Exploiter les partenariats AI ML pour faire progresser la découverte de médicaments avec Recursion Pharma

Une conversation avec Chris Gibson, PDG de Recursion Pharma

Demandez à n'importe qui dans la recherche clinique - de ceux qui travaillent dans la gestion des données aux opérations cliniques en passant par les affaires réglementaires - sur les tendances qu'ils ont suivies, et presque tous mentionneront la progression de l'intelligence artificielle (IA) et de l'apprentissage automatique (ML) dans l'avancement découverte et développement de médicaments.

Et comment pourraient-ils pas? L'IA/ML a envahi toutes les facettes de nos vies ; nous ne pouvons pas sembler échapper à toutes les façons dont les gens jouent avec ChatGPT et d'autres chatbots AI. Mais peut-être que l'un des domaines d'intérêt les plus critiques est l'espace de développement de médicaments. Le potentiel de l'IA/ML n'a certainement pas été perdu pour Recursion Pharma, qui a été lancée en 2013 et a récemment racheté deux sociétés technologiques canadiennes au début du mois : Valence et Cyclica.

Basée à Salt Lake City, avec des bureaux dans la Bay Area et au Canada, Recursion est une société "TechBio" en phase clinique qui industrialise la découverte de médicaments en tirant parti de l'IA/ML. Recursion a conclu des accords pour acquérir Cyclica pour 40 millions de dollars et Valence pour 47,5 millions de dollars.

Pour en savoir plus sur les acquisitions et l'avenir de l'IA/ML dans la découverte et le développement de médicaments, nous avons rencontré le PDG de Recursion, Chris Gibson.

Recursion s'appelle une société "TechBio". Bien que nous rencontrions souvent la "biotechnologie" dans le domaine de la recherche clinique, l'inverse de l'expression n'est pas aussi répandu. Quelle est l'histoire derrière le choix de ce descripteur ?

GIBSON : TechBio est un terme apparu il y a quelques années et qui gagne rapidement en popularité. Il vise à créer une catégorie distincte pour le nombre croissant d'entreprises de notre industrie qui ont une stratégie explicite d'utilisation de technologies telles que le calcul (et en particulier l'apprentissage automatique et l'intelligence artificielle) et l'automatisation pour faire différemment la découverte de médicaments.

Au cours de la dernière année, chez Recursion, nous avons remarqué un changement dans l'accélération continue de l'appréciation des gens du potentiel de l'espace TechBio. Des grandes sociétés pharmaceutiques aux grandes entreprises technologiques, il nous semble qu'il y a un sentiment croissant d'inévitabilité parmi les dirigeants que ces entreprises qui ont la technologie à leur cœur créeront en effet des changements de fonction par étapes dans l'industrie de la santé - une opinion qui n'a pas été largement acceptée jusqu'à récemment.

Compte tenu de votre surnom, il n'est pas surprenant que Recursion ait décidé d'apporter plus de capacités d'IA/ML en interne. Ce mois-ci, Recursion a annoncé sa décision d'acquérir à la fois Cyclica et Valence. Quelles capacités apportent-ils ?

GIBSON : Avec l'accord d'acquisition de ces deux sociétés - qui développent toutes deux des méthodes et des modèles d'apprentissage automatique pour transformer la découverte de médicaments - Recursion renforcera considérablement nos capacités de chimie et d'IA générative. Valence développe des modèles d'IA générative et d'apprentissage en profondeur pour l'application de l'apprentissage à faible niveau de données dans la conception de médicaments. Cyclica occupe également l'espace de découverte de médicaments activé par l'IA et a été le pionnier d'un moteur d'apprentissage en profondeur qui prédit la polypharmacologie de petites molécules grâce à la prédiction de l'interaction ligand-protéine comme base de la découverte de médicaments à petites molécules.

Au cours de la dernière décennie, nous nous sommes concentrés sur l'utilisation d'outils technologiques pour cartographier et naviguer dans la biologie en tant que système, alors que ces entreprises ont eu une approche axée sur la chimie. Grâce à ces acquisitions, nous avons l'intention de créer la première solution technologique complète capable d'industrialiser le processus de découverte de médicaments, de bout en bout : de la génération de données en interne à l'identification de nouvelles cibles biologiques, en passant par la conception et l'optimisation de composés chimiques, le tout à un rythme effréné. escalader.

