Nous assistons à de grandes avancées médicales qui ont transformé notre capacité à traiter et à guérir les patients. Le processus de découverte de médicaments devient de plus en plus difficile, coûteux et de nombreux patients ne bénéficient toujours pas de thérapies efficaces. Une situation largement liée aux échecs de la phase clinique.

Alors que l’utilisation de l’Intelligence Artificielle dans la recherche pharmaceutique était auparavant marginale (en raison des limitations des données biologiques nécessaires à l’apprentissage), les progrès de la biologie cellulaire et de la bio-ingénierie ont permis de produire des données biologiques à grande échelle. Ces dernières années, la révolution de l’Intelligence Artificielle a permis de résoudre des problèmes jusque-là insolubles.

Sur la base de cette observation, la mission de SYNSIGHT a été orientée vers l’exploitation des outils de la biologie moderne pour générer des ensembles de données qualitatives, plutôt que de s’appuyer sur des données existantes mais peu fiables.

Notre travail est basé sur le criblage phénotypique, permettant de générer des données d’imagerie cellulaire qui seront ensuite analysées et optimisées par des modèles génératifs afin de développer de nouvelles molécules first-in-class.
Cette capacité prédictive, sur l’efficacité, la toxicité et les propriétés physico-chimiques des candidats-médicaments, permet d’anticiper la « drugability » des candidats-médicaments dès la phase amont de la découverte de médicaments.