Mois : janvier 2022

Catégories
Clinique Préclinique Recherche exploratoire

L’intelligence artificielle contre les infections bactériennes : le cas de bactériophages

« If we fail to act, we are looking at an almost unthinkable scenario where antibiotics no longer work and we are cast back into the dark ages of medicine »

David Cameron, former UK Prime Minister

Des centaines de millions de vies sont en jeu. En effet, l’OMS a fait de l’antibiorésistance sa priorité numéro une à l’échelle globale en démontrant notamment que la résistance aux antibiotiques pourra entrainer plus de 100 millions de morts par an d’ici 2050 et qu’elle cause déjà actuellement environ 700 000 morts par an, dont 33 000 en Europe. Parmi les différentes stratégies thérapeutiques pouvant être mises en place, il y a celle de l’utilisation des bactériophages, approche alternative ancienne et délaissée à laquelle l’Intelligence Artificielle pourrait bien donner un coup de jeune. Explications.

Les stratégies pouvant être mises en place pour lutter contre l’antibiorésistance

Les actions et recommandations de santé publique visant globalement à réduire l’utilisation des antibiotiques, nombreuses et indispensables, constituent le premier pilier de lutte contre l’antibiorésistance. Par exemple :

  • La poursuite des campagnes de communication visant à lutter contre la prescription et la consommation excessives d’antibiotiques (qui, en France, ne connaît pas le slogan : « Les antibiotiques, ce n’est pas automatique ! » ?)
  • L’amélioration des conditions sanitaires afin de réduire la transmission des infections et par conséquent les besoins en utilisation des antibiotiques. Cette mesure concerne de très nombreux pays en voie de développement dont les approvisionnements défaillants en eau potable provoquent, notamment, de nombreuses diarrhées infantiles.
  • La réduction de l’utilisation d’antibiotiques dans l’élevage, en interdisant l’ajout de certaines molécules antibiotiques dans l’alimentation des animaux destinés à l’alimentation humaine.
  • La réduction de la pollution environnementale avec des molécules antibiotiques, en travaillant notamment à l’établissement de standards anti-pollution plus contraignants pour les sites fabricants de l’industrie pharmaceutique.
  • L’amélioration et la mise en place de structures globales de surveillance de la consommation humaine et animale d’antibiotiques et de l’apparition de souches bactériennes multi-résistantes.
  • La mise en œuvre plus fréquente de tests diagnostiques afin de limiter l’usage d’antibiotiques et de sélectionner de manière plus précise quelle molécule est nécessaire.
  • L’utilisation plus massive de la vaccination

Le deuxième pilier de la lutte est constitué par des stratégies thérapeutiques novatrices destinées à combattre les souches bactériennes multirésistantes face auxquelles les antibiotiques conventionnels sont impuissants. Nous pouvons notamment citer :

  • La phagothérapie : c’est-à-dire l’utilisation de bactériophages, virus prédateurs naturels des bactéries. Les phages peuvent être utilisés dans les cas thérapeutiques où ils peuvent être directement mis au contact des bactéries (plaies infectées, grands brulés, etc) mais pas dans les cas où ils devraient être injectés dans l’organisme, car ils seraient alors détruits par le système immunitaire du patient.
  • L’utilisation d’enzybiotiques: des enzymes, principalement issues des bactériophages à l’instar de la lysine, pouvant être utilisées afin de détruire des bactéries. A l’heure où nous écrivons ces lignes, cette approche est toujours à un stade expérimental.
  • L’immunothérapie avec notamment l’utilisation d’anticorps : De nombreux anticorps monoclonaux anti-infectieux – ciblant spécifiquement un antigène viral ou bactérien – sont en développement. Le palivizumab dirigé contre la protéine F du virus respiratoire syncytial a, quant à lui, été approuvé par la FDA dès 1998. La piste de l’utilisation synergique d’anticorps anti-infectieux et de molécules antibiotiques est également à l’étude.

Chacune des stratégies – thérapeutique ou de santé publique – proposées peut être mise en application et voir son effet décuplé à l’aide de la technologie. L’une des utilisations les plus originales de l’Intelligence Artificielle concerne l’automatisation du design de nouveaux bactériophages.

Présentation des bactériophages

Les bactériophages sont des virus à capside n’infectant que des bactéries. Ils sont naturellement répandus dans tous les espaces de la biosphère et leur matériel génétique peut être de l’ADN, dans la très grande majorité des cas, ou de l’ARN. Leur découverte n’est pas récente et leur utilisation thérapeutique a déjà un long historique, en effet, dès les années 1920 ils commencent à être utilisé en médecine humaine et animale. Leur usage a été progressivement abandonné dans les pays occidentaux, principalement en raison de la facilité d’utilisation des antibiotiques et du fait que les essais cliniques menés sur les phages ont été relativement peu nombreux, leur utilisation étant essentiellement basée sur l’empirisme. Dans d’autres pays du monde, à l’instar de la Russie et des anciens pays de l’URSS, la culture de l’utilisation des phages dans la santé humaine et animale est restée très forte : ils sont souvent disponibles sans ordonnance et utilisés en première intention.

