Les traitements anticancéreux ciblés actuels entraînent souvent des effets secondaires graves en raison de la liaison hors cible, ce qui limite leur efficacité et le développement de nouveaux traitements. 9Bio s'attaque à ce problème en concevant des thérapies conditionnellement actives qui ciblent spécifiquement le microenvironnement tumoral. Leur plateforme informatique utilise la modélisation avancée et l'IA pour concevoir des protéines qui se lient sélectivement aux cellules tumorales, minimisant ainsi les dommages aux tissus sains. Cette approche novatrice, axée sur les mutations sélectives des paratopes, vise à créer des traitements plus sûrs et plus efficaces pour les cancers actuellement mal desservis.
Quel est le problème ?
Les thérapies oncologiques ciblées, comme les conjugués anticorps-médicaments (ADC), font souvent face à des défis importants liés à la toxicité, à la pharmacocinétique (PK) et à un environnement médicamenteux limité. La liaison sur cible et hors tumeur peut entraîner de graves toxicités, provoquer des effets secondaires limitant la dose et l'arrêt du traitement. Par exemple, l'expression de HER2 dans le tissu pulmonaire peut entraîner une maladie pulmonaire interstitielle, une affection potentiellement mortelle pouvant causer des lésions pulmonaires permanentes. La gestion de ces toxicités nécessite souvent de réduire les doses ou d'arrêter complètement le traitement, ce qui limite les avantages thérapeutiques. Cette liaison involontaire dans les tissus sains limite également la mise au point de nouvelles thérapies oncologiques ciblées. Par conséquent, la majorité des ADC se concentrent sur un petit ensemble de cibles validées, ce qui restreint les options pour les cancers difficiles à traiter.
Quelle est leur solution ?
La plateforme informatique de 9Bio conçoit des thérapies conditionnellement actives en tirant parti des caractéristiques métaboliques uniques du microenvironnement tumoral (MTE) dans les cancers solides, tels que l'acidose et l'hypoxie (effet Warburg). Notre plateforme accélère la découverte de thérapies ciblées conditionnellement actives en utilisant une méthodologie intégrée qui combine la modélisation structurelle, les simulations basées sur la physique, la modélisation de la dynamique moléculaire et les prédictions basées sur l'IA. Ces outils informatiques nous permettent de concevoir des protéines thérapeutiques qui engagent sélectivement les cellules tumorales tout en minimisant la liaison hors cible aux tissus sains. Une fois que nous avons conçu des candidats potentiels, nous exprimons les protéines et validons leur liaison in vitro pour confirmer nos prédictions et affiner davantage nos modèles. En rationalisant la sélection des candidats et en minimisant les cycles expérimentaux, notre plateforme accélère le développement de thérapies oncologiques ciblées avec une spécificité tumorale améliorée, une sécurité accrue et un potentiel thérapeutique plus large.
