Percée médicale propulsée par l’IA : exploitation de l’intelligence artificielle pour la découverte de nouveaux médicaments

La découverte de médicaments est connue sous le nom de “du banc au lit” en raison de sa longue durée et de ses coûts élevés. Il faut environ 11 à 16 ans et entre 1 milliard et 2 milliards de dollars pour mettre un médicament sur le marché. Mais maintenant, l’IA révolutionne le développement de médicaments, offrant un meilleur rythme et une meilleure rentabilité.

L’IA dans le développement de médicaments a transformé notre approche et notre stratégie en matière de recherche biomédicale et d’innovation. Elle a aidé les chercheurs à réduire les complexités des voies de maladie et à identifier les cibles biologiques.

Examinons plus en détail ce que l’IA dans la découverte de médicaments réserve pour l’avenir.

Comprendre le rôle de l’IA : comment elle est utilisée pour la découverte de médicaments ?

L’IA a amélioré les différentes étapes du processus de découverte de médicaments grâce à sa capacité à analyser de grandes quantités de données et à faire des prédictions complexes. Voici comment :

1. Identification des cibles

L’identification des cibles est le premier processus de découverte de médicaments, qui consiste à identifier des entités moléculaires possibles, telles que des protéines, des enzymes et des récepteurs, présentes dans le corps qui peuvent se combiner avec des médicaments pour produire des effets thérapeutiques contre les maladies.

L’IA peut exploiter de grandes bases de données cliniques qui contiennent des informations clés sur l’identification des cibles. Ces sources de données peuvent inclure des recherches biomédicales, des informations biomoléculaires, des données d’essais cliniques, des structures de protéines, etc.

Des modèles d’IA formés, associés à des techniques biomédicales telles que l’expression des gènes, peuvent comprendre des maladies biologiques complexes et identifier les cibles biologiques pour les candidats-médicaments. Par exemple, des chercheurs ont développé diverses techniques d’IA pour l’identification de nouvelles cibles anticancéreuses.

2. Sélection des cibles

L’IA dans la découverte de médicaments peut aider les chercheurs à sélectionner des cibles prometteuses en fonction de leurs corrélations avec les maladies et de leur utilité thérapeutique prévue. Avec une reconnaissance de modèles solide, l’IA peut effectuer cette sélection non seulement sur la base de la littérature médicale déclarée, mais également sélectionner de nouvelles cibles sans référence antérieure dans les brevets publiés.

3. Priorisation des médicaments

À cette étape, l’IA évalue et classe les composés de médicaments de tête, en les priorisant pour une évaluation et une recherche plus approfondies afin de faire progresser leur développement. Par rapport aux techniques de classement précédentes, les approches basées sur l’IA sont plus efficaces pour identifier les candidats les plus prometteurs. Par exemple, des chercheurs ont développé un cadre de calcul basé sur l’apprentissage profond pour identifier et prioriser de nouveaux médicaments contre la maladie d’Alzheimer.

4. Dépistage des composés

Les modèles d’IA peuvent prédire les propriétés chimiques et la bioactivité des composés et fournir des informations sur les effets secondaires. Ils peuvent analyser des données provenant de diverses sources, notamment des études et des bases de données antérieures, pour identifier les risques ou les effets secondaires potentiels associés à un composé particulier. Par exemple, des chercheurs ont développé un outil d’apprentissage profond pour dépister les bibliothèques chimiques avec des milliards de molécules pour accélérer considérablement l’exploration de composés à grande échelle.

5. Conception de médicaments de novo

Le dépistage manuel de grandes collections de composés a été une pratique traditionnelle dans la découverte de médicaments. Avec l’IA, les chercheurs peuvent dépister de nouveaux composés avec ou sans informations antérieures et prédire la structure finale 3D des médicaments découverts. Par exemple, AlphaFold, développé par DeepMind, est un système d’IA qui peut prédire les structures de protéines. Il maintient une base de données de plus de 200 millions de prédictions de structures de protéines qui peuvent accélérer le processus de conception de médicaments.

5 exemples réussis de découverte de médicaments basée sur l’IA

1) Abaucin

Les antibiotiques tuent les bactéries. Mais en raison du manque de nouveaux médicaments et de l’évolution rapide de la résistance bactérienne aux anciens médicaments, les bactéries deviennent difficiles à traiter. Abaucin, un antibiotique expérimental développé par l’IA, est conçu pour tuer Acinetobacter baumannii, l’une des bactéries super-résistantes les plus dangereuses.

