Atomwise

Atomwise applique le machine learning au stade précoce de la découverte de médicaments. Sa technologie AtomNet utilise le deep learning pour prédire à quel point une petite molécule se lierait à une protéine, ce qui permet de cribler d’énormes bibliothèques virtuelles de composés avant les expériences physiques. L’idée est de réduire le nombre de molécules qu’un labo doit tester, pour trouver des candidats prometteurs plus vite et dépenser moins sur des impasses.

L’entreprise travaille par partenariats avec des firmes pharmaceutiques, des startups de biotech et des labos académiques, sur beaucoup de cibles de maladies, dont certaines difficiles à traiter par les méthodes classiques. Au-delà du criblage, elle a développé des méthodes pour explorer de très grands espaces chimiques et des outils pour concevoir et optimiser des composés. Elle mène aussi des programmes internes, donc elle est à la fois fournisseur de technologie et développeur de médicaments.

Atomwise s’est renommé Numerion Labs, et le site fonctionne maintenant sous ce nom. La vente passe par des collaborations et des accords sur mesure, pas par un logiciel en libre-service. Comme pour toute prédiction computationnelle, les résultats doivent être confirmés au labo, et un succès en criblage virtuel ne garantit pas un médicament qui marche. Parmi les concurrents et pairs : Schrödinger, Recursion, Isomorphic Labs et Genesis Therapeutics, chacun avec des forces différentes en conception fondée sur la structure et en biologie.