Ga verder naar de inhoud

Hoe helpt AI een doctoraatsstudent in de bio-informatica?

18.11.2025

In deze rubriek vertellen Vlaamse doctoraatsstudenten uit uiteenlopende disciplines hoe zij artificiële intelligentie gebruiken voor hun onderzoek en andere taken.

Femke De Graeve (UGent) is kersvers doctor in de bio-informatica. Voor haar onderzoek naar de spintmijt automatiseerde ze haar vele manuele tellingen door bestaande machine learning-tools te hertrainen.

Rode en groene spintmijt - Sander De Rouck

Waarover gaat je onderzoek?

Mijn domein is de bio-informatica, waarin biologie, computerwetenschappen en statistiek gecombineerd worden om grote hoeveelheden DNA- en RNA-data te analyseren en te interpreteren.

Voor mijn doctoraat verdiepte ik me in een specifiek soort spinachtige: de bonenspintmijt. Die vormt een hardnekkige plaag die gemakkelijk nieuwe gewassen verovert en zeer snel resistent wordt tegen pesticiden. Ik onderzocht welke genetische factoren schuilgaan achter het indrukwekkende aanpassingsvermogen van deze mijtsoort. Kennis die de landbouw vooruit helpt!

Femke De Graeve op congres

ID-kit

Hoe heet je?
Femke De Graeve

In welke discipline doctoreer je?
Bio-informatica

In welk jaar van je doctoraat zit je?
Net afgerond!

Aan welke instelling ben je verbonden?
Universiteit Gent, Faculteit Bio-ingenieurswetenschappen

Hoe vaak wil je je bijscholen?
Een tweetal opleidingen per jaar vind ik ideaal.

Wat is je favoriete manier om iets nieuws te leren?
Ik leer het liefst via praktische tutorials, vooral YouTube-video's. Je ziet meteen hoe iets werkt en kan meedoen op je eigen tempo. Bovendien voelt het voor mij efficiënter aan dan eindeloos documentatie doorploegen.

Blad met eitjes gedetecteerd door de AI-tool - Femke De Graeve

Automatisch eitjes van mijten tellen

Hoe gebruik je AI in je werk?

Ik zette machine learning-tools in om automatisch eitjes van de spintmijt te tellen. Het aantal eitjes dat vrouwelijke mijten leggen op een nieuwe plant is een maat voor hun overlevingsvermogen op die plant. Daarom moesten er voor mijn onderzoek honderden stalen van blaadjes geteld worden, die elk tientallen tot wel honderden eitjes bevatten. Die taak handmatig uitvoeren is zeer tijdrovend en vermoeiend!

Daarom besloot ik dit proces te automatiseren. Ik nam eerst foto's van de blaadjes. Daarna hertrainde ik een bestaande AI-tool (op basis van convolutionele neurale netwerken), specifiek voor deze taak. Zo kon de tool de eitjes automatisch herkennen en tellen.

Wat is de grootste winst die je met AI maakte?

Zonder twijfel: tijd! Handmatig zou ik dagenlang handmatig eitjes hebben moeten
tellen, zoals collega's van het labo al hebben gedaan. Dankzij AI klaar ik deze klus nu
in een paar uur, veel nauwkeuriger, en met minder hoofdpijn :).

Handmatig zou ik dagenlang eitjes van mijten hebben moeten tellen. Dankzij de AI-tool die ik trainde, kost deze taak nu slechts een paar uur. Bovendien is het resultaat veel nauwkeuriger.

Leren van collega's

Hoe heb je je bijgeschoold om AI te kunnen inzetten in je onderzoek?

Ik volgde een cursus 'Predictive Modeling', gegeven door een onderzoeksteam binnen mijn vakgroep. Daar kreeg ik een goede basis mee van wat er achter verschillende machine learning-modellen schuilgaat, en leerde ik hoe ik deze tools kon toepassen op mijn eigen data.

Wiens tips voor trainings volg je?

Vooral collega's en mensen uit mijn vakgroep. Hun aanbevelingen sluiten meestal het best aan bij wat ik nodig heb voor mijn onderzoek.

AI-wishlist

Welke taak zou je graag nog aan AI kunnen uitbesteden?

Een AI-tool die alle mijtenpopulaties gezond houdt, ze voorziet van vers plantenmateriaal en nooit iets contamineert? Dat zou super zijn! En als we dan toch bezig zijn, mag die tool gerust ook alle RNA- en DNA-extracties overnemen.

