La filiale d'IPA BioStrand finalise l'intégration de 20 millions de HYFTtm structurels exclusifs et accélère la découverte et le développement in silico de médicaments

IPA (IMMUNOPRECISE ANTIBODIES LTD.) (la « Société » ou « IPA ») (NASDAQ : IPA), une société de recherche et de technologie biothérapeutique de pointe, annonce que sa filiale BioStrand BV a terminé l'intégration complète de 20 millions de HYFT structurels aux plateformes AlphaFold de Deepmind et ESM-2 Fold de META.

La bataille des protéines: AlphaFold-2 contre ESM-2 Fold

De récents efforts pour prédire la structure tridimensionnelle d'une protéine à l'aide de l'IA se rapprochent d'une solution au défi du repliement des protéines. La structure tridimensionnelle d'une protéine peut être étudiée avec le même niveau de précision que les méthodes expérimentales, grâce à AlphaFold, une IA d'analyse des structures protéiques créée par DeepMind, une société Alphabet axée sur l'intelligence artificielle. En juillet 2021, Alphafold est devenue publiquement disponible et considérée comme révolutionnant la biologie.

Une base de données cherchable contenant les structures tridimensionnelles de plus de 200 millions de protéines prédites par Alphafold a été publiée en juillet 2022.

L'ESM Metagenomic Atlas, une base de données qui a prédit la structure de plus de 617 millions de protéines métagénomiques, a ensuite été présentée en novembre 2022 par Meta AI, une équipe de recherche de Facebook axée sur la production de connaissances destinées à la communauté IA. L'étude des génomes qui ont été directement extraits d'échantillons environnementaux est appelée métagénomique.

ESM est une approche révolutionnaire des chercheurs de Meta AI pour prédire la structure protéique. Ce modèle est une des alternatives se rapprochant le plus d'AlphaFold-2 de DeepMind, qui aurait résolu le grand défi de ces 50 dernières années du repliement des protéines in silico. Meta AI a lancé plusieurs modèles au fil des ans, et le public peut désormais voir ses dernières avancées. L'inférence d'ESM-2 Fold permet plus rapidement d'investiguer les espaces structurels de protéines métagénomiques, alors qu'AlphaFold-2 et RoseTTAFold sont d'une plus grande précision.

De nombreux modèles prédictifs des structures protéiques existent en plus d'ESM-2 Fold et AlphaFold-2, notamment RoseTTAFold, OmegaFold, IntFOLD, et RaptorX.

Le modèle ESM Fold issu de l'IA prédictive des structures protéiques de Meta traduit les atomes et molécules qui composent la protéine en un langage et prédit la structure tridimensionnelle à partir des données d'apprentissage. Le groupe a mis au point l'ESM-2 avec 15 milliards de paramètres en élargissant ce modèle. Plus grand modèle de langage protéique à ce jour, ESM-2 utilise 2 000 GPU, et peut prédire la structure tridimensionnelle de plus de 600 millions de protéines dans l'atlas métagénomique ESM en tout juste deux semaines.

Selon l'équipe de recherche de Meta AI, alors que la vitesse de prédiction structurelle d'ESM-2 est 60 fois supérieure à celle d'AlphaFold, sa précision prédictive est inférieure à celle d'AlphaFold. Ceci suggère que la prédiction structurelle peut être mise à l'échelle de bases de données nettement plus vastes, selon Meta.

La technologie HYFT

Les HYFT sont des schémas Universal Fingerprint^TM extraits dans toute la biosphère. Une fois reliés entre eux, ils forment un graphique de connaissances, baptisé Knowledge Graph, qui constitue plus de 660 millions de HYFT et plus de 25 milliards de relations. La caractéristique clé est le fait que ces HYFT peuvent connecter la séquence à la structure et à la fonction, mais aussi relier la séquence à tous les types d'informations textuelles, comme les publications scientifiques et les dossiers médicaux. Récemment, la Société a ajouté plus de 20 millions de HYFT structurels (S_HYFTs) au Knowledge Graph, et rajoute sans relâche des métadonnées et des relations. Cette approche a renforcé les plateformes basées sur des HYFT, avec le double effet de tirer parti des capacités de prédiction structurelle d'AlphaFold-2 et d'ESM-2 en tant que couches navigationnelles permettant l'analyse par les HYFT, tout en intégrant les connaissances associées et en accélérant les processus de découverte.

L'enrichissement et la mise à jour continus du graphique HYFT avec les dernières découvertes constituent une caractéristique clé, ce qui signifie que le nombre de relations au sein du graphique augmente de manière exponentielle. Il fournit aux plateformes LENS^ai basées sur HYFT des connaissances constamment mises à jour, intégrées et pertinentes dans un contexte biologique.

Ce qui rend ce graphique unique est l'abondance d'informations explicites sur la biosphère complète qui sont représentées. Comme les graphiques reposent sur les relations, ils permettent de déterminer et visualiser facilement et efficacement la connexité de différentes entités dans cette biosphère. De plus, il apporte à la plateforme LENS^ai un point de départ extrêmement puissant pour l'application plus poussée de diverses techniques d'IA et d'apprentissage machine dans la découverte d'anticorps et la médecine de précision. Le graphique HYFT fournit une couche intermédiaire unique entre les séquences et les prédictions, permettant d'extraire de nouvelles connaissances et perspectives, sans l'inconvénient d'évoluer dans une boîte noire.

