Étiquette : apprentissage automatique

Alchemab Therapeutics lance un essai clinique pour ATLX-1282 et sécurise un financement supplémentaire de 32 millions de dollars

Laisser un commentaire sur Alchemab Therapeutics lance un essai clinique pour ATLX-1282 et sécurise un financement supplémentaire de 32 millions de dollars

Alchemab Therapeutics a annoncé le lancement d’une étude de phase 1 sur son traitement par anticorps ATLX-1282, qui a été licencié à Eli Lilly and Company en mai 2025. Dans le cadre de cet accord, Lilly dirigera le développement ultérieur et la commercialisation d’ATLX-1282, tandis qu’Alchemab se chargera de l’essai clinique initial. En outre, Alchemab a révélé une extension de 32 millions de dollars de son financement de série A, portant le total des investissements de cette série à 114 millions de dollars. Parmi les investisseurs de cette extension figurent Ono Venture Investment, Lilly, ainsi que plusieurs investisseurs spécialisés existants tels que RA Capital, SV Health Investors, DCVC Bio et Lightstone Ventures. Les nouveaux fonds serviront à faire avancer ATLX-2847, un programme entièrement détenu par Alchemab qui cible l’atrophie musculaire via la voie des prostaglandines, en le faisant progresser dans le développement clinique. Ce financement soutiendra également des programmes antérieurs dans les maladies immunitaires et neurologiques, tout en élargissant la plateforme de découverte de résilience aux maladies, alimentée par l’IA de l’entreprise. Selon Alchemab, sa plateforme identifie des auto-anticorps protecteurs chez des individus dits ‘résilients’, grâce à des techniques d’apprentissage automatique et à une vaste base de données, appelée DataCube, qui comprend plus de 6 000 échantillons dérivés de patients provenant de plus de 30 collaborateurs mondiaux. Cette annonce de nouveaux essais et d’une extension de financement fait suite à des collaborations antérieures avec Lilly, y compris une collaboration de recherche en janvier 2025 pour découvrir et commercialiser jusqu’à cinq nouveaux candidats thérapeutiques pour les maladies neurodégénératives. Source : https://longevity.technology/news/alchemab-launches-phase-1-trial-for-atlx-1282-secures-extra-32m-funding/

L’impact de l’âge biologique sur le déclin cognitif : Analyse des horloges de vieillissement

Laisser un commentaire sur L’impact de l’âge biologique sur le déclin cognitif : Analyse des horloges de vieillissement

Au cours des dernières années, les chercheurs ont développé de nombreuses horloges de vieillissement utilisant des techniques d’apprentissage automatique appliquées à de grandes quantités de données biologiques. Ces horloges ont pour but de prédire l’âge chronologique, le risque de mortalité et d’autres mesures d’intérêt. Si une personne présente un âge prédit supérieur à son âge chronologique, on parle d’âge biologique accéléré. Un des principaux défis actuels est que la plupart de ces horloges sont difficiles à interpréter, car peu d’informations sont disponibles sur la façon dont les valeurs individuelles qui composent l’algorithme sont liées aux mécanismes sous-jacents du vieillissement ou aux résultats spécifiques des dysfonctionnements et maladies liés à l’âge. Pour améliorer cette situation, il est suggéré de multiplier les études sur ces horloges afin d’accumuler des données et d’observer les résultats. Une étude récente a examiné le déclin cognitif lié à l’âge, en utilisant des données collectées sept ans auparavant. Les résultats montrent que l’âge biologique accéléré est corrélé à une perte plus importante de fonction cognitive. Les tests neuropsychologiques, comme le test de dessin d’horloge, sont utilisés pour mesurer les fonctions cognitives, et la version numérique de ce test permet une évaluation plus robuste. Dans l’étude Framingham Heart Study, il a été observé que des métriques d’accélération de l’âge épigénétique plus élevées prédisaient des scores inférieurs au dCDT environ sept ans plus tard. Les associations étaient plus fortes chez les participants plus âgés, et les résultats mettent en lumière un lien potentiel entre les processus de vieillissement systémique et le déclin cognitif. En conclusion, les résultats indiquent que l’avancement du vieillissement biologique, notamment à travers les métriques de DunedinPACE et GrimAge, est significativement associé à une performance cognitive plus faible chez les adultes plus âgés. Source : https://www.fightaging.org/archives/2025/09/evidence-for-accelerated-epigenetic-aging-to-correlate-with-loss-of-cognitive-function/

