SubsidieMeestersDrug Discovery Intelligence
Het project ontwikkelt een AI-gestuurde softwareapplicatie om risico's in de medicijnontwikkeling te verminderen door het voorspellen van therapeutische targets en drug-target interacties.
Projectdetails
Inleiding
Gemiddeld duurt het ontwikkelen van een nieuw medicijn, van begin tot eind, zo’n 12 jaar en het kost gemiddeld $1 miljard om de gehele waardeketen succesvol te doorlopen. Daarbij redt slechts een zeer klein percentage van potentiële producten in de drug discovery fase het tot het einde, terwijl alle investeringen in producten die falen ook terugverdiend moeten worden. Productontwikkeling in de farmaceutische industrie gaat dan ook gepaard met zeer grote risico’s.
Kunstmatige Intelligentie in Drug Discovery
Het beperken van deze risico’s middels kunstmatige intelligentie zal een enorme impact maken binnen deze industrie. Hier wordt wereldwijd al veel onderzoek naar gedaan. Er zijn verschillende aanknopingspunten in het drug discovery proces waar middels nieuwe technologie potentiële compounds in discovery beter geëvalueerd kunnen worden en voorspellingen gedaan kunnen worden op basis van (historisch) beschikbare data (big data).
Doel van de Aanvraag
De aanvrager ambieert om een nieuwe softwareapplicatie te ontwikkelen met predictive algoritmes voor drug discovery onderzoek. Hierbij gaat het met name om:
- Het voorspellen van nieuwe therapeutische targets.
- Potentiële drug-target interactie (DTI).
- De slagingskansen van veelbelovende kandidaten in latere fases van ontwikkeling.
Concreet Plan
Concreet willen wij ons richten op het:
- Identificeren van nieuwe targets.
- Bevestigen van de veelbelovende hits.
- Genereren van lead compounds hieruit.
Middels nieuw te ontwikkelen voorspelmodellen gebaseerd op deep learning is het de bedoeling om op basis van beschikbare data en data van de klant sneller te komen tot betere leads, maar ook de slagingskans in vervolgtrajecten (preklinisch en klinisch) beter in te schatten.
Relevantie voor ICT-roadmaps
De beoogde toepassing van dit haalbaarheidsproject sluit aan op de ICT-roadmaps van de HTSM topsector:
- ICT voor een verbonden wereld.
- Data, data, data.
Met een cross-over naar het thema binnen de Life Sciences & Health topsector: Enabling Technologies & Infrastructure.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 20.000 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2020 |
Partners & Locaties
Projectpartners
- Maine Innovations B.V.penvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Haalbaarheid van het Formula Y-platform voor versnelde antilichaam ontwikkelingHet project richt zich op het versnellen van de ontwikkeling van nieuwe antilichaamtherapieën door generatieve machine-learning algoritmes te gebruiken voor het ontwerpen van specifieke antilichamen. | Mkb-innovati... | € 20.000 | 2023 | Details |
Digitale transformatie data acquisitie en verwerking van klinische onderzoekenTherapySelector ontwikkelt een AI-gestuurde oplossing om het selectieproces van medische publicaties te versnellen en te digitaliseren, met als doel persoonsgericht medicatievoorschrijven te verbeteren. | Mkb-innovati... | € 20.000 | 2021 | Details |
Haalbaarheid van het Formula Y-platform voor versnelde antilichaam ontwikkeling
Het project richt zich op het versnellen van de ontwikkeling van nieuwe antilichaamtherapieën door generatieve machine-learning algoritmes te gebruiken voor het ontwerpen van specifieke antilichamen.
Digitale transformatie data acquisitie en verwerking van klinische onderzoeken
TherapySelector ontwikkelt een AI-gestuurde oplossing om het selectieproces van medische publicaties te versnellen en te digitaliseren, met als doel persoonsgericht medicatievoorschrijven te verbeteren.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Implementation of new machine learning algorithms for the optimisation of drug formulationsMACHINE-DRUG aims to leverage machine learning to accelerate the prediction of crystalline forms in pharmaceuticals, enhancing drug efficacy and stability while exploring broader industrial applications. | ERC Proof of... | € 150.000 | 2023 | Details |
AI to render the best clinical trial design for a novel RNA therapy.Het ANTENA-project ontwikkelt een AI-platform om de optimale klinische studiepopulatie voor een nieuwe RNA-medicatie te identificeren, met als doel kosten en risico's van klinische proeven te verlagen. | Mkb-innovati... | € 199.700 | 2023 | Details |
Revolutionizing AI in drug discovery via innovative molecular representation paradigmsReMINDER aims to revolutionize drug discovery by developing novel molecular representations for AI, enhancing model capabilities and solving complex chemical challenges. | ERC Starting... | € 1.494.006 | 2023 | Details |
Deep learning analysis of imaging and metabolomic data to accelerate antibiotic discovery against antimicrobial resistanceAI4AMR aims to revolutionize antibiotic discovery by using advanced AI and multi-dimensional data analysis to identify novel antibiotics and their mechanisms of action against antimicrobial resistance. | ERC Synergy ... | € 10.968.734 | 2025 | Details |
Automated, miniaturized and accelerated drug discovery: AMADEUSAMADEUS is an automated platform for rapid, sustainable drug discovery that synthesizes thousands of small molecules daily, optimizing processes through AI to reduce costs and enhance accessibility. | ERC Advanced... | € 3.409.401 | 2024 | Details |
Implementation of new machine learning algorithms for the optimisation of drug formulations
MACHINE-DRUG aims to leverage machine learning to accelerate the prediction of crystalline forms in pharmaceuticals, enhancing drug efficacy and stability while exploring broader industrial applications.
AI to render the best clinical trial design for a novel RNA therapy.
Het ANTENA-project ontwikkelt een AI-platform om de optimale klinische studiepopulatie voor een nieuwe RNA-medicatie te identificeren, met als doel kosten en risico's van klinische proeven te verlagen.
Revolutionizing AI in drug discovery via innovative molecular representation paradigms
ReMINDER aims to revolutionize drug discovery by developing novel molecular representations for AI, enhancing model capabilities and solving complex chemical challenges.
Deep learning analysis of imaging and metabolomic data to accelerate antibiotic discovery against antimicrobial resistance
AI4AMR aims to revolutionize antibiotic discovery by using advanced AI and multi-dimensional data analysis to identify novel antibiotics and their mechanisms of action against antimicrobial resistance.
Automated, miniaturized and accelerated drug discovery: AMADEUS
AMADEUS is an automated platform for rapid, sustainable drug discovery that synthesizes thousands of small molecules daily, optimizing processes through AI to reduce costs and enhance accessibility.