Sanofi

Les challenges

7 catégories

#Challenge 1: Construire des agents IA interactifs

Objectif : élaborer un ABM (modèle multi-agents) simulant les interactions entre les principales cellules immunitaires.

Description : créer un modèle multi-agents complexe qui simule les interactions complexes entre les principales cellules immunitaires.

Ce modèle devra notamment :

  • Viser plusieurs types de cellules immunitaires et concerner les principaux acteurs du système immunitaire comme les lymphocytes T, les lymphocytes B, les macrophages, les cellules dendritiques et les cellules NK (tueuses naturelles)
  • Simuler et modéliser les différents comportements cellulaires individuels tels que le déplacement, l'activation, la prolifération et la mort cellulaire sur la base des connaissances immunologiques actuelles
  • Représenter les interactions cellulaires et décrire avec exactitude la manière dont les différentes cellules immunitaires interagissent entre elles et avec des pathogènes ou des cellules propres altérées
  • Inclure la signalisation des cytokines et des chimiokines et notamment les effets des principales molécules de signalisation sur le comportement des cellules et la dynamique du système
  • Traiter des dynamiques spatiales et temporelles : représenter à la fois la répartition des cellules dans l'espace et l'évolution dans le temps de la réponse immunitaire

Les partenaires retenus dans le cadre de ce programme d'innovation travailleront en étroite collaboration avec les experts immunologiques de Sanofi afin que le modèle reflète précisément et avec exactitude les connaissances actuelles de la dynamique du système immunitaire. Le modèle multi-agents qui en résultera devra contribuer utilement à la génération d'hypothèses, à la conception expérimentale et potentiellement à des essais in silico de nouvelles approches immunothérapeutiques.

#Challenge 2: Prédire les interactions au sein d’un réseau

Objectif : développer un modèle mathématique qui puisse prédire les effets en cascade des cytokines.

Description : mettre au point un modèle mathématique complet qui puisse prédire la dynamique complexe des effets en cascade des cytokines au sein du système immunitaire.

Ce modèle devra tenir compte des éléments suivants :

  • Complexité des réseaux : il devra modéliser le réseau complexe des interactions entre cytokines, notamment les effets de signalisation primaires et secondaires en fonction de plusieurs types et tissus cellulaires
  • Dynamiques temporelles : prendre en compte la production de cytokines dépendante du temps, la diffusion, la liaison aux récepteurs et les mécanismes de rétroaction
  • Interférences et régulation : représenter les effets synergiques et antagonistes entre différentes voies cytokiniques, y compris les boucles de rétroaction critiques
  • Intégration multi-échelle : relier les interactions moléculaires aux réponses cellulaires et en fin de compte aux effets tissulaires et systémiques
  • États pathologiques : permettre la prédiction des conditions de tempête de cytokines, des scénarios d'inflammation chronique et des états de suppression immunitaire
  • Perturbations : simuler les effets des perturbations xénobiotiques pour révéler les changements de signalisation immunitaire et faciliter les interventions
  • Validation des données : utiliser les ensembles de données de réponses cytokiniques de Sanofi pour calibrer et valider les prédictions du modèle
  • Analyse de sensibilité : identifier les paramètres qui influent le plus sur le comportement du système et les résultats cliniques
  • Visualisation et application : développer des outils intuitifs pour représenter les dynamiques complexes et permettre de tester in silico les interventions

Le partenaire d'innovation retenu collaborera avec les experts en immunologie de Sanofi pour garantir que le cadre mathématique reflète avec précision la biologie cytokinique connue, tout en fournissant de nouvelles perspectives sur les comportements émergents des systèmes. Le modèle devra constituer un outil puissant de compréhension des pathologies d'origine cytokinique et de mise au point de thérapies immunomodulatrices ciblées.

#Challenge 3: Structurer, analyser et visualiser les bio-données

Objectif : construire une plateforme évolutive intégrant diverses données omiques pour prédire les réponses immunitaires.

Description : le partenaire d'innovation retenu devra créer une plateforme complexe d'intégration et d'analyse de données fondée sur plusieurs approches omiques pour comprendre et prédire le comportement du système immunitaire.

Ce modèle devra pouvoir traiter les points suivants :

  • Intégration multi-omique : développer un cadre qui harmonise les données de génomique, de transcriptomique, de protéomique et de métabolomique pour en faire des données biologiques cohérentes
  • Architecture évolutive : créer une plateforme capable de traiter de très larges ensembles de données avec des outils de calcul informatique efficaces
  • Modélisation de la réponse immunitaire : implémenter des algorithmes qui prédisent les réponses immunitaires sur la base de signatures omiques intégrées
  • Identification de biomarqueurs : permettre l'identification de nouveaux biomarqueurs corrélés à des réponses immunitaires et des résultats de traitements spécifiques
  • Harmonisation des données : développer des méthodes robustes de normalisation de catégories de données hétérogènes issues des plateformes expérimentales
  • Analyses avancées : incorporer des démarches ML/IA et des outils de visualisation pour explorer des schémas moléculaires et des phénotypes immunitaires
  • Contexte biologique : cartographier les découvertes moléculaires et les relier aux voies immunitaires connues afin de valider les prédictions par rapport aux ensembles de données de Sanofi

La plateforme devrait permettre d'identifier plus rapidement les déterminants moléculaires de la réponse immunitaire et d'accélérer le développement d'immunothérapies ciblées, faisant ainsi progresser la mission de Sanofi : mieux connaître et comprendre le système immunitaire dans le but de découvrir et de développer des médicaments plus efficacement.

