VivoSim et Chemveda placent les tissus humains au centre de la découverte de médicaments par IA

Les modèles génératifs proposent désormais des molécules bien plus vite qu'on ne peut les tester. La sécurité est le point où la file d'attente se forme.

Si les criblages sur tissus humains tiennent leurs promesses, les clients biotech pourraient écarter plus tôt les mauvais composés et réduire l'expérimentation animale. Personne n'a encore démontré que de meilleures prédictions en laboratoire font grimper les taux de succès clinique.

L'accord : le tissu humain comme banc d'essai

Dans le cadre de la collaboration, Chemveda concevra, synthétisera et optimisera des composés issus de l'IA pour des clients pharmaceutiques et biotechnologiques. VivoSim fera passer certaines molécules par ses modèles NAMkind Liver et NAMkind Intestine, construits à partir de cellules humaines primaires. Pourquoi intégrer du tissu humain dans la boucle ? Parce que le chimiste a besoin du signal de toxicité pendant que la molécule peut encore être modifiée. VivoSim parle d'un cycle rapide conception-fabrication-test, où les données tissulaires reviennent vers la synthèse au lieu d'arriver une fois le candidat figé. Keith Murphy, président exécutif de VivoSim, a résumé le problème sans détour dans l'annonce. L'IA a donné à l'industrie « une lance à incendie qui produit de nouvelles molécules », a-t-il dit, mais pas le moyen de savoir lesquelles fonctionneront et lesquelles risquent de nuire aux patients.

Pourquoi les tests de sécurité sont le goulot d'étranglement

L'argument repose sur un mode d'échec bien connu. La toxicité hépatique et gastro-intestinale reste l'une des causes les plus fréquentes d'échec des médicaments prometteurs en clinique, souvent après des années de travail et des centaines de millions de dollars. Les modèles génératifs peuvent aujourd'hui proposer des milliers de molécules nouvelles dans le temps qu'il fallait jadis pour en concevoir une poignée. VivoSim s'appuie sur un jeu de données cliniques de 92 composés à petite molécule. Sur cet ensemble, son modèle NAMkind Liver a prédit les lésions hépatiques d'origine médicamenteuse avec une exactitude de 91 %, une sensibilité de 90 % et une spécificité de 95 %, selon l'entreprise. Elle affirme aussi une sensibilité supérieure à 90 % là où les modèles animaux et les méthodes classiques ne détectent que 50 % à 65 % des hépatotoxiques réels.

Ce sont des chiffres de l'entreprise. Ils ont été publiés dans une annonce de l'entreprise et n'ont pas été reproduits de façon indépendante.

Le vent réglementaire, lui, souffle vraiment. La Food and Drug Administration américaine encourage activement les nouvelles méthodes d'approche pertinentes pour l'homme à la place des tests sur animaux, selon la même annonce. Cela compte sur le plan commercial : un criblage accepté par les régulateurs vaut plus qu'un criblage qui ne convainc qu'un chimiste.

D'autres groupes construisent la même couche de validation

VivoSim n'est pas seul à vendre de la validation plutôt que de la génération. QurieGen et Rayca Precision ont annoncé le 3 novembre qu'ils relieront découverte de cibles, conception moléculaire assistée par IA et validation cellulaire dans un seul flux de travail itératif. QurieGen mesure l'expression génique, les protéines de surface et intracellulaires et les phosphoprotéines de cellules individuelles au fil du temps. Rayca associe l'IA à des simulations fondées sur la physique pour modéliser le mouvement des protéines et trouver des sites de liaison, y compris ceux accessibles seulement par intermittence. Un projet pilote entre les deux part d'une question biologique, d'une aire thérapeutique et de contraintes convenues. Quand les résultats s'écartent des attentes, les données doivent permettre de distinguer une mauvaise cible d'une mauvaise molécule. Les partenaires affirment que la boucle vise à réduire l'incertitude avant les décisions de R&D critiques.

L'argent afflue vers la même couche. Vitroscope a levé 7 000 000 de dollars, soit un tour d'amorçage de 5 000 000 de dollars plus 2 000 000 de dollars de financement non dilutif du Conseil norvégien de la recherche, et a levé 8 800 000 de dollars à ce jour.

Sa plateforme de paillasse vitro.alive mène six expériences parallèles indépendantes, et Vitroscope et Instant Bio ont maintenu des organoïdes cérébraux humains vascularisés sous perfusion pendant sept jours. Une version à 96 expériences, vitro.scale, est en développement. Les données sont l'autre voie. Parse Biosciences et Nomic Bio construisent Cascade, un jeu de données de référence de 100 000 000 de cellules qui associe séquençage ARN unicellulaire et plus de 11 000 profils de protéines sécrétoires dans plus de 150 000 conditions de cytokines et de médicaments. GSK, Pfizer, Sanofi, Graph Therapeutics et Turbine se sont associés au projet, selon les entreprises.

Ce qui constituerait une preuve

À quoi ressemblerait une preuve ? VivoSim affirme que ses partenaires sauront en quelques semaines, et non en années, quelles molécules méritent d'avancer.

C'est une affirmation sur la vitesse. L'affirmation plus difficile, selon laquelle des criblages pertinents pour l'homme augmentent la part de candidats qui franchissent les essais, prendra des années à vérifier. Les propres accords des grands laboratoires montrent le calendrier. AstraZeneca a signé un partenariat stratégique de découverte de médicaments avec Insitro portant sur la maladie hépatique métabolique et les pathologies du muscle cardiaque, structuré en paiements conditionnés par des étapes. Kalkine Media notait que tout bénéfice commercial de cette alliance se situerait plusieurs années plus tard. L'argent frais de Vitroscope est destiné au déploiement commercial de vitro.alive et à un travail à plus haut débit avec vitro.scale. Parse et Nomic présentent Cascade comme la plus grande ressource de ce type prête pour des applications d'IA destinées à modéliser le système immunitaire. Murphy a dit que l'objectif était de remplacer les approximations par des résultats pertinents pour l'homme. Aucun de ces groupes n'a publié de taux de succès clinique. Ce chiffre, quand il arrivera, tranchera le débat.