Emmanuelle Martiano et Maximilien Levesque, cofondateurs d’Aqemia

L’IA au service de la recherche en médicaments

Dossier : Health techMagazine N°773 Mars 2022
Par Maximilien LEVESQUE

Aqemia nourrit une IA générative avec de la physique théorique inspirée du quantique pour trouver des médicaments pour de nombreuses maladies. Maximilien Levesque, cofondateur et CEO d’Aqemia, nous explique la genèse de cette start-up, son positionnement et sa valeur ajoutée sur ce marché de la recherche de médicaments. Entretien.

 

Comment Aqemia a vu le jour ?

Après une thèse en physique quantique théorique au CEA Saclay en 2010, puis un passage par les universités d’Oxford et de Cambridge, j’ai rejoint le CNRS et l’École normale supérieure – PSL (Ulm) en 2013. J’y ai monté un groupe de recherche en physique théorique.

Il y a trois ans, nous avons constaté que les théories de mécanique statistique développées dans mon groupe, associées à de l’IA, pouvaient avoir un impact fort sur la découverte de médicaments. C’est le point de départ technologique du projet Aqemia qui s’est concrétisé lors de ma rencontre en 2019 avec mon associée, COO et cofondatrice, Emmanuelle Martiano, qui a passé neuf ans au BCG en tant que principal.

Concrètement, qu’est-ce qu’Aqemia et que faites-vous ?

La mission d’Aqemia est de trouver les médicaments de demain. En février 2022, Aqemia est une start-up parisienne de trente personnes. Au cœur de notre ADN, une science unique pour trouver des médicaments at scale, qui s’articule autour de l’IA, de la physique quantique et statistique, de la chimie et de la biologie.

Plus concrètement, Aqemia invente et conçoit des candidats médicaments. Pour une maladie donnée, il y a dans le corps une cible thérapeutique, généralement une protéine, responsable de la maladie – de façon imaginée, il s’agit d’un verrou. Trouver un médicament consiste à concevoir la molécule, une clé, qui s’insère dans le verrou et l’empêche de jouer son rôle dans la maladie tout en n’induisant pas d’effets secondaires. La technologie d’Aqemia prédit aussi bien que l’expérience et dix mille fois plus vite que le leader l’affinité entre la cible-verrou et le candidat-clé. Aqemia cherche donc des molécules thérapeutiques innovantes, des candidats médicaments, soit en collaboration avec des laboratoires pharmaceutiques ou des biotechs, soit pour notre propre compte.

Vous misez sur l’IA et ses algorithmes pour inventer les médicaments de demain. Dites-nous en plus sur ce positionnement et ce qu’il implique ?

Aujourd’hui, inventer puis valider un candidat médicament coûte environ 100 millions et plus de dix ans, avec un taux de succès inférieur à 10 %. Ces ressources sont réparties entre la recherche du candidat puis les essais cliniques. Aqemia est focalisée sur la recherche de candidats médicaments.

C’est une démarche difficile, car il y a littéralement des milliards de milliards de candidats (de clés) possibles pour chaque cible thérapeutique. Devant cette immensité des possibles, les pharma ont développé des expériences haut débit qui permettent de tester quelques millions de candidats sur dix à vingt nouvelles cibles thérapeutiques par an. Les start-up qui font de l’intelligence artificielle, quant à elles, doivent trouver de larges ressources pour générer des experiences sur lesquelles elles entraînent leurs modèles.

Aqemia, au contraire, nourrit son IA générative, qui conçoit les molécules, avec sa physique statistique unique. Nous pouvons ainsi accélérer la phase de recherche et lancer des douzaines de projets par an.

Et quel est votre business modèle ?

