Biotechnologie

Multiomique et IA dans les soins de santé : une nouvelle frontière pour la découverte de médicaments

mm
Publié le
Mis à jour le
Ajouter Securities.io à vos sources préférées sur Google
Divulgation : Securities.io peut recevoir une compensation via les liens vers les produits évalués. Cela n’influence pas nos évaluations éditoriales. Nous ne sommes pas un conseiller en placement inscrit ; ceci ne constitue pas un conseil en placement. Consultez notre politique d’affiliation.

Médecine de précision : l’avenir des soins de santé

Dans les sciences appliquées, les progrès proviennent d’une plus grande précision des mesures et des outils. C’est particulièrement vrai en physique et en chimie, où les outils analytiques peuvent désormais observer les réactions d’atomes individuels aux expériences, stimulant une progression rapide dans l’énergie propre, les sciences des matériaux, la nanotechnologie, la fabrication, et l’informatique (suivez les liens pour des articles sur ces sujets).

Cependant, un domaine scientifique s’est avéré plus difficile à mesurer avec précision : la biologie. En effet, les organismes vivants ne sont pas des matériaux « simples » composés de quelques éléments, mais une machinerie moléculaire ultra‑complexe constituée de millions, voire de milliards, de pièces différentes.

Ainsi, une représentation fidèle d’une seule cellule humaine serait presque incompréhensible, comme le montre une image générée par ordinateur d’une cellule humaine qui est devenue virale il y a quelques années.

Source: Newsweek

Cela a fait de la compréhension véritable des phénomènes biologiques et biochimiques un défi permanent.

La génomique a constitué une première étape importante, en expliquant le modèle/instructions utilisés par les cellules pour construire leurs composants internes. Un autre facteur croissant est l’utilisation de l’IA, les réseaux neuronaux avancés pouvant gérer la masse massive de données mieux que l’esprit humain.

Ensemble, cela conduira à la transformation des soins de santé, avec l’émergence d’une véritable médecine de précision personnalisée, adaptée à la composition génétique, métabolique, historique médicale, etc., propre à chaque individu.

Actuellement, la médecine de précision représente un marché de 500 milliards de dollars, et comprend les anticorps monoclonaux, (un marché de 222 milliards de dollars en 2023), ainsi que les traitements contre le cancer les plus avancés comme les thérapies CAR‑T.

Qu’est‑ce que la multiomique ?

L’extrême complexité des systèmes vivants a conduit à l’émergence de la multiomique, un domaine qui regroupe tous les sous‑segments -omiques des sciences biologiques et présenté comme la prochaine étape de la biotechnologie :

  • Génomique: l’analyse de la séquence d’ADN dans le noyau des cellules.
  • Transcriptomique: l’analyse de l’ARNm portant les instructions de l’ADN.
  • Épigénomique: la modification du génome sans affecter la séquence génétique, ou « épigénétique ».
  • Protéomique: l’analyse des protéines, y compris la modification des protéines par des sucres (« post‑traductionnelle »).
  • Métabolomique: l’analyse des composés chimiques et du métabolisme.
  • Microbiomique: l’analyse de tous les microbes vivant à l’intérieur ou sur le corps.
  • Multiomique à cellule unique: l’analyse multiomique sur des cellules individuelles.
  • Biologie spatiale: analyser en 3D la localisation d’ARNm, de protéines ou de cellules spécifiques.

De nouveaux domaines émergent, comme, par exemple, Agrigénomique (génomique pour améliorer les rendements agricoles), génomique écologique (évaluation précise de la santé d’un écosystème et de sa diversité génétique), ou biologie synthétique (création de nouveaux gènes, traits ou organismes entiers à des fins spécifiques).

Chaque domaine a réalisé d’énormes avancées grâce à de nouvelles méthodes analytiques améliorées, en grande partie grâce aux progrès révolutionnaires de la nanotechnologie, de l’optique, de la technologie des semi‑conducteurs et de la puissance de calcul.

