Intelligence artificielle dans la découverte de médicaments: bilan de l'année 2018

L'idée d'utiliser l'intelligence artificielle (IA) pour accélérer le processus de découverte de médicaments et augmenter le taux de réussite des programmes de recherche pharmaceutique a inspiré un regain d'activité dans ce domaine au cours des dernières années. En 2018, la situation est de plus en plus chaude avec l'augmentation du nombre de partenariats, d'investissements et d'autres événements importants, résumés et regroupés ci-dessous en «mini-tendances».

1. Le capital de risque afflue dans les startups de découverte de médicaments dirigées par l'IA

Cette année a été marquée par un nombre impressionnant de collectes de fonds parmi les startups de découverte de médicaments dirigées par l'IA - une indication claire de l'espace «AI pour la découverte de médicaments» qui gagne en attractivité pour les investisseurs en capital-risque.

BienveillanteAI

Jusqu'à présent, BenevolentAI, basée à Londres, semble être un des leaders de l'année en termes de levée de fonds. En avril, elle a bouclé un tour de 115 M $, atteignant une valeur d'évaluation stupéfiante de 2 milliards de dollars. Bien que suscitant un certain scepticisme, cette nouvelle et le rythme actuel des activités de recherche de la société placent sans aucun doute BenevolentAI dans une position très forte parmi ses concurrents.

Atomwise

Atomwise, fondée en 2012 et pionnière dans l'utilisation de réseaux neuronaux profonds pour la conception de médicaments basée sur une structure, a levé un investissement de 45 M $ pour faire progresser sa technologie de découverte de médicaments basée sur l'IA, AtomNet. La société affirme qu'elle examine chaque jour 10 millions de petites molécules et utilise AtomNet, qui utilise des algorithmes d'apprentissage en profondeur, pour analyser des molécules et prévoir leur potentiel en tant que médicaments, toxicité et effets secondaires.

Médecine Insilico

Insilico Medicine, société basée aux États-Unis, est la seule start-up parmi ses concurrents les plus proches à développer un système d’intelligence artificielle «full stack» basé sur des réseaux générateurs d’accusation (GAN), permettant ainsi processus de découverte de médicaments "de bout en bout" - de la modélisation biologique de base au développement de biomarqueurs, en passant par la génération de molécules clés, l'optimisation du plomb et la validation préclinique de médicaments candidats. En juin, Insilico Medicine a reçu un investissement non divulgué de la part de WuXi AppTec, portant le capital totalement mobilisé à 20 M $ (selon Crunchbase).

Génomique Verge

À peine un mois plus tard, WuXi AppTec participait à un tour d’investissement de 32 millions de dollars au profit d’une autre startup, l’IA, Verge Genomics. Ce dernier utilise l’apprentissage automatique et l’IA pour développer des thérapeutiques contre la maladie d’Alzheimer et de Parkinson. Verge développe également activement sa base de données de données génomiques sur les patients - l’entreprise disposerait de l’une des ressources les plus importantes du secteur dans ce domaine thérapeutique.

Owkin

La société Owkin, basée à Paris et fondée à Paris en 2016, avait pour objectif d’optimiser le processus de découverte de médicaments grâce à une meilleure compréhension des données biologiques surabondantes. Elle a levé sa ronde A de 11 M $ en janvier pour faire évoluer sa plate-forme technologique Owkin Socrates. La plate-forme peut intégrer des bibliothèques moléculaires et d'imagerie aux données des patients pour révéler les schémas de biomarqueurs causant une maladie. La société applique l'apprentissage par transfert pour améliorer les performances des modèles lorsque les données correctement étiquetées sont rares.

XtalPi

Fondée en 2014 par un groupe de physiciens quantiques du MIT, XtalPi est une société de biotechnologie basée aux États-Unis et en Chine qui a réuni 15 millions de dollars en séries B en janvier auprès de plusieurs investisseurs, notamment Google et Sequoia China. La société affirme pouvoir prédire rapidement et avec précision de nombreuses caractéristiques importantes des médicaments à base de petites molécules et des formes solides en combinant intelligence artificielle, physique quantique et informatique en nuage hautes performances. En utilisant cette interaction sophistiquée de technologies, la société sera en mesure de fournir «des informations permettant d’économiser du temps en matière de sécurité, de stabilité et d’efficacité des candidats-médicaments».

