Concevoir une protéine thérapeutique sur ordinateur est devenu de plus en plus accessible. Savoir si elle se comportera comme prévu dans un laboratoire reste une autre affaire. C’est dans cet écart entre le modèle numérique et la réalité biologique qu’intervient Adaptyv Bio, une jeune entreprise basée à Lausanne. Sa promesse : automatiser et accélérer les tests qui permettent de déterminer si une protéine conçue pour un médicament fonctionne réellement.
Le sujet paraît spécialisé, mais l’enjeu est très concret. Les protéines sont au cœur de nombreux traitements modernes, des anticorps contre certains cancers aux enzymes utilisées en thérapie. Pour les chercheurs et les entreprises pharmaceutiques, chaque cycle de conception et de test prend du temps et mobilise des compétences pointues. En facilitant cette étape, Adaptyv Bio entend contribuer à la mise au point des médicaments de demain. Sans prétendre remplacer les équipes de recherche, ni faire apparaître un traitement par magie.
Une entreprise lausannoise au croisement de la biologie et de l’automatisation
Adaptyv Bio développe une plateforme destinée à tester des protéines conçues par ses clients, notamment dans le cadre de projets de recherche et de découverte de médicaments. L’entreprise combine des équipements de laboratoire automatisés et des outils logiciels pour exécuter des expériences et produire des données sur les molécules étudiées.
Le principe est simple à formuler : plutôt que de construire manuellement chaque expérience, les scientifiques peuvent s’appuyer sur des processus standardisés et automatisés. Selon les besoins du projet, il s’agit par exemple d’évaluer différentes propriétés d’une protéine, comme sa production ou sa capacité à se lier à une cible. Les essais exacts dépendent naturellement de la question scientifique posée.
Cette activité s’inscrit dans un mouvement plus large. Les logiciels d’intelligence artificielle et les méthodes de calcul permettent aujourd’hui de proposer des protéines inédites, ou de modifier des molécules existantes. Mais une proposition informatique n’est pas encore un candidat médicament. Il faut produire la molécule, la tester et comprendre ses caractéristiques. C’est ce passage de la prédiction à l’expérimentation qui constitue le terrain de jeu d’Adaptyv Bio.
Pourquoi les protéines intéressent tant les chercheurs
Les protéines remplissent une foule de fonctions dans l’organisme. Certaines transportent des substances, d’autres déclenchent ou régulent des réactions. Les anticorps, par exemple, reconnaissent des cibles spécifiques. Cette capacité en fait des outils précieux pour concevoir des traitements dirigés contre une maladie ou un mécanisme biologique précis.
Mais une protéine thérapeutique doit répondre à plusieurs exigences. Elle doit notamment adopter une structure appropriée, interagir avec la cible recherchée et pouvoir être produite dans des conditions compatibles avec le développement d’un médicament. Une molécule prometteuse sur le papier peut se révéler instable, difficile à fabriquer ou moins efficace que prévu une fois testée.
Les équipes doivent donc explorer de nombreuses variantes. Elles modifient certaines parties d’une molécule, comparent les résultats et sélectionnent les pistes les plus intéressantes. Ce travail peut ressembler à une enquête scientifique : chaque test élimine une hypothèse ou en renforce une autre. Plus les résultats sont fiables et disponibles rapidement, plus les chercheurs peuvent orienter la suite de leurs expériences.
Fermer la boucle entre conception et expérience
La conception assistée par ordinateur progresse vite. Des outils numériques peuvent aider à estimer la structure d’une protéine ou à proposer des séquences répondant à un objectif donné. Toutefois, même un modèle sophistiqué ne remplace pas l’observation en laboratoire. La biologie est complexe, et les performances d’une molécule dépendent de paramètres que la simulation ne prédit pas toujours avec exactitude.
Adaptyv Bio se positionne dans cette étape de validation expérimentale. L’entreprise ne « découvre » pas à elle seule un médicament et ne transforme pas directement une séquence en traitement disponible. Elle fournit plutôt des moyens de tester des candidats et d’obtenir des données susceptibles d’éclairer les décisions des chercheurs.
Cette distinction est importante. Dans le secteur de la biotechnologie, les annonces autour de l’intelligence artificielle peuvent parfois laisser croire qu’un algorithme suffit à résoudre un problème médical. En pratique, le développement d’un médicament comporte plusieurs étapes : recherche, validation préclinique, essais cliniques, évaluations réglementaires et production. L’automatisation peut améliorer certains maillons, mais elle ne supprime ni les incertitudes scientifiques ni les exigences de sécurité.
Du laboratoire manuel aux processus automatisés
Dans un laboratoire traditionnel, une série d’essais mobilise du personnel qualifié, des protocoles précis et du matériel spécialisé. À mesure que le nombre de molécules à comparer augmente, la charge de travail peut rapidement s’alourdir. L’automatisation vise à exécuter certaines opérations de manière plus reproductible et à traiter davantage d’échantillons dans un même programme expérimental.
Pour une jeune entreprise de biotechnologie ou une équipe de recherche, accéder à ces capacités sans installer et maintenir toute l’infrastructure en interne peut présenter un intérêt. Les équipements coûtent cher, les méthodes demandent une expertise spécifique et les besoins varient selon les projets. Une plateforme spécialisée peut alors jouer le rôle d’un partenaire de laboratoire, en fournissant des essais adaptés aux questions posées.
