Une étude publiée dans le Journal of Medicinal Chemistry démontre la puissance de l'apprentissage automatique pour débloquer de nouvelles formes de chimie et de biologie afin de traiter les maladies
-La plus grande étude prospective rapportée appliquant l'apprentissage automatique à la découverte de petites molécules-
-Le lancement de l'initiative Chemome, qui vise à trouver des sondes chimiques pour des milliers de protéines, en est l'illustration.
WALTHAM, Mass. - 11 juin 2020 - X-Chem, Inc. le chef de file dans le criblage de librairies de petites molécules encodées dans l'ADN, et ZebiAI Therapeutics, une société de découverte de médicaments qui découvre de nouvelles cibles thérapeutiques, ont annoncé aujourd'hui la publication d'une vaste étude prospective visant à évaluer la puissance de l'apprentissage machine (ML) pour accélérer et améliorer le processus de découverte de médicaments. L'étude, publiée dans le Journal of Medicinal Chemistry et intitulée “Apprentissage automatique sur des bibliothèques codées en ADN : Un nouveau paradigme pour la recherche de résultats,L'étude a été réalisée en collaboration avec Google Accelerated Science (GAS), qui a mis au point les algorithmes de ML hautement prédictifs.
L'article décrit une plateforme d'apprentissage automatique efficace pour accélérer la découverte de médicaments sur la base de données de sélection de bibliothèques de petites molécules codées dans l'ADN (DEL) et démontre l'efficacité de la plateforme pour prédire des inhibiteurs de petites molécules très puissants dans une bibliothèque virtuelle de composés pour trois cibles protéiques différentes. Il détaille l'identification de composés actifs en dehors de la bibliothèque DEL qui sont structurellement différents des molécules utilisées dans la formation. Ces résultats indiquent que, au moins pour certaines cibles, la ML appliquée aux données DEL permet d'accéder à un espace chimique illimité de manière rapide et rentable.
En utilisant cette méthodologie comme technologie de base, ZebiAI et GAS ont lancé un programme, appelé “Chemome Initiative”, pour collaborer avec des chercheurs universitaires afin d'utiliser la plateforme pour mieux caractériser la fonction de protéines peu étudiées et valider de nouvelles cibles thérapeutiques. Des milliers de protéines restent sous-étudiées, avec une compréhension limitée ou totale de leur fonction et/ou de leur pertinence pour la physiopathologie des maladies. Par conséquent, il existe un potentiel inexploité pour des avancées scientifiques majeures au sein du protéome inexploré. ZebiAI et GAS développeront des molécules sondes chimiques pour la communauté universitaire sur des milliers de nouvelles cibles, permettant une meilleure compréhension de la biologie des maladies incurables.
“Cet article passionnant démontre que la combinaison des données de criblage DEL de X-Chem, à la pointe de l'industrie, avec l'apprentissage automatique peut accélérer de manière significative la découverte de petites molécules puissantes contre un ensemble diversifié de cibles. Avec notre validation contre près de 2 000 molécules et 3 cibles, il s'agit de la plus grande étude prospective publiée sur le criblage virtuel”, a commenté Patrick Riley, chercheur principal chez Google.
“Il s'agit d'une avancée majeure dans la recherche de l'utilisation de l'apprentissage automatique pour accélérer le processus de découverte de médicaments.”
“La qualité de nos données de criblage de DEL, qui s'appuie sur des protocoles de sélection experts, de vastes bibliothèques de composés développées sur plus de 10 ans, ainsi que sur une informatique et un formatage de données sophistiqués, a permis d'obtenir ces résultats passionnants”, a commenté Matt Clark, PDG de X-Chem. “Nous sommes impatients de continuer à fournir nos données de pointe à ZebiAI afin d'alimenter de puissants modèles ML.”