BenchSci

Plus tard cette année, Google a également co-investi dans BenchSci, une plate-forme intelligente de recherche de produits biologiques alimentée par l'IA. La ronde a totalisé 8 millions de dollars provenant de plusieurs investisseurs.

Biosciences moteur

Engine Biosciences est une société de biotechnologie basée à San Francisco et à Singapour, qui a annoncé un financement de 10 M $ pour faire progresser sa plate-forme basée sur l'IA pour la découverte de médicaments, le développement de thérapies combinées et la reprogrammation cellulaire. La technologie de la société permet aux chercheurs et aux développeurs de médicaments de révéler les interactions génétiques et les réseaux biologiques, et de fournir des thérapies de test ciblant spécifiquement les interactions génétiques. La plateforme d’intelligence artificielle de la société peut aider à la découverte de cibles, à la réaffectation de médicaments et à l’analyse pour des applications de médecine de précision.

Les autres investissements notables en 2018 comprennent: TwoXAR (10 M $), ReviveMed (1,5 M $), GTN (2,8 M $), etc.

(Pour consulter un ensemble de statistiques relatives au secteur «IA dans la découverte de médicaments», lisez le rapport «Un paysage d’intelligence artificielle (IA) dans la R & D pharmaceutique»).

2. Les fabricants de médicaments continuent de rechercher des partenariats externes contre l'IA…

En 2018, les sociétés pharmaceutiques manifestent un intérêt constant pour s'associer à de jeunes entreprises émergentes axées sur l'IA afin d'exploiter la puissance des algorithmes pour renforcer leurs propres programmes de découverte de médicaments. Vous trouverez ci-dessous une liste de certaines collaborations remarquables dans ce domaine:

Merck

Le dernier mois de cette année fructueuse a été marqué par une nouvelle collaboration de recherche entre le géant pharmaceutique allemand Merck et une société canadienne dirigée par l'IA, Cyclica. Les parties ont convenu que Merck utilisera Ligand Express®, une plateforme de criblage in silico-protéome, basée sur le cloud et basée sur le cloud, afin de clarifier les mécanismes d’action d’un certain nombre de petites molécules candidates de Merck, d’évaluer leurs profils de sécurité et de découvrir d’autres applications thérapeutiques.

Bayer

En novembre, Bayer a établi une collaboration de recherche en plusieurs phases avec la société de découverte de médicaments basée à Toronto, Cyclica, afin d’utiliser sa plate-forme de découverte multiforme pilotée par l’IA pour une large gamme de tâches de recherche. Dans le cadre de cette collaboration, Cyclica fournira sa plate-forme de criblage de protéomes basée sur le cloud, Ligand Express®, pour étudier les profils non ciblés de petites molécules, et appliquera sa première technologie de conception de médicaments différenciés (DDD) pour la gestion multi-ciblée. conception de médicaments. En outre, il utilisera sa technologie d'intelligence artificielle pour élaborer des modèles prédictifs de pointe pour les propriétés pharmacocinétiques.

Pfizer

En septembre, Pfizer a conclu un accord d’évaluation avec Atomwise - la start-up en développement d’IA devra identifier des médicaments candidats prometteurs pour un maximum de trois protéines de choix par Pfizer.

Quelques mois auparavant, Pfizer s'était associé à une autre startup, XtalPi, axée sur l'IA, pour développer une plateforme logicielle de découverte de médicaments, qui ferait appel à l'expertise de XtalPi dans les domaines de la physique computationnelle et de l'intelligence artificielle. La plate-forme doit être appliquée à la modélisation moléculaire précise de petites molécules de type médicament.