Horloges de vieillissement : Méthodes et implications pour la recherche sur le vieillissement sain

Laisser un commentaire sur Horloges de vieillissement : Méthodes et implications pour la recherche sur le vieillissement sain

Les horloges de vieillissement sont des outils innovants qui peuvent être élaborés à l’aide de techniques d’apprentissage automatique, en utilisant des ensembles de données biologiques complexes provenant de personnes de divers âges. Un algorithme spécifique permet de relier les changements liés à l’âge dans ces données à l’âge chronologique moyen. Lorsqu’on applique cet algorithme à un individu n’appartenant pas à l’ensemble de données, l’âge prédit est désigné comme l’âge biologique. Il a été observé qu’un âge biologique plus élevé, établi par ces horloges, est souvent corrélé à un risque accru de maladies et de mortalité. Avec le coût relativement bas de création de ces horloges, de nouvelles versions sont produites à un rythme soutenu. Cependant, il reste à déterminer lesquelles des horloges développées au cours de la dernière décennie s’avéreront suffisamment utiles pour être adoptées largement dans divers contextes. Un aspect essentiel de la recherche sur le vieillissement réside dans l’identification des gènes qui régulent le vieillissement sain de base, c’est-à-dire un vieillissement non influencé par la maladie. Les estimateurs d’âge basés sur l’apprentissage automatique, tels que les horloges épigénétiques, représentent une méthode solide pour capturer des biomarqueurs qui corrèlent fortement avec l’âge. En théorie, ces estimateurs peuvent nous aider à découvrir de nouvelles cibles pour la recherche sur le vieillissement, qui pourront ensuite être utilisées pour développer des médicaments visant à prolonger la durée de vie en bonne santé. Cependant, les horloges basées sur la méthylation ne fournissent pas d’informations mécanistes directes sur le vieillissement, ce qui limite leur utilité dans le domaine de la découverte de médicaments. Dans ce contexte, nous présentons une méthode pour construire des estimateurs d’âge basés sur le séquençage d’ARN spécifique aux tissus, permettant d’identifier l’« âgeprint ». L’âgeprint est un ensemble de gènes qui régulent le vieillissement sain de base de manière spécifique aux tissus et liée au développement. Grâce à notre estimateur d’âge, SkeletAge, nous avons réduit l’âgeprint des muscles squelettiques humains à 128 gènes, dont 26 n’avaient jamais été étudiés en relation avec le vieillissement ou les phénotypes associés. L’âgeprint des muscles squelettiques peut être lié à des phénotypes connus du vieillissement et du développement musculaire, soutenant ainsi notre hypothèse selon laquelle les gènes de l’âgeprint sont responsables du vieillissement (sain) le long de l’axe croissance-développement-vieillissement, qui est distinct du vieillissement biologique causé par des maladies ou des dommages stochastiques. Enfin, nous démontrons qu’en utilisant notre méthode, il est possible de trouver des cibles exploitables pour la recherche sur le vieillissement et d’utiliser l’âgeprint pour évaluer avec précision l’effet des interventions thérapeutiques, ce qui peut accélérer la découverte de médicaments favorisant la longévité. Source : https://www.fightaging.org/archives/2025/08/skeletage-a-skeletal-muscle-transcriptomic-aging-clock/

L’impact de l’apprentissage automatique sur la découverte de médicaments géroprotecteurs

Laisser un commentaire sur L’impact de l’apprentissage automatique sur la découverte de médicaments géroprotecteurs

