Témoignage client

Changement de paradigme dans le traitement du cancer

Les approches statistiques de l'expérimentation ouvrent la voie à l'exploration de nouveaux procédés biologiques et à des innovations indispensables dans le traitement du cancer à un stade avancé.

F-star Therapeutics

DéfiLes techniques d'expérimentation biologique actuelles ne permettent pas aux chercheurs de gérer efficacement l'explosion des données lors des premières phases du cycle de développement biopharmaceutique. Les biologistes ont besoin d'alternatives pour obtenir des résultats plus précis, plus reproductibles et dans des délais plus courts.
SolutionLes scientifiques chargés de la formulation se sont tournés vers JMP, un logiciel convivial qui donne aux chercheurs la possibilité de mettre rapidement en œuvre de nouvelles approches statistiques de l'expérimentation, comme la création de plans d'expériences (DOE).
RésultatsSelon eux, les plans d'expériences dans JMP ont permis de condenser en une heure des tâches qui auparavant prenaient toute une journée. Une analyse des données efficace et puissante raccourcit les échéances et, par conséquent, accélère le développement des médicaments. Grâce à ces innovations, les médecins et les patients peuvent accéder beaucoup plus rapidement aux traitements anticancéreux dont ils ont tant besoin.

La recherche de nouveaux moyens de prévenir, diagnostiquer et traiter le cancer est l'une des plus importantes branches de la recherche et du développement pharmaceutiques dans le monde. Parmi eux, l'immunothérapie semble rapidement devenir l'un des domaines de développement les plus prometteurs de l'oncologie moderne. F-star Therapeutics, une société biopharmaceutique en phase clinique basée à Cambridge (Royaume-Uni) et Cambridge (Massachusetts, États-Unis), travaille au développement des premières et meilleures immunothérapies de leur catégorie pour les patients atteints d'un cancer en stade avancé.

Les efforts de F-star sont axés autour de sa technologie propriétaire Modular Antibody TechnologyTM. Cette technologie consiste en une plateforme qui introduit deux sites de fixation antigène supplémentaires dans la région constante d'un anticorps. Ce moteur « plug-and-play » agit comme élément de base pour une variété de formats de médicaments et ouvre la voie vers la mise au point de nouveaux produits bispécifiques et monospécifiques. Cette approche utilise la réaction immunitaire naturelle de l'organisme pour cibler les cellules cancéreuses inopérables et prolonger la vie des patients atteints d'une maladie à un stade avancé.

Bien qu'il soit encore aux premières étapes de son développement, le portefeuille de programmes d'immuno-oncologie de F-star est prometteur. En effet, la société a conclu des partenariats avec les leaders du secteur comme AbbVie, Merck KGaA et Denali Therapeutics, entre autres. Certains traitements sont déjà en phase de développement clinique. Si les résultats sont probants, l'innovation de F-star pourrait potentiellement changer le paradigme tout entier dans le traitement du cancer. 

Ayant épuisé toutes les autres solutions à un problème de développement, les scientifiques ont porté leur attention sur les plans d'expériences

Transformer les molécules révolutionnaires de F-star en traitements prêts à l'emploi requiert un renforcement considérable des capacités. La réussite de cette opération dépend également des chercheurs qui doivent créer des bioprocédés robustes pour garantir la stabilité et la sécurité optimales du produit durant sa production. Au cœur de cet effort se trouvent des personnes comme Jon Armer qui, en tant que scientifique principal chargé de la formulation, passe son temps à creuser dans les données pour examiner tous les facteurs susceptibles d'affecter les résultats des lots, tant du point de vue de la qualité que du rendement.

Il collabore avec les scientifiques de F-star à chaque étape du développement, de la phase préliminaire aux premières étapes des essais cliniques. Chaque étape présente ses propres défis en matière de données, qu'il s'agisse de recueillir les bonnes données ou de s'assurer que les données recueillies sont utilisables et produiront des résultats probants. Selon lui, les scientifiques de l'espace préclinique sont habitués à de larges marges d'erreur et au manque d'exposition aux techniques statistiques sophistiquées plus couramment utilisées dans les phases ultérieures de la recherche, où la précision est essentielle. Les méthodes statistiques n'étant que peu utilisées dans les phases préliminaires, les biologistes peuvent se montrer réticents à s'écarter des approches habituelles.

