Qubit Pharmaceuticals mise sur la capacité de calcul
Pour être en mesure de traiter de plus grandes quantités de données, la start-up parisienne parie sur la puissance du calcul haute performance et se prépare à l’arrivée de l’informatique quantique. Elle part d’une bibliothèque réelle de molécules afin d’entraîner son algorithme d’IA. L’objectif : trouver parmi des milliards de possibilités, des molécules chimiques efficaces sur une cible thérapeutique donnée.
Qubit Pharmaceuticals développe « des modèles de physique qui peuvent modéliser n’importe quelle cible et prédire comment une molécule peut se lier avec elle », résume son directeur général, Robert Marino. Les outils de modélisation moléculaire existent depuis plusieurs années déjà. Mais, avec la complexification des cibles thérapeutiques, il est nécessaire d’affiner les modèles numériques [photo] pour tester des molécules plus complexes. Qubit Pharmaceuticals répond à cette problématique par l’accélération de la vitesse de calcul. Elle se concentre sur l’oncologie, les maladies inflammatoires et les antiviraux.
Aqemia marie IA et physique quantique
Cette start-up créée à Paris exploite l’IA générative et la physique quantique pour accélérer la recherche en oncologie et immuno-oncologie. « L’IA invente de nouvelles molécules et le moteur de physique quantique prédit si elles seront actives ou non sur la maladie, puis améliore le modèle avec ses retours », explique Maximilien Levesque, son cofondateur. Aqemia a conçu un système reposant sur l’apprentissage machine, qui nécessite d’entraîner son algorithme sur de larges bases de données de molécules chimiques.
La start-up se différencie en promouvant sa solution de génération de molécule en 3D pour voir comment elle interagit avec la cible thérapeutique. Et souligne que son modèle d’IA est explicable grâce à la physique quantique, qui permet de tester les hypothèses. La molécule est ensuite synthétisée et testée en conditions réelles. Aqemia mène actuellement une douzaine de projets de recherche en interne, tout en travaillant avec des laboratoires comme Sanofi, Servier et Janssen.
Iktos Fondée en 2016, la start-up Iktos a mis au point un logiciel utilisant les modèles génératifs d’apprentissage profond, afin de concevoir des molécules optimisées in silico. (© Iktos)
Iktos s’appuie sur l’IA pour designer des molécules
« Nous utilisons des modèles génératifs d’IA pour imaginer de nouvelles molécules ayant le plus de chances d’être actives biologiquement sur une cible thérapeutique, tout en ayant toutes les qualités requises pour être des médicaments [solubilité, sélectivité, stabilité, perméabilité, ndlr] », détaille Yann Gaston-Mathé, le fondateur et directeur général d’Iktos. La start-up parisienne collecte les données disponibles dans le domaine public (publications scientifiques et brevets), mais aussi des données privées sur des molécules déjà synthétisées et testées ou sur des structures de molécules en 3D.
Les molécules imaginées par le premier modèle d’IA sont ensuite testées virtuellement. Seules certaines sont synthétisées par des chimistes. Iktos met à la disposition des laboratoires une plateforme SaaS (logiciel en ligne) et prépare son propre laboratoire automatisé de synthèse de molécules. Il s’agit d’un robot piloté par des outils d’IA. Une brique technologique imagine les voies de synthèse pour fabriquer la molécule, une autre optimise le plan de charge du robot pour maximiser les tâches. En cours de test, il devrait être opérationnel d’ici à la fin de l’année.
Owkin, de la recherche de cible aux essais
Contrairement aux start-up citées précédemment, Owkin se positionne sur l’ensemble des étapes de la découverte d’un nouveau médicament. La start-up franco-américaine cherche d’abord à identifier des cibles thérapeutiques. Soit en collectant et comparant des données moléculaires chez des personnes malades et non malades, soit en identifiant un groupe de gènes responsables de la maladie, en détectant les données qui ont le plus fort impact sur la survie d’un patient, en utilisant des outils prédictifs d’IA.
Ensuite, Owkin cherche des molécules grâce à « un algorithme de machine learning qui évalue la probabilité qu’elles agissent sur la cible thérapeutique identifiée », explique Mathieu Galtier, le responsable data et plateforme. La start-up a fait de l’apprentissage fédéré sa spécialité : son algorithme accède ainsi à diverses bases de données, sans les mettre en commun. Sanofi a investi 180 millions d’euros dans Owkin, qui mène des recherches en cancérologie, immunologie et cardiologie, et propose aussi des outils pour optimiser les essais cliniques.