Le mécanisme de destruction des bactéries par les bactériophages lytiques

Il existe deux types principaux de bactériophages :

  • D’une part les phages lytiques, qui sont les seuls utilisés en thérapeutique et ceux sur lesquels nous nous concentrerons dans la suite de cet article, qui détruisent la bactérie en détournant la machinerie bactérienne à leur profit afin de se multiplier.
  • D’autre part, les phages tempérés, qui ne sont pas utilisés en thérapeutique mais utiles expérimentalement car ils permettent d’ajouter des éléments génomiques à la bactérie, lui permettant potentiellement de moduler sa virulence. Le cycle du phage est nommé lysogénique.

Le schéma ci-dessous présente le cycle de vie d’un phage lytique :

Ainsi, et c’est ce qui fait toute la puissance des phages lytiques, ils sont dans une relation « hôte-parasite » avec les bactéries, ils ont besoin de les infecter et de les détruire pour se multiplier. L’évolution des bactéries va sélectionner principalement des souches résistantes, comme dans le cas de la résistance aux antibiotiques, cependant, à la différence des antibiotiques qui n’évoluent pas – ou plutôt qui évoluent lentement, au rythme des découvertes scientifiques de l’espèce humaine, les phages pourront également s’adapter afin de survivre et de continuer à infecter les bactéries, il s’agit d’une sorte de course à l’évolution entre les bactéries et les phages.

L’utilisation possible de l’Intelligence Artificielle

L’une des particularités des phages est, qu’à l’inverse de certains antibiotiques à large spectre, ils sont la plupart du temps très spécifiques à une souche bactérienne. Ainsi, lorsque l’on souhaite créer ou trouver des phages appropriés au traitement du patient, il faut suivre un processus complexe et souvent relativement long, alors même qu’une course contre la montre est parfois engagée pour la survie du patient : il faut identifier les bactéries, ce qui suppose de cultiver des prélèvements réalisés chez le patient, de caractériser le génome bactérien puis de déterminer quel phage sera le plus à même de combattre l’infection. Cette étape était, jusqu’à peu, un processus itératif de tests in-vivo, très gourmand en temps, or, comme le souligne Greg Merril, le CEO de la start-up Adaptive Phage Therapeutics, développant un algorithme de sélection des phages à partir des génomes bactériens : « Quand un patient est sévèrement touché par une infection, chaque minute est importante ».

En effet, pour rendre la phagothérapeutique applicable à très large échelle, il est nécessaire de pouvoir déterminer rapidement et à coût moindre quel phage sera le plus efficace. C’est ce que permet déjà et permettra de plus en plus l’alliance de deux technologies : le séquençage à haute fréquence et le machine learning. Ce dernier permettant de traiter les masses de données générées par le séquençage génétique (génome du bactériophage ou de la souche bactérienne) et de détecter des patterns par rapport à une base de données expérimentales lui indiquant qu’un Phage au génome X a été efficace contre une bactérie au génome Y.  L’algorithme est alors en mesure de déterminer les chances de réussite de toute une bibliothèque de phages sur une bactérie donnée et de déterminer quel sera le meilleur sans réaliser de longs tests itératifs. Comme chaque domaine basé sur le « test-and-learn », le choix des phages peut ainsi être automatisé.

Outre la détermination du meilleur hôte pour un bactériophage donné (et réciproquement) discutée ci-dessous, les principaux cas d’usage décrits de l’intelligence artificielle dans l’utilisation des phages sont :

  • La classification des bactériophages : L’organisme en charge de la classification est l’International Committee on Taxonomy of Viruses (ICTV). Plus de 5000 bactériophages différents sont décrits et la famille principale est celle des Caudovirales. Les approches traditionnelles de classification des bactériophages reposent sur la morphologie de la protéine virion qui sert à injecter le matériel génétique dans la bactérie cible. Ces approches sont basées essentiellement sur des techniques de microscopie électronique. Une littérature scientifique de plus en plus fournie permet de considérer le Machine Learning comme une alternative pertinente permettant une classification des bactériophages plus fonctionnelle.
  • La prédiction des fonctionnalités des protéines du bactériophages : Le Machine Learning peut notamment être utile pour élucider les mécanismes précis de la PVP (Phage Virion Protein), impliquée, comme mentionné plus haut, dans l’injection de matériel génétique dans la bactérie.
  • La détermination du cycle de vie des bactériophages : Ainsi que nous l’avons vu plus haut dans cet article, il existe deux catégories de phages : lytiques ou tempérés. Traditionnellement, la détermination de l’appartenance d’un phage à l’une de ces deux familles était déterminée par une culture et des tests in-vitro. La tâche est plus ardue que l’on pourrait le penser car sous certaines conditions de stress et en présence de certains hôtes, les phages tempérés ont la capacité, pour survivre d’effectuer des cycles lytiques. A l’heure actuelle, les algorithmes de PhageAI sont en mesure de déterminer à 99% dans quelle catégorie se situe le phage.

