Junction Bioscience: AI Hypothesis Engine for Molecular Discovery

Presque tous les outils de découverte assistés par IA accélèrent la réponse à une question déjà formulée par un humain. Junction place le modèle une étape en amont. Le moteur propose des mécanismes, les confronte à la littérature et aux données internes, puis écarte ce qui ne résiste pas à l'examen. Pour un responsable de programme, cela donne une liste courte d'idées argumentées au lieu d'un long catalogue de molécules.

La société décrit sa méthode centrale comme une traduction du monde physique des atomes en un code chimique qu'elle applique au laboratoire pour modifier le comportement cellulaire. En clair, elle modélise la façon dont la forme et la charge d'une molécule interagissent avec une cible à l'intérieur de la cellule, puis s'en sert pour retenir les composés qui valent une synthèse. Biophysique et biologie des voies de signalisation vivent d'ordinaire dans des équipes séparées. Ici, elles partagent le même cycle.

Junction affirme avoir amélioré le rapport signal sur bruit des mesures d'interactions moléculaires en cellules vivantes d'un facteur 1000. Le chiffre compte parce que les tests cellulaires noient souvent les vraies liaisons dans le bruit de fond. Une lecture plus propre offre de meilleures données d'entraînement au modèle et montre plus clairement au chimiste si le composé fait ce qui était prévu. La valeur vient de l'entreprise et aucune analyse indépendante ne l'a confirmée.

Une prédiction ne vaut que si quelqu'un la teste. La sortie du moteur alimente des expériences menées par la société, et les résultats reviennent au modèle. Chaque tour resserre la série de propositions suivante. Ce circuit fermé constitue la différence de fond avec une plateforme qui vend des prédictions et laisse la validation au client.

La sélection des cibles thérapeutiques suit un filtre simple: viser une biologie à fort besoin médical non couvert, et la retenir là où les tests maison produisent des données exploitables par l'IA. Cette combinaison évite d'affronter des plateformes de criblage mieux dotées. Elle explique aussi la concentration du portefeuille sur les maladies auto-immunes et inflammatoires.

Junction mène des collaborations de recherche avec des groupes académiques et des laboratoires pharmaceutiques, et accepte des propositions de partenariat autour de sa plateforme de découverte de médicaments. Une première étude de cas universitaire a ouvert la voie à un projet avec un grand laboratoire. Le partenaire accède au moteur de raisonnement et à la capacité expérimentale qui le soutient, pas à la licence d'un outil isolé.