TechCrunch : WhiteLab Genomics utilise l'IA pour faciliter le développement des thérapies géniques et cellulaires

Fondé à Paris en 2019, WhiteLab Genomics, récemment diplômé de Y Combinator (YC), fournit aux entreprises de thérapie génique et cellulaire des simulations logicielles prédictives pour accélérer la conception des thérapies géniques et cellulaires. Pour les non-initiés, la thérapie génique est un traitement émergent qui consiste à remplacer des gènes manquants ou défectueux dans les cellules pour corriger des troubles génétiques, tandis que la thérapie cellulaire consiste à modifier une cellule ou des ensembles de cellules pour déclencher un effet dans tout le corps.

Des milliers de maladies, dont la mucoviscidose, la maladie de Parkinson et la maladie d'Alzheimer, sont dues à des défauts de l'ADN d'un individu. Les recherches émergentes dans le domaine des thérapies géniques et cellulaires pourraient permettre de traiter ces affections à la source, supprimant ainsi la nécessité de recourir à des médicaments ou à des interventions chirurgicales.

Toutefois, le développement de ces thérapies est généralement coûteux et leur efficacité n'est pas garantie. Selon David Del Bourgo, PDG et cofondateur de WhiteLab Genomics, les méthodes actuelles de développement de nouvelles thérapies géniques et cellulaires impliquent généralement une approche par essais et erreurs, selon laquelle les scientifiques émettent une hypothèse et la testent en laboratoire : en cas de succès, ils passent à l'étape suivante, mais en cas d'échec, ils reviennent à la case départ avec une autre hypothèse. C'est là que WhiteLab Genomics entre en scène, avec une approche informatique qui combine l'apprentissage automatique et les techniques d'apprentissage profond pour traiter plusieurs hypothèses scientifiques à la fois, en examinant différentes variantes génétiques "pour prédire la meilleure conception moléculaire de la thérapie" en fonction des objectifs.

"Les thérapies géniques et cellulaires souffrent encore d'une faible efficacité, d'effets secondaires immunologiques et d'un coût de développement très élevé", a expliqué Del Bourgo à TechCrunch. "Nous fournissons à nos clients des modèles prédictifs exhaustifs combinant la génétique et la biologie computationnelle afin de concevoir et de sélectionner les meilleurs candidats à tester en laboratoire."