I N S I L I A N C E

RESEARCHERS-DRIVEN AI FOR DRUG DISCOVERY

Notre approche pragmatique POC by POC de l'IA nous permet de proposer aux chercheurs des solutions qui contribuent immédiatement à l'avancée de leur projet 

Parmi diverses stratégies de recherche, le repositionnement de médicaments agréés (3 000) permet de réduire les risques de la recherche (taux d'agrément de 30% contre 11% pour une molécule de novo), les coûts (40 à 80%) et la durée du processus (30 à 40%).

Et leur combinaison dans un système donnée renforce leur potentiel médico-économique par un effet pharmacologique plus élevé et une réponse mieux adaptée aux pathologies complexes. 

Qu'il s'agisse d'optimiser le repositionnement de médicaments ou de rendre possible leurs combinaisons - leur nombre potentiel est trop élevé pour une approche systématique à la paillasse - nos experts en Biologie des systèmes/BioDataScience/Informatique médicale contribuent à la réussite de tels projets.

En étroite collaboration avec le Directeur scientifique et les biologistes d'une Biotech cotée, dans le cadre d'un projet de sélection de molécules d'intérêts pour traiter une maladie rare et orpheline (SNC), nous avons ainsi validé 2 POCs qui facilitent la vie des chercheurs, accélèrent leur projet, réduisent leurs risques tout en augmentant leur potentiel médico-économique :

  • POC 1 = Comment identifier, à l’aide de base de données publiques, des médicaments modulant une cible neuronale ? Cette POC utilise nos solutions d’IA appliquées à 2 bases de données publiques Transcriptomique et Molécules  (290 molécules et 870 signatures) ; elle a permis d’identifier 2 nouvelles structures non connues préalablement et qui ont été validées par des approches expérimentales

  • POC 2 = Comment synthétiser les effets de 2 700 molécules, décrits dans une base de 40.000 abstracts que nous avons extraits de PubMed ? Cette POC a permis de sélectionner et classer par potentiel ces composés ; les 60 meilleurs candidats sont en cours de confirmation sur cultures cellulaires.

Lors de ces 2 POCs, nous avons réussi l’analyse du contenu de textes PubMed  avec une qualité et une vitesse qui ont été validées par les chercheurs : 2 000 abstracts ou 10 articles scientifiques complets en 1mn.

INSILIANCE engage ainsi ses expertises en Biologie des systèmes/ BioDataScience/Informatique médicale selon une approche pragmatique, hautement collaborative et aux résultats rapides qui peut s'appliquer à différentes stratégies de recherche.

Élaborer, faire financer et réaliser ensemble un projet de recherche pharmaceutique avec le mode de collaboration le plus adapté   

Dans cette phase d'appropriation de l'IA pour la recherche pharmaceutique, les approches de type Lead Users développées par le MIT sont pertinentes. Elles permettent aux partenaires de contribuer à une innovation fertile par la mise en commun de leurs expertises, expériences et intuitions tout au long du processus de collaboration.

 

Scénario 1 : Vous avez besoin d'un partenaire expert en IA pour la recherche pharmaceutique ou la médecine de précision dans le cadre d'une collaboration bilatérale ?

 

Scénario 2 : Vous voulez répondre à un Appel à Projets (UE, ANR, HDH, fondations, etc.) ou présenter un projet "blanc" (PSPC, ANR, etc.) en intégrant notre expertise scientifique dans un consortium ?

Scénario 3 : En qualités de CRO, vous avez besoin de nous intégrer en qualités de sous ou co-traitant dans le cadre de l'un de vos projets ?

Voici des Services scientifiques que nous pouvons alors vous rendre et des modules logiciels que nous pouvons mettre à votre disposition :

 

 

Nous pouvons nous engager à vos côtés dans le respect strict des règles d'accès aux données de santé, de la PI et des clauses de non-concurrence pour développer avec vous un projet innovant et à fort potentiel médico-économique pour tous les acteurs. 

INSILIANCE a l'expérience de collaborations bilatérales et des consortiums (Biotechs, CHU, laboratoires de recherche, etc.) avec l'élaboration de projets PSPC, ANR, etc.

© 2021 INSILIANCE - Researchers-Driven AI for Drug Discovery - Paris - Rennes - Toulouse (France)