Le Prof. Alexandre Tkatchenko et son équipe de recherche à l’Université du Luxembourg ont reçu des subventions d’un montant total de 500 000 euros, permettant de continuer des études dans le domaine émergeant de l’apprentissage automatique pour les découvertes en chimie.
La découverte et la formulation de nouveaux médicaments, d’antiviraux, d’antibiotiques et de produits chimiques généraux aux propriétés adaptées est un processus long et minutieux. La recherche interdisciplinaire au carrefour de la biochimie, de la physique et de l’informatique peut accélérer ce processus. Le développement de méthodes d’apprentissage automatique (ML), combinées aux principes de la mécanique quantique et statistique, et appliquées sur d’importantes bases de données moléculaires, a le potentiel de révolutionner le processus de découverte dans le secteur de la chimie.
« La découverte en chimie et l’apprentissage automatique sont censés évoluer conjointement, mais il faut encore résoudre des défis remarquables pour parvenir à une véritable synergie, » déclare Alexandre Tkatchenko, professeur de physique chimique théorique à l’Université.
L’apprentissage automatique pour identifier les médicaments potentiels
L’Université a initié une collaboration avec la société belge Janssen Pharmaceuticals au printemps 2020 pour développer de nouvelles méthodes de ML permettant d’identifier les composés présentant un fort potentiel thérapeutique (appelés médicaments candidats). Jusqu’à présent, les approches ML ont été développées pour les molécules de taille réduite. Ce projet de recherche va étendre l’architecture et la transférabilité des approches d’apprentissage automatique basées sur la mécanique quantique aux grandes molécules d’importance pharmaceutique.
« La génération de nouveaux produits chimiques agissant sur des cibles biologiques pertinentes est l’activité principale des sociétés pharmaceutiques. » commente le Les approches d’apprentissage automatique peuvent accélérer le processus et réduire les taux d’échec dans la découverte de médicaments., chercheur postdoctoral au sein du groupe du Prof. Tkatchenko.Le fait d’avoir été approché par une grande société pharmaceutique pour travailler sur l’identification de médicaments potentiels est une reconnaissance gratifiante de notre expertise par l’industrie,Dr Leonardo Medrano-Sandonas
Partenariat du réseau Innovative Training Network financé par la Commission européenne
En collaboration avec trois grandes sociétés pharmaceutiques européennes (Bayer, AstraZeneca et Janssen), la société chimique Enamine et dix partenaires académiques avec de l’expertise de la conception informatique de médicaments, le Prof. Tkatchenko a obtenu la subvention Marie Sklodowska-Curie Actions – Innovative Training Network concernant le projet Advanced machine learning for Innovative Drug Discovery (AIDD) pour la période 2021-2023. Ce projet vise à développer des méthodes de ML pour contribuer à un modèle intégré de « Chimie unique », capable de prédire des résultats de la génération de molécules à la synthèse, et de manier l’association de la chimie et de la biologie pour développer de nouveaux médicaments.
Ici, l’expertise scientifique s’associe à l’expertise des partenaires industriels en chimie médicinale et synthétique, et bénéficie d’ensembles de données volumineux et précieux. Pour la première fois, tous les développements méthodologiques seront disponibles en open source. Le réseau formera une génération de scientifiques dotés de compétences en apprentissage automatique et en chimie pour faire progresser la chimie médicinale.
« La précision des prédictions provenant de l’apprentissage automatique dépend inexorablement de l’accès à de vastes ensembles de données de haute qualité et de l’expertise pour les analyser, » explique le Prof. Tkatchenko. « Réunir nos forces est la première étape vers la révolution de la découverte chimique stimulée par l’apprentissage automatique. »
Le domaine de l’apprentissage automatique pour la découverte chimique est en pleine émergence et des avancées importantes devraient avoir lieu dans un avenir proche. Le Prof. Tkatchenko a récemment publié un article dans la revue Nature Communications, où il traite des récentes avancées dans ce domaine et souligne les défis pour les années à venir. L’article est disponible en ligne.