Rick Wagner, fondateur et directeur de ZebiAI, a déclaré : “L'initiative Chemome appliquera les techniques que nous avons mises au point pour fournir efficacement de nouvelles sondes chimiques à la communauté des chercheurs pour des milliers de protéines humaines d'intérêt. Nous appliquerons finalement les algorithmes que nous développons et les résultats de la recherche utilisant les sondes chimiques pour approfondir notre compréhension des voies pathologiques. Cette avancée permettra de faire de nouvelles découvertes biologiques significatives et, en fin de compte, d'accélérer la découverte de nouvelles thérapies pour traiter des maladies incurables”.”
Les sondes chimiques sont de petites molécules qui inhibent ou favorisent sélectivement la fonction de cibles protéiques spécifiques, ce qui permet d'étudier les systèmes et les voies pathologiques. Il est courant d'utiliser des sondes chimiques pour étudier la fonction de cibles protéiques spécifiques. À l'heure actuelle, il n'y a pas assez de sondes à petites molécules disponibles, et on estime que seulement quatre pour cent du protéome humain possède une sonde utilisable. La plupart des méthodes de criblage sont limitées par l'étendue de l'espace chimique auquel elles donnent accès. Toutefois, les bibliothèques codées dans l'ADN (DEL) combinées à la ML constituent une nouvelle solution.
Les DEL sont des bibliothèques contenant des millions ou des milliards de molécules distinctes générées par la synthèse combinatoire itérative de petites molécules attachées à des étiquettes d'ADN qui enregistrent l'histoire synthétique de la petite molécule. Chaque petite molécule de la bibliothèque possède un code-barres ADN unique, ce qui permet de cataloguer facilement les molécules. La bibliothèque est utilisée pour déterminer quelles petites molécules se lient aux protéines d'intérêt, en mélangeant les molécules DEL et les protéines et en “éliminant” ce qui ne colle pas. Les méthodes de séquençage de l'ADN sont ensuite utilisées pour déterminer le code-barres de l'ADN des molécules qui se lient à la protéine cible, ce qui permet d'identifier les molécules.
Les données sur les milliers de molécules qui se lient à une cible protéique dans un écran DEL fournissent une empreinte chimique de la cible. Il est ainsi possible de dériver un modèle ML qui peut prédire les composés actifs à partir de bibliothèques virtuelles pour la protéine d'intérêt, ouvrant ainsi un espace chimique illimité. L'étude plus large et plus approfondie de la biologie des maladies incurables à l'aide de cette approche accélérera la découverte de nouvelles thérapies, améliorant en fin de compte la santé humaine.
À propos de X-Chem, Inc. X-Chem, Inc. est une société privée de biotechnologie basée à Waltham, au Massachusetts. La mission de l'entreprise est d'appliquer son puissant moteur de produits à la découverte de petites molécules de pointe contre des cibles thérapeutiques de grande valeur. X-Chem a établi des partenariats avec AbbVie, Alexion, Almirall, Bristol-Myers Squibb, AstraZeneca, Bayer, Department of Defense/Harvard, Gilead, Janssen, Maruho, MD Anderson Cancer Center, Ono, Otsuka, Pfizer, Roche, Sanofi, Taiho Pharma, Vertex, et plusieurs autres compagnies pharmaceutiques, organisations biotechnologiques et centres académiques de premier plan. Pour plus d'informations sur X-Chem, veuillez visiter : https://www.x-chemrx.com/.
À propos de ZebiAI Therapeutics. ZebiAI Therapeutics vise à améliorer la santé humaine en utilisant l'apprentissage automatique pour cartographier la chimie du génome et découvrir de nouvelles thérapies. La technologie de base de l'entreprise applique des algorithmes d'apprentissage automatique à de vastes quantités de données de haute qualité sur les interactions entre les protéines et les petites molécules. ZebiAI a été lancée en 2019 et a conclu des partenariats avec Google et X-Chem, le leader de la découverte de petites molécules à partir de bibliothèques encodées dans l'ADN (DEL). Anterra Capital, un groupe de capital-risque soutenu par Fidelity, a mené un tour de financement de démarrage pour la société. Pour plus d'informations, veuillez consulter le site : http://www.zebiai.com.