Il est également possible, et c’est ce qu’illustre le schéma ci-dessous, pour des bactéries rares et particulièrement résistantes de combiner les techniques vues précédemment aux techniques de biologie synthétique et de bio-engineering afin de créer rapidement des phages « sur-mesure ». Dans ce cas d’usage tout particulièrement, l’Intelligence Artificielle offre à observer tout son potentiel dans le développement d’une médecine ultra-personnalisée.

***

En dépit de son utilité, la phagothérapie est, dans de nombreux pays occidentaux encore compliquée à mettre en place réglementairement. En France, cette thérapeutique est possible dans le cadre d’une Autorisation Temporaire d’Utilisation (ATU) nominative aux conditions que le pronostic vital du patient soit engagé ou que son pronostic fonctionnel soit menacé, que le patient soit dans une impasse thérapeutique et qu’il soit l’objet d’une infection mono-microbienne. L’utilisation de la thérapeutique doit par ailleurs être validée par un Comité Scientifique Spécialisé Temporaire Phagothérapie de l’ANSM et un phagogramme – test in vitro permettant d’étudier la sensibilité d’une souche bactérienne aux bactériophages, à la manière des antibiogrammes – présenté avant la mise sous traitement. Devant ces difficultés multiples, de nombreuses associations de patients se mobilisent afin de militer pour un accès simplifié à la phagothérapie. Avec l’aide de l’Intelligence Artificielle, de plus en plus de phagothérapeutiques pourront être développées, comme l’a illustré cet article et devant l’urgence et l’ampleur de la problématique de l’antibiorésistance, il est indispensable de préparer dès à présent le cadre réglementaire dans lequel les patients pourront accéder aux différents traitements alternatifs, dont les bactériophages. Le combat n’est pas encore perdu et l’Intelligence Artificielle sera pour nous un allié déterminant.

Vous souhaitez discuter du sujet ? Vous souhaitez prendre part à la rédaction d’articles de la Newsletter ? Vous souhaitez participer à un projet entrepreneurial relatif à la PharmaTech ?

Contactez-nous à l’adresse hello@resolving-pharma.com ! Rejoignez notre groupe LinkedIn !

Pour aller plus loin :

Inscription à la newsletter

Ces articles pourraient vous intéresser

Vitalik_Buterin_Scientist_Landscape

Introduction à la DeSci

Alexandre Demailly 19 mai 2022
Ou comment la Science du futur est en train de naître sous vos yeux « [DeSci] transformed my research impact from a low-impact virology article every other year to saving the…
Illustration In Silico

Vers des essais cliniques virtuels ?

Quentin Vicentini 16 janvier 2022
Les essais cliniques font partie des étapes les plus critiques et les plus coûteuses dans le développement du médicament. Ils sont fortement régulés par les différentes agences de santé internationales,…
Catégories

Pour s’inscrire gratuitement à la Newsletter mensuelle, cliquez ici.

Vous souhaitez prendre part à la rédaction d’articles de la Newsletter ? Vous souhaitez participer à un projet entrepreneurial sur ces thématiques ?

Contactez-nous à l’adresse hello@resolving-pharma.com ! Rejoignez notre groupe LinkedIn !

Catégories
Clinique

Vers des essais cliniques virtuels ?

Les essais cliniques font partie des étapes les plus critiques et les plus coûteuses dans le développement du médicament. Ils sont fortement régulés par les différentes agences de santé internationales, et pour cause, la molécule ou la nouvelle procédure médicale testées peuvent potentiellement nuire aux patients.  À ce jour, ce sont les essais cliniques randomisés qui ont le plus de valeur aux yeux des autorités de santé. Toutefois, même si les études sont construites afin de générer un maximum de données tout en limitant les biais et en respectant au mieux la sécurité du patient, elles sont limitées en termes de paramètres testés. Par exemple, certaines molécules sont destinées à traiter des pathologies touchant de petits nombres de patients, il est alors très compliqué et couteux pour les promoteurs des études cliniques de recruter suffisamment de patients et la puissance statistique générée est parfois trop faible pour être interprétée avec confiance.

Est-ce qu’un modèle mathématique, informatique, de patient pourrait totalement remplacer, ou du moins suppléer les données générées par l’Humain dans un essai clinique ?

Ce court article va essayer de développer le concept d’essais cliniques in silico au travers de quelques notions et exemples de la littérature scientifique. Nous espérons qu’il pourra vous en apprendre davantage sur ce domaine passionnant. 

