Présentation
Les coûts toujours plus élevés du développement pharmaceutique, un phénomène connu sous le nom de loi d’Eroom, sont un appel à l’innovation. Ici, nous proposons de synthétiser les informations génétiques existantes à propos des cibles médicamenteuses pour en guider la sélection. Au cours de la dernière décennie, la communauté scientifique a découvert des milliers d’associations entre des variants génétiques et des phénotypes dans les populations humaines. En explorant ces données, les chercheurs ont découvert l’intérêt de la génétique pour guider le développement pharmaceutique : les cibles ayant une preuve génétique d’efficacité (c-à-d avec un gène cible lié à un variant génétique significativement associé à l’indication du médicament) ont deux fois plus de chance de succès lors d’un essai clinique. Jusqu’ici, ces efforts ont porté sur les populations d’ascendance européenne et des données agrégées par sexe et par âge. Dans d’autres domaines de la statistique génétique, comme le calcul de scores de risque polygénique, ce biais d’échantillonnage conduit à une perte de précision sur les populations non européennes. Par ailleurs, les effets des médicaments peuvent varier par sexes et par âge. Pourtant les femmes et les personnes agés sont sous-représentés dans les essais cliniques. Dans notre projet, nous corrigerons ces biais d’échantillonnage en rassemblant des données ventilées par sexe et par âge ainsi que sur toutes les ascendances génétiques. Fort de cette base de données, nous concevrons un algorithme pour prédire l’efficacité d’une cible thérapeutique à partir des données génétiques. Cet algorithme sera ensuite appliqué sur toutes les cibles médicamenteuses qui n’ont pas encore été explorées par les laboratoires pharmaceutiques (ce qui représente les 2/3 des 4479 gènes qui pourraient être ciblés). En somme, ce projet vise à synthétiser les preuves génétiques quant à l’efficacité d’une cible thérapeutique en un score pertinent pour l’ensemble des populations humaines. En rendant ce score largement accessible, nous espérons rapprocher la dynamique de la loi d’Eroom de celle de son opposé bien connu : la loi de Moore.