Du graphique de connaissances aux connaissances non découvertes

Pourquoi est-il important de disposer d'un immense graphique de connaissances couvrant toute la biosphère? La richesse d'un graphique détermine la profondeur et le niveau de détails d'informations et connaissances nouvelles pouvant être extraites. Avoir accès à 25 milliards de relations permet des niveaux très fins d'exploration qui n'étaient jusque-là pas possible. En plus de la magnitude relationnelle, la pertinence biologique des informations est un élément clé. Ici, la capacité unique du graphique de connaissances HYFT à connecter la séquence, la structure, la fonction et la littérature est sans précédent.

In silico et laboratoire humide intégrés

L'approche axée sur l'IA de BioStrand et les capacités laboratoires inégalées d'IPA s'appuient sur notre plateforme de découverte d'anticorps neutre par rapport aux cibles afin de créer les meilleurs médicaments dans une variété de domaines thérapeutiques. Le fait de soutenir le laboratoire humide grâce aux informations et prédictions les plus complètes et actualisées et en utilisant un large éventail de modèles in silico permet d'accélérer les expériences en laboratoire humide, et les rend généralement plus efficaces et pertinentes.

ImmunoPrecise Antibodies Ltd.

ImmunoPrecise Antibodies Ltd. possède plusieurs filiales en Amérique du Nord et en Europe, notamment des entités telles que Talem Therapeutics LLC, Biostrand BV, ImmunoPrecise Antibodies (Canada) Ltd. et ImmunoPrecise Antibodies (Europe) B.V. (collectivement, la « Famille IPA »). La Famille IPA est un groupe de recherche et de technologie biothérapeutique qui s'appuie sur la biologie des systèmes, la modélisation multiomique et les systèmes complexes d'intelligence artificielle pour soutenir ses technologies exclusives en matière de découverte d'anticorps basés sur une bioplateforme. Ces services comprennent la découverte, le développement et l'octroi de licences de produits biologiques thérapeutiques hautement spécialisés et complets, permettant de soutenir ses partenaires commerciaux qui cherchent à découvrir et développer de nouveaux produits biologiques pour lutter contre les cibles les plus complexes. Pour de plus amples informations, veuillez visiter www.ipatherapeutics.com.

Déclarations prospectives

Le présent communiqué de presse contient des déclarations prospectives au sens des lois américaines et canadiennes sur les valeurs mobilières applicables. Les déclarations prospectives sont souvent reconnaissables à l'utilisation de mots tels que « potentiel », « planifie », « espère » ou « n'espère pas », « devrait », « estime », « a l'intention », « anticipe » ou « n'anticipe pas », ou « pense », ou l'emploi d'autres mots et expressions ou qui indiquent que certaines mesures, certains événements ou certains résultats « peuvent », « pourraient », « seraient », « pourront peut-être » ou « seront » prises, ont lieu, ou sont atteints. Les informations prospectives contenues dans ce communiqué de presse comprennent, sans s'y limiter, les déclarations relatives à l'effet de l'intégration de 20 millions de HYFT structurels au Knowledge Graph sur les capacités de prédiction structurelle et la vitesse des processus de découverte, ainsi que les déclarations relatives au résultat attendu de l'intégration aux modèles in silico et aux expériences en laboratoire humide. En ce qui concerne les informations prospectives contenues dans le présent document, IPA a fourni ces déclarations et informations sur la base de certaines hypothèses que la direction jugeait raisonnables au moment.

Les informations prospectives comprennent des risques connus et inconnus, des incertitudes et d'autres facteurs susceptibles de provoquer un écart sensible entre les résultats, performances ou réalisations réels énoncés dans le présent document et les résultats, performances ou réalisations futurs exprimés ou sous-entendus par les informations prospectives. Les résultats réels pourraient différer sensiblement de ceux actuellement prévus en raison d'un certain nombre de facteurs et de risques, y compris, sans s'y limiter, le risque que l'intégration des HYFT précités et l'intégration de modèles in silico et d'expériences en laboratoire humide ne produisent pas les résultats attendus, ainsi que les risques énumérés dans la notice annuelle de la Société datée du 28 juillet 2022 (qui peut être consultée sur le profil de la Société à l'adresse www.sedar.com), et sur le formulaire 40-F de la société, daté du 29 juillet 2022 (qui peut être consulté sur le profil de la Société à l'adresse www.sec.gov). Si un ou plusieurs de ces risques ou incertitudes se concrétisent, ou si les hypothèses sous-jacentes aux déclarations prospectives se révèlent incorrectes, les résultats, performances ou réalisations réels peuvent varier sensiblement de ceux exprimés ou sous-entendus par les déclarations prospectives contenues dans ce communiqué de presse. Il est donc recommandé aux lecteurs de ne pas accorder une confiance excessive aux informations prospectives contenues dans ce communiqué de presse. Les déclarations prospectives contenues dans ce communiqué de presse sont faites à la date du présent communiqué et sont, par conséquent, susceptibles d'être modifiées après cette date. La société n'assume aucune obligation de mettre à jour ou de réviser les déclarations prospectives, qu'elles soient écrites ou orales, que nous pouvons faire ou qui peuvent être faites en notre, sauf si la loi applicable l'exige.

Le texte du communiqué issu d'une traduction ne doit d'aucune manière être considéré comme officiel. La seule version du communiqué qui fasse foi est celle du communiqué dans sa langue d'origine. La traduction devra toujours être confrontée au texte source, qui fera jurisprudence.