Le succès grâce aux statistiques dans la découverte de médicaments à haut débit - Graeme Robb - AstraZeneca
[Cette conférence a été présentée lors de la réunion du UK JMP Usergroup le 13 juillet 2017]
Dans les années 80 et 90, les sociétés de découverte de médicaments ont massivement investi dans les technologies de criblage à haut débit (HTS), permettant de cribler rapidement des millions de composés. Cela s'est avéré être une approche naïve. Plus gros, semble-t-il, n’est pas meilleur et l’investissement dans le HTS n’a pas permis d’obtenir un taux d’approbation de médicaments plus élevé au cours des années intermédiaires. Ce que nous réalisons maintenant, c'est que la quantité est peut-être moins importante que la qualité. La «validité prédictive» d'un test approprié pour le HTS est nécessairement compromise et peut ne pas être directement liée au phénotype de la maladie d'intérêt. Les taux élevés de faux positifs et le bruit rendent difficile l'identification des vrais positifs. La compréhension de nos données et l'utilisation de techniques statistiques contribuent à améliorer notre capacité à reconnaître les faux positifs. L'apprentissage statistique des campagnes HTS passées est utilisé pour améliorer les résultats et repérer davantage les faux positifs systématiques. À l'avenir, nous ferons face à d'autres défis d'échelle et de validité prédictive où les statistiques, la modélisation et l'apprentissage automatique peuvent tous être utilisés à notre avantage.
