De opkomst van antibioticaresistentie vormt een aanzienlijke wereldwijde bedreiging voor de volksgezondheid en vereist innovatieve oplossingen zoals faagtherapie. Fagen, virussen die specifieke bacteriën aanvallen, bieden een veelbelovend alternatief dankzij hun onuitputtelijke evolutiepotentieel, specificiteit en synergie met de meeste antibiotica. Er zijn echter twee grote uitdagingen die hun effectiviteit belemmeren: het tijd-intensief proces voor het identificeren van geschikte fagen voor infecties en de snelle ontwikkeling van bacteriële resistentie. Dit doctoraatsproject pakt deze uitdagingen aan met een evolutie-bewust machine learning framework. De aanpak maakt gebruik van eiwit-taalmodellen, faag-gastheer interactieclassificatoren en evolutionaire algoritmen om verbeterde receptorbindende eiwitten te ontwerpen, die cruciaal zijn voor faag-infectiviteit. Het project is opgedeeld in drie werkpakketten die samen het framework vormen voor het ontwerpen van next-generation faagtherapieën.