Le médicament contre la fibrose pulmonaire idiopathique développé par Insilico Medicine grâce à l'intelligence artificielle entre en phase III des essais cliniques.

Médecine Insilico progresse vers essais cliniques de phase III sur l'homme pour tester un médicament identifié par ciblage par intelligence artificielle fibrose pulmonaire idiopathique (FPI)Cette évolution fournit au secteur de la découverte de médicaments par ordinateur des cas tests empiriques, permettant de faire passer un médicament développé par l'IA des premières évaluations de sécurité à la validation de son efficacité en phase finale.

La fibrose pulmonaire idiopathique (FPI) détruit la capacité respiratoire en provoquant de graves cicatrices dans le tissu pulmonaire. Les patients présentent généralement… taux de survie médian de deux à quatre ans après le diagnosticLe médicament identifié par l'IA, rentosertib, inhibe la kinase interagissant avec TRAF2 et NCK pour cibler les mécanismes pathologiques sous-jacents lorsqu'il est administré par voie orale.

📊 Résultats de l'essai clinique de phase IIa

Un essai randomisé a évalué 71 patients répartis sur 22 sites cliniques chinoisLes participants ont été répartis en deux groupes : un groupe placebo et un groupe recevant le traitement actif. Les investigateurs ont administré des doses quotidiennes de 30 mg ou de 60 mg pendant une période d’observation de 12 semaines.

Les patients affectés au Schéma posologique de 60 mg une fois par jour a démontré un gain moyen de capacité vitale forcée de +98,4 mL, contrastant fortement avec le Perte de capacité de 20,3 mL enregistré dans le groupe placebo.

Les profils de sécurité sont restés acceptables, les événements indésirables correspondant aux taux de base attendus dans tous les groupes de l'essai. Les autorités réglementaires de l' Agence américaine des produits alimentaires et médicamenteux (FDA) accordé « Désignation de médicament orphelin » à l'actif en février 2023.

🧬 Priorisation algorithmique des cibles par le biais de données multi-omiques

Le développement repose entièrement sur Pharma.IA, le pipeline de calcul propriétaire exploité par Insilico Medicine. Le flux de travail se segmente en moteurs distincts prenant en charge des tâches spécifiques de génie biologique et chimique.

PandaOmics Le système exécute la phase initiale de découverte des cibles. Il intègre de vastes ensembles de données biologiques, traitant des données génomiques, des résultats d'essais cliniques, de la littérature scientifique et des renseignements sur les brevets afin de construire des modèles de réseaux biologiques complets. Les algorithmes appliquent des mécanismes d'inférence causale pour identifier de nouveaux liens entre maladies, dissimulés au sein de l'architecture des données.

PandaOmics isolé TNIK comme cible biologique principale dans le cadre d'une intervention contre la fibrose pulmonaire idiopathique (FPI). Le système informatique a contourné les voies de signalisation des récepteurs tyrosine kinases ciblées par les médicaments antifibrotiques existants.

Le logiciel a cartographié TNIK comme un nœud central de régulation fibrose et inflammation via Voies de signalisation Wnt, TGF-β, Hippo/YAP-TAZ, JNK et NF-κBLe processus de sélection des cibles a intégré un cadre d'analyse des caractéristiques du vieillissement, attribuant un score aux cibles biologiques en fonction de leur implication dans de multiples mécanismes de vieillissement, l'inflammation chronique et le remodelage de la matrice extracellulaire.

Feng Ren, PhD, co-PDG et directeur scientifique d'Insilico Medicine, a déclaré : « La fibrose pulmonaire idiopathique (FPI) est l'un des exemples cliniques les plus clairs d'une maladie liée à l'âge dans laquelle se croisent fibrose, inflammation chronique, remodelage de la matrice extracellulaire et sénescence cellulaire. »

« Le rentosertib n'a pas été découvert en partant d'une cible conventionnelle et en criblant simplement d'autres composés. Il est issu d'une… » Flux de travail d'IA axé sur la biologie et tenant compte du vieillissement qui a établi un lien entre TNIK et les mécanismes des maladies fibrotiques et inflammatoires, puis a utilisé la chimie générative pour créer un candidat médicament possédant les propriétés requises pour le développement clinique.

