WhiteLab Genomics annonce une levée de fonds de 26 millions de dollars et des résultats in vivo pour ses vecteurs AAV ciblant le cerveau

WhiteLab Genomics annonce des premiers résultats in vivo obtenus avec GENOV, l’unité d’innovation de l’Institut du Cerveau, sur des vecteurs AAV conçus par intelligence artificielle pour atteindre le cerveau après une injection intraveineuse. Chez la souris, ces candidats affichent environ 50 fois plus de génomes AAV détectés dans le cerveau que l’AAV9, avec aucun signal rapporté dans le foie dans les conditions de l’étude.

Cette avancée est importante parce que la livraison au système nerveux central reste l’un des verrous les plus coûteux de la médecine génomique. Si ces résultats sont confirmés dans d’autres modèles, ils pourraient réduire le recours à des administrations invasives et ouvrir de nouvelles pistes pour Alzheimer, Parkinson, la SLA et certaines maladies rares. Pour les entrepreneurs de la santé, l’annonce illustre aussi un déplacement stratégique du secteur, où l’IA ne sert plus seulement à analyser des données mais à concevoir des briques thérapeutiques testables.

Un signal préclinique qui vise le principal verrou du cerveau

La promesse portée par WhiteLab Genomics tient en une question très concrète : peut-on transporter une instruction génétique jusqu’au cerveau sans devoir l’injecter directement dans le tissu cérébral ou dans le liquide céphalo-rachidien ? La société TechBio française affirme avoir franchi une étape de preuve de concept chez la souris, en collaboration avec l’unité GENOV de l’Institut du Cerveau, dirigée par le Dr Françoise Piguet. Les résultats concernent des vecteurs viraux de type AAV, dessinés avec la plateforme propriétaire ALFRED, pour améliorer leur tropisme cérébral après administration par voie intraveineuse.

Le point le plus commenté est l’écart annoncé avec AAV9, un sérotype fréquemment utilisé comme référence dans les programmes neurologiques. Après une seule injection intraveineuse chez la souris, les vecteurs issus d’ALFRED auraient conduit à une présence d’ADN AAV dans le cerveau environ 50 fois supérieure à celle observée avec AAV9. Le communiqué précise également qu’aucun signal n’a été détecté dans le foie, ce qui constitue un élément notable, car cet organe capte souvent une part importante des vecteurs administrés par voie systémique.

Ces données doivent être lues comme des résultats précliniques précoces, et non comme une démonstration clinique. Elles décrivent la biodistribution de candidats expérimentaux dans un modèle murin, avec une mesure par analyse génomique de l’ADN extrait des tissus. Elles ne prouvent pas encore qu’un médicament complet, associant vecteur, charge thérapeutique et système de régulation, sera efficace et sûr chez l’humain. Leur intérêt réside néanmoins dans la validation expérimentale d’une hypothèse de conception : un vecteur imaginé par IA peut être optimisé pour interagir avec les mécanismes d’accès au cerveau.

Pourquoi la barrière hémato-encéphalique complique la médecine génomique

Le cerveau est protégé par la barrière hémato-encéphalique, un ensemble de cellules endothéliales, de jonctions serrées et de mécanismes de transport qui filtrent très strictement les molécules circulant dans le sang. Cette protection est indispensable pour préserver l’environnement neuronal, mais elle constitue un obstacle majeur pour les médicaments. Une grande partie des biomolécules, des anticorps et des vecteurs de thérapie génique ne traverse pas spontanément cette barrière à des niveaux suffisants.

Dans les maladies neurologiques, cette contrainte a conduit à des stratégies d’administration lourdes. Certains traitements expérimentaux nécessitent des injections intracérébrales, intrathécales ou intracisternales, qui mobilisent des équipes spécialisées, des plateaux techniques et une gestion fine du risque procédural. Pour des pathologies chroniques ou largement répandues comme Alzheimer et Parkinson, une administration systémique plus simple serait un avantage considérable, à condition qu’elle permette de délivrer la dose utile dans les cellules cibles sans augmenter la toxicité ailleurs.