Les essais cliniques in silico passent par des patients virtuels, c’est-à-dire des modèles mathématiques générés par un algorithme, mimant notre physiologie et capables de reproduire par exemple la pharmacocinétique d’un médicament X 1 ou encore leur toxicité associée 2. Ils possèdent de nombreux avantages, tels que générer plus de confiance dans la molécule testée avant toutes expériences animales et/ou sur l’être humain, ou encore augmenter la puissance statistique d’essais réalisés sur des petites populations ; comme lorsqu’une molécule est testée dans des maladies orphelines. À terme, cette technologie permettra de suivre la règle des 3 Rs vivant à limiter l’utilisation d’animaux de laboratoire : Remplacer, Réduire, Raffiner.

Dans cette optique, Sarrami-Foroushan et al. 1 ont modélisé l’effet thérapeutique d’une pose d’endoprothèse dans le traitement d’anévrismes intracrâniens. La première étape du projet était de vérifier s’il était d’abord possible de répliquer les données des études déjà existantes, et dans un second temps, d’explorer certaines situations qui auraient requis un ensemble de patients plus compliqué à regrouper.

En se basant sur des anatomies de carotides “virtuelles” (mais modélisées depuis de vrais patients), les chercheurs ont pu appliquer un ensemble de modèles afin de reproduire les différents mécanismes physiques (dynamique des fluides pour le sang par exemple) impliqués dans l’évolution de l’anévrisme, et d’observer l’effet de la prothèse sur le vaisseau malade (ici, son occlusion). Le but était également de générer un modèle capable de comparer l’effet de la prothèse chez un patient normotensif et chez un patient hypertensif.

Le score prédit était comparable aux résultats déjà publiés dans la littérature, et a permis d’explorer de nouveaux scénarios où, par exemple, l’anévrisme a une morphologie plus complexe et où certains patients sont plus difficiles à recruter.

Cet exemple illustre bien la force que la technologie de l’in silico représentera dans les décennies à venir. Les différentes autorités de santé, telle que la FDA 2, accordent de plus en plus d’importances à ces prédictions, car elles réduisent le coût et la durée des essais cliniques.

Un autre cas d’étude est celui développé par Gutiérrez-Casares et al. 3 dans le traitement de l’ADHD, par deux petites molécules différentes, le lisdexamfetamine et le methylphenidate. 

L’équipe a d’abord dû caractériser la pathologie et les médicaments testés au niveau moléculaire : dans l’ADHD, l’expression de certaines protéines est altérée et les deux molécules agissent différemment. La sensibilité et l’efficacité peuvent donc être différentes chez un patient selon la molécule étudiée. L’activité de ces protéines a ensuite était corrélée en critères d’efficacité clinique.

Ils ont généré une population virtuelle, démographiquement similaire aux populations observées dans la pathologie, décrivant des profils protéiques différentes selon le statut “sain” ou “malade” du patient. 

Enfin, l’équipe s’est basée sur cette population virtuelle pour générer leurs profils pharmacocinétiques et simuler la concentration qu’aurait le médicament dans leur organisme.

En se basant sur leurs profils protéiques et en croisant les données d’efficacité générées, les chercheurs ont pu retrouver les protéines clés dans le mécanisme d’action des deux médicaments. Ce ne sont pas seulement des données d’efficacité et de sureté qui peuvent être générées via les essais in silico, mais également des données fondamentales au mode d’action du médicament qui peuvent être inférées. 

Il est encore très compliqué, à ce jour, d’adopter une démarche holistique quant à la simulation de la physiologie humaine. L’article de Gutiérrez-Casares et al. le met en exergue, la fiabilité des modèles se limite à ce que l’on connait déjà.  La notion de jumeau numérique est applicable à de nombreux domaines 4, mais ne le sera peut-être jamais tout à fait en Santé. Toutefois, grâce à la puissance de calcul informatique sans cesse croissante et à l’évolution des bases de données cliniques, les modèles se rapprocheront de plus en plus de résultats vraisemblables. Alors qu’une phase 3 requiert bien souvent un grand nombre de patients à l’heure actuelle, les essais in silico pourront-ils réduire ce nombre et accélérer l’autorisation des nouveaux médicaments sur le marché ?

Du côté public, des initiatives telles que le VPH Institute 5 et Avicenna Alliance 6 promeuvent l’utilisation du in silico et contiennent de multiples ressources accessibles à tous afin de démocratiser la technologie.

Du côté privé, il existe des entreprises telles que InSilicoTrials 7, Novadiscovery 8 ou encore l’outil InClinico de l’entreprise InSilico 9 qui proposent des plateformes accessibles aux différents acteurs de l’industrie de la Santé, afin de leur procurer des outils “prêts-à-l’emploi” pour initier leurs propres simulations. 

Est-il possible d’imaginer un futur où ces outils permettront aux petites et moyennes biotechs d’accéder plus facilement aux essais cliniques de phase 3 sans les moyens financiers d’une grande entreprise pharmaceutique  ? L’écosystème des industries de la Santé serait alors plus favorables aux idées innovantes et “risquées”, et non plus seulement aux acteurs historiques, capables d’encaisser le lourd échec d’une phase 3.