L’apprentissage automatique et ses techniques associées sont particulièrement efficaces pour identifier des motifs dans d’importants ensembles de données et extrapoler ces motifs afin de prédire des éléments encore inconnus. Un exemple de cela est l’analyse des résultats des combinaisons de médicaments à petites molécules et de candidats médicamenteux. La polypharmacologie, qui concerne l’étude des effets de médicaments qui agissent sur plusieurs cibles, reste mal comprise, car les groupes de recherche et développement sont souvent réticents à évaluer les traitements combinés. Les recherches sur les combinaisons de petites molécules destinées à ralentir le vieillissement ont montré que des composés qui modifient le métabolisme de manière modérée, lorsqu’ils sont combinés, n’apportent généralement aucun bénéfice ou plutôt un léger dommage. Cela représente un vaste domaine d’exploration avec peu de connaissances concrètes, mais potentiellement quelques résultats utiles cachés parmi les données. C’est précisément ce type de défi que l’apprentissage automatique peut aider à résoudre, en accélérant le rythme de la découverte. Cependant, il convient de noter que les effets obtenus par ces médicaments sont, au mieux, comparables à ceux de l’exercice physique. Cela ne constitue pas une voie vers une extension radicale de la vie. Parallèlement, la compréhension génétique de la durée de vie s’améliore, mais les stratégies optimales pour concevoir des interventions visant à l’allonger ne sont pas encore claires. Les médicaments à petites molécules, qui constituent la base de l’industrie pharmaceutique, agissent en modulant l’activité des produits géniques, notamment les protéines appelées cibles. La pratique standard de découverte de médicaments exige que les composés thérapeutiques soient hautement spécifiques à une seule cible. Cependant, une inspection plus approfondie des médicaments approuvés par la FDA montre que certains des médicaments les plus efficaces se lient simultanément à plusieurs cibles, et que des analogues plus spécifiques peuvent être moins efficaces. Cela suggère que la polypharmacologie pourrait améliorer l’efficacité pour certaines indications complexes. Dans une étude de criblage de longévité unbiased sur la bibliothèque de composés pharmacologiquement actifs (LOPAC), en particulier des médicaments approuvés par la FDA, un groupe significatif de composés a été identifié comme prolongeant la durée de vie en modulant les systèmes neuroendocriniens et neurotransmetteurs. Il a été observé que la plupart des inhibiteurs des récepteurs couplés aux protéines G (GPCRs) se lient à des cibles structurées connexes, ce qui suggère que ce type de liaison polypharmacologique pourrait augmenter leur efficacité dans l’extension de la durée de vie. Pour tester cette hypothèse, des outils statistiques et d’apprentissage automatique, notamment les réseaux de neurones graphiques (GNNs), ont été utilisés pour identifier des composés géroprotecteurs qui se lient simultanément à plusieurs récepteurs d’amines biogéniques, puis leur efficacité a été évaluée sur la durée de vie de Caenorhabditis elegans. Plus de 70 % des composés sélectionnés ont prolongé la durée de vie, avec des tailles d’effet dans le top 5 % comparées à tous les géroprotecteurs enregistrés dans la base de données DrugAge. Ainsi, cette étude révèle que la conception rationnelle de composés polypharmacologiques permet de concevoir des géroprotecteurs d’une efficacité exceptionnelle. Source : https://www.fightaging.org/archives/2025/05/machine-learning-applied-to-polypharmacology-to-slow-aging/

Nouvelles découvertes sur la sénescence : un spectre d’états cellulaires et leurs implications pour les thérapies de longévité

Laisser un commentaire sur Nouvelles découvertes sur la sénescence : un spectre d’états cellulaires et leurs implications pour les thérapies de longévité

