Malgré l'amélioration avérée de la réponse des patients, les thérapies combinées sont sous-estimées en pharmacologie du cancer. Les défis à l'origine de cette divergence comprennent le grand nombre de combinaisons possibles, les méthodes de dépistage inefficaces et les problèmes de toxicité courants dans les essais cliniques. Serinus Bio utilise une approche centrée sur l'humain pour découvrir les mécanismes moléculaires qui sous-tendent la résistance des tumeurs aux traitements mono-médicamenteux. Ils utilisent l'apprentissage en profondeur amorcée par des cartes protéiques spécifiques à une maladie pour modéliser le flux d'informations d'un génotype à l'autre et automatiser la découverte de mécanismes de résistance. Grâce à leur approche, ils prédisent avec précision les réponses des patients et les combinaisons efficaces de médicaments à partir des données de monothérapie, maximisant ainsi l'efficacité du traitement tout en minimisant la toxicité. Leur technologie est protégée par des brevets et des secrets commerciaux.
Quel est le problème ?
L'administration de multiples traitements antinéoplasiques en combinaison s'est avérée efficace pour susciter des réponses plus profondes et plus durables chez les patients atteints de cancer. Les thérapies combinées peuvent retarder et prévenir l'apparition de la résistance tumorale. Malgré les avantages évidents pour les patients, les thérapies combinées ne sont pas traditionnellement le principal objectif des pipelines pharmacologiques, compte tenu des défis qui leur sont associés. Premièrement, les thérapies combinées constituent un vaste espace de recherche. Par exemple, il existe environ 1,5 milliard de combinaisons de médicaments par paires possibles pour les traitements anticancéreux approuvés par la FDA uniquement. Deuxièmement, le dépistage à haut débit des systèmes de culture 2D pour les combinaisons synergiques a donné un succès limité dans l'identification de combinaisons de petites molécules cliniquement traduisibles, sans parler des immunothérapies. Troisièmement, la toxicité inacceptable est particulièrement fréquente dans les essais cliniques de combinaisons de médicaments anticancéreux. En raison de ces difficultés, le développement de thérapies combinées est généralement effectué de manière empirique au moyen d'essais cliniques coûteux et risqués.
Quelle est leur solution ?
Déployant une approche centrée sur l'humain, Serinus Bio déconvole les mécanismes moléculaires de la résistance tumorale aux monothérapies qui stratifient de manière reproductible les réponses des patients en clinique. Ensuite, ils identifient algorithmiquement les composés compagnons ayant un comportement synthétiquement létal aux comportements moléculaires des médicaments tumoraux. Les composés identifiés sont prioritaires en fonction de leur indice thérapeutique et de leur profil complémentaire au médicament d'intérêt. Ils prédisent enfin les gammes de doses qui maximiseront l'efficacité tout en minimisant la toxicité. La clé de leur succès réside dans leur approche d'apprentissage en profondeur qui automatise la découverte de mécanismes de résistance moléculaire en tirant parti des hiérarchies d'interactions protéiques spécifiques au cancer pour modéliser le flux d'informations du génotype au phénotype. La puissance de l'approche est soulignée par leur capacité de prédire avec précision les réponses des patients et de prédire les combinaisons synergiques dans le dépistage combiné de médicaments à haut débit en utilisant uniquement des données de monothérapie.