#Challenge 4: Modéliser des écosystèmes entiers

Objectif : développer un modèle de calcul de la réponse immunitaire en fonction des tissus.

Description : le partenaire retenu devra mettre au point un modèle informatique qui reflète les différents micro-environnements immunitaires selon les tissus et organes. Ce modèle tiendra compte des compositions cellulaires, des réseaux de signalisation et des modèles d'activation immunitaire spécifiques aux différents tissus, qui varient selon les sites anatomiques, afin de permettre une compréhension plus précise des réponses immunitaires locales.

Le cadre devra traiter des différents points suivants :

  • Architecture spécifique aux tissus : modéliser les différentes compositions de cellules immunitaires, les populations résidentes et les facteurs micro-environnementaux en fonction des organes et des tissus concernés
  • Réseaux de signalisation locaux : refléter les gradients cytokiniques spécifiques aux tissus, les schémas chimiokiniques et les réseaux de communication intercellulaire
  • Contexte anatomique : intégrer les caractéristiques structurelles, la vascularisation et les fonctions barrières qui influent sur le trafic et l'activation des cellules immunitaires
  • Modélisation de la réponse dynamique : simuler la manière dont les réponses immunitaires évoluent en fonction des tissus, lors d'une infection, d'une inflammation ou d'une intervention thérapeutique
  • Communication intertissulaire : modéliser la coordination immunitaire systémique et la manière dont les réponses tissulaires locales influent plus largement sur le comportement du système immunitaire
  • Intégration de la pathologie : permettre de prédire le dysfonctionnement immunitaire en fonction des tissus dans les états pathologiques et les réponses thérapeutiques
  • Cadre de validation : valider les prédictions réalisées par rapport aux données expérimentales tissulaires et aux observations cliniques de Sanofi

Le modèle retenu devra constituer un outil puissant permettant de déchiffrer les mécanismes immunitaires spécifiques aux différents organes du corps humain, de prédire les effets thérapeutiques locaux et de mettre au point des immunothérapies adaptées selon les tissus, afin de contribuer à l'objectif plus global de Sanofi qui consiste à développer des traitements plus ciblés et plus efficaces grâce à une compréhension plus approfondie du système immunitaire.

#Challenge 5: Comprendre les défaillances du système

Objectif : modéliser les mécanismes de dérégulation du système immunitaire.

Description : le partenaire retenu devra mettre au point un modèle de calcul exhaustif de nature à permettre d'appréhender et de prédire la dérégulation du système immunitaire en fonction de différents états pathologiques et interventions thérapeutiques. Ce modèle intégrera des sources de données multimodales afin de refléter les dynamiques complexes du système immunitaire, les réseaux régulateurs et leur perturbation dans des conditions pathologiques, permettant une prédiction plus précise des réponses immunitaires et des résultats thérapeutiques.

Le cadre devra traiter des points suivants :

  • Intégration à l'échelle du système : modéliser le caractère interconnecté de la régulation immunitaire pour l'immunité innée comme pour l'immunité adaptative, en tenant compte des principaux acteurs cellulaires et mécanismes de régulation
  • Cartographie du réseau de régulation : modéliser les boucles de rétroaction complexes, les mécanismes de points de contrôle et les contrôles homéostatiques qui maintiennent l'équilibre immunitaire
  • Dynamiques temporelles : simuler l'évolution de la réponse immunitaire dans le temps, depuis le début jusqu'à la résolution ou la dérégulation
  • Modélisation des états pathologiques : intégrer les mécanismes de dérégulation immunitaire en fonction de différentes pathologies dont l'auto-immunité et l'inflammation
  • Prédiction de la réponse thérapeutique : prédire la réaction du système immunitaire dans différentes interventions thérapeutiques
  • Intégration multi-échelle : relier des événements moléculaires à des comportements cellulaires et à des résultats thérapeutiques plus globalement
  • Cadre de validation : valider les prédictions du modèle à l'aune des données expérimentales et des observations cliniques de Sanofi

Le modèle devra constituer un outil stratégique permettant de mieux comprendre les mécanismes de la dérégulation immunitaire, de prédire la réponse thérapeutique et de mettre au point des traitements immunomodulateurs plus efficaces, conformément à la mission de Sanofi qui souhaite élaborer des thérapies ciblées et efficaces grâce à une compréhension plus approfondie de la dynamique du système immunitaire.

#Challenge 6: Relier les différents laboratoires à travers le monde

Premier défi

Objectif : une plateforme unique pour des opérations de laboratoire mondiales fluides et transparentes dans le monde entier.

Description : développer une infrastructure numérique complète pour connecter et gérer des laboratoires répartis à travers le monde, permettant des expériences coordonnées et une utilisation efficace des ressources sur plusieurs sites.