La recherche récente, menée par l’Université Johns Hopkins, remet en question l’idée que la sénescence cellulaire est un processus unique, en révélant qu’elle constitue en réalité un spectre d’états cellulaires distincts. Les cellules sénescentes, souvent appelées ‘cellules zombies’, s’accumulent dans les tissus au fil du temps et sont associées à de nombreuses maladies chroniques liées à l’âge. Cette étude a identifié trois sous-types de sénescence au sein des fibroblastes dermiques humains : C7, C10 et C11, chacun ayant des caractéristiques morphologiques et fonctionnelles différentes. Par exemple, le sous-type C10 est corrélé avec le vieillissement chronologique, tandis que les sous-types C7 et C11 sont associés à une sénescence induite par le stress. Les résultats soulignent l’importance de cibler ces sous-types spécifiques pour développer des thérapies plus précises, notamment en matière de traitements sénolytiques. Le cadre de recherche, appelé SenSCOUT, utilise l’imagerie avancée et l’apprentissage automatique pour analyser la morphologie cellulaire, ouvrant ainsi la voie à une meilleure compréhension de la sénescence. Cependant, des précautions sont nécessaires, car la suppression ciblée d’un sous-type pourrait avoir des effets indésirables sur des processus bénéfiques tels que la guérison des plaies. Les implications de cette recherche vont au-delà de la dermatologie, potentiellement applicables à d’autres maladies. Bien que la traduction de ces résultats en pratique clinique prenne du temps, cette avancée nous rapproche d’une approche personnalisée de la sénothérapie, qui reconnaît la complexité de la sénescence et vise à prolonger la durée de vie en bonne santé en s’attaquant aux racines cellulaires du vieillissement. Source : https://longevity.technology/news/senescent-skin-cells-shown-to-follow-three-distinct-aging-paths/

Junevity : Innovations en Thérapies à Base de siRNA pour le Rajeunissement Cellulaire

Laisser un commentaire sur Junevity : Innovations en Thérapies à Base de siRNA pour le Rajeunissement Cellulaire

Ce texte présente Junevity, une biotech axée sur la longévité, qui développe des thérapies de ‘reset cellulaire’ pour améliorer la santé humaine et prolonger la durée de vie. En utilisant des thérapies à base d’ARN interférent (siRNA), l’entreprise vise à restaurer des facteurs de transcription clés, régulant la santé cellulaire, à leurs niveaux optimaux. Cela permettrait de renverser la dysfonction cellulaire et de lutter contre les maladies liées au vieillissement. Les fondateurs de Junevity, dont la docteure Janine Sengstack, affirment que leur mission est de permettre le rajeunissement cellulaire et de combattre les maladies touchant des milliards de personnes à travers le monde. Le texte souligne l’importance de la technologie de silençage génique et des avancées en matière d’apprentissage automatique qui ont permis d’identifier les facteurs de transcription responsables du vieillissement et des maladies. Sengstack explique que l’innovation clé de Junevity réside dans l’utilisation de la technologie siRNA pour cibler et réguler précisément ces facteurs. En outre, la recherche sur les maladies métaboliques, comme le diabète de type 2 et l’obésité, est une priorité pour l’entreprise, avec des essais cliniques prévus pour 2026. Junevity vise à développer des traitements qui non seulement prolongent la vie, mais améliorent également la qualité de vie en ciblant les maladies liées à la longévité. La société considère que son approche représente un rajeunissement du métabolisme, et envisage également d’explorer des traitements pour des maladies neurologiques à l’avenir. En résumé, Junevity est à la pointe des recherches sur le rajeunissement cellulaire, utilisant des thérapies innovantes pour améliorer la santé et la longévité humaines. Source : https://longevity.technology/news/does-gene-silencing-technology-hold-the-key-to-cellular-rejuvenation/

Les Horloges de Vieillissement : Validation et Rôle des Métabolites

Laisser un commentaire sur Les Horloges de Vieillissement : Validation et Rôle des Métabolites

Il existe désormais de nombreux horloges de vieillissement publiées, basées sur diverses bases de données omiques contenant des données pour des personnes d’âges différents. De nombreux aspects mesurables du métabolisme et de la biologie cellulaire changent avec l’âge de manière suffisamment similaire dans la population pour construire des horloges qui reflètent l’âge biologique, qui est la charge de dommages et de dysfonctionnements qui cause la mortalité. Avant le développement des techniques modernes d’apprentissage automatique, assembler une telle horloge aurait été prohibitivement difficile et coûteux, mais l’apprentissage automatique rend la tâche suffisamment simple pour qu’un petit groupe de recherche puisse créer une nouvelle horloge en relativement peu de temps. Ainsi, il existe maintenant un grand nombre d’horloges de vieillissement.

