Recursion et Genentech font progresser la première cible en neurosciences cartographiée par l’IA

Recursion a fait entrer sa première cible validée en neurosciences avec Genentech dans la phase initiale de découverte de médicaments, franchissant une étape déterminante au-delà d’un titre accrocheur de Google News. La cible est issue d’une carte assistée par IA élaborée à partir de plus d’un trillion de cellules neuronales produites en laboratoire. La décision de Genentech apporte au programme des ressources pharmaceutiques pour la conception de molécules et les tests expérimentaux. Elle ne donne pas encore à Recursion un candidat médicament.

Cette distinction définit l’enjeu. Les entreprises de découverte de médicaments par IA ont passé des années à constituer de plus vastes jeux de données biologiques, systèmes de criblage et modèles prédictifs. L’épreuve la plus difficile consiste à déterminer si un partenaire pharmaceutique fera suffisamment confiance à une découverte computationnelle inattendue pour y consacrer davantage d’argent et de temps de laboratoire.

Genentech l’a désormais fait une fois dans le cadre de cette collaboration en neurosciences. Cette décision fournit une première validation commerciale de la stratégie de cartographie de Recursion, même si l’identité de la cible reste confidentielle. Elle oppose aussi le programme à l’approche traditionnelle guidée par les hypothèses, qui a dominé la recherche en neurosciences, souvent avec des résultats cliniques décevants.

Ce qui a changé derrière le titre de Google News

La décision de Genentech transforme une découverte biologique générée par IA en programme financé de découverte précoce, mais les travaux restent très éloignés des essais chez l’humain.

Recursion a annoncé cette avancée avec ses résultats financiers du trimestre clos le 30 juin 2026. Selon l’entreprise, Genentech a sélectionné la première cible en neurosciences de la collaboration après validation biologique. Les partenaires vont désormais poursuivre la découverte de petites molécules autour de cette cible.

Une cible est un composant biologique, généralement une protéine ou un gène, dont les chercheurs espèrent modifier l’activité à l’aide d’un médicament. La validation d’une cible vise à déterminer si la modification de ce composant produit un effet biologique pertinent et reproductible. Il s’agit d’une étape essentielle, mais elle ne prouve pas qu’un médicament sûr pourra atteindre ou contrôler la cible chez l’être humain.

Le programme a commencé avec Neuromap de Recursion, un vaste jeu de données expérimental reliant des interventions génétiques à des changements visibles dans des cellules neuronales dérivées de cellules humaines. Recursion affirme que ses chercheurs ont produit plus d’un trillion de cellules pour constituer la carte sous-jacente. Ils ont utilisé des perturbations génétiques à l’échelle du génome entier, notamment des inactivations de gènes, afin d’observer l’évolution des caractéristiques cellulaires.

Un phenomap est une représentation structurée de ces changements cellulaires observables. Des modèles d’apprentissage automatique comparent les images et regroupent les perturbations produisant des effets similaires. Les chercheurs peuvent ensuite étudier des liens entre les gènes, les états cellulaires et la biologie des maladies qui n’avaient pas été sélectionnés à l’avance.

Cela diffère d’une recherche dans une base de publications portant sur des gènes déjà associés à une maladie. La carte repose sur des expériences systématiques couvrant un vaste espace génétique. Les algorithmes aident à identifier des motifs, tandis que la validation en laboratoire détermine si ces motifs correspondent à une biologie crédible.

La progression de la cible compte parce que Genentech contrôle la décision concrète de poursuivre. Recursion peut générer des classements et des hypothèses, mais son partenaire pharmaceutique doit déterminer si les données justifient des travaux supplémentaires. Ce choix est plus significatif qu’un résultat de recherche interne ou qu’une référence de performance de modèle.

Des détails importants restent néanmoins indisponibles. Les entreprises n’ont pas publiquement identifié la cible, la maladie associée, les essais de validation ni l’ampleur des effets. Les scientifiques externes ne peuvent donc pas évaluer la nouveauté, la reproductibilité ou la pertinence de la cible pour la maladie humaine.

Les éléments publics étayent une conclusion limitée. La carte de Recursion a généré au moins une cible ayant franchi le seuil interne des partenaires pour la découverte précoce. Ils n’étayent pas les affirmations selon lesquelles la plateforme aurait produit un médicament viable ou résolu le développement de médicaments en neurosciences.