Malheureusement, les sciences biologiques et la médecine commencent à peiner à gérer toutes ces nouvelles données, et encore plus à comprendre les interactions complexes de chaque champ -omique possible entre eux.

En grande partie, cela est dû à des billions, voire des quadrillions, d’interactions potentielles entre gènes individuels, protéines, biomolécules, bactéries, etc.

Et en théorie, pour une médecine véritablement personnalisée, ces données seraient collectées pour chaque individu et reliées aux dossiers de leurs données de santé numériques.

Baisse des coûts & Un flot de données

L’amélioration technologique des outils analytiques a fait chuter les coûts de collecte de nouvelles données. C’est, par exemple, le cas du séquençage d’un génome humain complet, dont les coûts ont été divisés par plus d’un million en 30 ans, ou la synthèse d’ADN qui est désormais 10 000 fois moins chère.

Cela signifie que lorsqu’il fallait 450 000 $ pour séquencer un seul génome en 2001, nous pouvons maintenant séquencer 1,4 milliard de génomes pour le même prix, soit 17 % de la population mondiale.

En conséquence, la génomique et les autres données -omiques inondent les biologistes.

Par exemple, le UK Biobank, la plus grande base de données génomiques disponible publiquement, contient 27 fois plus de données que celles alimentant l’un des plus grands LLM (modèle de langage de grande taille), l’IA Llama 405b développée par Meta (FB ).

Si chaque nouveau-né dans le monde voyait son génome séquencé, pratique probable dans les années à venir, cela générerait 10 000 fois les données utilisées par Llama chaque année.

Heureusement, alors que la quantité de données se multiplie par des milliers, l’efficacité des outils d’analyse numérique, en particulier l’IA, devient également 1 000 fois plus puissante pour le même coût.

Applications dans la découverte de médicaments

Cellules virtuelles

Jusqu’à récemment, pour connaître l’effet d’un nouveau médicament potentiel, ou comment une protéine interagit avec une autre, les biologistes devaient réaliser l’expérience manuellement, une tâche coûteuse et chronophage.

Cela a naturellement ralenti la découverte de nouveaux médicaments et augmenté les coûts des soins de santé pour les traitements innovants. Cela pouvait être réalisé in‑vitro (en laboratoire) ou in‑vivo (dans un organisme vivant, généralement un animal).

Une nouvelle option est apparue récemment, l’approche in‑silico, où une ou plusieurs cellules virtuelles sont simulées sur ordinateur. Ces cellules virtuelles sont ensuite exposées au traitement potentiel et la simulation calcule leur réaction.

Simulation améliorée

En plus des données de génome complet et de transcriptome, un autre outil fait désormais son entrée dans la simulation in‑silico : les simulateurs de pliage protéique comme l’IA AlphaFold de Google (GOOGL ).

De nombreux médicaments à base de protéines dépendent des interactions entre le médicament et un récepteur dans les cellules du corps, ou la surface de bactéries ou de cellules cancéreuses ciblées.

Prédire correctement in‑silico la configuration 3D (pliage) d’une protéine améliorera radicalement le taux de succès et la rapidité du développement de médicaments, réduisant les coûts.

Alors qu’AlphaFold s’est amélioré jusqu’à 500 fois depuis 2018, les simulations in‑silico deviendront une technologie indispensable pour la plupart des entreprises biotechnologiques.

D’autres entreprises travaillent également sur des technologies similaires à AlphaFold mais pour des molécules non protéiques, comme Schrödinger (SDGR ) , que nous avons couvertes dans « Top 5 des entreprises de biotechnologie IA & numériques ».

Détection du cancer

La détection précoce du cancer, même lorsqu’il n’est pas visible à l’IRM, peut souvent être une question de vie ou de mort.

Une nouvelle technique appelée biopsie liquide promet de détecter tôt ces cancers invisibles. Son fonctionnement repose sur l’utilisation d’outils de séquençage génomique pour détecter dans le sang du patient des séquences d’ADN typiques du cancer, même si ces séquences sont ultra‑rares.