L’enjeu n’est pas seulement d’entrer dans le cerveau. Il faut y entrer avec un profil de distribution pertinent, cibler les bonnes populations cellulaires, éviter une expression indésirable dans des tissus périphériques et conserver une fenêtre thérapeutique acceptable. En thérapie génique, la dose systémique peut devenir un facteur limitant, car une quantité élevée de vecteurs augmente les risques immunologiques et hépatiques. C’est pourquoi la réduction de l’exposition du foie est surveillée de près par les développeurs, les cliniciens et les autorités réglementaires.

Ce que change une conception guidée par l’IA

La plupart des approches historiques de découverte de capsides AAV reposent sur des bibliothèques de variants très vastes, suivies d’un criblage expérimental pour identifier les candidats qui atteignent le tissu recherché. Cette logique d’évolution dirigée a produit des avancées importantes, mais elle reste coûteuse, longue et parfois difficile à interpréter. Lorsqu’un variant fonctionne, il n’est pas toujours évident de comprendre quel mécanisme biologique explique son efficacité, ni si ce mécanisme sera conservé lors du passage de la souris à d’autres espèces.

WhiteLab Genomics revendique une approche inverse. Sa plateforme ALFRED, acronyme de AI-Led Framework for Rational Exploration in Drug Design, cherche d’abord à identifier des récepteurs de surface impliqués dans l’accès à un tissu donné. L’outil conçoit ensuite des éléments de ciblage, notamment des peptides, susceptibles d’interagir avec ces récepteurs, puis les intègre dans des architectures de vecteurs. L’objectif est de réduire l’espace de recherche, de produire des bibliothèques plus ciblées et d’obtenir des candidats dont le rationnel biologique est plus lisible.

Dans les documents de présentation associés au programme, WhiteLab met en avant une comparaison frappante : environ 15 000 designs ciblés contre des campagnes qui peuvent mobiliser des dizaines ou centaines de millions de variants. Pour un acteur de biotechnologie, la différence n’est pas seulement opérationnelle. Une bibliothèque plus petite peut réduire les coûts de synthèse et de test, accélérer les cycles d’apprentissage et faciliter le dialogue avec des partenaires pharmaceutiques qui demandent une explication robuste du mécanisme de ciblage.

La valeur de l’IA dépend toutefois de sa confrontation à la biologie réelle. Les modèles peuvent prioriser des candidats, prédire des interactions et orienter le design, mais ils doivent être validés en conditions expérimentales. C’est précisément le rôle d’une collaboration avec une unité comme GENOV : tester les vecteurs dans des systèmes vivants, mesurer leur biodistribution et réinjecter les résultats dans les modèles de conception. Cette boucle conception, construction, test et apprentissage est au cœur de la proposition TechBio.

Des résultats prometteurs, mais encore éloignés d’un médicament

Le résultat annoncé porte sur la présence de génomes AAV dans le cerveau et le foie, pas encore sur un bénéfice thérapeutique dans une maladie. Pour progresser vers un actif médical, il faudra démontrer que le vecteur transporte efficacement une charge utile, que cette charge s’exprime au bon niveau et dans les bonnes cellules, et qu’elle modifie un mécanisme pathologique pertinent. Il faudra aussi vérifier la durée d’expression, le profil inflammatoire, la réponse immunitaire contre la capside et l’éventuel impact d’anticorps préexistants chez les patients.

La transposition de la souris à l’humain est un point critique. Plusieurs capsides très performantes chez la souris ont montré des résultats moins convaincants dans des espèces plus proches de l’humain, en raison de différences de récepteurs, de taille d’organe, de physiologie vasculaire ou d’immunité. Pour les maladies du cerveau, le passage par des modèles plus complexes et, selon les indications, par des études chez le grand animal est souvent indispensable avant d’envisager un programme clinique. La conservation du récepteur ciblé entre espèces deviendra donc un élément central du dossier.

Le signal absent dans le foie, tel qu’il est présenté, constitue un élément encourageant mais doit aussi être interprété avec prudence. Un résultat sous la limite de détection dans une expérience donnée ne garantit pas l’absence totale d’exposition hépatique dans toutes les conditions de dose, de temps et d’espèce. Les développeurs devront caractériser la cinétique de distribution, la persistance du vecteur, les seuils de détection et les éventuelles différences entre lots. Ce sont ces données qui permettront d’évaluer la marge de sécurité réelle.