À ce stade, l’accent doit être mis sur la validation des horloges, car le but de disposer d’une mesure de l’âge biologique est de pouvoir l’utiliser pour évaluer rapidement la qualité des thérapies de rajeunissement potentielles. Actuellement, aucune horloge ne peut être considérée comme entièrement fiable ; elles ont des particularités, et il reste incertain comment les processus sous-jacents de dommages, tels que l’accumulation de cellules sénescentes, produisent des changements dans des paramètres spécifiques de l’horloge. Sans connaître ces relations, une horloge pourrait surestimer ou sous-estimer les effets d’une thérapie spécifique sur le vieillissement.

Les métabolites qui marquent le vieillissement ne sont pas entièrement connus. Nous analysons 408 métabolites plasmatiques chez des participants de l’étude Long Life Family Study pour caractériser les marqueurs de l’âge, du vieillissement, de la longévité extrême et du risque de mortalité. Nous identifions 308 métabolites associés à l’âge, 258 métabolites qui changent avec le temps, 230 métabolites associés à la longévité extrême, et 152 métabolites associés au risque de mortalité. Nous répliquons de nombreuses associations dans des études indépendantes.

En résumant les résultats en 19 signatures, nous différencions entre les métabolites qui peuvent marquer des mécanismes compensatoires associés au vieillissement et ceux qui marquent les dommages cumulés du vieillissement, ainsi que les métabolites qui caractérisent la longévité extrême. Nous générons et validons une horloge métabolomique qui prédit l’âge biologique. L’analyse de réseau des métabolites associés à l’âge révèle un rôle critique des acides gras essentiels pour connecter les lipides avec d’autres processus métaboliques. Ces résultats caractérisent de nombreux métabolites impliqués dans le vieillissement et soulignent la nutrition comme source d’intervention pour des thérapies de vieillissement en bonne santé. Source : https://www.fightaging.org/archives/2025/03/another-novel-metabolic-clock/

Rethink Aging: Insights from Dr João Pedro de Magalhães on Longevity Research

Laisser un commentaire sur Rethink Aging: Insights from Dr João Pedro de Magalhães on Longevity Research

Le Dr João Pedro de Magalhães est un expert de premier plan en biogérontologie et en génomique comparative, s’attachant à explorer les déterminants biologiques de la longévité et de la santé. Son travail a largement contribué à la distinction entre les mécanismes moteurs et passagers du vieillissement, une distinction essentielle pour le développement d’interventions efficaces en matière de longévité. Lors du Global Healthspan Summit (GHS2025), il a participé à un panel sur la biologie comparative, un domaine qui utilise les connaissances des espèces à longue durée de vie pour identifier les mécanismes pouvant être exploités pour prolonger la durée de vie humaine en bonne santé. Le panel a exploré comment l’étude des espèces diverses peut révéler des mécanismes de vieillissement conservés, remettre en question les hypothèses existantes issues des organismes modèles traditionnels et améliorer la recherche translationnelle. Dr de Magalhães a souligné l’importance d’identifier les cibles exploitables et de raffiner les équivalences d’âge humain-animal, tout en mettant en avant l’évolution de la longévité et l’utilisation de la génomique évolutive pour comprendre pourquoi les humains vivent aussi longtemps. Il a plaidé pour des investissements accrus dans la recherche fondamentale sur le vieillissement, en mettant l’accent sur la nécessité de distinguer les facteurs de vieillissement causatifs de ceux d’incidence. En 2024, il a également publié un article sur les horloges épigénétiques et le vieillissement programmatique, concluant que les processus de vieillissement proviennent en partie de mécanismes programmatiques débutant tôt dans la vie. De plus, son laboratoire utilise l’apprentissage automatique pour prédire les composés prolongeant la durée de vie chez les souris, ayant déjà identifié plusieurs composés prometteurs. Il a évoqué les résultats positifs de la rilménidine, un médicament antihypertenseur, qui semble prolonger la durée de vie des vers et pourrait être bénéfique pour les mammifères. Le panel a également discuté de l’intégration de la biologie computationnelle et de la génomique, soulignant leur importance croissante dans les découvertes sur l’extension de la durée de vie en bonne santé. Le Dr de Magalhães a confirmé que, compte tenu de la complexité de la biologie humaine et du vieillissement, les approches computationnelles et l’intelligence artificielle joueront un rôle crucial dans l’identification des meilleures cibles pour intervenir dans le vieillissement et préserver la santé. Source : https://longevity.technology/news/aging-biology-and-the-search-for-longevitys-true-drivers/