Il est dual :

  • La collaboration avec les laboratoires pharmaceutiques et biotechs qui se tournent vers nous pour trouver un candidat médicament de façon plus efficace. En fonction de leur cible thérapeutique, ils nous sollicitent pour trouver la bonne molécule à synthétiser et à tester parmi les milliards de molécules possibles. Nous collaborons par exemple avec Sanofi, Servier ou Janssen ;
  • La génération de biotech : Aqemia détermine la cible thérapeutique puis conçoit le candidat médicament, ce qui implique de nous-même synthétiser et tester nos molécules, générant ainsi notre propriété industrielle. Nous la valoriserons au travers de sociétés spin-off biotech qui seront ensuite revendues à un acteur pharmaceutique. Demain, Aqemia sera une matrice génératrice d’une constellation de spin-offs.

Quelles problématiques du monde de la recherche appréhendez-vous ?

Notre démarche permet d’accélérer le processus de recherche de médicament.

L’IA générative et ses algorithmes nous permettent de gagner en précision et d’être plus rapide. En capitalisant sur cette technologie, notre objectif est de réduire drastiquement la quantité de molécules testées en laboratoire. Notre technologie permet de concevoir et tester les molécules dans les ordinateurs et seules les plus prometteuses sont testées expérimentalement en laboratoire,  réduisant drastiquement les coûts et les délais.

 

“L’intérêt de l’IA et de nos algorithmes est de proposer des molécules nouvelles, que personne n’avait envisagées avant, construites de façon optimales grâce à des aller-retours entre une IA et la physique statistique issue de 10 ans de recherche à ENS, Oxford et Cambridge.”

 

Traditionnellement, dans la recherche de candidat médicament, après les expériences coûteuses à haut débit pour se donner des molécules points de départ, les chimistes repartent de leur expérience dans d’autres projets. D’année en année, ce mode de fonctionnement réduit la capacité d’innovation. L’intérêt de l’IA et de nos algorithmes est de proposer des molécules nouvelles, que personne n’avait envisagées avant, construites de façon optimales grâce à des aller-retours entre une IA et la physique statistique issue de 10 ans de recherche à ENS, Oxford et Cambridge. Aqemia contribue ainsi à inventer des molécules innovantes, plus rapidement.

Dans la recherche de médicament, les acteurs qui ont une technologie basée sur l’IA se positionnent tardivement dans un projet, car il leur faut de la donnée et des molécules synthétisées pour entrainer leurs modèles et avancer. Nous n’avons pas ce problème, car nous générons notre propre data avec nos algorithmes de physique. Cela nous permet donc de nous positionner en tout début de projet, avant même que la première molécule ne soit synthétisée. Cet élément différenciant contribue à renforcer notre originalité et notre capacité à apporter de l’innovation dans le développement de nouveaux médicaments. Cela permet également de réduire le coût par projet et ainsi de démultiplier les projets.

Aujourd’hui, où en êtes-vous concrètement ? Quelles sont les prochaines étapes ?

Aqemia est une start-up issue de l’École normale supérieure – PSL et du CNRS créée mi 2019. Nous étions quinze à la fin de 2021, sommes trente (dont une moitié de polytechniciens) en février 2022, à Paris.

Nous serons 70 en fin d’année 2022, répartis entre Paris et les États-Unis. Chez Aqemia, nous avons prouvé notre technologie et notre capacité à trouver – mieux – des molécules thérapeutiques avec des leaders mondiaux de la recherche de médicaments : Janssen, Sanofi, Servier par exemple. Nous avons levé neuf millions d’euros courant 2021 pour nourrir cette forte croissance et lancer nos projets de drug discovery internes.

Aqemia recrute en intelligence artificielle, biologie, chimie, software development, ainsi que des experts de gestion de projets complexes issus du conseil en stratégie. Nous cherchons aussi un(e) chief business officer and un(e) chief finance officer. Nous comptons parmi nos collaborateurs une moitié de polytechniciens et nous serions ravis d’accueillir de nouveaux X !

La prochaine étape sera une levée de fonds de série B pour nous ouvrir aux États-Unis et démultiplier les projets de drug discovery en interne. Notre ambition pour 2022 ? 

Lancer cent projets de drug discovery. 

Poster un commentaire