Pour aller plus loin :

  1. Sarrami-Foroushani, A. et al. In-silico trial of intracranial flow diverters replicates and expands insights from conventional clinical trials. Nat. Commun. 12, 3861 (2021).
  2. AltaThera Pharmaceuticals Announces FDA Approval for New Indications of Sotalol IV: A New and Faster Way to Initiate Sotalol Therapy for Atrial Fibrillation (AFib) Patients. 
  3. Gutiérrez-Casares, J. R. et al. Methods to Develop an in silico Clinical Trial: Computational Head-to-Head Comparison of Lisdexamfetamine and Methylphenidate. Front. Psychiatry 12, 1902 (2021).
  4. Marr, B. 7 Amazing Examples of Digital Twin Technology In Practice. Forbes 
  5. VPH Institute | Virtual Physiological Human – International non-profit organisation.
  6. AVICENNA ALLIANCE. 
  7. InSilicoTrials – Modeling and simulation in drug development.
  8. Novadiscovery 
  9. InClinico | Insilico Medicine. 
Inscription à la newsletter

Ces articles pourraient vous intéresser

Vitalik_Buterin_Scientist_Landscape

Introduction à la DeSci

Alexandre Demailly 19 mai 2022
Ou comment la Science du futur est en train de naître sous vos yeux « [DeSci] transformed my research impact from a low-impact virology article every other year to saving the…
Illustration In Silico

Vers des essais cliniques virtuels ?

Quentin Vicentini 16 janvier 2022
Les essais cliniques font partie des étapes les plus critiques et les plus coûteuses dans le développement du médicament. Ils sont fortement régulés par les différentes agences de santé internationales,…
Catégories

Pour s’inscrire gratuitement à la Newsletter mensuelle, cliquez ici.

Vous souhaitez prendre part à la rédaction d’articles de la Newsletter ? Vous souhaitez participer à un projet entrepreneurial sur ces thématiques ?

Contactez-nous à l’adresse hello@resolving-pharma.com ! Rejoignez notre groupe LinkedIn !

Catégories
Entrepreneuriat Interviews

Interview – Molecule, la start-up qui souhaite révolutionner le financement du développement de médicaments avec la Blockchain

L’équipe de Resolving Pharma est heureuse d’inaugurer une série d’entretiens avec des start-ups créant le monde pharmaceutique de demain par cette interview de Molecule.to,  jeune et ambitieuse entreprise allemande souhaitant changer les règles du Drug Development en utilisant la technologie Blockchain d’une manière inédite.

Nous remercions l’équipe de Molecule pour cet échange et tout particuliérement Heinrich Tessendorf. Cette version française est une traduction, que nous espérons la plus fidèle possible, de notre échange en anglais.

Certains termes utilisés dans cet entretien sont techniques et très spécifiques au domaine de la Blockchain, afin de faciliter la compréhension du projet de Molecule.to, un glossaire a été ajouté en fin d’interview. N’hésitez pas à nous contacter si vous avez des questions ou souhaitez discuter du sujet. Bonne lecture !

Interview réalisée par Alexandre Demailly et Quentin Vicentini.

Resolving Pharma : Avec Molecule, vous êtes en train de tenter de réinventer, parmi d’autres choses, le financement de la R&D Pharmaceutique. Pouvez-vous nous expliquer comment votre plateforme fonctionne ?

Molecule : Notre plateforme est une marketplace qui permet de faire passer la propriété intellectuelle early-stage dans le monde du Web3 via les NFTs. A cela s’ajoutent des DAOs orientés vers les biotechs dans lesquels des communautés se réunissent pour financer la recherche dans des domaines thérapeutiques spécifiques. Ces communautés se composent de patients, de chercheurs et de passionnés.

En pratique, tout cela se met en place lorsque les chercheurs téléversent un projet sur notre site Web. A partir de là, d’autres chercheurs, investisseurs ou communautés de patients peuvent découvrir ces projets et décider d’investir dans l’un ou l’autre de ceux-ci. Une fois que ces acteurs ont décidé dans quel projet ils allaient investir, ils peuvent connecter leur wallet web3 (par exemple Metamask) et financer le projet en achetant un IP-NFT. Les droits de propriété intellectuelle seront ainsi immédiatement transférés à l’acheteur et les fonds pourraient être transférés au chercheur exactement au même moment.

Resolving Pharma : Quels sont les objectifs de votre entreprise ? Quelle est votre vision ?

Molecule : Notre vision est simple : nous voulons de créer des communautés de patients, de chercheurs et d’investisseurs pour financer et gérer le développement de médicaments. Pour cela, nous transformons la propriété intellectuelle en une classe d’actifs très liquide et fondée sur les données.

Au cours des deux prochaines années, notre objectif est que notre protocole finance autant de R&D qu’une entreprise pharmaceutique de taille moyenne. Avec cela, nous avons l’ambition de doubler notre équipe, de lancer Molecule V2 ainsi que le Molecule DAO. Nous souhaitons également voir la licence de notre premier actif être achetée par une société pharmaceutique.