Étude des horloges épigénétiques : Corrélations entre l’âge et la méthylation de l’ADN dans différents types de tissus

Laisser un commentaire sur Étude des horloges épigénétiques : Corrélations entre l’âge et la méthylation de l’ADN dans différents types de tissus

Les horloges épigénétiques sont des algorithmes qui prédisent l’âge et d’autres phénotypes liés au vieillissement en utilisant des données de méthylation de l’ADN (DNAm) provenant d’échantillons de sang et de tissus humains. La plupart des horloges épigénétiques sont développées en appliquant des techniques d’apprentissage automatique à des données de méthylation de l’ADN dérivées des cellules immunitaires dans des échantillons de sang de personnes de différents âges. Ces horloges sont basées sur la fraction des génomes dans l’échantillon qui sont méthylés à des sites CpG spécifiques. Il n’est pas surprenant que ces horloges donnent des résultats différents lorsqu’elles sont appliquées à des données épigénétiques provenant d’échantillons de tissus plutôt que de sang, car tous les types cellulaires ne réagissent pas de la même manière au vieillissement épigénétique. Des recherches sont en cours pour développer des horloges universelles capables d’appliquer ces modèles à plusieurs espèces et tissus, cherchant ainsi des points communs entre eux. Cependant, les horloges les plus connues ont une performance médiocre en dehors du contexte dans lequel elles ont été fabriquées, c’est-à-dire les échantillons de sang. Une étude a été réalisée pour évaluer la performance des horloges DNAm sur des types de tissus non sanguins en appliquant des algorithmes DNAm à des données de méthylation provenant de neuf types de tissus humains différents. Les résultats ont montré que l’estimation moyenne de l’âge selon l’horloge DNAm variait considérablement d’un type de tissu à un autre, et les valeurs moyennes des différentes horloges variaient également au sein des types de tissus. Pour la plupart des horloges, la corrélation avec l’âge chronologique variait selon les types de tissus, le sang montrant souvent la corrélation la plus forte. Chaque horloge a montré une forte corrélation entre les tissus, avec des preuves d’une corrélation résiduelle après ajustement pour l’âge chronologique. Ce travail démontre que les différences dans le vieillissement épigénétique parmi les types de tissus entraînent des différences claires dans les caractéristiques des horloges DNAm. Des horloges épigénétiques spécifiques aux tissus ou types cellulaires sont nécessaires pour optimiser la performance prédictive des horloges DNAm dans les tissus et types cellulaires non sanguins. Source : https://www.fightaging.org/archives/2025/01/epigenetic-clocks-produce-different-results-by-tissue-type/

**Nouvelle collaboration pour un antagoniste du récepteur GLP-1 à longue action**

Laisser un commentaire sur **Nouvelle collaboration pour un antagoniste du récepteur GLP-1 à longue action**

**Partenariat avec Gubra pour identifier et faire avancer un candidat antagoniste du récepteur GLP-1 à longue action vers des études précliniques**

La société biopharmaceutique américaine **Amylyx Pharmaceuticals** a annoncé un partenariat stratégique avec la biotech danoise **Gubra** dans le but de développer un nouvel antagoniste du récepteur GLP-1 à longue action. Cette collaboration intervient alors qu’Amylyx cherche à diversifier son portefeuille suite au **retrait de son traitement approuvé par la FDA pour la SLA**, en raison de données cliniques indiquant une absence d’efficacité.