Bristol-Myers Squibb

Bristol-Myers Squibb a signé un accord de collaboration de recherche multi-cibles avec Sirenas, une société de biotechnologie appliquant des approches informatiques basées sur l'apprentissage automatique pour découvrir des traitements dérivés du microbiome mondial, afin d'appliquer sa plateforme brevetée de découverte de médicaments à une série de cibles thérapeutiques non divulguées mais ambitieuses. . La collaboration de recherche tire parti de l’expertise de Sirenas dans l’application de sa technologie brevetée d’exploration de données, ATLANTIS ™, afin d’identifier des candidats médicaments parmi la bibliothèque de chimie exclusive de Sirenas, isolée des collections mondiales de microbiomes. Il est important de noter un autre domaine d’expertise de Sirenas - la synthèse organique de pointe, qui permet à la société de fournir non seulement des prévisions informatiques, mais également des composés chimiques dotés d’échafaudages inhabituels inspirés par la nature.

Boehringer Ingelheim

En mai 2018, Boehringer Ingelheim s'est associé à Bactevo pour appliquer son «moteur de médicaments totalement intégrés» afin d'identifier de nouveaux candidats-médicaments à petites molécules.

GlaxoSmithKline

En mai, GlaxoSmithKline (GSK) a formé une collaboration pour la conception de médicaments avec Cloud Pharmaceuticals, une société de découverte de médicaments reposant sur l'IA, afin de développer une série de petites molécules contre des cibles biologiques spécifiées par GSK.

(Découvrez comment Big Pharma adopte l'IA pour stimuler la découverte de médicaments afin de découvrir davantage de collaborations de ce type et des cas d'utilisation typiques pour l'application de l'IA dans la découverte de médicaments.)

3.… mais aussi étendre les capacités de l'IA interne

D'un côté, les sociétés pharmaceutiques recrutent de plus en plus de jeunes entreprises d'IA pour explorer les opportunités, mais elles sont également actives dans le développement de l'expertise interne en IA et dans la mise en place d'infrastructures numériques pour une utilisation plus efficace des données.

Novartis a récemment annoncé l’achèvement de la première phase de la stratégie de transformation numérique d’une entreprise axée sur le Big Data, l’infrastructure numérique et l’intelligence artificielle. La première phase était un programme interne appelé STRIDE, qui comprenait le lancement de plusieurs systèmes d’infrastructure informatique importants pour la gestion des documents, les enquêtes internes, le calcul haute performance, la gestion des essais cliniques, etc.

La prochaine phase de la transformation numérique de Novartis consiste à mettre en place une plate-forme d’analyse prédictive, reposant sur des algorithmes d’apprentissage automatique, afin de prendre en charge les opérations d’essais cliniques. Cela se fera dans le cadre de l'initiative Nerve Live et en collaboration avec la société américaine d'apprentissage automatique QuantumBlack.

Enfin, il existe des projets pour le troisième grand projet futur - Data 42 - celui qui rassemble tous les ensembles de données de Novartis afin de pouvoir interroger n’importe quelle donnée dans un système centralisé. Il s’agit certainement d’une condition préalable essentielle à la transformation de la société en matière d’IA.

De même, pratiquement tous les fabricants mondiaux de médicaments - Pfizer, AstraZeneca, Eli Lilly, Merck, GSK et autres - prennent des mesures de restructuration internes pour se préparer à la transformation numérique de la recherche pharmaceutique et à l'adoption de l'intelligence artificielle pour la découverte et le développement de médicaments.

4. À la recherche du «Big Data»

Il devient de plus en plus évident que les données sont le facteur clé de la future «révolution fondée sur l'IA» dans la recherche pharmaceutique. Sans accès à des données volumineuses, interdisciplinaires, de qualité et correctement gérées, un impact transformateur de la technologie de l'IA ne peut être pleinement réalisé. Dans ce contexte, il est important de voir comment les entreprises évoluent dans le sens du paradigme de la recherche centrée sur les données.

GSK et 23andMe

En juillet, GSK a investi 300 millions de dollars dans 23andMe, une société de tests génétiques de la Silicon Valley, soutenue par Google. Cet accord ouvre à GSK une porte d'accès à une vaste base de données d'ADN, fournissant des informations sur les relations entre gènes et maladies. 23andMe compte plus de 5 millions de clients, la majorité d'entre eux ayant choisi de permettre à leurs données d'être incluses dans des programmes de recherche.