C’est pourquoi cette avancée mérite un examen plus attentif que ne le laisserait penser le cadrage initial de Google News. Cette étape relie une vaste carte biologique à une décision précise de programme. Le prochain test consistera à déterminer si la biologie sélectionnée peut soutenir une molécule présentant les caractéristiques d’un médicament.

Pourquoi la décision de Genentech compte davantage qu’un autre modèle d’IA

La validation cruciale vient d’un partenaire qui mobilise des scientifiques et des expériences, et non de la production par Recursion d’un autre vaste jeu de données.

Recursion et Roche, la société mère de Genentech, ont établi leur collaboration en décembre 2021. Le partenariat porte sur les neurosciences et un domaine de l’oncologie gastro-intestinale. Il associe le criblage fondé sur l’imagerie de Recursion aux données unicellulaires, à l’expertise sur les maladies et aux capacités de développement de médicaments de Roche et Genentech.

Roche a décrit la stratégie initiale comme un moyen d’étudier une biologie allant au-delà des cibles individuelles et des voies connues. Sa présentation du partenariat de découverte mettait l’accent sur des perturbations génétiques parallèles, des criblages de petites molécules et le profilage de l’ARN. Ensemble, ces méthodes offrent plusieurs façons de mettre à l’épreuve une même hypothèse biologique.

La collaboration a été conçue pour fonctionner à grande échelle. Recursion devait construire des cartes dans des contextes cellulaires pertinents, tandis que les partenaires pharmaceutiques contribueraient à interpréter les résultats et à faire progresser les programmes sélectionnés. Les entreprises ont auparavant fait progresser un programme d’oncologie gastro-intestinale et accepté deux cartes en neurosciences.

La première carte en neurosciences a utilisé des neurones dérivés de cellules souches pluripotentes induites humaines. Ces cellules débutent dans un état flexible et peuvent être orientées vers des types cellulaires spécialisés. Les chercheurs les utilisent car l’accès direct à du tissu cérébral humain vivant est extrêmement limité.

Produire des cellules neuronales à cette échelle représentait autant un problème de fabrication qu’un problème informatique. Les neurones ne se multiplient pas comme les lignées cellulaires conventionnelles de laboratoire. Recursion a développé des méthodes de production destinées à fournir suffisamment de cellules homogènes pour des expériences à l’échelle du génome.

Le récit de Neuromap de l’entreprise indique qu’une équipe de 50 personnes a travaillé sur le projet. Il précise également que la carte a utilisé plus d’un trillion de cellules neuronales produites en interne. Des systèmes d’apprentissage automatique ont ensuite analysé les images cellulaires obtenues.

Une deuxième carte s’est concentrée sur les microglies, des cellules immunitaires qui contribuent au maintien de l’environnement cérébral. Des microglies dysfonctionnelles ont été impliquées dans des affections neurodégénératives et neuro-inflammatoires. Selon les informations de l’entreprise et les reportages sur la carte des microglies, ce jeu de données contenait des images de millions de cellules soumises expérimentalement à des perturbations.

De grands volumes ne suffisent pas à rendre une carte utile. Les effets de lot, la maturité cellulaire, le bruit expérimental et les choix de traitement d’images peuvent créer des motifs que les modèles prennent à tort pour de la biologie. La collaboration a donc besoin d’une validation orthogonale, c’est-à-dire de tests recourant à différentes méthodes pour examiner la même relation proposée.

Genentech apporte une expertise importante à ce stade. L’entreprise peut évaluer si un motif cellulaire observé correspond à la génétique humaine, aux échantillons de patients, à la biologie des protéines et aux résultats expérimentaux antérieurs. Elle peut aussi écarter un motif intéressant si la cible ne peut pas soutenir un programme médicamenteux pratique.

Cette fonction de filtrage explique pourquoi la sélection de la cible a du poids. Un partenaire pharmaceutique a peu de raisons de faire progresser chaque résultat de modèle. Chaque programme supplémentaire consomme des ressources en chimie, biologie, toxicologie et gestion qui pourraient soutenir une autre cible.

