GSK a conclu une collaboration de recherche avec la société de biotechnologie britannique Relation Therapeutics d’une valeur pouvant atteindre 110 millions de dollars, élargissant ainsi les travaux existants des sociétés en matière de découverte de médicaments assistée par l’IA.
Dans le cadre de cet accord, Relation générera des ensembles de données à grande échelle mesurant la manière dont les cellules humaines réagissent aux changements génétiques et aux interventions médicamenteuses. Les données seront utilisées pour former des modèles d’IA conçus pour identifier des cibles médicamenteuses potentielles, y compris des modèles au sein de la plateforme MORGAN de Relation.
L’accord place la génération de données biologiques aux côtés du développement de modèles d’IA. L’approche de recherche de Relation relie l’analyse informatique à des expériences qui génèrent de nouvelles informations sur les cellules humaines.
La collaboration s’appuie sur des accords antérieurs entre GSK et Relation axés sur les maladies fibrotiques et l’arthrose. Ces projets impliquaient des études observationnelles conçues pour créer deux ensembles de données sur les maladies fonctionnelles à analyser à l’aide de la plateforme Lab-in-the-Loop de Relation.
Les travaux antérieurs combinaient la génétique humaine, les multi-omiques unicellulaires générés à partir de tissus humains, des tests fonctionnels et l’apprentissage automatique pour identifier et valider les cibles potentielles de la maladie.
Comment Relation génère des données biologiques
Relation décrit son approche Lab-in-the-Loop comme une combinaison d’expérimentation en laboratoire et d’analyse informatique. Ses travaux comprennent le profilage tissulaire, la transcriptomique unicellulaire et spatiale, le séquençage et la validation des cibles, tandis que l’apprentissage automatique est utilisé pour l’identification, la priorisation, la validation et la conception expérimentale des cibles.
La société mène également des expériences de perturbation qui mesurent la manière dont les changements génétiques affectent les caractéristiques cellulaires associées à la maladie. Ces résultats peuvent ensuite être analysés parallèlement aux données génétiques et biologiques dérivées du patient.
Les référentiels publics restent une source importante de matériel de formation pour les modèles de fondations biologiques, même si la combinaison des informations produites par différentes études peut présenter des défis techniques.
Un bilan 2025 en Médecine expérimentale et moléculaire a noté que des référentiels tels que CZ CELLxGENE, Human Cell Atlas et NCBI Gene Expression Omnibus permettent aux chercheurs d’accéder à de grands volumes de données unicellulaires. Selon la revue, CZ CELLxGENE donne à lui seul accès à plus de 100 millions de cellules standardisées.
Les méthodes d’échantillonnage, les protocoles de séquençage, les procédures expérimentales et les pipelines de traitement peuvent différer d’une étude à l’autre. Les données unicellulaires peuvent également contenir du bruit technique et d’autres artefacts, nécessitant une sélection minutieuse des ensembles de données, un filtrage, un équilibrage de la composition et un contrôle qualité lors de la formation du modèle de base.
Le chevauchement des ensembles de données présente un autre problème. L’examen a noté que des cellules identiques ou similaires peuvent apparaître dans plusieurs ressources publiques, leur donnant potentiellement une influence disproportionnée pendant la formation et créant des risques de fuite de données lorsque les ensembles de données de formation et de test se chevauchent.
L’examen a révélé que l’assemblage d’un ensemble de données non redondants de haute qualité est aussi important que l’architecture du modèle lors de la création de modèles de fondation unicellulaires robustes.
Des ensembles de données biologiques plus volumineux ne garantissent pas de meilleurs modèles
Recherche publiée dans Méthodes naturelles en juin de cette année, ils ont examiné comment la taille et la diversité des données de pré-entraînement affectaient les modèles de fondation unicellulaires utilisant un corpus de 22,2 millions de cellules. Les chercheurs ont formé 400 modèles et les ont évalués dans le cadre de 6 400 expériences.
L’étude a révélé que les modèles de fondation unicellulaires actuels avaient tendance à atteindre des plateaux de performances après un entraînement sur seulement une fraction du corpus disponible. Contrairement aux grands modèles de langage, les systèmes évalués n’affichaient pas de lois claires de mise à l’échelle des données dans lesquelles l’augmentation continue des données de formation produisait systématiquement de meilleurs résultats.
