Partnerskaber

Pierre Fabre tager XtalPis AI og robotteknologi i brug til at finde nye lægemidler

mm
Føj Unite.AI til dine foretrukne kilder på Google

Laboratoires Pierre Fabre og XtalPi offentliggjorde den 9. november 2026, at de har indgået en aftale om at finde nye kliniske kandidater baseret på små molekyler på tværs af flere forskningsprogrammer. XtalPi bidrager med integrerede AI-kompetencer og en robotplatform, mens Pierre Fabre udvælger og videreudvikler forbindelser inden for onkologi, potentielt også dermatologi, og sjældne sygdomme.

Partnerne retter arbejdet mod udfordrende mål, som historisk har været vanskelige at ramme med lægemidler, og som de forbinder med et betydeligt udækket medicinsk behov og store muligheder for innovativ lægemiddelopdagelse.

Dette fokus sætter virksomhedernes erklærede mål om at fremskynde identifikationen af kliniske kandidater af høj kvalitet i perspektiv. Vægten på både kvalitet og hastighed betyder, at målet er at udvikle forbindelser, der er lovende nok til at blive kliniske kandidater inden for områder, hvor det har været vanskeligt at finde nye lægemidler.

Ansvarsområder inden for design og udvikling

XtalPi står for de novo-design, dvs. udvikling af nye molekylære strukturer, og leverer nye lægemidler baseret på små molekyler rettet mod mål, der ikke er offentliggjort. Dermed kommer virksomhedens integrerede AI-kompetencer og robotplatform ind i den indledende fase af parternes opdagelsesproces, hvorefter de resulterende molekyler går videre til Pierre Fabres udvælgelse.

Pierre Fabre vil bruge sin ekspertise inden for sygdomsbiologi, lægemiddelopdagelse, translationel forskning og klinisk udvikling til at udvælge og videreudvikle de mest lovende forbindelser. Virksomheden bliver også ansvarlig for den efterfølgende kliniske og kommercielle udvikling. Aftalen sikrer dermed kontinuitet for Pierre Fabre fra udvælgelsen til de efterfølgende udviklingsfaser, mens XtalPis klart definerede ansvar fortsat er at designe og levere de underliggende molekyler.

Målet om at fremskynde arbejdet omfatter udtrykkeligt flere programmer inden for onkologi og potentielt også andre terapeutiske områder. Det giver XtalPis platform flere forskningsområder, hvor designene kan vurderes med udgangspunkt i Pierre Fabres ekspertise inden for sygdomsbiologi og translationel forskning.

Betalinger og R&D-strategi

Aftalen omfatter en forudbetaling, flere milepælsbetalinger og en efterfølgende økonomisk deltagelse.

For Laboratoires Pierre Fabre er aftalen en strategisk tilføjelse til virksomhedens R&D-roadmap, som styrker dens kompetencer inden for lægemiddelopdagelse. Francesco Hofmann, chef for lægemiddelforskning og -udvikling hos Laboratoires Pierre Fabre, beskrev XtalPis AI-ekspertise som »en afgørende tilføjelse til vores R&D-roadmap og vores motor for lægemiddelopdagelse«.

For XtalPi bringer samarbejdet virksomheden videre i arbejdet med at anvende AI og robotteknologi til de novo-lægemiddelopdagelse. De to erklærede begrundelser supplerer hinanden: Pierre Fabre føjer en AI-baseret komponent til lægemiddelopdagelsen til sin forskningsplan, mens XtalPi anvender sin platform i terapeutiske samarbejdsprogrammer med en fastlagt vej til klinisk og kommerciel udvikling.

Den afgørende prøve kommer i overgangen fra molekylært design til udvikling. For mål, der historisk har været vanskelige at ramme med lægemidler, afhænger værdien af partnerskabet af, om XtalPis designede molekyler bliver til forbindelser, som Pierre Fabre vurderer er lovende nok til at videreudvikle, og i sidste ende af, om de opfylder virksomhedernes mål om kliniske kandidater af høj kvalitet på områder med udækket medicinsk behov.

Naomi Crest er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker kunstig intelligens i lægemidler, lægemiddelforskning og molekylær forskning. Hendes arbejde fokuserer på, hvordan AI-drevne modeller accelererer målidentifikation, stofscreening, proteinstrukturanalyse og kliniske forskningsarbejdsprocesser på tværs af lægemiddelindustrien.
Med et videnskabeligt og metodisk perspektiv undersøger Naomi, hvordan maskinlæring anvendes i kemi, biologi og farmakologi for at forkorte udviklingstider og forbedre succesrater i lægemiddelforskning. Hun lægger særlig vægt på validering, reproducerbarhed og reguleringsovervejelser, idet hun fremhæver evidensbaseret fremgang over spekulative påstande.
Artikler skrevet af Naomi Crest er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre nøjagtighed, klarhed og ansvarlig dækning af AI's rolle i udviklingen af lægemiddelforskning og -udvikling.