Cette décision met aussi à l’épreuve le modèle économique de Recursion. L’entreprise soutient que son système d’exploitation peut convertir de manière répétée des expériences industrialisées en programmes médicamenteux. L’acceptation par un partenaire fournit un signal externe indiquant que ces cartes sont utiles au-delà du propre pipeline de Recursion.

Toutefois, une seule sélection ne peut pas établir la reproductibilité. La plateforme doit produire d’autres cibles acceptées dans différentes cartes et différents contextes cellulaires. Ces cibles devront ensuite survivre aux étapes de chimie, aux études animales, à l’examen réglementaire et aux essais cliniques.

La réussite immédiate est plus limitée, mais demeure précieuse. Recursion est passée de la création d’un actif de recherche à l’influence sur une décision précoce de portefeuille pharmaceutique. C’est à ce stade qu’une plateforme d’IA commence à se confronter aux mêmes contraintes biologiques que toute autre opération de découverte de médicaments.

Cartographie par IA contre neurosciences guidées par les hypothèses

Le véritable affrontement n’oppose pas Recursion à une autre entreprise de logiciels. Il oppose une cartographie expérimentale à grande échelle à une recherche concentrée sur des hypothèses établies concernant les maladies.

La découverte traditionnelle de médicaments ne manque pas de calcul informatique. Les entreprises pharmaceutiques utilisent déjà la génomique, la biologie structurale, les modèles statistiques et le criblage à haut débit. La différence significative réside dans la manière dont les chercheurs choisissent la biologie à étudier en premier.

Un programme conventionnel commence souvent par des données existantes autour d’une voie connue. Les scientifiques peuvent s’appuyer sur la génétique humaine, la littérature académique, des modèles animaux ou des médicaments antérieurs. Cette approche concentre les ressources là où le soutien biologique paraît le plus solide.

Cette focalisation peut rendre les expériences interprétables et efficaces. Elle peut également créer un domaine encombré où de nombreuses organisations poursuivent des cibles similaires. En neurosciences, elle a contribué à des investissements répétés autour d’un ensemble limité de mécanismes pathologiques.

L’approche de cartographie de Recursion cherche à élargir la recherche. Les chercheurs perturbent systématiquement des milliers de gènes et mesurent les changements dans de nombreuses caractéristiques cellulaires. Les modèles identifient ensuite des relations que des observateurs humains ne pourraient pas examiner manuellement à cette échelle.

L’intérêt ne réside pas dans l’idée que l’IA comprend la maladie de manière indépendante. Il tient au fait que des expériences systématiques peuvent révéler des motifs situés en dehors de l’hypothèse initiale. Recursion décrit cela comme une recherche au-delà de la zone familière éclairée par les connaissances existantes.

Cette promesse est particulièrement pertinente en neurodégénérescence. Les maladies cérébrales se développent souvent sur des décennies et impliquent plusieurs types cellulaires, voies biologiques et facteurs environnementaux. Une cible peut influencer un phénotype de laboratoire sans contrôler le processus qui nuit aux patients.

Genentech a reconnu cette incertitude en évoquant le partenariat. Ses chercheurs ont souligné que la poursuite de nouvelles cibles comporte des risques car la biologie sous-jacente reste mal comprise. Leur objectif déclaré était d’acquérir de la confiance au moyen de multiples approches expérimentales plutôt que de se fier à un seul signal.

Le nouveau programme suggère qu’une cible dérivée d’une carte a survécu à une première version de ce processus. Recursion indique que la cible a été biologiquement validée avant que Genentech ne la fasse entrer en phase de découverte. Les entreprises n’ont toutefois pas publié les données sous-jacentes permettant une évaluation indépendante.

Le caractère non divulgué de la cible empêche également toute comparaison directe avec des hypothèses établies. Il n’est pas clair si la carte a révélé un mécanisme entièrement inconnu, renforcé une idée faiblement étayée ou relié d’une nouvelle manière des éléments biologiques connus. Ces résultats ont des implications scientifiques différentes.

Une cible entièrement nouvelle mettrait à l’épreuve la capacité de la plateforme à élargir l’espace de recherche du domaine. Une cible connue découverte sans hypothèses préalables validerait la capacité de la carte à retrouver une biologie crédible. Une nouvelle relation entre des composants connus se situerait entre ces deux cas.