Pendant ce temps, l'IA/ML fait de plus en plus l'objet d'intérêt et de conversation dans la recherche clinique et la découverte de médicaments. Pour commencer, que savons-nous du potentiel de chacun pour faire avancer la découverte de médicaments ? Et qu'est-ce qu'il peut permettre qui ne peut pas être fait - ou ne peut pas être bien fait - sans lui ?

GIBSON : L'IA et le ML peuvent avoir un impact sur la découverte de médicaments de deux manières principales. Le premier est d'augmenter l'efficacité - pensez plus vite, moins cher et moins d'échec. Plusieurs entreprises, y compris Recursion, ont déjà démontré que c'était possible. La seconde révèle quelque chose de complètement nouveau sur la fonction biologique que nous, les humains, ne pouvons pas faire par nous-mêmes. Combiner à la fois efficacité et nouveauté - c'est la véritable opportunité pour nous d'industrialiser la découverte de médicaments.

L'une des plus grandes leçons tirées d'autres industries où ces technologies ont déjà eu un impact significatif est que le développement d'un algorithme d'apprentissage automatique étonnant est rarement suffisant à lui seul pour créer un changement perturbateur. Un changement démesuré est créé lorsque ces algorithmes sophistiqués sont associés aux bonnes données, généralement dans le cadre d'un processus itératif d'apprentissage, de prédiction et de raffinement continus. Chez Recursion, nous avons généré notre propre ensemble de données propriétaires massif en interne, adapté aux fins du ML, plutôt que de réaffecter des ensembles de données internes ou publics existants.

Le conseiller scientifique de Recursion et Valence, Yoshua Bengio, a déclaré que ces acquisitions entraîneront certaines des "recherches AI/ML les plus convaincantes au monde". C'est une proclamation audacieuse. Comment le fait de réunir les trois entreprises sous un même toit permettra-t-il d'atteindre cet objectif ?

GIBSON : Yoshua est un visionnaire et un lauréat du prix Turing, et il est donc excitant pour nous qu'il partage notre enthousiasme quant à ce qui est possible ici à l'intersection de la biologie et de la technologie. Tout d'abord, Recursion a construit l'un des plus grands ensembles de données biologiques sur Terre à 23 pétaoctets. C'est plus de données que tous les films jamais réalisés, plusieurs fois. Ces données sont essentielles en tant que substrat sur lequel construire des modèles d'apprentissage automatique qui peuvent nous aider à comprendre la biologie et la chimie.

Un autre ingrédient clé est la puissance de calcul, et Recursion exploite l'un des 150 superordinateurs les plus rapides sur Terre, nous pouvons donc cocher cette case.

Et le troisième ingrédient le plus important, ce sont les gens. Nous sommes toujours à la recherche de talents exemplaires en IA/ML pour renforcer notre équipe, et ces acquisitions apporteront les meilleurs talents à Recursion. Yoshua et l'équipe de Valence sont basées à Mila, l'un des instituts de recherche en apprentissage profond les plus importants et les plus innovants au monde, et l'équipe de Cyclica est depuis longtemps à la pointe de la recherche en apprentissage profond pour la découverte de médicaments à petites molécules.

Comprenant que l'IA/ML a le potentiel de révolutionner le processus de découverte de médicaments, quelles sont les implications pour le succès de la conduite d'essais cliniques ? Pouvons-nous nous attendre à ce que davantage d'essais qui ont commencé avec la découverte de médicaments dirigés par l'IA/ML fonctionnent différemment - en termes de sécurité et d'efficacité - que ceux qui ne le font pas ?

GIBSON : La biologie est incroyablement complexe et la plupart des programmes échouent en clinique parce que nous ne choisissons pas la bonne cible. Depuis notre création en 2013, Recursion s'est concentré sur la résolution de ce problème en tirant parti de l'interrogation à grande échelle de la biologie au niveau des systèmes et en créant l'un des plus grands ensembles de données biologiques et chimiques au monde. Cela nous a permis de prédire des milliards de relations entre la biologie et la chimie dans nos cartes de biologie, ce qui nous a conduit à identifier de nouvelles cibles biologiques et des points de départ chimiques qui pourraient nous aider à trouver de nouvelles façons de traiter les maladies difficiles à traiter.