Datavant et Verge Genomics

Datavant, une jeune start-up américaine, dirigée vers l'IA, se concentre sur l'organisation et la structuration de données de santé afin de générer des informations exploitables pour la conception et l'interprétation d'essais cliniques. Début janvier, il a annoncé une alliance stratégique avec Verge Genomics, une société utilisant l’intelligence artificielle pour découvrir et développer de nouvelles thérapies. Le partenariat nouvellement formé vise à libérer la valeur des ensembles de données pharmaceutiques en possession de Datavant - données d’essais cliniques, revendications, antécédents pharmaceutiques, dossiers de santé électroniques et données génomiques sur les patients. - accélérer la découverte et le développement de nouveaux médicaments.

Jusqu'à présent, Datavant a conclu deux autres partenariats avec Verge - avec l'institut de recherche clinique Duke (DCRI) et le groupe mondial de génomique (G3) - visant tous à associer l'expertise en découverte de médicaments, le Big Data biologique et de nouvelles technologies d'analyse de données, telles que l'IA, stimuler l'innovation dans le domaine de la recherche pharmaceutique.

5. Vers des plateformes de recherche intégrées

À la lumière des tendances susmentionnées (focalisation sur l'IA et le Big Data), une conséquence logique est que l'industrie de la recherche pharmaceutique évolue vers des modèles de coopération et de recherche fondés sur une plateforme. Les plates-formes sont des infrastructures numériques, reliant les points entre différents types d'activités, domaines de recherche, modes de fonctionnement et flux de données. Les plates-formes, ou «super-plates-formes», sont répandues dans la finance, le commerce électronique grand public et d'autres industries, mais il s'agit toujours d'un phénomène nouveau pour la recherche pharmaceutique. Plusieurs événements en 2018 sont assez illustratifs ici:

Merck, Accenture et AWS

Il a été annoncé que Merck et Accenture collaboraient avec Amazon Web Services pour créer une plate-forme basée sur le cloud qui engloberait des collaborateurs dans divers secteurs de l'industrie des sciences de la vie. Cette plate-forme d'analyse sera construite à l'aide d'interfaces de programmation d'applications (API) ouvertes et facilitera la mise en place d'un environnement collaboratif pour accélérer les efforts de découverte de médicaments. Cela permettra non seulement aux chercheurs de regrouper, d'accéder à et d'analyser des données interdisciplinaires, mais aussi de réduire les obstacles à l'entrée sur le marché de nouveaux fournisseurs de valeur - développeurs d'applications, scientifiques, fournisseurs de contenu et de données, etc.

Google et WuXi NextCODE

En mars, WuXi NextCODE a annoncé un partenariat avec Google visant à intégrer son système de gestion de base de données génomique extrêmement évolutif et ses applications de recherche dans la plate-forme Google Cloud. À leur tour, des outils tels que Google Cloud BigQuery et DeepVariant seront intégrés aux fonctionnalités de WuXi NextCODE. Les deux sociétés travailleront également sur des outils et des API supplémentaires pour renforcer la communauté mondiale de la génomique.

(Lire aussi: «Préparez-vous pour les« super-plateformes »dans la recherche sur les soins de santé et l'industrie pharmaceutique»)

6. Les organisations unissent leurs forces pour adopter l'IA pour la découverte de médicaments

L'un des éléments importants d'un écosystème industriel mature - la présence de consortiums et d'associations spécialisées, dont l'objectif est de faciliter l'interaction entre les membres de la communauté, d'établir les normes de l'industrie et de révéler les meilleures pratiques, d'éduquer le grand public sur le sujet et de faire pression en faveur de changements importants. à la réglementation gouvernementale.