Nous espérons que la « biotechnologie décentralisée » fera pour l’accès aux thérapies et aux médicaments ce que les FinTech et la finance décentralisée ont fait pour la façon dont nous obtenons l’accès aux services financiers.

Resolving Pharma : Comment les projets soumis sont sélectionnés et évalués ?

Molecule : Les projets peuvent être soumis via la Molecule’s Discover App ou en utilisant le formulaire de soumission de projet de VitaDAO

Sur la Discover App de Molecule, tout chercheur peut télécharger son projet et les investisseurs peuvent le découvrir. Actuellement, nous avons plus de 300 projets listés sur cette plateforme. Ces projets ne sont pas évalués par les équipes de Molecule, c’est aux investisseurs de décider dans quels projets ils veulent investir.

Sur le formulaire de soumission de projet de VitaDao, vous pouvez soumettre, en tant que chercheur, votre projet axé sur la longévité, mais le concept est différent dans la mesure où vous demandez un financement pour votre projet à VitaDao. Une due diligence est mise en place de la même manière que ce qui est réalisé par l’industrie biopharmaceutique. En d’autres termes, la taille du marché, la concurrence, l’équipe et d’autres paramètres sont pris en compte. Cependant, VitaDao souhaite financer des projets présentant un plus haut niveau de risque et à un stade plus précoce que ceux pouvant être financés par les mécanismes de financement traditionnels. VitaDao souhaite en outre se concentrer sur les projets favorisant la longétivité et l’augmentation de la durée de vie. Cela présente une particularité majeure car le vieillissement n’est pas reconnu comme une maladie par les agences gouvernementales à l’instar de la FDA. Par conséquent, il est compliqué d’évaluer le marché de manière traditionnelle. Les investisseurs de VitaDao acceptent cette difficulté et ont des stratégies incluant la poursuite d’essais cliniques dans des pays ayant un cadre juridique favorable et/ou des pays prêts à travailler avec les promoteurs pour concevoir des essais cliniques utilisant des biomarqueurs pertinents pour évaluer l’impact de la thérapeutique sur la longétivité.

Les projets soumis pour financement par le biais de VitaDAO sont évalués par le conseil d’évaluation scientifique de VitaDAO. Celui-ci émet alors un avis concernant le financement. L’évaluation est indépendante de la décision finale de financement. Ainsi, si un projet remplit les conditions requises pour être financé, une proposition de financement est envoyée aux détenteurs de jetons VitaDAO votent finalement pour ou contre le financement du projet de R&D.

Resolving Pharma : Comment investir dans un projet de recherche en utilisant votre plateforme ?

Molecule : Actuellement, chaque investisseur doit être un utilisateur vérifié sur Molecule pour investir dans les projets de recherche proposés. Pour vous permettre d’investir directement dans un projet de recherche, nous avons besoin de certaines informations de la part de l’investisseur. Notre plateforme est compatible avec le Web3, donc une fois que les investisseurs ont été « whitelistés » et qu’ils ont sélectionné un projet qu’ils souhaitent financer, les étapes sont similaires à celles de l’achat d’un NFT sur OpenSea. En pratique, les étapes sont les suivantes :

  • Créez un compte d’investisseur sur Molecule
  • Explorez les projets de recherche dans votre domaine d’intérêt. Si vous souhaitez entrer en contact avec des chercheurs spécifiques dont les coordonnées ne figurent pas dans la liste, n’hésitez pas à nous contacter via info@molecule.to
  • Faites vous « whitelister » pour les ventes d’IP-NFT : en effet pour participer à la vente des IP-NFT et faire des offres aux chercheurs, Molecule doit recueillir certaines informations auprès des investisseurs privés. Ces informations seront utilisées principalement pour contacter les investisseurs et leur permettre de signer les accords juridiques sous-jacents aux IP-NFTs. Pour déclencher le whitelisting, veuillez prendre contact avec info@molecule.to
  • Faites des offres sur les IP-NFTs : vous êtes maintenant prêt à faire des offres pour de nouveaux projets de recherche ou pour des IP-NFTs existants. Nous vous tiendrons informé des nouvelles opportunités de financement. Si vous êtes intéressé par le financement de projets qui ne figurent pas encore sur Molecule, n’hésitez pas à mettre le chercheur en contact avec nos équipes.
  • Transferez des fonds et réceptionnez l’IP-NFT : une fois que votre offre a été acceptée par un chercheur, il vous sera demandé de transférer les fonds sur un compte séquestre. Dès que la réception des fonds, le NFT sera envoyé sur le Wallet à l’origine des fonds.
  • Gérez votre IP-NFT : Vous pouvez, dès la réception de l’IP-NFT faire des offres de vente, consulter l’accord juridique sous-jacent et les données de l’asset, le tout via la plateforme Molecule.

Resolving Pharma : Comment les investisseurs individuels peuvent-ils choisir entre les différents projets ?