Waarover wil je nog bijleren?

Ik zou graag meer leren over deep learning, en in het bijzonder hoe grote taalmodellen (LLM's) werken. Die zijn momenteel echt overal!

Probeer AI eens in te zetten in je onderzoek. Je hoeft echt geen AI-expert te zijn: er bestaan al heel wat toegankelijke tools en tutorials!

De toekomst van bio-informatica en AI

Is je discipline veel veranderd door AI?

Sowieso! AI heeft enorm veel potentieel voor gewasbescherming, bijvoorbeeld via grootschalige fenotypering (de waarneembare kenmerken van een organisme in kaart brengen) op basis van imaging - zoals ik in mijn doctoraat deed met het automatisch eitjes tellen.

En ook verder in de bio-informatica schieten AI-tools als paddenstoelen uit de grond. Denk maar aan deep learning-modellen die eiwitstructuren of genetische varianten voorspellen, om er maar enkele te noemen.

Welke tip zou je onderzoekers geven die aarzelen om AI in te zetten?

Gewoon proberen! Je hoeft echt geen AI-expert te zijn om zelf aan de slag te gaan. Er bestaan al heel wat toegankelijke tools en tutorials.

This or that: AI edition

Verkies je een AI-tool die...

  • 100 papers voor je samenvat, of de eerste versie van jouw eigen paper schrijft?
    100 papers voor me samenvat
  • de perfecte bron voor je vindt, of je congrespresentatie maakt?
    De perfecte bron voor me vindt
  • je rommelige dataset opschoont, of heldere visualisaties van je data maakt?
    Heldere visualisaties maakt
  • feedback geeft op studentenpapers, of examens verbetert?
    Examens verbetert
  • geweldige onderzoeksideeën bedenkt, of perfecte projectaanvragen schrijft?
    Geweldige onderzoeksideeën bedenkt

Lees en leer meer over dit onderwerp

Prompt. Think. Defend. Data en AI voor doc­to­raats­stu­den­ten

gecureerde lessenreeks - VAIA & de Vlaamse universiteiten

Op maat

Generatieve AI voor hoger onderwijs

gecureerde lessenreeks - VAIA & VLIR

Elke boom zijn vingerafdruk: wapenen tegen illegale houthandel

Steeds vaker vindt hout met een verborgen herkomst zijn weg naar de markt via schimmige routes. Thomas Mortier (UGent) en Victor Deklerck (World Forest ID, Plantentuin Meise) ontwikkelden een AI-model dat de oorsprong van hout kan herkennen via een unieke chemische "vingerafdruk".

Van raadsel naar inzicht: hoe verklaarbare AI ons kan helpen biologische complexiteit te ontrafelen

In deze blog van BioLizard verkennen we hoe verklaarbare AI (explainable AI) de besluitvormingsprocessen van AI in computationele biologie kan verhelderen.

AI-opleidingen voor doc­to­raats­stu­den­ten. Wat is er nodig?

AI verandert het werk van doctoraatsstudenten. Daarom zijn AI-opleidingen voor deze doelgroep noodzakelijk. Maar volstaat het huidige aanbod? Welke opleidingen zijn er (nog niet)? VAIA analyseerde het aanbod in 2023-2024. Lees hier de belangrijkste takeaways en adviezen van VAIA.

Hoe verandert AI het leerproces in de academische wereld?

Artificiële intelligentie (AI) veroorzaakt een revolutie in het onderwijs, van basisscholen tot doctoraatsprogramma’s. Maar is het echt AI dat het doctoraatsonderwijssysteem overhoopgooit? Of legt de technologie diepere, onderliggende problemen bloot? Ontdek het in deze blog van Vicent Botella-Soler.

Femke De Graeve

Femke De Graeve is doctor in de bio-informatica en werkt momenteel als postdoctoraal onderzoeker aan de Universiteit Gent. Haar huidig onderzoek bestaat voornamelijk uit bio-informatische analyses, met een focus op de novo genoomconstructie en annotatie van (roof)mijten om ook in deze soorten genetische mappingexperimenten mogelijk te maken.

Deel op social media

HPC Café

6 augustus 2026

Seminarie - Online, Karlsruhe - KIT, HammerHAI, Training geselecteerd in de Belgische AI Factory Antenna (AIFA)

Introduction to Parallel Programming with MPI and OpenMP

10 augustus 2026

Training - Jülich - forschungszentrum jülich