En utilisant l’IA, les chercheurs ont d’abord testé des milliers de médicaments pour voir comment ils fonctionnaient contre la bactérie, Acinetobacter baumannii. Ensuite, ces informations ont été utilisées pour former l’IA à créer un médicament capable de traiter efficacement cette bactérie.

2) Target X par Insilico Medicine

Insilico Medicine a utilisé sa plate-forme d’IA générative et a créé un médicament appelé Target X, qui est maintenant en phase 1 des essais cliniques. Target X est conçu pour traiter la fibrose pulmonaire idiopathique, une maladie qui peut causer une rigidité pulmonaire chez les personnes âgées si elle n’est pas traitée. La phase 1 impliquera 80 participants, et la moitié recevra des doses plus élevées progressivement. Cela aidera à évaluer comment le médicament interagit avec le corps humain.

3) VRG50635 par Verge Genomic

Verge Genomics, une entreprise de découverte de médicaments basée sur l’IA, a utilisé sa plate-forme CONVERGE pour découvrir un nouveau composé, VRG-50635, pour le traitement de la sclérose latérale amyotrophique (SLA) en analysant des points de données humains. Les points de données incluaient des informations sur les tissus du cerveau et de la moelle épinière de patients atteints de maladies neurodégénératives telles que la maladie de Parkinson, la SLA et la maladie d’Alzheimer.

La plate-forme a d’abord identifié l’enzyme PIKfyve comme une cible potentielle pour la SLA, puis a suggéré VRG50635 comme un inhibiteur prometteur de PIKfyve, qui est devenu un candidat-médicament potentiel pour traiter la SLA. Le processus a pris environ quatre ans, et maintenant le candidat est en phase 1 des essais cliniques humains.

4) Exscientia-A2a Récepteur

Exscientia, une entreprise de technologie médicale basée sur l’IA, est responsable de la première molécule conçue par l’IA pour le traitement de l’immuno-oncologie – une forme de traitement du cancer qui utilise le système immunitaire du corps pour lutter contre les cellules cancéreuses. Leur médicament basé sur l’IA est entré en phase d’essais cliniques humains. Son potentiel réside dans sa capacité à cibler le récepteur A2a pour promouvoir l’activité anti-tumorale tout en minimisant les effets secondaires sur le corps et le cerveau.

En utilisant l’IA générative, ils ont créé d’autres composés pour cibler diverses maladies, telles que

• Les cancers addictifs à la transcription en ciblant les inhibiteurs de CDK7
• Les maladies inflammatoires en ciblant l’enzyme PKC-theta
• Les maladies hématologiques et oncologiques en ciblant le régulateur LSD1

5) Absci-anticorps de novo avec l’IA générative à zéro tir

Absci, une entreprise de découverte de médicaments basée sur l’IA générative, a démontré l’utilisation de l’IA générative à zéro tir pour créer des anticorps de novo via simulation informatique. L’apprentissage à zéro tir signifie que le modèle d’IA n’a pas été explicitement testé sur les informations d’entrée actuelles pendant la phase de formation. Par conséquent, ce processus peut générer de nouveaux designs d’anticorps de son propre chef.

Les anticorps thérapeutiques de novo alimentés par l’IA réduisent le temps nécessaire pour développer de nouveaux candidats-médicaments de six ans à seulement 18 à 24 mois, augmentant ainsi leur probabilité de succès en clinique. La technologie de l’entreprise peut tester et valider 3 millions de conceptions générées par l’IA chaque semaine. Ce nouveau développement pourrait apporter instantanément de nouveaux traitements à chaque patient, marquant un changement industriel important.

Quel est l’avenir de l’IA et de la découverte de médicaments ?

Outre de nombreuses autres applications de soins de santé, l’IA rend le processus de découverte de médicaments plus rapide et plus intelligent en analysant de vastes ensembles de données et en prédissant des cibles et des candidats-médicaments prometteurs. En utilisant l’IA générative, les entreprises de biotechnologie peuvent identifier les marqueurs de réponse des patients et développer des plans de traitement personnalisés rapidement.

Un rapport suggère que bientôt, davantage d’entreprises de technologie médicale intégreront l’IA et l’apprentissage automatique dans la découverte de médicaments en phase précoce, ce qui contribuera à créer un marché de 50 milliards de dollars au cours des dix prochaines années, offrant ainsi un potentiel de croissance important pour l’IA dans l’industrie pharmaceutique. L’IA devrait potentiellement réduire les coûts globaux de découverte de médicaments, rendant ainsi plus de médicaments novateurs disponibles pour les patients plus rapidement.

Si vous souhaitez en savoir plus sur l’IA et son impact sur notre avenir, visitez unite.ai.