À propos
Contexte
FRTxGNN est une plateforme d'aide à la recherche sur le repositionnement de médicaments, fondée sur le modèle TxGNN publié dans Nature Medicine par le Zitnik Lab de l'université Harvard. Elle prédit l'extension des indications des médicaments autorisés par l'ANSM en France. Au-delà des scores de prédiction de l'IA, la plateforme intègre des preuves cliniques issues de ClinicalTrials.gov et de PubMed, afin que les chercheurs puissent évaluer rapidement la crédibilité de chaque prédiction.
À propos du développeur
Cette plateforme est développée et exploitée par 藥提醒科技有限公司 (yao.care, numéro d'enregistrement de société 83620786, 12F, No. 220, Sec. 2, Taiwan Blvd., West Dist., Taichung City, Taiwan).
FRTxGNN est le site France de la gamme de produits « TxGNN Drug Repurposing » de la société.
Le même système est déployé dans 30 pays et régions, chacun nommé {CC}TxGNN
(JpTxGNN, UsTxGNN, DETxGNN, etc.) à l'adresse {cc}txgnn.yao.care.
Présentation du produit : https://www.yao.care/medical/txgnn/.
Le modèle TxGNN lui-même a été développé par le Zitnik Lab de Harvard Medical School et publié dans Nature Medicine. Cette plateforme est le système de production que 藥提醒科技有限公司 a bâti sur ce modèle : intégration des données nationales d'enregistrement des médicaments, double prédiction par graphe de connaissances et apprentissage profond, gradation des preuves PubMed / ClinicalTrials, et intégration au dossier médical électronique via SMART on FHIR.
Qu'est-ce que le repositionnement de médicaments ?
Le repositionnement de médicaments consiste à trouver de nouvelles utilisations thérapeutiques pour des médicaments existants. Comparé au développement d'un nouveau médicament à partir de zéro — 10 à 15 ans et 1 à 2 milliards de dollars US — le repositionnement demande 3 à 5 ans et 100 à 300 millions de dollars US, et des données de sécurité chez l'humain existent déjà, si bien que le risque d'échec est plus faible.
| Aspect | Développement d'un nouveau médicament | Repositionnement de médicaments |
|---|---|---|
| Durée | 10–15 ans | 3–5 ans |
| Coût | 1–2 milliards USD | 100–300 millions USD |
| Données de sécurité | À établir | Données humaines déjà disponibles |
| Risque d'échec | Très élevé (>90 %) | Plus faible |
Qu'est-ce que TxGNN ?
TxGNN est un modèle d'apprentissage profond développé par le Zitnik Lab de Harvard Medical School et publié dans Nature Medicine. Il prédit de nouvelles associations médicament–maladie et constitue le premier modèle de fondation pour le repositionnement de médicaments conçu spécifiquement pour les cliniciens.
« TxGNN intègre un graphe de connaissances de 17 080 entités biomédicales et utilise des réseaux de neurones sur graphes pour apprendre les relations complexes entre les nœuds, prédisant l'efficacité potentielle de médicaments contre les maladies rares. » — Huang et al., Nature Medicine (2023)
Sources de données
| Type | Source | Description |
|---|---|---|
| Prédiction par IA | TxGNN | Modèle de prédiction par graphe de connaissances de Harvard |
| Essais cliniques | ClinicalTrials.gov | Registre mondial des essais cliniques |
| Littérature | PubMed | Base de données de la littérature biomédicale |
| Informations sur les médicaments | DrugBank | Base de données des médicaments et de leurs cibles |
| Données d'enregistrement | ANSM | Données d'autorisation des médicaments pour la France |
Base académique
Huang, K., et al. (2023). A foundation model for clinician-centered drug repurposing. Nature Medicine. DOI: 10.1038/s41591-023-02233-x
Échelle
| Élément | Valeur |
|---|---|
| Rapports de médicaments | 642 |
| Autorité réglementaire | ANSM |
| Sites déployés | 30 pays / régions |
Contact
- GitHub Issues : https://github.com/yao-care/FRTxGNN/issues
- Développeur : 藥提醒科技有限公司 (https://www.yao.care, service@yao.care)
- Présentation du produit : https://www.yao.care/medical/txgnn/
Ce rapport est destiné uniquement à la recherche académique et ne constitue pas un avis médical. Suivez toujours les instructions de votre médecin ; ne modifiez jamais votre traitement de votre propre initiative. Toute décision de repositionnement de médicament nécessite une validation clinique complète et un examen réglementaire.
Relu par : 藥提醒科技有限公司 (yao.care)