La classe de médicaments GLP-1 a suscité un intérêt considérable dans l’industrie pharmaceutique, grâce au succès généralisé de traitements contre le diabète et de médicaments pour la perte de poids tels qu’Ozempic et Wegovy. Ces médicaments inhibent le récepteur GLP-1 et ont entraîné un regain d’investissement dans la recherche et le développement des maladies métaboliques, tout en étant fortement associés à **des bénéfices potentiels pour la longévité**. Ce n’est pas la première incursion d’Amylyx dans le domaine des GLP-1; plus tôt cette année, elle a acquis un antagoniste du récepteur GLP-1 auprès d’Eiger Biopharma pour 35,1 millions de dollars, en développement comme traitement potentiel contre l’hypoglycémie post-bariatrique.

À travers cette nouvelle collaboration, Amylyx espère tirer parti des capacités technologiques et de l’expertise de Gubra en matière de découverte et de développement de peptides, et envisage d’identifier un candidat principal à faire avancer dans des études permettant d’obtenir une autorisation de médicament (IND). Une fois cet objectif atteint, Amylyx aura la possibilité de diriger le développement ultérieur du candidat thérapeutique.

Dans une déclaration commune, les co-directeurs généraux d’Amylyx, **Joshua Cohen et Justin Klee**, ont affirmé que « le récepteur GLP-1 est une cible biologique bien caractérisée et l’un des régulateurs clés de la réponse insulinique au glucose. Étant donné les données très significatives que l’avexitide, notre antagoniste du récepteur GLP-1, a générées jusqu’à présent, nous sommes ravis d’explorer davantage cette voie et le potentiel d’ajouter à notre pipeline un nouvel antagoniste du récepteur GLP-1 à longue action. »

**Gubra** recevra des paiements initiaux et de recherche et pourrait gagner plus de **50 millions de dollars** en jalons de développement et de commercialisation si le projet réussit. De plus, l’accord comprend des dispositions pour des redevances à un chiffre moyen sur les ventes nettes mondiales.

Fondée au Danemark en 2008, Gubra possède une expertise spécialisée dans la découverte de médicaments à base de peptides et la recherche préclinique, avec un accent particulier sur les maladies métaboliques et fibrosantes. L’entreprise affirme que son processus de découverte de médicaments intègre l’apprentissage automatique et l’analyse basée sur l’IA, permettant un dépistage rapide des candidats peptides pour identifier ceux ayant les profils thérapeutiques les plus prometteurs.

Le PDG de Gubra, **Henrik Blou**, a exprimé sa satisfaction concernant ce partenariat : « Nous sommes ravis de collaborer avec Amylyx pour faire avancer la recherche sur l’antagonisme du récepteur GLP-1. Ce partenariat et cet accord de développement sont un exemple de la manière dont des entreprises pharmaceutiques de premier plan s’associent à nous pour notre plate-forme de découverte de médicaments à base de peptides basée sur l’apprentissage automatique. »

Le développement de nouveaux antagonistes du récepteur GLP-1 pourrait ouvrir la voie à des thérapies innovantes dans le traitement du diabète et d’autres maladies métaboliques. Cette collaboration entre Amylyx et Gubra souligne les perspectives prometteuses d’un domaine en pleine expansion.

**Conclusion**: Si cette collaboration aboutit, elle pourrait révolutionner les approches thérapeutiques en matière de régulation de la glycémie et de gestion du poids, offrant ainsi des options nouvelles et potentiellement plus efficaces pour les patients.
Source:https://longevity.technology/news/amylyx-puts-long-acting-glp-1-development-front-and-center-in-new-collab/?utm_source=rss&utm_medium=rss&utm_campaign=amylyx-puts-long-acting-glp-1-development-front-and-center-in-new-collab