zo zeer centraal als wel maar één keer. Ja. Ze gaan niet op meerdere plekken opslaan wat je geboortedatum is.

Jelle Prins:
[1:16:51] Ja, bij je geboorte wordt je geboortedatum ingevoerd en je hoeft hem daarna nooit meer in te vullen. Prachtig. Maar in Nederland hebben we natuurlijk ontzettend veel gemeentes en andere overheidsorganisaties. Ik kijk bijvoorbeeld naar de GGD bij de coronamelder. Ik geloof dat het er 26 verschillende waren die allemaal hun eigen ITtje hebben.

Stef van Grieken:
[1:17:09] Nou ja, en het is natuurlijk ook zo dat als je slechte software levert als bedrijf, ga je gewoon failliet. Om een voorbeeld te noemen voor mijzelf. Ik woon al acht jaar niet meer in Nederland. Ik krijg nog steeds ieder jaar een brief van de Belastingdienst waarin staat je moet weer aangifte doen. En dan ieder jaar bel ik ze en zeg ik hoi uit de gemeentelijke basenadministratie blijkt dat ik al niet meer in Nederland woon, dus dat hoef ik helemaal niet te doen. Dan krijg ik weer een brief dat staat, oh sorry, je hoeft het niet te doen. En dan krijg ik drie maanden daarna, je hebt geen aangifte gedaan, moeten. En dan bel ik ze weer. En dit gebeurt al zeven jaar lang, maar het is niet zo alsof ik opt-out kan klikken op de Nederlandse Belastingdienst. Het gaat gewoon niet, want je moet met de Belastingdienst dealen. Dus er zijn ook geen mechanismen die dat opruimen. Wat je natuurlijk bij een bedrijf wel doet. Dus jij een taxi-app maakt die gewoon niet goed werkt, dan gaat na een tijdje niemand meer met je app in de weer. En dan ben je gewoon failliet.

Randal Peelen:
[1:18:00] Ja, pittig. We gaan zo nog eventjes lol maken in de bonus aflevering. Maar voor die tijd zeg ik tot zover deze aflevering van Met Nerds Om Tafel. Met Nerds Om Tafel is een podcast door Jurian Ubachs en mij, Randal Pelen. En onze panelledes zijn Esther Krabbenam, Ruurd Sanders en Sander Bijleveld. En al onze muziek wordt gemaakt door de mysterieuze Brakemaster Cylinder. Onze gastnerds van vandaag waren er een heleboel. Laten we het rijtje afgaan. Harmen van Rossum, hartelijk dank voor je komst. Waar kunnen mensen meer over jou te weten komen? Heb ik LinkedIn? Inderdaad. Wil je wel dat mensen meer over jou te weten komen? Absoluut. Of denk je, dit was het wel zo'n beetje, mijn moment in de spotlight.

Harmen van Rossum:
[1:18:37] Laat me met rust in mijn lab. Mag hoor. Nee, ik heb geen social presence, alleen LinkedIn.

Stef van Grieken:
[1:18:42] Dus daar kunnen mensen mij vinden.

Randal Peelen:
[1:18:44] Volg Jelle maar.

Jelle Prins:
[1:18:45] Nou Jelle, jij dan. Ik doe de Twitter en Stef doet de LinkedIn.

Randal Peelen:
[1:18:49] Oké, ja. En je hebt nog steeds geen x.com? Je blijft je er tegen verzetten.

Jelle Prins:
[1:18:53] Ja, maar het blue sky en zo is het nog niet geworden, hè?

Randal Peelen:
[1:18:56] Nee, maar Twitter is zo mooi om het dood te verklaren. En dan noem je het gewoon niet meer Twitter. Of je praat erover in de verleden tijd. Maar jij bent daar gewoon nog dagelijks actief. Ja, hoor.

Stef van Grieken:
[1:19:07] Ja, gezellig.

Randal Peelen:
[1:19:07] Gezellig is echt niet gezellig.

Stef van Grieken:
[1:19:09] Gezellig is ook echt niet gezellig.