J'espère que dans les années à venir, à mesure que notre industrie continuera d'accélérer et d'améliorer ces technologies, nous commencerons à réduire le taux d'échec des programmes cliniques car nous deviendrons de mieux en mieux dans la sélection des bonnes cibles et des meilleures molécules pour moduler celles-ci. cibles au début du processus. Il existe également de nombreuses premières incursions de l'apprentissage automatique dans la conception des essais, la sélection des patients, etc. Najat Khan, Chief Digital Officer de Janssen, y a déployé avec succès des outils de développement clinique et de commercialisation.

Tous les essais cliniques visent à déterminer l'innocuité et l'efficacité d'un traitement. Pour Recursion, la partie de cet objectif est également d'être transparent sur ces résultats. La politique de la société est de rendre publics tous les résultats des essais dans l'année suivant la date d'achèvement de l'essai et de partager les résultats avec les patients sur demande. Pourquoi est-il important pour Recursion de faire preuve de transparence dans la communication de ses résultats, bons ou mauvais ?

GIBSON : Je pense que la franchise est un ingrédient essentiel à la réalisation de notre mission. Nous sommes là pour le long terme, il est donc essentiel de créer un historique de confiance et de transparence avec les personnes qui font ce voyage avec nous. Recursion a également un engagement fort envers la science ouverte et la publication d'ensembles de données open source, ce qui, selon nous, crée de la valeur pour nous et la société dans son ensemble. À ce jour, nous avons publié cinq ensembles de données open source, dont certains sont les plus vastes du genre au monde, dans des conditions qui permettent une large utilisation académique et commerciale. Notre objectif est de permettre à la prochaine génération de méthodologies d'apprentissage automatique de favoriser la recherche, le développement de méthodes et la collaboration.

Quelle est la prochaine étape pour Recursion ? S'installe-t-il avec les deux ajouts, vise-t-il une autre acquisition ou autre chose?

GIBSON : Nous sommes fiers de ce que nous avons accompli, en particulier dans un environnement où nous assistons à de nombreuses consolidations et à des changements rapides dans l'industrie. Nos acquisitions de Cyclica et Valence ajoutent des capacités en chimie numérique, ainsi qu'en apprentissage automatique et en intelligence artificielle. En combinant leurs compétences avec nos laboratoires humides automatisés à grande échelle et nos capacités de supercalcul, nous sommes en mesure de déployer ce que je pense être la solution de découverte de médicaments la plus complète et la plus technologique de l'industrie biopharmaceutique.

Pour l'avenir, nous nous concentrons sur l'intégration de ces capacités dans notre moteur de découverte de médicaments existant, ce que je pense que nous pouvons faire très rapidement compte tenu de la complémentarité de ces technologies avec ce que nous avons construit chez Recursion. Nous déploierons cette approche complète par rapport à notre pipeline existant pour accélérer rapidement les programmes dans la clinique.

À propos de L'Expert :

Chris Gibson, Ph.D., est le cofondateur et PDG de Recursion, la société TechBio en phase clinique décodant la biologie pour industrialiser la découverte de médicaments. Chris a développé la technologie et l'approche qui ont donné naissance à Recursion dans le cadre de son doctorat en médecine. travailler dans le laboratoire du cofondateur, le Dr Dean Li (maintenant président de Merck Research Labs) à l'Université de l'Utah. Après avoir terminé son doctorat, Chris a quitté l'école de médecine pour lancer Recursion. Chris est diplômé de l'Université Rice avec des diplômes en bio-ingénierie et en gestion. Chris siège au conseil d'administration de BioUtah et est président de BioHive, le partenariat public-privé qui stimule l'expansion de l'écosystème des sciences de la vie de l'Utah. Chris est également actif en tant que conseiller et mentor, à la fois formellement et informellement, de nombreux jeunes fondateurs de la biotechnologie.

Recevez les derniers articles de Clinical Leader dans votre boîte de réception.