Le bénéfice attendu n’est pas seulement de « faire plus vite ». Des protocoles bien définis peuvent aussi faciliter la comparaison entre différentes variantes, réduire certaines manipulations répétitives et rendre les résultats plus exploitables. Cela ne signifie pas que toute expérience devient automatiquement parfaite : la qualité dépend toujours du choix des tests, des contrôles utilisés et de l’interprétation des données.
Une utilité particulière pour les petites équipes
Les grands groupes pharmaceutiques disposent souvent de plateformes internes et de laboratoires spécialisés. Pour une jeune pousse, une équipe universitaire ou une petite société de biotechnologie, réunir les mêmes moyens peut être difficile. Externaliser une partie des essais permet potentiellement de consacrer davantage de ressources à la conception des molécules, à l’analyse ou au développement de la technologie.
Imaginons une équipe qui travaille sur une protéine destinée à reconnaître une cible associée à une maladie. Elle dispose de plusieurs versions de la molécule et doit déterminer lesquelles méritent des investigations supplémentaires. Un service d’expérimentation peut contribuer à comparer leurs propriétés, selon un protocole défini avec les chercheurs. Les résultats ne désignent pas nécessairement un médicament gagnant, mais ils peuvent aider à décider quelles pistes poursuivre et lesquelles abandonner.
Cette capacité à éliminer tôt les options peu prometteuses compte aussi. En recherche, un résultat négatif n’est pas forcément du temps perdu : il peut éviter d’investir davantage dans une piste qui ne répond pas aux critères. Plus les données arrivent tôt dans le processus, plus elles peuvent guider les choix suivants.
La Suisse, un terrain favorable aux sciences de la vie
La présence d’Adaptyv Bio à Lausanne prend place dans un environnement scientifique particulièrement actif. La région bénéficie de la proximité de l’EPFL, de l’Université de Lausanne, des hôpitaux universitaires et de structures spécialisées dans les sciences de la vie, notamment autour du Biopôle. Cette concentration favorise les échanges entre recherche académique, entrepreneuriat et industrie.
À l’échelle suisse, les sciences de la vie constituent un secteur important, porté par des entreprises pharmaceutiques établies, des sociétés de diagnostic et un réseau de jeunes entreprises. Pour ces dernières, l’accès aux talents, aux infrastructures et aux partenaires est déterminant. Une société qui développe des outils de laboratoire peut servir des clients au-delà de son canton, voire au-delà des frontières, tout en s’appuyant sur un écosystème local.
Cette dynamique ne garantit pas le succès commercial. Les jeunes entreprises doivent convaincre leurs clients de la fiabilité de leurs méthodes, trouver leur place dans une chaîne de développement déjà structurée et financer leur croissance. Mais elle montre aussi que l’innovation suisse ne se limite pas aux grands noms de la pharmacie : elle passe également par des technologies qui rendent la recherche plus efficace.
Ce qu’il reste à démontrer
Pour une plateforme comme celle d’Adaptyv Bio, plusieurs critères seront déterminants : la qualité et la reproductibilité des expériences, la pertinence des tests proposés, la facilité d’intégration dans les projets des clients et la capacité à traiter des demandes variées. Dans un domaine où les résultats doivent pouvoir être examinés et reproduits, la confiance scientifique est aussi importante que la vitesse d’exécution.
Il faut également garder les attentes à la bonne hauteur. Automatiser des essais ne garantit pas qu’un candidat thérapeutique réussira les étapes suivantes. Une protéine qui présente de bonnes propriétés lors d’un test de laboratoire peut rencontrer d’autres difficultés au cours du développement préclinique ou clinique. Les résultats obtenus à un stade donné répondent à des questions précises ; ils ne préjugent pas à eux seuls de l’efficacité ou de la sécurité d’un futur médicament chez l’humain.
La question de la gestion des données mérite elle aussi attention. Les entreprises qui confient des séquences ou des informations de recherche à un prestataire doivent comprendre comment ces données sont protégées, utilisées et conservées. Dans un secteur concurrentiel, la confidentialité et la propriété intellectuelle font partie intégrante de la relation entre une plateforme et ses clients.
Une innovation de méthode, plutôt qu’une promesse miracle
L’intérêt d’Adaptyv Bio tient à une évolution discrète, mais essentielle : rendre les expériences plus accessibles et mieux articulées avec la conception numérique des protéines. L’intelligence artificielle peut proposer des molécules ; les laboratoires automatisés peuvent aider à les éprouver. En reliant plus étroitement ces deux étapes, les chercheurs disposent d’un cycle d’apprentissage plus concret, nourri par des résultats expérimentaux.
Pour le lecteur romand, l’entreprise illustre une facette moins visible de l’innovation biomédicale. On parle souvent des médicaments une fois qu’ils sont disponibles ou des grandes avancées annoncées par les laboratoires. En amont, il existe pourtant tout un réseau d’outils, de méthodes et de jeunes sociétés qui cherchent à rendre la recherche plus rapide et plus rigoureuse.
Adaptyv Bio ne promet donc pas un traitement miracle né d’un algorithme. Son ambition est plus précise : aider les équipes à tester des protéines et à transformer des hypothèses en données expérimentales. Dans une recherche où chaque étape doit être vérifiée, cette contribution pourrait compter. Le médicament de demain ne dépendra pas d’une seule invention, mais d’une succession de choix éclairés — et, souvent, d’une expérience bien conçue au bon moment.