Molecule : Les investisseurs individuels devront faire leurs propres recherches et vérifications préalables (note de Resolving Pharma : dans le milieu des cryptomonnaies et de la blockchain, l’acronyme DYOR est souvent utilisé pour Do Your Own Researchs) et consulter un conseiller scientifique. Les particuliers choisiront très probablement des projets qui les intéressent personnellement, en choisissant par exemple ceux destinés à traiter une pathologie dont ils sont atteints ou dont souffre un membre de leur famille. Une grande partie des informations dont ils ont besoin se trouvent sur la page du projet mais ils peuvent contacter les chercheurs individuels via la page du projet pour poser des questions supplémentaires.

Lorsqu’un DAO (par exemple VitaDAO) finance un projet, il dispose d’un groupe d’experts en la matière (le conseil d’évaluation scientifique) qui le conseille sur les projets à financer. La décision est ensuite formalisée par une proposition de gouvernance qui est soumise à un vote et la décision finale est prise par tous les détenteurs du jetons par vote démocratique pour oui ou pour non.

Resolving Pharma : Quels sont les avantages du financement décentralisé du développement de nouveaux médicaments ?

Molecule : Si la propriété intellectuelle est cloisonnée et détenue par des entreprises individuelles, celles-ci peuvent avoir tendance à ne publier que les données positives, ce qui entraîne une asymétrie de l’information. Ce n’est pas ainsi que la science est censée fonctionner. La communauté des chercheurs pourrait obtenir les résultats souhaités beaucoup plus rapidement si la recherche était menée de manière plus ouverte et collaborative. L’apprentissage peut se faire beaucoup plus rapidement et les coûts peuvent être réduits en diminuant la duplication du travail. Une chose qui peut contribuer à faciliter cela est d’attirer l’attention sur les projets de recherche par le biais d’un marché public mondial.

Resolving Pharma : Comment votre modèle se différencie-t-il des plateformes de crowdfunding ?

Molecule : La plateforme de Molecule est différente du crowfunding, car les nouvelles approches de la propriété démocratisée (note de Resolving Pharma : en particulier relatives à la Blockchain et aux DAOs) permettent aux parties prenantes d’être directement copropriétaires des thérapies qui les concernent. Imaginez un monde où un nouveau traitement à l’insuline serait la propriété collective des diabétiques – quelles seraient les conséquences sur l’accès et les prix ? Et les patients pourraient avec un impact direct et leur mot à dire sur les médicaments développés pour eux ? Les communautés aident à mettre les médicaments sur le marché, non seulement en les finançant mais également en en devenant les co-propriétaires actifs.

Resolving Pharma : Pouvez-vous nous expliquer le concept d’IP-NFT ? Comment cela est-il sécurisé d’un point de vue légal ?

Molecule : L’IP-NFT est une nouvelle norme que nous avons développée. Les IP-NFTs représentent l’intégralité des droits légaux de propriété intellectuelle et permettent l’accès aux données pour la recherche biopharmaceutique. Considérez l’IP-NFT comme un jeton unique sur la blockchain Ethereum. Ce jeton sera lié à un accord juridique que le chercheur aura conclu avec les investisseurs. Grâce au fractionnement, au transfert sans friction et à la collatéralisation de la propriété intellectuelle dans des systèmes financiers décentralisés (DeFi), il débloque une nouvelle valeur autour de la propriété intellectuelle biopharmaceutique. Fondamentalement, l’IP-NFT permet le financement, la liquidité et la valorisation de la propriété intellectuelle et de la recherche.

D’un point de vue juridique, l’IP-NFT permet de négocier les droits/licences juridiques réels de la propriété intellectuelle. Cela se fait au moyen d’un contrat légal et d’un contrat intelligent qui se réfèrent l’un à l’autre. Le contrat légal est une licence de propriété intellectuelle faisant référence aux transactions, adresses et signatures dans la blockchain. Le contrat intelligent est un NFT dont le code fait référence à l’accord de licence de propriété intellectuelle, en masquant certains éléments de données confidentielles et en les stockant sur des réseaux de stockage de fichiers décentralisés. Combinés, le contrat légal et le contrat intelligent créent l’IP-NFT. Les acheteurs bénéficient ainsi d’un contrôle d’accès sécurisé à la propriété intellectuelle et aux données, ce qui accélère la procédure de due-diligence et réduit les coûts. Vous pouvez en savoir plus sur la configuration à la fois technique et juridique d’un IP-NFT dans cet article Medium : Molecule’s Biopharma IP-NFTs — A Technical Description

Resolving Pharma : Comment les décisions sont prises concernant la gestion de la propriété intellectuelle des projets ? Quel est le rôle des DAOs ?