Ces trois scénarios peuvent produire des programmes utiles. Toutefois, seul le premier étayerait l’affirmation la plus forte selon laquelle la cartographie par IA révèle de manière cohérente des mécanismes pathologiques négligés. Les informations publiques ne justifient pas encore cette conclusion.

Le programme se heurte également au problème de la transposition entre les modèles cellulaires et les patients. Les neurones de laboratoire reproduisent certaines caractéristiques des cellules neuronales humaines, mais ne recréent pas un cerveau vieillissant. Ils ne reproduisent pas l’ensemble des interactions entre la circulation, les systèmes immunitaires, les tissus et les antécédents des patients.

Les modèles de microglie introduisent un autre type cellulaire pertinent, mais leur complexité reste limitée. Une perturbation qui normalise une image cellulaire peut ne pas modifier la mémoire, les mouvements ou la progression de la maladie. Elle peut aussi affecter des processus sans rapport et entraîner des risques de sécurité inacceptables.

La recherche traditionnelle et la cartographie par IA ne doivent donc pas être considérées comme mutuellement exclusives. Genentech utilise les cartes de Recursion aux côtés de ses connaissances existantes en neurosciences. Le partenaire peut associer une découverte à grande échelle à une validation ciblée, à des données humaines et à une pharmacologie établie.

La pression s’exerce sur les organisations qui s’appuient trop fortement sur des cibles familières sans élargir leur base de preuves. Si les programmes issus des cartes progressent de manière répétée, les équipes de recherche devront disposer de raisons plus solides pour ignorer de vastes données phénotypiques. Si ces programmes échouent tôt, la sélection guidée par les hypothèses conservera son avantage pratique.

Pour l’instant, le résultat concurrentiel reste incomplet. Recursion a montré que son processus de recherche peut générer une hypothèse exploitable. Le processus de développement traditionnel déterminera si cette hypothèse mérite de devenir un médicament.

Une cible validée n’est pas encore un médicament validé

Le principal risque réside dans l’écart entre la validation d’une cible biologique et une molécule qui fonctionne sans danger chez les patients.

L’expression « cible validée » peut sembler plus définitive qu’elle ne l’est réellement. La validation dépend des expériences menées, des modèles utilisés et du seuil de décision appliqué. Une cible peut être convaincante dans plusieurs essais et pourtant échouer lors de la conception d’un médicament ou du développement clinique.

Le premier obstacle est la possibilité d’action thérapeutique, qui décrit la capacité des chercheurs à contrôler une cible au moyen d’une méthode thérapeutique pratique. Certaines protéines ne possèdent pas de sites de liaison adaptés aux petites molécules conventionnelles. D’autres assurent plusieurs fonctions essentielles, ce qui rend une intervention sélective difficile.

Recursion et Genentech prévoient d’utiliser la découverte de petites molécules pour ce programme. Leurs prochains travaux incluent la conception de molécules, la génération de touches initiales et la validation. Une touche initiale est un composé qui produit une activité mesurable contre la cible visée lors d’un criblage précoce.

Les touches initiales possèdent rarement toutes les propriétés requises pour un médicament. Les chimistes doivent améliorer la puissance, la sélectivité, la stabilité, l’exposition tissulaire et la sécurité. Un composé destiné aux neurosciences peut également devoir franchir la barrière hémato-encéphalique, qui limite ce qui pénètre dans le tissu cérébral.

Les capacités de Recursion en chimie se sont élargies grâce à son rapprochement avec Exscientia. La transaction de l’entreprise a réuni la conception computationnelle et la synthèse automatisée de petites molécules au sein de la même organisation. Cette intégration donne à Recursion davantage de contrôle sur le parcours allant de l’identification d’une cible à un composé expérimental.

L’intégration ne supprime pas l’incertitude biologique. Une molécule bien conçue peut se lier à sa cible sans modifier la progression de la maladie. Elle peut également montrer des bénéfices dans des modèles animaux qui ne se transposent pas à l’humain.

La plateforme plus large de Recursion a obtenu des données cliniques dans un programme distinct, REC-4881, contre la polypose adénomateuse familiale. Ce programme démontre que l’entreprise peut faire entrer des travaux soutenus par sa plateforme dans des études sur des patients. Il ne valide pas la cible nouvellement sélectionnée en neurosciences.