L'industrie de la recherche pharmaceutique en est aux débuts de l'adoption généralisée de l'intelligence artificielle pour la découverte de médicaments. L'écosystème émergent des praticiens de l'IA dans cet espace commence seulement à se développer. Cependant, plusieurs étapes importantes vers la création d'alliances industrielles ont déjà été franchies récemment:

Consortium MLPDS

En mai 2018, le MIT a formé un puissant consortium entreprises-universités, le Machine Learning pour la découverte et la synthèse pharmaceutiques (MLPDS), qui regroupe déjà certains des principaux acteurs du secteur pharmaceutique: Amgen, BASF, Bayer, Eli Lilly, Novartis, Pfizer, Sunovion et WuXi. Ayant son siège à Cambridge, dans le Massachusetts, l’un des centres mondiaux pour l’innovation biopharmaceutique, le consortium nouvellement formé permet une coopération étroite entre partenaires (beaucoup d’entre eux étant présents à Cambridge) et la création d’un centre pour l’utilisation de l’intelligence artificielle. dans la recherche pharmaceutique.

Consortium ATOM

Un autre consortium important, ATOM (Accelerating Therapeutics for Opportunities in Medicine), a été formé à la fin de l'année dernière par ses partenaires fondateurs - GSK, Laboratoire national Lawrence Livermore, Laboratoire national de recherche sur le cancer Frederick, et l'Université de Californie. San Francisco - avec un soutien financier au titre de la loi sur les traitements du 21ème siècle. Bien que la mission de l’ATOM comprenne un large éventail d’activités visant à faciliter la découverte de médicaments efficaces dans le domaine de l’oncologie, certaines des tâches principales sont axées sur la promotion de l’intelligence artificielle par les acteurs du secteur pharmaceutique et la démocratisation de l’accès au big data de la recherche. En avril 2018, Numerate, l'un des principaux développeurs d'IA pour la découverte de médicaments, a exprimé son intention de rejoindre le consortium.

Alliance AAIH

Enfin, le mois de septembre a été marqué par une étape importante: l’annonce de la mission et les activités de lancement d’une Alliance mondiale pour l’intelligence artificielle dans les soins de santé (AAIH), qui doit devenir une organisation internationale de premier plan pour la promotion des innovations en intelligence artificielle dans la découverte de médicaments, la recherche clinique, Diagnostics, médecine de précision et autres domaines clés de la recherche pharmaceutique et des soins de santé.

7. Créer une référence dans l’industrie pour comparer les modèles d’apprentissage automatique

Il est essentiel de disposer d’un ensemble normalisé de métriques et de jeux de données permettant d’évaluer et de comparer une grande variété de modèles d’apprentissage automatique disponibles et novateurs afin de créer et de maintenir les meilleures pratiques de l’industrie.

MOSES (Ensembles Moléculaires)

Un groupe de scientifiques de la société de découverte de médicaments Insilico Medicine, dirigée par l'IA, a récemment pris des mesures similaires, en collaboration avec une plate-forme de données synthétiques distribuée pour l'apprentissage en profondeur - Neuromation, et le groupe de recherche Alán Aspuru-Guzik de l'Université de Toronto. , qui a lancé une plate-forme de recherche ouverte MOSES (Molecular Sets), décrite dans l’article «Molecular Sets (MOSES): une plate-forme d’analyse comparative des modèles de génération moléculaire». Le code source et les jeux de données de la plate-forme sont tous disponibles sur GitHub.

La plate-forme est censée jouer un rôle similaire dans le développement de la découverte de médicaments basée sur l'IA, tout comme ImageNet dans l'avancement de l'apprentissage en profondeur pour les données d'imagerie. MOSES est ouvert aux chercheurs et aux organisations afin qu'ils apportent leurs ensembles de données et leurs modèles afin d'étendre la plate-forme d'analyse comparative.

***

L'article ci-dessus résume très brièvement certains aspects de la manière dont les technologies de l'intelligence artificielle et les mégadonnées commencent à jouer un rôle central dans la recherche pharmaceutique. Pour obtenir une vue plus complète sur le sujet, abonnez-vous à la lettre d'information BiopharmaTrend pour recevoir de nouvelles informations sur les analyses de marché directement dans votre boîte de réception. Nous vous dérangerons rarement plus d'une fois par mois.