Les biopsies liquides sont beaucoup moins invasives que les biopsies classiques, ne nécessitant qu’un prélèvement sanguin. Elles pourraient également être utilisées pour rechercher plusieurs cancers potentiels simultanément.

En juin 2024, Guardant Health (GH ) a vu son test de dépistage du cancer colorectal « Shield » approuvé par la FDA. Grail (GRAL ), la récente spin‑off d’Illumina (ILMN ) développe également ce type de test.

En plus de la biopsie liquide, les tests de maladie résiduelle minimale (MRD) deviennent également de plus en plus courants pour vérifier la rémission des patients atteints de cancer. Les MRD peuvent détecter la récidive du cancer jusqu’à 20 mois plus tôt que l’imagerie traditionnelle.

Pour les MRD et la biopsie liquide, le remboursement par les systèmes d’assurance santé privés et nationaux sera essentiel pour accélérer leur adoption.

Laboratoire automatisé

À mesure que de plus en plus de données sont nécessaires et que les outils de détection deviennent moins chers, c’est de plus en plus le travail des humains titulaires d’un doctorat qui devient le facteur limitant (tant en coûts qu’en capacité) pour générer davantage de données multiomiques.

Cela vaut tant pour le travail manuel lui‑même, comme l’extraction d’échantillons, que pour la conception des expériences.

Une méthode alternative émergente est le laboratoire autonome (SDL). Il combine robotique et automatisation pour remplacer le travail manuel fastidieux et lent, créant une expérimentation à haut débit. Il intègre également des LLM pour analyser les données et concevoir la prochaine série d’expériences.

Un leader de cette nouvelle méthode de découverte de médicaments est Recursion Pharmaceuticals (RXRX ) (plus d’informations sur cette entreprise ci‑dessous).

Perspectives d’investissement

Bien qu’il existe de nombreuses entreprises innovant à l’intersection de l’IA et de la multiomique, quelques‑unes se distinguent par leur importance ou leurs ambitions.

Recursion Pharmaceuticals

RXRX Graphique du prix

Recursion est une entreprise qui, dès sa création, s’est concentrée sur l’utilisation de l’IA pour accélérer la découverte de nouveaux médicaments. Pour ce faire, elle combine laboratoire sec (in‑silico) et laboratoire humide (échantillons biologiques) avec :

  • Une bibliothèque de 1,7 million de petites molécules.
  • Cultures cellulaires, édition génétique CRISPR, facteurs solubles, virus vivants, etc.
  • Un flux de travail robotisé de laboratoire automatisé permettant jusqu’à 2,2 million d’expériences chaque semaine.
  • Microscopes à haut débit et systèmes de séquençage.
  • Flux vidéo continus provenant de caméras, enregistrant des mesures holistiques du comportement animal.
  • Ressources informatiques avancées, qui ont généré plus de 21 pétaoctets de données propriétaires à haute dimension.
  • Données ADMET (absorption, distribution, métabolisme, excrétion et toxicologie).

Recursion possède également l’un des superordinateurs les plus rapides du monde pour entraîner leurs LLM et IA dédiés à la découverte de médicaments. Les modèles d’IA ont été entraînés sur une bibliothèque de plus de 2 milliards d’images et ont inféré 6 trillions de relations entre toutes les combinaisons possibles de gènes et de composés.

En août 2024, Recursion a fusionné avec Exscientia, une entreprise axée sur les thérapies de précision et utilisant sa propre « automatisation robotique complète sur l’ensemble du cycle d’expérimentation ». Recursion a également acquis en mai 2023 les startups précliniques axées sur la chimie des médicaments, Cyclica et Valance, pour un total de 87,5 M$.

Avec ces entreprises récemment acquises intégrées aux ensembles de données de base de Recursion, l’entreprise est désormais une biotech entièrement intégrée, gérant tout, de l’identification des cibles, aux prédictions in‑silico, à la validation in‑vivo et aux essais cliniques.