Le cadre devra aborder notamment :

  • La connectivité en temps réel des instruments et ressources de calcul informatique
  • La synchronisation et la gouvernance sécurisées des données entre sites
  • L'intégration avec les systèmes de gestion d'information existants d'un laboratoire à l'autre
  • Une architecture évolutive pour permettre la croissance des réseaux de laboratoires
  • Des capacités de surveillance et de contrôle à distance
  • Des protocoles standardisés de collecte et de stockage de données
  • L'orchestration d'expériences multi-sites à partir d'une interface centralisée

En partenariat avec Sanofi, vous contribuerez à créer un réseau mondial de laboratoires unifiés qui accélèrera la recherche et la découverte scientifiques et rendra la R&D moderne plus efficace sur un plan opérationnel.

Deuxième défi

Objectif : un système intelligent d'analyse en temps réel des données de capteurs

Description : Élaborer un système avancé de traitement de données capable d'ingérer et d'analyser de grands volumes de données de capteurs en temps réel, de détecter les anomalies et de prendre des décisions éclairées concernant la nécessité ou non d'une intervention humaine lors d'opérations autonomes de laboratoire entièrement automatisé (dark lab).

Le cadre devra notamment aborder les points suivants :

  • Intégration et traitement à haut débit de données issues de capteurs
  • Détection d'anomalies en temps réel avec des algorithmes avancés
  • Systèmes intelligents de tri et de remontée des problèmes détectés
  • Cadres de décisions autonomes pour les opérations de routine
  • Intégration de l'intervention humaine (human-in-the-loop) pour les décisions critiques
  • Apprentissage adaptatif pour améliorer la précision de détection au fil du temps
  • Outils de visualisation pour la surveillance des opérations autonomes

Cette collaboration avec Sanofi offre la possibilité de révolutionner les opérations de laboratoires entièrement automatisés et de maximiser le potentiel de la recherche autonome 24 h sur 24 et 7 j sur 7 tout en assurant une supervision humaine lorsque nécessaire.

Troisième défi

Objectif : une interface intuitive pour le contrôle d'instruments complexes.

Description : développer un système de traitement du langage naturel permettant aux chercheurs de programmer et de séquencer des instruments de laboratoire complexes même sans connaissances approfondies de robotique ou de langages de programmation.

Le cadre retenu devra aborder notamment les points suivants :

  • Interfaces en langage naturel pour le contrôle et le séquençage d'instruments
  • Traduction de protocoles expérimentaux en séquences automatisées
  • Intégration au niveau de plusieurs catégories d'instruments et de fabricants
  • Contrôles de sécurité et mécanismes de validation des séquences programmées
  • Interfaces conviviales accessibles aux personnels de laboratoire non techniciens
  • Capacités d'apprentissage automatique pour améliorer la précision des traductions au fil du temps
  • Compatibilité avec les systèmes existants d'automatisation des laboratoires

En travaillant avec Sanofi, vous contribuerez à démocratiser l'accès aux systèmes avancés d'automatisation des laboratoires, permettant aux chercheurs de se concentrer sur l'innovation scientifique plutôt que sur la programmation technique.

#Challenge 7: L'analyse de portefeuille par agents d'IA

Objectif : créer des solutions d'IA qui fassent la synthèse de grands ensembles de données externes non structurées pour permettre la prise de décisions dynamiques et pilotées par l'IA.

Problème technique : développer des agents qui combinent et analysent diverses données (incluant les mises à jour de marché en temps réel), pour fournir des informations permettant l'analyse du portefeuille et l'évaluation des risques avec prise de décision humaine le cas échéant.

Le cadre devra traiter notamment des points suivants :

  • Intégration de données multi-sources : agréger et harmoniser les données non structurées provenant de diverses sources externes (par ex., actualités, flux de marché, publications, bases de données, réseaux sociaux)
  • Analyses en temps réel : intégrer automatiquement les flux de données internes et externes en temps réel (y compris ceux des concurrents) permettant de disposer de données à jour concernant le portefeuille et d'éventuels signaux indiquant des risques
  • Analyse comparative pilotée par l'IA : créer des algorithmes pour comparer les actifs du portefeuille interne aux tendances externes, aux décisions des concurrents et aux évolutions du marché (en fonction des efforts en cours par ailleurs)
  • Évaluation des risques : développer des modèles permettant de détecter risques et opportunités émergents, ainsi que d'effectuer des analyses de scénarios et des prévisions d'impact
  • Intervention humaine : élaborer des interfaces et des workflows pour la révision, la validation et l'ajustement par les experts des informations générées par l'IA, dans un souci de transparence et de confiance
  • Visualisation et reporting : fournir des agents et des outils de reporting intuitifs aux gestionnaires de portefeuille et aux décideurs

Le partenaire retenu collaborera étroitement avec les équipes digitales, portefeuille et intelligence compétitive de Sanofi pour accélérer la prise de décisions concernant le portefeuille, réduire les risques y afférents, améliorer la réactivité et renforcer le positionnement concurrentiel de Sanofi.

Postuler maintenant

MAT-GLB-2601323