Le laboratoire pharmaceutique Boehringer Ingelheim a annoncé son intention de développer de nouveaux médicaments à base d’anticorps en utilisant l’intelligence artificielle (IA), l’analytique et la science des données.
Pour atteindre cet objectif, l’entreprise a créé sa propre division, Global Computational Biology and Digital Sciences (gCBDS), afin d’utiliser de grandes quantités de données pour la recherche de nouvelles substances actives.
L’objectif de cette recherche est d’isoler de nouveaux anticorps thérapeutiques pour lutter contre les maladies graves telles que le cancer, les maladies auto-immunes et les maladies infectieuses. Les traitements par anticorps sont considérés comme une arme importante dans la lutte contre ces maladies, car ils semblent avoir moins d’effets secondaires que les médicaments classiques. Cependant, le développement de nouveaux anticorps demande beaucoup de temps et de travail, nécessitant une précision méticuleuse et de longues séries d’essais en laboratoire.
Pour accélérer ce processus, Boehringer Ingelheim a choisi de faire avancer la recherche de nouveaux anticorps grâce à des simulations sur ordinateur, en utilisant des méthodes « in silicium ». Selon Andrew Nixon, directeur des recherches biothérapeutiques chez Boehringer Ingelheim, l’objectif est clair : « Le développement in silicium doit permettre à Boehringer de développer et de proposer de nouveaux traitements aux patients dont les besoins non satisfaits sont importants. »
Pour y parvenir, l’entreprise a établi une collaboration avec l’équipe de recherche d’IBM. Les informations sur la séquence génétique, la structure et le profil moléculaire de cibles pertinentes pour la maladie, ainsi que les critères de réussite pour les molécules d’anticorps d’intérêt thérapeutique, tels que l’affinité, la spécificité et la capacité de développement, serviront de critères de base pour générer de nouvelles séquences d’anticorps humains par simulation.
Au cœur du projet, un modèle d’IA pré-entraîné développé par IBM sera affiné avec des données propriétaires supplémentaires de Boehringer Ingelheim. L’entreprise s’appuiera sur les dernières technologies de modèles de fondation d’IBM, qui devraient rendre le développement d’anticorps plus rapide et plus efficace et améliorer la qualité des anticorps candidats proposés par l’algorithme.
Les modèles de fondation seront utilisés pour concevoir des anticorps candidats pour les molécules cibles définies, qui seront ensuite testés à l’aide d’une simulation basée sur l’IA. Les meilleurs liants pour la cible déterminée seront sélectionnés et affinés. Dans une étape de validation, Boehringer prévoit de produire les anticorps candidats à l’échelle du laboratoire et de les évaluer expérimentalement. Les résultats des essais en laboratoire seront utilisés pour améliorer les méthodes de simulation sur ordinateur par le biais de boucles de rétroaction.
Les technologies de modélisation biomédicale d’IBM utilisées à cet effet se basent sur un grand nombre de données disponibles publiquement, notamment des bases de données d’interactions protéine-protéine et d’interactions médicament-cible. Ces modèles peuvent ensuite être affinés par des partenaires, tels que Boehringer Ingelheim, à l’aide de données propriétaires spécifiques afin de produire des protéines et petites molécules développées avec les propriétés souhaitées.
Une des multiples applications
La collaboration avec IBM n’est que l’un des nombreux projets d’IA menés par Boehringer Ingelheim. L’entreprise est actuellement en train de mettre en place un écosystème numérique avec des partenaires du monde académique et commercial afin de découvrir et de développer plus rapidement des médicaments et de créer des services susceptibles d’améliorer la vie des patients.
Boehringer Ingelheim travaille également avec la technologie médicale de Zeiss pour développer des analyses prédictives qui permettent un dépistage précoce des maladies oculaires et la prescription de traitements personnalisés, afin de prévenir la cécité chez les personnes souffrant de graves maladies oculaires. L’objectif est de créer une base pour les études cliniques afin de développer des traitements personnalisés et plus précis aux premiers stades des maladies chroniques de la rétine, afin d’améliorer le pronostic de préservation de la vue chez les patients concernés. Via cette même approche, l’IA doit également amener un dépistage plus précoce des maladies oculaires.