Jon Armer avoue qu'il n'y a pas si longtemps, il se trouvait lui-même dans une situation identique. Alors qu'il travaillait sur un projet de développement, son équipe a rencontré des problèmes soudains et inattendus. « Nous avons effectué toutes les analyses habituelles », se rappelle-t-il. « Nous avons examiné toutes les matières premières. Nous avons interrogé les prestataires qui nous ont fourni les substances chimiques pour les tampons. Nous avons commencé à revoir la formulation, la présentation et [nos processus]. »

Dans l'incapacité d'identifier la source du problème, et donc d'y remédier, il a commencé à explorer l'approche des plans d'expériences pour évaluer les écarts entre les lots. Enfin, il a pu lier les problèmes à un oligo-élément qui n'était pas systématiquement surveillé. « Les données m'envoyaient d'énormes signaux pour m'avertir qu'il y avait quelque chose que je devais examiner », se rappelle-t-il. Sans cette capacité à analyser les données à un niveau avancé, il n'aurait jamais pensé à rechercher dans cette direction. 

Des temps d'expérimentation réduits et une solide reproductibilité favorisent l'adoption des plans d'expériences au sein de toute l'entreprise

Bien que la création de plans d'expériences ne soit pas encore considérée comme une pratique standard dans le monde de la biotechnologie, c'est une approche statistique puissante et ciblée qui offre la précision et la capacité de traiter plusieurs facteurs à la fois. Et ce, sans parler de la reproductibilité et des gains de temps qui, au final, permettront de mettre plus rapidement les nouveaux traitements sur le marché. Bien que les plans d'expériences soient plus chronophages au départ, Jon Armer explique qu'« une fois en place, vous n'aurez plus à répéter l'opération, car il n'y aura aucune donnée douteuse à rechercher et examiner. Les plans d'expériences vous poussent à vous écarter d'une logique purement académique pour adopter une mentalité davantage axée sur la technique ».

Grâce à ses collaborations avec les scientifiques de F-star, il a suscité l'intérêt de ses collègues pour les approches multivariées. Il ne se contente pas d'analyser les données pour eux et de les restituer. Il travaille plutôt à leurs côtés pour leur montrer des moyens d'exploiter les données dont ils disposent qui sont plus efficaces que d'analyser un seul facteur à la fois. Au fur et à mesure que ses collègues se familiarisent, et donc s'investissent dans les plans d'expériences, il constate qu'ils en voient les avantages en temps réel, ce qui amène l'ensemble de l'entreprise à adopter des pratiques plus efficaces pour aller de l'avant.

Le logiciel JMP® s'est avéré essentiel à l'adoption des plans d'expériences chez F-star. La prise en main de JMP requiert un seuil d'expertise statistique moins élevé que pour d'autres logiciels, sans pour autant sacrifier les capacités statistiques sophistiquées. Cela rend la solution particulièrement adaptée aux applications de recherche qui traitent un grand volume de données et de multiples variables qui doivent toutes être évaluées en détail. 

Les capacités visuelles de JMP® facilitent la transition vers une approche statistique de l'expérimentation

Selon Jon Armer, un outil visuel et convivial est essentiel pour donner du sens à la complexité des multiples coefficients impliqués dans la modélisation d'une nouvelle formulation. Cela est particulièrement vrai lorsque les scientifiques concernés ont moins d'expérience dans le domaine des statistiques. La plateforme de création de plans d'expériences de JMP donne la possibilité aux utilisateurs de visualiser les espaces de plan et d'observer rapidement les interactions entre les différents facteurs.

Jon Armer ajoute qu'il est facile d'oublier le contexte et les implications plus larges lorsque l'on teste de nombreuses variables et qu'il faut se concentrer sur les détails de chacune d'entre elles pour s'assurer de recueillir des données cohérentes et de qualité. « Vous pensez avoir trouvé quelque chose, mais vous vous retrouvez dans une impasse », explique-t-il. « C'est pourquoi il est très utile de pouvoir prendre du recul et examiner [les données] plus objectivement. » Grâce à la plateforme de création de plans d'expériences de JMP, les scientifiques peuvent se focaliser sur le « pourquoi » de chaque aspect d'une expérience et porter leur attention sur les facteurs qui ont une réelle incidence sur les résultats.