L’identité non divulguée de la cible crée une autre limite pour l’évaluation externe. Les chercheurs indépendants ne peuvent pas examiner les preuves génétiques, comparer les publications antérieures ni identifier les risques de sécurité déjà connus. Les investisseurs et les lecteurs doivent principalement s’appuyer sur la caractérisation que les partenaires font de leur décision interne.

Les entreprises n’ont pas non plus communiqué de paiement d’étape lié spécifiquement à cette sélection. Des événements antérieurs de la collaboration ont eu des conséquences financières publiques. Roche et Genentech ont exercé en 2024 une option liée au premier Neuromap, tandis que l’acceptation de la carte de microglie a déclenché un autre paiement en 2025.

Recursion a indiqué avoir reçu plus de 500 millions de dollars de paiements cumulés initiaux et d’étapes dans le cadre de ses partenariats à la fin de 2025. Ce total couvrait plusieurs collaborateurs et programmes, et pas seulement ces travaux en neurosciences. Il illustre l’intérêt commercial sans révéler la qualité scientifique de chaque actif.

Les jalons financiers constituent une preuve utile, mais incomplète. Ils montrent que les partenaires ont accepté des livrables contractuels ou pris des décisions de programme. Ils ne peuvent se substituer à des données évaluées par les pairs, à des dépôts réglementaires ou à des résultats cliniques.

L’absence de détails expérimentaux publics doit guider le langage employé autour de l’annonce. Genentech a sélectionné une cible que les partenaires considèrent comme validée. Cette cible n’a pas été validée de manière indépendante à partir de données divulguées, et aucun candidat-médicament n’est entré en développement préclinique.

Cela ne rend pas l’annonce vide de sens. Les programmes de découverte précoce commencent toujours avant que toutes les preuves ne soient disponibles. La prudence consiste à situer cet événement au bon endroit sur une longue chronologie de développement.

La découverte de médicaments comporte plusieurs occasions d’échec après la sélection d’une cible. Les chercheurs doivent identifier des composés adaptés, reproduire l’activité, établir la pertinence pour la maladie, tester la toxicologie et fabriquer un matériau homogène. Les régulateurs doivent ensuite autoriser les études chez l’humain.

Le développement clinique ajoute des tests plus exigeants de sécurité et d’efficacité. Les essais sur les maladies neurodégénératives peuvent nécessiter de longues périodes d’observation, des biomarqueurs sensibles et des groupes de patients soigneusement définis. Même un médicament biologiquement actif peut ne pas atteindre son critère d’évaluation clinique.

L’interprétation la plus crédible est donc conditionnelle. La sélection de la cible soutient l’affirmation de Recursion selon laquelle ses cartes peuvent générer des hypothèses acceptées par des partenaires. Elle ne soutient pas encore l’affirmation selon laquelle ces cartes améliorent la probabilité de réussite clinique.

Les lecteurs doivent également distinguer l’échelle de la précision. Davantage de cellules et d’images peuvent réduire certaines formes d’incertitude tout en en multipliant d’autres. La qualité des données, la pertinence biologique et les contrôles expérimentaux déterminent si l’échelle est utile.

La plateforme de Recursion utilise des expériences de laboratoire répétées pour répondre à une partie de ce problème. Les modèles génèrent ou priorisent des pistes, puis les scientifiques les testent dans une boucle de rétroaction. Cette approche est plus ancrée dans le réel que de demander à un modèle de langage de suggérer des cibles à partir du seul texte.

Toutefois, l’expérimentation en boucle fermée reste dépendante des essais disponibles. Un système peut s’optimiser efficacement par rapport à une mesure qui ne représente que faiblement la maladie. De bonnes performances au sein de la boucle ne garantissent pas des résultats utiles chez les patients.

Les preuves les plus solides apparaîtront lorsque plusieurs programmes quitteront l’étape de cartographie et atteindront des jalons de développement. D’ici là, la décision de Genentech constitue un point de données important plutôt qu’un verdict décisif.

Qui subit la pression si le programme progresse

Un processus reproductible allant de la carte au programme mettrait sous pression les concurrents de la biotechnologie par IA comme les équipes de découverte conventionnelles, qui devraient démontrer une validation expérimentale comparable.

