Descripción del proyecto
Enseñando a las máquinas a ayudar en el descubrimiento de fármacos
La industria farmacéutica afronta cada vez más retos debido al rápido avance de la tecnología combinado con unas reglamentaciones cada vez más estrictas. Sin embargo, resulta indispensable contar con una plataforma demostrada, fiable y que garantice la privacidad para permitir que las industrias obtengan información de datos competitivos. El proyecto financiado con fondos europeos MELLODDY demostrará cómo la industria farmacéutica puede aprovechar aún más sus activos de datos utilizando tecnologías de aprendizaje automático en la virtualización del descubrimiento de fármacos. El proyecto utilizará más de mil millones de datos privados y competitivos relacionados con descubrimientos de fármacos y cientos de terabits de datos de imágenes garantizando la privacidad estricta del material utilizado y creará un servicio abierto disponible para el sector.
Objetivo
MELLODDY will demonstrate how the pharmaceutical industry can better leverage its data assets to virtualize the Drug Discovery (DD) process with world-leading Machine Learning (ML) technologies as an answer to the ever-increasing challenges and stricter regulatory requirements it is facing. The lack of a tested, secure and privacy-preserving platform for federated machine learning that enables pharmaceutical partners to extract DD-relevant information from all types of, not only their own but even each other’s competitive data, without mutual disclosure of the chemistry and biology each partner has worked on, has previously held back such demonstration, to the detriment of patients in the EU and beyond.
MELLODDY’s ten pharmaceutical partners will enable this demonstration with an unprecedented volume of more than a billion highly private and competitive DD-relevant data points, and hundreds of Tbs of image data that annotate the biological effects of more than 10 million small molecules. The successful demonstration of the predictive benefits, i.e. increased predictive model performance and chemical applicability domain, of unlocking this data volume, while strictly preserving the privacy of all underlying data and the resulting predictive models, will shape best practices and translate into substantial efficiency gains in the DD process, and in the future, drug development. Finally, MELLODDY will prepare and exploit a service-for-fee vehicle to ensure the MELLODDY technologies are available to the rest of the pharmaceutical sector.
Ámbito científico
Palabras clave
Programa(s)
Convocatoria de propuestas
H2020-JTI-IMI2-2018-14-two-stage
Consulte otros proyectos de esta convocatoriaRégimen de financiación
RIA - Research and Innovation actionCoordinador
75009 PARIS
Francia
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.