« En tant que scientifiques et ingénieurs, nous sommes experts dans la collecte de données, mais pas tant dans leur utilisation », avoue Jon Armer. « Un des éléments que j'ai appréciés lorsque j'ai commencé à utiliser les plans d'expériences, particulièrement dans JMP, est le fait que j'étais obligé de remettre mon expérience en question. Quelle est la raison de ce test ? Ai-je besoin de le faire ? Avoir ce cadre à l'esprit pendant qu'on réalise une expérience et qu'on analyse les résultats est vraiment très utile. »

Les fortes capacités visuelles de JMP permettent également d'explorer facilement les données et d'observer les tendances, les lacunes, les erreurs et les corrélations potentielles. « Le Constructeur de graphiques, en particulier, est un outil exceptionnel à cet égard. Et tous ceux à qui je l'ai montré ont cessé d'utiliser Excel et Prism, et utilisent à présent le Constructeur de graphiques. Cet outil leur épargne énormément de temps. »

Une réduction du temps d'analyse d'un jour à une heure grâce à des modèles de criblage définitif 

Compte tenu du grand nombre de facteurs susceptibles d'avoir un effet sur la formulation des produits pharmaceutiques, les scientifiques comme Jon Armer doivent tenir compte de la confusion potentielle des données et détecter les réponses non linéaires pour comprendre pleinement ce qui se passe durant les expériences. À l'aide d'un plan de criblage définitif, il peut étudier les effets de plusieurs facteurs en réalisant une petite expérience. Il s'agit d'un moyen puissant d'identifier les composants qui ont le plus d'effet, les visualisations de données dans JMP offrant un moyen simple et visuel d'explorer de gros volumes de données.

« Si je crée une grille de taille standard et que j'y applique les options de criblage définitif et de construction de graphiques, je peux analyser [mes données] en une heure et savoir ce que je dois faire ensuite. Sans JMP et les plans d'expériences, ce processus peut prendre environ une journée », ajoute-t-il. Une économie de temps remarquable qui minimise également le risque d'erreurs de la part des utilisateurs, grâce aux fonctionnalités automatiques de construction de graphiques et de formatage de données. « Jamais je ne voudrais revenir à l'époque où je devais faire tout ça à partir d'un tableau. » 

Communiquer les résultats à un public plus large

Il n'y a pas que les scientifiques qui sont intéressés par ces données. Les présentations destinées aux dirigeants d'entreprise doivent comporter des visualisations claires et dynamiques qui traduisent des données complexes en un outil de prise de décision pour des publics sans expertise spécifique du domaine. Grâce à l'interface dynamique de JMP, Jon Armer est en mesure d'adapter ses analyses à la volée pour répondre aux questions des dirigeants.

« Je garde cette fenêtre ouverte en permanence, car on me pose toujours la question “Et si on changeait ça ?”. Et en deux clics trois mouvements, je peux proposer une réponse. » Il déclare trouver la fonctionnalité Profileur particulièrement utile pour ce genre de présentations, car elle offre la possibilité de mettre les réponses à jour, en temps réel, à mesure que différents facteurs sont ajustés à l'écran.  Cela vous permet non seulement d'examiner et d'ajuster les données rapidement, mais vous pouvez également révéler des effets qui pourraient autrement rester inaperçus si on observait un graphique statique, explique-t-il. 

Doter de nouvelles industries d'outils pertinents

Bien que les approches d'expérimentation multifactorielle comme les plans d'expériences ont peiné à s'imposer dans le secteur du développement biopharmaceutique, et malgré les immenses gains de temps et d'argent rendus possibles par sa plateforme de création de plans d'expériences, JMP est une précieuse ressource qui reste pourtant largement inexploitée. Mais convaincre les décideurs d'investir dans de nouveaux outils et de nouvelles approches qui n'ont jamais été utilisés auparavant peut s'avérer difficile, avoue Jon Armer. Pour y remédier, il commence par aider ses collègues à résoudre des problèmes en leur montrant les avantages tangibles que la plateforme peut apporter à leur travail quotidien.

De plus en plus de personnes sont immanquablement exposées à des outils utiles comme le Profileur de JMP et commencent à s'y intéresser. « J'ai été en mesure de démontrer aux dirigeants les avantages considérables que présente [JMP] », conclut-il. Il n'y a pas que les chercheurs qui bénéficient de cette solution. Il y a surtout les patients qui eux, ont accès plus rapidement à des traitements essentiels.

Back to Top