Protai, société israélienne spécialisée dans la découverte de nouveaux médicaments basée sur l’intelligence artificielle, a annoncé une levée de fonds de 8 millions de dollars (7 millions d’euros) auprès des sociétés de capital-risque Grove Ventures et Pitango HealthTech. La start-up, qui combine la protéomique profonde avec l’apprentissage automatique, pourra accélérer son développement, la mise en œuvre de programmes de recherche et renforcer des partenariats avec les entreprises pharmaceutiques grâce à ce tour de table.
La protéomique consiste à étudier l’ensemble des protéines d’un organisme, d’un fluide biologique, d’un tissu, d’une cellule ou même d’un compartiment cellulaire. Cet ensemble de protéines est nommé protéome. Son étude permet de comprendre les mécanismes moléculaires des fonctions cellulaires essentielles ainsi que la physiologie des êtres vivants. L’analyse protéomique est appliquée à la découverte de nouvelles cibles thérapeutiques ainsi qu’à l’étude des effets des médicaments.
L’atlas protéomique de Protai
Protai a réalisé en moins d’un an “l’atlas le plus vaste et le plus robuste aujourd’hui” grâce à l’apport de plus de 50 000 échantillons de données cliniques et des échantillons sains qui lui ont servi de base de référence pour la reconnaissance des modèles.
L’harmonisation de ces données chaotiques a permis la création d’une cartographie des protéines et de leurs interactions dans le cadre d’une maladie donnée et d’en comprendre les mécanismes moléculaires.
Eran Seger, CEO de Protai a déclaré :
“Nos améliorations de l’explicabilité biologique donnent lieu à de meilleures cibles médicamenteuses et candidats-médicaments. Dans notre preuve de concept pour le cancer du poumon, nous avons identifié plusieurs cibles de grande valeur que nous poursuivons actuellement dans notre programme de médicaments indépendant, ainsi que d’autres marqueurs qui contribueront à étendre l’utilisation de médicaments connus dans cette indication.”
En tirant parti de la protéomique de la spectrométrie de masse et d’autres ensembles de données à grande échelle axés sur les protéines, Protai construit des modèles d’apprentissage automatique pour identifier jusqu’à 1 000 000 de protéo-formes.
Découvrir de nouveaux médicaments
Protai utilise donc la biologie, la chimie et l’apprentissage automatique, une approche multidisciplinaire, pour prédire les recherches de médicaments à poursuivre. L’intelligence artificielle permet de déterminer la structure et la fonctionnalité des protéines, mais l’hétérogénéité des protéomes complique le développement de la protéomique. Ce dernier et la découverte de nouveaux médicaments qu’il pourrait engendrer sont devenus des enjeux cruciaux : la surconsommation d’antibiotiques a développé une résistance des bactéries à leur administration, entraînant un problème de santé publique mondial. La majeure partie des grandes sociétés pharmaceutiques ouvre donc sa propre division de protéomique ou s’entoure d’experts de ce domaine pour trouver des alternatives. Toutes ces recherches vont permettre une meilleure connaissance de la biologie humaine et d’améliorer la prise en charge médicale des patients (diagnostic, choix thérapeutique…).
Un partage des connaissances
Des modèles capables de prédire la structure des protéines ont déjà été développés : AlphaFold de Deepmind (filiale d’Alphabet) et RoseTTAFold de l’Université de Washington avec le soutien, entre autres, de Microsoft. Les bases de données de ces modèles est accessible en ligne gratuitement.
En France, trois sites de protéomique, basés respectivement à Grenoble, Toulouse et Strasbourg travaillent en commun dans le cadre de l’infrastructure nationale de protéomique ProFi. Ils partagent leurs expériences, développent des logiciels et des protocoles communs pour améliorer les analyses et le traitement des données de protéomique et proposent ce travail à la communauté scientifique française et internationale.