Molecule : VitaDAO est gouverné par ses membres. Toutes les décisions sont soumises à un processus décisionnel prédéfini par le code du protocole, qui est inclusif et transparent pour tous les membres. Les décisions de moindre importance sont prises de manière informelle sur le forum Discourse ou sur serveur Discord de VitaDao, mais peuvent être soumises à un vote directement « on-chain » où toute personne possédant des jetons Vita peut voter. Les décisions qui sont contestées et qui ont un impact notables sur les parties prenantes de VitaDAO en affectant les processus de manière fondamentale ou qui impliquent une utilisation importante de fonds sont toujours soumises à un vote sur la chaîne et nécessitent l’accord d’une majorité relative des détenteurs de jetons.

Resolving Pharma : A ce propos, pouvez-vous en dire plus sur VitaDAO ? Comment ce projet pourrait contribuer à prolonger l’espérance de vie humaine ?

Molecule : VitaDao est une organisation autonome décentralisée (DAO) qui a pour objet de financer des projets de recherche sur la longévité et de régir leur propriété intellectuelle par le biais d’IP-NFT. Considérez VitaDAO comme le véhicule de la démocratisation de l’accès aux produits thérapeutiques dans le monde de la biotechnologie de la longétivité, afin de rendre ces actifs largement accessibles aux personnes du monde entier.

A propos du rôle que joue le projet dans l’allongement de l’espérance de vie humaine : VitaDAO finance des recherches en phase initiale et pourrait, par exemple, transformer ces projets de recherche en sociétés de biotechnologie. A titre d’exemple, le premier projet financé par VitaDAO cherche à valider des observations sur la longétivité par une série d’expériences en laboratoire. Ce travail pourrait aboutir à la réorientation de plusieurs traitements approuvés par la FDA pour prolonger la durée de vie humaine, à un coût moindre et dans des délais plus courts qu’avec la découverte de médicaments de novo.

Resolving Pharma : Si nos lecteurs veulent vous aider et participer à vos projets, que peuvent-ils faire ?

Molecule : La meilleure manière est de rejoindre notre Discord, de vous présenter et de discuter avec nous. Vous pouvez également joindre directement notre Community Manager par la biais de son adresse mail : heinrich@molecule.to

Si vous souhaitez en apprendre davantage sur le projet, vous pourrez vous reporter :

Glossaire :

  • Web3 : « Le Web3 fait référence à une troisième génération d’Internet où les services et les plateformes en ligne passent à un modèle basé sur les blockchains et les cryptomonnaies. En théorie, cela signifie que les infrastructures sont décentralisées et que toute personne qui possède un jeton associé à cette infrastructure a un certain contrôle sur elle. Ce modèle du web représente une vision financiarisée d’internet. »
  • NFT pour Non-Fongible Token : « Un NFT désigne un fichier numérique auquel un certificat d’authenticité numérique a été attaché. Plus exactement, le NFT est un jeton cryptographique stocké sur une blockchain. Le fichier numérique seul est fongible, qu’il s’agisse d’une photo, d’une vidéo ou autre, le NFT associé est non fongible. »
  • DAOs : « Une DAO (Decentralized Autonomous Organization) est une entité fonctionnant grâce à un programme informatique qui fournit des règles de gouvernance automatisées à une communauté. La DAO est un contrat intelligent, complexe, déployé sur la blockchain Ethereum, et qui s’apparente à un fonds de capital-risque décentralisé. Ces règles sont inscrites de façon immuable et transparente dans une blockchain, une technologie de stockage et de transmission d’informations sécurisée et qui fonctionne sans organe central de contrôle. Une DAO se distingue, en théorie, d’une entité classique de trois manières : elle ne peut pas être arrêtée ou fermée, personne ni aucune organisation ne peut la contrôler (et donc en manipuler les chiffres) et, enfin, tout y est transparent et auditable, cela dans un cadre supranational. Une DAO repose sur du code informatique : ses règles de fonctionnement sont publiques et elle ne s’appuie sur aucune juridiction. »
  • WhiteList : « L’expression liste blanche (en anglais whitelist) définit, dans le contexte des projets Blockchain, un ensemble de personnes auxquelles on attribue un niveau de liberté ou de confiance maximum dans un système particulier »
Inscription à la newsletter

Ces articles pourraient vous intéresser

Vitalik_Buterin_Scientist_Landscape

Introduction à la DeSci

Alexandre Demailly 19 mai 2022
Ou comment la Science du futur est en train de naître sous vos yeux « [DeSci] transformed my research impact from a low-impact virology article every other year to saving the…
Illustration In Silico

Vers des essais cliniques virtuels ?

Quentin Vicentini 16 janvier 2022
Les essais cliniques font partie des étapes les plus critiques et les plus coûteuses dans le développement du médicament. Ils sont fortement régulés par les différentes agences de santé internationales,…
Catégories

Pour s’inscrire gratuitement à la Newsletter mensuelle, cliquez ici.

Vous souhaitez prendre part à la rédaction d’articles de la Newsletter ? Vous souhaitez participer à un projet entrepreneurial sur ces thématiques ?

Contactez-nous à l’adresse hello@resolving-pharma.com ! Rejoignez notre groupe LinkedIn !