Recursion est en concurrence au sein d’un vaste groupe d’entreprises de découverte de médicaments axées sur la technologie. Certaines mettent l’accent sur les graphes de connaissances et la littérature scientifique. D’autres privilégient la structure des protéines, la chimie générative, les données de patients ou les laboratoires automatisés.

Ces approches s’attaquent à différents goulets d’étranglement. Les modèles de structure protéique peuvent aider les chercheurs à comprendre les possibilités de liaison. Les systèmes génératifs peuvent proposer des molécules. Les graphes de connaissances relient les données biomédicales existantes, tandis que les cartes phénotypiques partent de réponses cellulaires mesurées.

L’affirmation distinctive de Recursion repose sur l’intégration. L’entreprise combine des expériences biologiques à grande échelle, l’apprentissage automatique, la conception de molécules et des outils de développement clinique. Le programme de Genentech teste si ce système intégré peut faire passer une piste issue de la cartographie cellulaire à la chimie.

La fusion de l’entreprise avec Exscientia a également modifié la comparaison. Recursion ne se présente plus seulement comme une plateforme de découverte de cibles. Elle revendique désormais un processus de bout en bout couvrant la biologie, la conception et certaines parties du développement clinique.

Cela crée un niveau d’exigence plus élevé. Une plateforme intégrée ne devrait pas seulement identifier davantage de cibles. Elle devrait convertir les cibles adaptées en composés différenciés avec moins de transferts, des retours plus rapides ou de meilleures décisions.

Les concurrents peuvent répondre avec leurs propres jalons de partenariats et programmes cliniques. Des molécules conçues par IA sont déjà entrées dans des essais chez l’humain dans l’ensemble du secteur. Aucune entreprise n’a encore éliminé l’attrition fondamentale qui caractérise le développement pharmaceutique.

Les grands laboratoires pharmaceutiques subissent une pression différente. Nombre d’entre eux possèdent déjà d’importants jeux de données, des capacités d’automatisation et des équipes d’apprentissage automatique. La question est de savoir si les plateformes externes offrent des cartes biologiques ou une vitesse d’exécution que les systèmes internes ne peuvent pas reproduire efficacement.

La participation continue de Genentech suggère que Recursion fournit quelque chose d’utile. Genentech dispose d’une expertise interne approfondie en neurosciences, en mesures unicellulaires et en biologie computationnelle. Sa volonté de faire progresser un programme confère à la plateforme plus de crédibilité qu’une simple annonce de partenariat.

Les entreprises pharmaceutiques mènent toutefois couramment plusieurs expériences externes simultanément. Un partenaire peut faire progresser un programme sans adopter l’ensemble de la thèse technologique du fournisseur. Genentech évaluera la cible selon les standards habituels de découverte une fois que la chimie aura commencé.

Les neurosciences universitaires font également partie du paysage concurrentiel. Les universités et instituts de recherche génèrent des modèles de maladie, des preuves génétiques et des éclairages mécanistiques que les cartes commerciales intègrent souvent. Les résultats scientifiques ouverts peuvent contester ou corroborer des résultats propriétaires.

Une cible propriétaire peut créer un avantage de propriété intellectuelle, mais le secret ralentit l’examen indépendant. La collaboration doit équilibrer publication, protection par brevet et calendrier commercial. Tant que davantage de preuves ne seront pas disponibles, les observateurs externes ne pourront pas distinguer la nouveauté de la confidentialité.

Pour les travailleurs de la connaissance qui suivent ce domaine, l’événement met en évidence un problème de recherche plus large. Les titres, présentations aux investisseurs, articles scientifiques et registres d’essais cliniques décrivent souvent différentes étapes à l’aide d’un vocabulaire qui se recoupe. Une base de connaissances consultable peut aider les équipes à préserver ces distinctions au fil des mises à jour.

La distinction essentielle est simple. « Cible sélectionnée » signifie qu’une décision interne de portefeuille a été prise. « Touche initiale identifiée » signifierait que l’équipe a trouvé une chimie active. « Candidat au développement » indiquerait un composé dont le profil convient à un travail préclinique formel.

Chaque étape constitue un test plus rigoureux de la plateforme. Chacune introduit aussi des modes d’échec que la carte initiale ne peut pas entièrement prédire. Suivre la terminologie évite de confondre un événement précoce prometteur avec une preuve clinique.