Les chercheurs ont découvert que la capacité du modèle, la taille de l’ensemble de données et les ressources informatiques doivent être équilibrées plutôt que simplement augmentées ensemble. L’étude n’a pas établi que les ensembles de données plus petits ou propriétaires sont intrinsèquement meilleurs, mais elle a constaté que l’ajout de davantage de données d’entraînement biologique ne conduisait pas systématiquement à des gains de performances supplémentaires.
Une étude distincte publiée dans Biologie du génome en 2025, ils ont évalué deux modèles de fondations unicellulaires, Geneformer et scGPT, dans le cadre de plusieurs tâches d’évaluation sans tir. Les modèles n’ont pas toujours surpassé les approches plus simples, tandis que les chercheurs ont également identifié des défis liés aux effets de lots et ont mis en garde contre l’hypothèse selon laquelle des modèles pré-entraînés plus grands produisent automatiquement de meilleures représentations biologiques.
Les sociétés pharmaceutiques recherchent des ensembles de données spécialisés
Relation a déjà appliqué son approche de génération de données à l’ostéomique, qu’elle décrit comme un atlas fonctionnel exclusif des os unicellulaires. Le projet utilise des échantillons dérivés de patients et combine des données omiques unicellulaires et spatiales avec des données d’imagerie, de génomique, de protéomique et de phénotype clinique.
Selon la société, l’ostéomique est utilisée pour étudier la biologie des maladies, les cibles thérapeutiques, les biomarqueurs et les sous-groupes de patients atteints d’ostéoporose. Des hôpitaux et des partenaires de recherche au Royaume-Uni et en Australie participent à l’étude observationnelle.
Recherche publiée dans Génétique naturelle le mois dernier, les chercheurs ont également examiné les déterminants cellulaires et génétiques des maladies du squelette à l’aide d’analyses unicellulaires, de données génétiques et de validation fonctionnelle. Plusieurs chercheurs de Relation figuraient parmi les auteurs de l’étude.
Un 2025 Biotechnologie naturelle L’analyse des accords biopharmaceutiques axés sur l’IA a identifié les fournisseurs d’ensembles de données spécialisés comme l’une des nombreuses tendances émergeant des partenariats récents. D’autres tendances incluent des paiements initiaux plus élevés, de nouvelles modalités thérapeutiques et une plus grande participation des grandes sociétés de biotechnologie.
L’analyse indique que les ensembles de données de haute qualité spécifiques à une maladie deviennent un apport important pour les modèles d’apprentissage automatique causal et génératif. Il cite l’accord distinct de GSK avec Ochre Bio, d’une valeur de 37,5 millions de dollars pour l’octroi de licences de données concernant des données sur des cellules unicellulaires et des organes perfusés du foie humain.
Un autre exemple concerne AstraZeneca et Pathos AI concluant un accord de 200 millions de dollars avec Tempus en 2025. Dans le cadre de cet accord, Pathos devait développer des modèles de base en oncologie à l’aide de données cliniques, génomiques et d’imagerie anonymisées couvrant plus de 150 000 patients.
L’accès à suffisamment de données de haute qualité reste une contrainte dans la découverte de médicaments liés à l’IA. UN Nature Le point culminant d’une recherche sur l’apprentissage fédéré dans la recherche pharmaceutique a identifié l’accès limité aux données de formation appropriées comme un goulot d’étranglement majeur pour les applications d’IA, tout en notant que les entreprises peuvent également être confrontées à des restrictions sur le partage d’informations exclusives.
Les accords IA-biopharma varient donc selon la manière dont les entreprises obtiennent des données et des capacités de calcul. Certains se concentrent sur l’accès aux plateformes d’IA, tandis que d’autres couvrent le développement conjoint, l’octroi de licences de données ou la création de nouveaux ensembles de données biologiques.
L’accord GSK-Relation comprend à la fois la génération de données et le développement de modèles. Relation produira des ensembles de données cellulaires humaines dans le cadre de la collaboration et les utilisera pour former des modèles d’IA afin d’identifier des cibles médicamenteuses potentielles.
(Photo du CDC)
