Les données produites dans le secteur pharmaceutique sont très hétérogènes, obtenues expérimentalement, générées à partir de modèles d'intelligence artificielle et sont de provenances multiples. Nous concevons et développons le graphe de connaissances Pegasus qui vise, en plus de capitaliser sur des données actuellement disponibles, à explorer l'environnement complexe des cibles thérapeutiques, à identifier des modalités de criblage pertinentes pour les moduler et à soutenir le dérisquage de nouvelles modalités expérimentales.

Dans un premier temps nous détaillons la conception du modèle de données de Pegasus. Puis, nous exposons des applications industrielles de Pegasus pour des projets thérapeutiques exploratoires. La première application porte sur la caractérisation des effets hors cibles de perturbateurs. La deuxième porte sur le dérisquage d’une nouvelle modalité expérimentale. La troisième détaille la conception de librairies focalisées pour le criblage de perturbateurs. Enfin, la quatrième application précise l’utilisation envisagée de signatures phénotypiques obtenues à partir de campagnes de criblages à haut contenu afin de relier les mondes biologiques, chimiques et phénotypiques. Dans l'ensemble, le graphe de connaissances Pegasus et ses applications soutiennent la prise de décisions et supportent les phases primaires de recherche et de découverte de nouveaux médicaments.

Jeremy Grignard
Data Scientist dans le département Data Science & Data Management de l’Institut de Recherches Servier

Jeremy Grignard est Data Scientist à l'Institut de Recherches Servier. Il a obtenu son diplôme d’ingénieur à l’École centrale d’électronique de Paris en Informatique & Big Data en 2017, son Master Spécialisé en Mathématiques Appliquées à l’École polytechnique – Université Paris-Saclay en 2018, et finalise son doctorat en Informatique, Données et Intelligence Artificielle à l'École polytechnique – Institut Polytechnique de Paris sous la direction de François Fages et Thierry Dorval. Dans le cadre de sa thèse, il a développé des méthodes computationnelles issues des graphes de connaissances, de la science des données et de la modélisation mathématique pour améliorer les phases primaires de recherche de nouveaux médicaments.
Pierre Halftermeyer
Ingénieur avant-vente, Neo4j

Pierre est ingénieur avant-vente chez Neo4j. Avant de rejoindre l’entreprise, il a été successivement responsable du service d’assistance, chercheur et enseignant universitaire, développeur, data scientist et consultant pour des solutions NoSQL. Il est titulaire d’un doctorat en théorie des graphes, possède un large éventail de compétences techniques et a une approche très pratique de la résolution des problèmes.
Pendant son temps libre, Pierre lit, fait de la musculation, travaille le bois, fait des randonnées avec sa femme ou construit des tours LEGO avec ses enfants.
Romain Dumaine
Sales Development Representative, Neo4j

         

Speaker Name
Speaker Title

Sed ac purus sit amet nisl tincidunt tincidunt vel at dolor. In ullamcorper nisi risus, quis fringilla nibh mattis ac. Mauris interdum interdum eros, eget tempus lectus aliquet at. Suspendisse convallis suscipit odio, ut varius enim lacinia in. Lorem ipsum dolor sit amet, consectetur adipiscing elit.

Speaker Name
Speaker Title

Sed ac purus sit amet nisl tincidunt tincidunt vel at dolor. In ullamcorper nisi risus, quis fringilla nibh mattis ac. Mauris interdum interdum eros, eget tempus lectus aliquet at. Suspendisse convallis suscipit odio, ut varius enim lacinia in. Lorem ipsum dolor sit amet, consectetur adipiscing elit.

Speaker Name
Speaker Title

Sed ac purus sit amet nisl tincidunt tincidunt vel at dolor. In ullamcorper nisi risus, quis fringilla nibh mattis ac. Mauris interdum interdum eros, eget tempus lectus aliquet at. Suspendisse convallis suscipit odio, ut varius enim lacinia in. Lorem ipsum dolor sit amet, consectetur adipiscing elit.