insitroune société de San Francisco, basée en Californie, spécialisée dans la découverte et le développement de médicaments par apprentissage automatique, a levé 143 millions de dollars dans le cadre d’un financement de série B.
Le cycle a été dirigé par Andreessen Horowitz, avec la participation de nouveaux investisseurs : l’Office d’investissement du régime de pensions du Canada (CPP Investments) et des fonds et comptes conseillés par T. Rowe Price Associates, Inc. ainsi que des fonds gérés par BlackRock, Casdin Capital, HOF Capital, le fonds de capital-risque de WuXi AppTec, et d’autres investisseurs non divulgués. Les investisseurs actuels ARCH Venture Partners, Foresite Capital, GV, Third Rock Ventures, Two Sigma Ventures et Alexandria Venture Investments ont également participé au financement. Parallèlement à ce financement, Vijay Pande, docteur en philosophie, associé général d’Andreessen Horowitz, a rejoint le conseil d’administration d’Insitro.
La société a l’intention d’utiliser les fonds pour :
- continuer à construire les bases de la technologie et de l’automatisation, en permettant la production de données à plus grande échelle et en élargissant encore les capacités de générer des modèles prédictifs de maladies humaines,
- poursuivre les cibles nouvellement identifiées et génétiquement validées,
- identifier les biomarqueurs de segmentation des patients,
- faire progresser les thérapies dans des populations de patients génétiquement définies,
- établir de nouveaux partenariats industriels synergiques, et
- développer des capacités supplémentaires de ML tout au long de la chaîne de valeur de la R&D afin d’accélérer la découverte et le développement de médicaments.
Dirigée par Daphne Koller, Ph.D., fondatrice et directrice générale, insitro est une société de découverte et de développement de médicaments basée sur les données, qui utilise l’apprentissage automatique et la biologie à haut débit pour transformer la manière dont les médicaments sont découverts et délivrés aux patients. La société applique des technologies issues de la bio-ingénierie pour créer des ensembles de données massifs qui permettent d’utiliser les méthodes modernes d’apprentissage automatique pour résoudre les principaux problèmes de la R&D pharmaceutique. Les modèles prédictifs qui en résultent sont utilisés pour accélérer la sélection des cibles, pour concevoir et développer des thérapies efficaces et pour éclairer la stratégie clinique.
FinSMEs
27/05/2020