Le résultat Google News a attiré l’attention sur la première étape. La pression concurrentielle n’augmentera que si Recursion et Genentech divulguent des progrès aux étapes suivantes. Les autres plateformes seront évaluées selon la même progression, et non sur la seule taille de leurs jeux de données.

Trois signaux qui mettront à l’épreuve la cible neurologique de Recursion

Les prochaines preuves significatives seront un jalon divulgué concernant une molécule, une reproductibilité plus large du passage des cartes aux cibles et des détails scientifiques permettant une évaluation externe.

Le premier signal sera le passage de la sélection de la cible à des touches chimiques validées. Recursion indique que les partenaires utiliseront sa plateforme de chimie pour la conception, la génération de touches et la validation. Un jalon communiqué concernant une touche montrerait que la cible peut se prêter à une intervention par petite molécule.

Ce résultat renforcerait les arguments en faveur du flux de travail intégré de Recursion. Il relierait la cartographie biologique à la chimie au lieu de s’arrêter à l’identification de cibles. L’absence d’activité sélective et compatible avec le développement d’un médicament ferait de la faisabilité pharmacologique le premier obstacle majeur du programme.

La version la plus convaincante de ce signal inclurait une cible nommée, des données d’essai et des mesures claires de sélectivité. Une étape contractuelle sans détails à l’appui démontrerait tout de même l’engagement du partenaire. Elle fournirait toutefois moins d’éléments scientifiques sur la qualité de la molécule.

Le deuxième signal serait l’entrée en découverte d’une autre cible en neurosciences issue des mêmes cartes. La reproductibilité est importante, car une plateforme démontre sa valeur en produisant un portefeuille, et non un unique résultat heureux. Recursion a indiqué que plusieurs efforts de validation en neurosciences étaient en cours avec Roche et Genentech.

Une deuxième sélection réduirait la possibilité que ce programme soit un succès isolé. Elle montrerait également si les cartes soutiennent des mécanismes différents ou reviennent systématiquement au même voisinage biologique. L’absence de sélection supplémentaire ne prouverait pas un échec, mais affaiblirait les affirmations de capacité de montée en charge à court terme.

Le troisième signal serait une divulgation plus importante par le biais d’une présentation scientifique, d’une publication, d’un brevet ou d’un dépôt réglementaire. Les chercheurs externes ont besoin de suffisamment de détails pour évaluer la nouveauté, la pertinence pour la maladie et la qualité de la validation. L’identité de la cible à elle seule permettrait une comparaison avec la génétique humaine et les programmes thérapeutiques existants.

La divulgation préciserait également ce que signifie « validée » dans ce cas. Les chercheurs pourraient déterminer si les preuves proviennent de phénotypes fondés sur l’imagerie, de la transcriptomique, d’expériences de sauvetage, de modèles de maladie ou de plusieurs méthodes indépendantes.

Les partenaires pourraient retarder ces informations afin de protéger leur propriété intellectuelle. Ce serait compréhensible sur le plan commercial, mais cela maintiendrait le déficit de vérification. La confiance du public dépendrait alors des étapes ultérieures du programme plutôt que d’un examen scientifique direct.

Ces signaux doivent être suivis dans cet ordre. La chimie constitue le test opérationnel immédiat. Une deuxième cible teste la reproductibilité, tandis que les preuves publiques testent la solidité et la nouveauté de la biologie sous-jacente.

L’issue aura une importance qui dépassera Recursion. Une séquence réussie soutiendrait la cartographie large, fondée d’abord sur l’expérimentation, comme complément productif aux neurosciences guidées par les hypothèses. Un blocage précoce montrerait que trouver une cible intéressante reste plus facile que de développer un médicament autour d’elle.

Pour les lecteurs arrivant via google news, la question utile n’est pas de savoir si l’IA a « découvert un remède ». Ce n’est pas le cas. La meilleure question est de savoir si cette cible continue de progresser lorsqu’elle se heurte à la chimie, à des preuves indépendantes et aux contraintes habituelles du développement de médicaments.

Surveillez l’annonce d’une cible nommée, de candidats validés et d’un autre programme sélectionné par un partenaire. Ces avancées transformeraient une première décision de portefeuille en un test plus solide de la biologie guidée par l’IA. D’ici là, Recursion a mérité une prochaine expérience significative, pas un tour d’honneur.