Source: Recursion

Recursion possède plus de 20 molécules à différents stades de développement dans son pipeline R&D, dont 7 sont au stade 1/2 des essais cliniques, principalement en oncologie (cancer) et maladies rares.

Ces programmes comprennent plus de 10 programmes partenaires avec jusqu’à 20 milliards de dollars de paiements potentiels pour les jalons R&D, dont 450 millions de dollars ont déjà été versés.

Dans l’ensemble, le nouveau Recursion, développé grâce à des acquisitions et à une prise de position précoce dans l’exploitation de l’IA pour la découverte de médicaments, semble devenir un partenaire clé pour les grandes entreprises pharmaceutiques cherchant à renouveler leur pipeline R&D.

Illumina

Alors que les autres -omiques sont importantes, presque toutes s’articulent d’une manière ou d’une autre autour de la génomique, le « manuel d’instructions » de chaque cellule vivante.

Et de loin, le plus grand producteur de machines de séquençage génomique est Illumina. L’entreprise se concentre sur la lecture de courtes séquences génétiques, celle utilisée pour la détection du cancer. Elle possède actuellement plus de 22 000 séquenceurs installés dans 165 pays.

Environ la moitié des consommables des machines de séquençage d’Illumina sont utilisés dans des applications cliniques, l’autre moitié dans des laboratoires de recherche publics et privés. Dans les applications cliniques, la moitié de la demande provient de l’oncologie.

Source: Illumina

Alors que la génomique et la multiomique deviennent le centre du processus de découverte de médicaments, ainsi que du diagnostic du cancer, l’équipement d’Illumina devrait connaître une forte demande. L’entreprise prévoit que la demande de NGS (séquençage de nouvelle génération) croîtra de 18 % de TCAC pour les applications cliniques et de 6 % de TCAC pour la recherche, augmentant le marché total adressable (TAM) du secteur de 100 milliards de dollars pour le clinique et de 25 milliards de dollars pour la recherche d’ici 2033.

Source: Illumina

Illumina a eu une histoire compliquée avec la société de biopsie liquide Grail (GRAL ), qui était une spin‑off d’Illumina, rachetée plus tard, et maintenant contrainte à nouveau à une spin‑off par les autorités de concurrence aux États‑Unis et dans l’UE.

Une fois ces problèmes résolus, Illumina pourrait reprendre sa croissance à long terme et la hausse de son cours boursier, surtout que, en fin de compte, les tests de biopsie liquide de Grail s’appuieront probablement sur les séquenceurs d’Illumina.

Ginkgo Bioworks

La plupart des entreprises axées sur la multiomique sont présentes dans le secteur pharmaceutique/biotechnologique en raison de la rentabilité potentielle des traitements contre le cancer à succès ou de la guérison de maladies rares.

Mais cela ignorerait le potentiel incroyable des biosystèmes pour d’innombrables autres applications, y compris la production chimique, l’agriculture, les matériaux, les biocarburants, etc.

C’est exactement le focus de Ginkgo Bioworks , avec un modèle innovant de création « organismes à la demande » pour répondre à des besoins industriels spécifiques, ce qui en fait un leader du domaine émergent de la biologie synthétique (voir « Top 5 des entreprises publiques de biologie synthétique »).

Ainsi, Ginkgo peut offrir tout niveau de collaboration, de la simple vente d’outils pour produire de nouveaux organismes à la contractualisation de ses solutions jusqu’à des partenariats complets.

Parmi les divers programmes de recherche et partenariats de Ginkgo, on peut citer :

Le matériel de recherche de l’entreprise est structuré autour des chariots d’automatisation reconfigurables (RAC), qui forment les modules pouvant être intégrés ensemble en laboratoires de recherche complets pour la génération de données biologiques à haut débit.