⚗️ Exécution de l'ingénierie moléculaire générative

Après la sélection de la cible, le Chimie42 Le moteur exécute une conception moléculaire générative. Le système s'écarte des méthodologies de criblage à haut débit traditionnelles. Chemistry42 n'explore pas les chimiothèques existantes ; le système applique plutôt… Apprentissage par renforcement tensoriel génératif L’objectif est de concevoir des molécules qui s’alignent physiquement avec le site de liaison de la protéine cible. Ce processus d’ingénierie algorithmique vise à trouver un équilibre entre l’adéquation structurale et les propriétés pharmacologiques requises.

La phase de génération computationnelle a été synthétisée exactement 79 molécules physiques pour subir des tests. L'équipe d'ingénierie a sélectionné le 55e itération pour passer aux essais précliniques. Ce protocole de génération ciblée a réduit le délai entre le lancement du projet et la sélection du candidat préclinique. 18 mois.

L'architecture fondamentale découle de la publication en 2019 du rapport de l'entreprise. Méthodologie GENTRL Dans Nature Biotechnology. La plateforme établit des systèmes reproductibles régulant la génération moléculaire, évitant ainsi les processus d'essais et d'erreurs coûteux en capital qui définissent la chimie pharmaceutique standard.

🔬 Validation de l'impact biologique par l'analyse protéomique

L'évaluation clinique intègre une analyse protéomique complexe afin de valider les interactions biologiques prédites par l'algorithme. Insilico Medicine déploie des cadres internes d'horloge de vieillissement protéomique au sein de l'essai IPF pour recueillir des données exploratoires en gérontologie.

Horloges protéomiques chronologiques - y compris ProtAge, OrganAgechrono, ipfP3GPT et PAOPAC – Suivre les changements d’âge biologique prévus suite à l’intervention. Les chercheurs utilisent les trajectoires associées à l’âge de la UK Biobank comme ensembles de données de comparaison externes, contextualisant les protéines sensibles au traitement par rapport à des données populationnelles générales.

Horloges protéomiques liées au risque de mortalité, notamment PAC et OrganAgemortality, fournissent des flux analytiques orthogonaux en complément des critères d'évaluation cliniques standard. Les équipes cliniques mettent en œuvre Analyses de signatures SenMayo et CellAge évaluer la biologie de la sénescence et du phénotype sécrétoire associé à la sénescence au sein de modèles cellulaires.

Recherche évaluée par des pairs publiée dans Vieillissement et maladies Il a été confirmé que l'inhibition pharmacologique de TNIK produit activité sénomorphe, générant des réductions observables des indicateurs de remodelage de la matrice extracellulaire.

📚 Documentation du pipeline de calcul

Le parcours du rentosertib à travers le pipeline clinique fournit une piste de données documentée et évaluée par les pairs, essentielle à la vérification des capacités de l'IA dans les sciences de la vie. Biotechnologie naturelle L’ensemble du processus, de la découverte à la phase clinique, a été publié. La publication détaille la priorisation algorithmique de la cible TNIK, les résultats de la chimie générative, les données d’efficacité précliniques et la pharmacocinétique de phase I chez l’humain.

Journal de chimie médicinale ont publié la validation de biologie structurale, détaillant la découverte des nouveaux chémotypes d'inhibiteurs de TNIK et fournissant un soutien structurel via la structure co-cristalline du domaine kinase TNIK. Médecine naturelle ont documenté les données de sécurité et de fonction pulmonaire de la phase IIa, fournissant une validation empirique des prédictions informatiques.

Alex Zhavoronkov, PhD, fondateur et PDG d'Insilico Medicine, a commenté : « Rentosertib est un programme phare pour Insilico car il représente l'ensemble de notre mission : utiliser l'IA non seulement pour aller plus vite, mais aussi pour créer de nouvelles opportunités en biologie, en chimie et pour développer de nouvelles approches thérapeutiques. »

Ce programme a débuté avec l'hypothèse que La biologie du vieillissement pourrait aider à identifier des cibles thérapeutiques efficaces pour les maladies graves.Le projet a désormais franchi les étapes de la découverte de cibles, de la conception moléculaire, de la validation préclinique, des études de sécurité de phase I, des données cliniques randomisées de phase IIa et est entré en phase III de développement. Pour le domaine de la découverte de médicaments par IA, il ne s'agit plus seulement d'une histoire de rapidité, mais d'une véritable révolution. récit de traduction clinique."

⚡ Point clé à retenir : L'adoption de l'IA dans le secteur biopharmaceutique nécessite des données vérifiables concernant les effets sur l'humain. essai de phase III soumet les algorithmes génératifs à l'épreuve définitive de leur efficacité clinique, marquant une étape importante dans le développement de médicaments piloté par l'IA.