Les anticorps sont la réponse du corps à la maladie. Ce sont des protéines produites par le système immunitaire de l'organisme lorsqu'il détecte des substances nocives, appelées antigènes, contre lesquelles l'organisme doit se défendre.
Depuis les années 1980, la science utilise des thérapies par anticorps pour traiter des maladies telles que le cancer.
Cependant, la conception de ces thérapies est un processus lent pour les humains : les scientifiques doivent explorer des millions de combinaisons possibles d'acides aminés pour trouver les protéines qui se replieront exactement dans le bon sens, puis les tester toutes expérimentalement, en ajustant certaines variables ou en améliorant certaines caractéristiques du traitement. .
Désormais, grâce à l'utilisation de l'intelligence artificielle (IA), il est possible de traiter de gros volumes de données et d'accélérer la conception d'anticorps thérapeutiques de nouvelle génération.
Pour ce faire, robots, ordinateurs et algorithmes sont capables de traiter de gros volumes de données et de construire des molécules hautement efficaces que les humains ne peuvent même pas imaginer.
Le britannique James Field a lancé sa société LabGenius en 2012 lorsque, alors qu'il étudiait pour un doctorat en biologie synthétique à l'Imperial College de Londres , il a imaginé que les coûts du séquençage de l'ADN, de l'informatique et de la robotique pourraient être réduits.
"Si vous voulez créer un nouvel anticorps thérapeutique, quelque part dans cet espace infini de molécules potentielles se trouve la molécule que vous voulez trouver", a-t-il déclaré à Wired dans une récente interview.
Sur le site Internet de la société, il est présenté comme "un pionnier dans le développement d'une plate-forme robotique intelligente (EVA™) capable de concevoir, d'exécuter et, surtout, d'apprendre de ses propres expériences". "Nous pensons que cette approche améliorera radicalement le processus de découverte de médicaments , accélérant la génération de thérapies avancées par anticorps", a-t-il déclaré.
En utilisant le séquençage de l'ADN, l'informatique et la robotique, LabGenius automatise le processus de découverte d'anticorps. Dans le laboratoire de Bermondsey, un algorithme d'apprentissage automatique conçoit des anticorps pour cibler des maladies spécifiques, puis des systèmes robotiques automatisés les construisent et les développent en laboratoire, exécutent des tests et renvoient les données à l'algorithme, le tout avec une supervision humaine limitée. Il y a des salles pour cultiver des cellules malades, développer des anticorps et séquencer leur ADN.
Pour commencer, les scientifiques humains commencent par identifier un espace de recherche d'anticorps potentiels pour cibler une maladie particulière : ils ont besoin de protéines capables de différencier les cellules saines des cellules malades, de s'attacher aux cellules malades, puis de recruter une cellule immunitaire pour terminer le travail. Mais ces protéines pourraient être situées n'importe où dans l'espace de recherche infini des options possibles.
Cette start-up britannique a développé un modèle d'apprentissage automatique qui peut explorer cet espace beaucoup plus rapidement et plus efficacement. Comme l'a expliqué Field, « la seule information qui est donnée au système en tant qu'être humain est, voici un exemple de cellule saine, voici un exemple de cellule malade ; puis le système est laissé pour explorer les différentes conceptions (d'anticorps) qui peuvent les différencier.
Comme le publie le magazine américain spécialisé dans la technologie et la science Wired , « le modèle sélectionne plus de 700 options initiales parmi un espace de recherche de 100 000 anticorps potentiels, puis les conçoit, les construit et les teste automatiquement, dans le but de trouver des domaines potentiellement fructueux à investiguer ». ." Plus profond".
"Lorsque vous avez les résultats expérimentaux de ce premier ensemble de 700 molécules, ces informations sont renvoyées au modèle et utilisées pour affiner la compréhension de l'espace par le modèle", a déclaré Field.
C'est-à-dire que l'algorithme commence à se faire une idée de la façon dont différentes conceptions d'anticorps modifient l'efficacité du traitement, tandis que, dans chaque cycle ultérieur de conceptions d'anticorps, il améliore et équilibre soigneusement l'exploitation de conceptions potentiellement fructueuses avec l'exploration de nouveaux domaines.
Alors que les humains supervisent le processus, leur travail consiste principalement à déplacer des échantillons d'une machine à l'autre.
Selon le post, "l'approche de LabGenius produit des solutions inattendues auxquelles les humains n'ont peut-être pas pensé et les trouve plus rapidement". Et ils ont souligné qu'il ne faut que six semaines entre la configuration d'un problème et la fin du premier lot, le tout piloté par des modèles d'apprentissage automatique.
LabGenius a commencé à s'associer avec des sociétés pharmaceutiques auxquelles il propose ses services. Pour Field, l'approche automatisée pourrait également être mise en œuvre dans d'autres formes de découverte de médicaments, transformant le long processus «fait à la main» de découverte de médicaments en quelque chose de plus rationalisé.
Continuer à lire