Syntekabio a annoncé le lancement d'une solution globale basée sur l'IA pour la recherche de nouveaux candidats médicaments. STB CLOUD est une solution complète basée sur la plateforme d'IA propriétaire de Syntekabio, DeepMatcher®, alimentée par la technologie des supercalculateurs. La solution complète prend en charge la découverte automatique des résultats, la génération automatique de leads, l'auto-ADMET/PK (à la tâche) et les biomarqueurs PGx pour l'étiquetage des médicaments.

Grâce à l'analyse par apprentissage profond et à la technologie de simulation automatique de la dynamique moléculaire pour les protéines cibles, la solution génère des candidats précliniques en l'espace de deux ans, y compris l'achèvement des essais sur les animaux. Ce processus réduit considérablement la période précédant les essais précliniques à deux ans, alors qu'elle peut aller jusqu'à sept ans en moyenne dans le cadre du développement traditionnel de médicaments. En général, il faut compter trois à quatre ans pour la découverte et la sélection des candidats, un à trois ans pour l'optimisation, et la même durée pour les essais non cliniques et les tests de toxicité.

Si l'on ajoute cinq à six ans pour les essais cliniques et quelques années supplémentaires pour la commercialisation, le temps nécessaire au développement complet d'un médicament à partir de la découverte peut durer de nombreuses années, ce qui fait augmenter le prix du développement tout en perdant le potentiel de retour sur investissement. En outre, le développement d'un nouveau médicament traditionnel peut coûter plus de 10 millions de dollars jusqu'aux essais précliniques. Le STB CLOUD de Syntekabio permet non seulement de gagner du temps, mais aussi de réaliser des économies substantielles, puisqu'il est fixé à seulement deux millions de dollars pour l'ensemble du cycle de développement d'un médicament.

Syntekabio mène actuellement deux études dans le domaine de l'auto-ADMET/PK (à la tâche). La première porte sur la toxicité et le métabolisme causés par la liaison aux protéines, qui est modélisée sur la base du réseau neuronal convolutionnel 3D (3D-CNN). La seconde étude porte sur la délivrance passive et la perméabilité dues aux propriétés physiques et chimiques du composé lui-même, qui seront mises en œuvre avec des modèles de transformateurs génératifs pré-entraînés, tels que le GPT-2, en utilisant des bases de données de composés à grande échelle.

Les nouvelles solutions de découverte de médicaments de Syntekabio seront dévoilées lors de la convention internationale BIO 2023 à Boston, du 5 au 8 juin 2023, sur le stand #2785.