Objectifs du projet Acuité Québec
Le projet Acuité Québec comporte 4 objectifs et implique plusieurs experts de l'Université de Sherbrooke, ainsi que plusieurs chercheurs de l'Institut de recherche en immunologie et en cancérologie (IRIC) et de l'Institut québécois d'intelligence artificielle (Mila). Leur mission? Améliorer l'acuité du processus de découverte du médicament, notamment en intégrant le potentiel de l'intelligence artificielle (IA) à toutes les étapes du processus de recherche.
Molécules innovantes
Contexte
Environ 75% des médicaments approuvés en 2018 appartiennent aux catégories des petites molécules, des peptides ou des anticorps monoclonaux.
L’identification et l’optimisation des petites molécules sont multiparamétriques et s’apparentent à un casse-tête multidimensionnel dans un espace chimique massif (~1030-1060 molécules), alors que les librairies conventionnelles ne possèdent qu’environ 106 composés. L’identification de ligands de qualité présentant une grande diversité structurelle est donc essentielle.
Les peptides, pour leur part, présentent différents avantages et inconvénients. Ils sont facilement diversifiés en utilisant la synthèse en phase solide pour décoder leur relation structure-activité (SAR). Cependant, leur physicochimie les rend inadaptés aux cibles intracellulaires ou à l’absorption orale.
Enfin, les anticorps monoclonaux constituent une classe de médicaments en pleine expansion, mais leur développement pour les RCPG et d’autres protéines membranaires demeure un défi.
Les projets de cet axe
Librairies
Nous souhaitons créer des librairies innovantes codées par de nouvelles têtes d’ADN et raffinées par l’intelligence artificielle (IA) pour élargir l’espace chimique et maximiser la diversité.
Peptides
Cet objectif vise l'utilisation des peptides pour établir rapidement la relation structure-activité, puis exploiter grâce à l’IA pour transformer les pistes peptidiques en petites molécules semblables à des médicaments. Nous allons intégrer dès le départ des propriétés telles que la lipophilie, la surface polaire, la stabilité métabolique, la solubilité, les toxicophores, la synthèse, etc.
Anticorps
Nous visons le perfectionnement d'une technologie permettant d’optimiser des anticorps supérieurs pour les RCPG et d’autres cibles complexes, le tout en utilisant la technologie d’imitation des épitopes par des macrocycles.
Biocapteurs nouvelle génération
Contexte
Une molécule candidate doit satisfaire à de multiples exigences pour devenir un médicament (par exemple, interaction avec la cible, distribution vers le site d’action, non toxique, profil physicochimique, stabilité
métabolique, etc.)
L’action des médicaments (pharmacodynamique) est la somme des réponses combinées à travers les voies de signalisation, les cellules et les tissus. Elle est modulée par la pharmacocinétique (PK-ADME, les mécanismes d'absorption de l'organisme qui distribue, métabolise et excrète les médicaments).
Au niveau cellulaire, une molécule suscite un ensemble de réponses, certaines conduisant à des effets souhaités et d’autres à des effets indésirables. Obtenir des profils de signalisation complets ayant une valeur thérapeutique prédictive à partir de profils de signalisation est un défi que le consortium souhaite relever.
Projets
Biocapteurs nouvelle génération
Nous développerons des biocapteurs de nouvelle génération pour rendre compte de manière exhaustive et spatio-temporelle de la réponse cellulaire dans de multiples types de cellules (in vivo).
Procédures ML
Cet objectif vise à développer des procédures basées sur le ML pour associer des ensembles de réponses in vitro à des réponses
pharmacologiques in vivo, appliquées aux cannabinoïdes.
Biocapteurs pharmacocinétiques
Ce sous-objectif a pour but de créer des biocapteurs
pharmacocinétiques en temps réel pour évaluer les taux de médicaments (pré)cliniques.
Imagerie de pointe
Contexte
L’imagerie précise de la distribution, de l’expression ou de l'engagement de la cible et de la réponse au médicament in vivo est essentielle pour comprendre l’efficacité et la sécurité d'une thérapie.
Malgré les grands progrès de l’imagerie médicale, les technologies sont surtout utilisées dans les diagnostics cliniques et rarement dans la découverte de médicaments.
Les approches actuelles ne permettent pas de savoir
avec précision comment et où les médicaments se distribuent, si la cible est engagée, si la réponse a lieu dans le tissu cible ou la toxicité dans un tissu non ciblé. Les technologies d'imagerie peuvent donner ces réponses.
Projets
L'IA au service de l'imagerie
Nous souhaitons développer une imagerie précise aux stades préclinique et clinique qui permettra d’accélérer le
développement des médicaments tout en permettant une médecine de précision.
Nous progresserons en utilisant l’IA pour fournir une imagerie à ultra-haute résolution pour le cerveau.
TEP Scan
Ce sous-objectif permettra la conception de traceurs de tomographie par émission de positrons (TEP) pour évaluer la distribution cérébrale des médicaments candidats.
Technologie IRM
Ce sous-objectif servira à la création d’une carte de référence de l’IRM de diffusion (IRMd) pour les maladies neurodégénératives.
Décision de traitement
Nous développerons une procédure d’analyse d’images IRM. L’imagerie par haute résolution combinée à des traceurs TEP et à des cartes anatomiques ou fonctionnelles du cerveau fournira une acuité sans précédent dans ces domaines soutenant le développement des médicaments pour les troubles neurologiques. Ce dernier domaine souffre d’échecs fréquents et coûteux. L’addition de l’IA aux étapes clés du
processus d’imagerie TEP, de la détection des rayonnements à la correction et à l’analyse des images permettront d’accroître la résolution et la sensibilité.
Algorithmes
Contexte
Le déploiement de l’intelligence artificielle (IA) dans le cadre du consortium Acuité Québec sera soutenu par une équipe exceptionnelle de scientifiques de l'Institut Mila menée par le docteur Yoshua Bengio. L'équipe affinera les solutions pour la conception et l'optimisation de médicaments, l’analyse de la signalisation avec les biomarqueurs et les plateformes d’imagerie.
Projets
Logiciel commun soutenu par l'IA
L’objectif est de développer un logiciel commun permettant d’appliquer les techniques de l'IA à n’importe quel problème de développement de médicaments.
Les approches d’IA reposeront sur des méthodes d’apprentissage actif tirant
parti de la rétroaction itérative entre les candidats proposés et les résultats expérimentaux.
Le but de ce projet est de permettre de hiérarchiser les ressources de calcul et d’analyse afin de maximiser l’information acquise sur les futurs candidats, avec le potentiel d’accélérer considérablement la recherche du médicament. En particulier, nous développerons des solutions pour des ensembles de données plus petits que ceux normalement utilisés en IA, en
tirant parti des informations multimodales disponibles.
L’apprentissage par machine (ML) sera utilisé pour transformer des exemples en prédicteurs et en politiques de décision pour le développement de médicaments afin d’identifier des molécules aux propriétés spécifiques. Nous développerons de nouvelles méthodes d’apprentissage automatique en apprenant comment rechercher efficacement l’espace chimique.