Ginkgo a dû reformuler son modèle économique en 2024, après une période d’expansion et trop de sites géographiques. Cela a permis à l’entreprise de réduire ses dépenses opérationnelles (opex) de 515 M$ par trimestre à 375 M$, principalement en divisant les coûts généraux de moitié.

Cela devrait la rapprocher de la rentabilité, ainsi que favoriser davantage les progrès des accords de recherche avec leurs jalons de paiement correspondants.

Défis

Confidentialité

Si l’ère des analyses multiomiques et de la médecine personnalisée approche, elle n’est pas sans défis. Le tout premier est la question de la confidentialité des données, un sujet particulièrement sensible lorsque les données ne concernent pas seulement notre vie numérique mais notre propre corps.

Il est clair qu’une bonne sécurité, un accès limité au personnel autorisé, l’anonymisation des données, ainsi que l’évitement de l’utilisation de ces données pour refuser des soins médicaux ou une assurance, seront indispensables pour que les gens adoptent cette révolution technologique.

Les inquiétudes concernant la collecte universelle de données génétiques, surtout si elles sont accessibles à des non‑spécialistes médicaux (par exemple, des membres de la police ou de l’appareil d’État), devront également être traitées.

Réglementations

En raison de la nature sensible des données biologiques, on peut s’attendre à un renforcement des réglementations. Cela couvre d’abord la question de la confidentialité, mais aussi d’autres sujets tels que :

  • Les risques de monopole émergent, avec une ou quelques entreprises prenant progressivement le contrôle de toutes nos données biologiques, car plus de données rendent les analyses basées sur l’IA plus efficaces.
  • Gérer un équilibre entre la compréhension des risques pour les individus ou les populations entières, et éviter les discriminations ou pratiques commerciales injustes.
  • Un traitement équitable en matière de médecine personnalisée, quel que soit votre niveau de richesse, tout en gérant les coûts collectifs potentiels.

Accessibilité

Parce que la médecine personnalisée et les données multiomiques sont extrêmement complexes, il sera difficile de les expliquer aux non‑scientifiques ou aux médecins. Combiné aux risques d’injustice et aux préoccupations de confidentialité, il est probable qu’une certaine résistance, voire un contrecoup, se produise.

De la même manière que la politique de vaccination massive avec le vaccin à ARNm contre la Covid a été fortement politisée, un tel résultat n’est pas improbable pour la médecine basée sur la multiomique et l’IA.

De même, cette technologie pourra parfois être coûteuse au départ, et il sera important d’éviter que les inégalités de richesse ne deviennent une fracture biologique et sanitaire.

L’avenir des soins de santé pilotés par l’IA

La combinaison d’un volume croissant de données médicales, d’une IA puissante, de laboratoires biologiques automatisés, de simulations in‑silico de protéines, et même de cellules entières crée de tout nouveaux domaines de la médecine et de la recherche médicale.

Il est également probable que ce ne soit que le début, alors que de nouveaux progrès s’accumulent pour accélérer davantage les innovations :

En fin de compte, dans un avenir proche, la plupart de la médecine pourrait être adaptée à notre composition génétique individuelle, nous pourrions effectuer chaque année un dépistage du cancer infaillible à partir d’un test sanguin, et être plus sains et plus énergiques grâce à l’équilibre parfait de notre métabolisme, microbiome et génome.

Du point de vue des investissements, il est probable que les principaux gagnants de la course IA‑biotechnologie seront les entreprises capables de créer de vastes ensembles de données biologiques, plus que de posséder un algorithme propriétaire unique ou une puissance de calcul, car la technologie IA progresse très rapidement au-delà des datacenters ultra‑grands offrant un avantage durable, et se dirige davantage vers un modèle décentralisé open‑source.

mm

Jonathan est un ancien chercheur en biochimie qui a travaillé dans l'analyse génétique et les essais cliniques. Il est maintenant analyste boursier et rédacteur financier, spécialisé dans l'innovation, les cycles de marché et la géopolitique dans sa publication 'The Eurasian Century'.