Randal Peelen:
[1:19:11] Ik vroeg waar mensen meer over jou te weten konden komen. Ja, dit is de plek waar jij je thuis voelt. Ik vraag me af wat dat over een mens zegt. Maar het is lekker, lekker toch?

Stef van Grieken:
[1:19:22] JellePrins op Twitter, waarom niet?

Randal Peelen:
[1:19:23] Stef. Inderdaad, op LinkedIn.

Stef van Grieken:
[1:19:25] Dat is goed. Meer over Cradle kunnen mensen vinden op cradle.bio. Als je een cool protein wilt ontwerpen, kun je daar naartoe. Of meer wil leren over ons gave nieuwe lab in Amsterdam. Of de LinkedIn volgen.

Jelle Prins:
[1:19:36] Of de LinkedIn volgen. We posten soms updates.

Stef van Grieken:
[1:19:39] Ja.

Randal Peelen:
[1:19:40] Zoek je nog personeel? Want dat is wel...

Jelle Prins:
[1:19:42] Nou, dus dit is belangrijk. We gaan ons lab naar Amsterdam verplaatsen. De hele operatie. Ja. We gaan een heel mooi lab bouwen.

Harmen van Rossum:
[1:19:48] We hebben al een heel mooi lab. maar dan gaan we nog de volgende stap nemen. Dus als je veel vette robots, met veel vette robots, misschien zelfs met een mobiele robot die van de ene kant van het lab naar de andere kant rijdt.

Jelle Prins:
[1:20:13] Ik maakte laatst een grapje dat Harmens YouTube feed is gewoon allemaal rondleidingen door laboratoria en robots. Ik maakte het als grapje, maar dat is echt zo. En in ons nieuwe lab in Amsterdam hebben we straks een glazenwand die het lab van de programmeerruimtes scheidt. En Harmen is nu aan het ontwerpen hoe alle grote machines en robots gepositioneerd worden, zodat je ze kan zien vanachter het glas. Ja, dat snap ik.

Randal Peelen:
[1:20:35] Dat snap ik.

Jelle Prins:
[1:20:35] Ja.

Randal Peelen:
[1:20:35] Dat is lekker toch? Heerlijk.

Harmen van Rossum:
[1:20:36] En ook als je gewoon daar aan het werk bent, dan voel je ook meer onderdeel als gewoon, Je bent niet afgesloten in het lab, maar je bent gewoon in een open ruimte. Alleen afgesloten met een glazen wand, maar je bent dan meer onderdeel van een team. Dus dat is ook leuk.

Stef van Grieken:
[1:20:53] En we zijn steeds meer onze software teams ook in Amsterdam aan het uitbouwen. Dat is ook eigenlijk een van de redenen om hier naartoe te komen. Dat is toch in Delft een stuk lastiger. En dus, ja, full stack engineers, back-end engineers, machine learning engineers, machine learning researchers. Nog een UX'er? TV GELDERLAND 2021. Eén is wel genoeg.

Randal Peelen:
[1:21:12] Hoeveel sliders kun je nodig hebben?

Stef van Grieken:
[1:21:13] Ja, ik kan het zeggen.

Harmen van Rossum:
[1:21:15] Nou, vijf sliders zijn we er wel.

Randal Peelen:
[1:21:17] En mij had je persoonlijk al bij machine learning in de cloud. Oh, heerlijk. Nou, meer informatie over ons staat op onze website, dat is mnot.nl. En join onze selecte gingen 2300 charmante, capabele en heel erg gezellige nerds je voor. Die stellen vragen aan ons in het kanaal, vragen van luisteraars. Dus komende weken zijn er weer een paar hele leuke gastnerds. Die hebben we voor jullie in petto en die kun je vragen stellen. Als je nou vriend van de show, nou dan ben je de echte crème de la crème onder de mensen bij ons op z'n plek. Want dan krijg je toegang tot het besloten clubhuis. Vier meetups per jaar, stickers en bierfilters door je brievenbus. Geen reclame, want je luistert de podcast via een eigen RSS feed eerder dan de rest. En je hebt elke week een prachtige bonus aflevering die wij nog even op gaan nemen. Merch staat op onze site. Voor nu hartelijk dank voor het luisteren. Tot de volgende keer.