Un impact potentiel sur plusieurs marchés thérapeutiques

Les premiers cas d’usage évoqués concernent les maladies neurodégénératives, notamment Alzheimer, Parkinson et la sclérose latérale amyotrophique, aussi appelée maladie de Charcot. Ces pathologies concentrent des besoins médicaux immenses, mais elles sont biologiquement complexes et souvent multifactorielles. Une thérapie génique ne résoudra pas mécaniquement cette complexité, mais une meilleure livraison au cerveau pourrait rendre testables des approches qui étaient jusqu’ici freinées par l’accès au tissu cible.

Le champ pourrait aussi concerner des maladies neurologiques rares, en particulier lorsque la cause génétique est mieux définie. Les maladies de surcharge lysosomale, certaines encéphalopathies héréditaires ou des déficits enzymatiques du système nerveux central sont des exemples de domaines où l’apport d’une instruction génétique peut être rationnellement envisagé. Dans ces indications, la précision de livraison et la capacité à traiter largement le cerveau peuvent déterminer la viabilité du programme.

L’oncologie cérébrale représente un autre marché potentiel, mais avec des défis spécifiques. Le glioblastome, par exemple, combine hétérogénéité tumorale, infiltration diffuse et microenvironnement immunosuppresseur. Un vecteur capable de franchir la barrière hémato-encéphalique ne suffirait pas à lui seul ; il faudrait aussi atteindre les cellules tumorales, éviter les tissus sains critiques et maîtriser l’expression de la charge thérapeutique. La même plateforme de ciblage pourrait toutefois contribuer à concevoir de meilleurs véhicules pour des stratégies combinées.

Au-delà des indications, le marché adressé est celui de la médecine génomique, qui regroupe thérapies géniques, approches ARN, vecteurs viraux, nanoparticules lipidiques et systèmes de régulation. Les supports fournis par WhiteLab citent un marché d’environ 40 milliards de dollars et une croissance annuelle composée estimée à 17 % sur la période 2024-2030. Ils rappellent aussi la réalité économique du secteur : les cycles de R&D peuvent dépasser dix ans, les coûts atteignent souvent des niveaux très élevés, et le taux d’échec clinique reste important.

La sécurité et la fabrication resteront déterminantes

Pour transformer une capside candidate en produit, la qualité industrielle comptera autant que la performance biologique. Les thérapies AAV exigent une production maîtrisée, avec contrôle des capsides pleines et vides, des impuretés, de la puissance biologique, de la stabilité et de la reproductibilité des lots. Les autorités attendent également des données détaillées sur la biodistribution, l’excrétion, la toxicologie, la génotoxicité potentielle et la réponse immunitaire.

La réglementation des médicaments de thérapie innovante en Europe et des produits de thérapie génique aux États-Unis impose une documentation rigoureuse dès les phases précoces. Un vecteur nouveau devra être caractérisé non seulement comme outil de recherche, mais comme composant d’un futur médicament. Son mécanisme d’entrée, sa spécificité, ses effets hors cible et la logique de sélection des doses devront être expliqués avec précision. L’argument d’une conception par IA peut aider si le modèle est transparent, mais il ne remplace jamais les preuves expérimentales.

La question de l’immunité sera également structurante. Une partie de la population possède des anticorps préexistants contre certains AAV naturels, ce qui peut limiter l’éligibilité aux traitements ou réduire leur efficacité. Des capsides modifiées peuvent contourner certains profils d’immunité, mais elles peuvent aussi susciter de nouvelles réponses. Les programmes devront donc intégrer très tôt des analyses sérologiques, des tests de neutralisation et des stratégies de sélection des patients.

Un financement qui soutient l’industrialisation de la plateforme

L’annonce scientifique s’inscrit dans une séquence de croissance plus large. WhiteLab Genomics a indiqué avoir bouclé, le 6 octobre 2026, une Série B de 26 millions de dollars menée par AVP. Le financement doit contribuer à accélérer les validations in vivo, à développer les collaborations commerciales et à soutenir l’expansion internationale de l’entreprise en Amérique du Nord, en Europe et en Asie.

Fondée à Paris, WhiteLab se positionne comme une TechBio spécialisée dans la conception des briques fondamentales de médicaments génomiques. L’entreprise revendique des implantations à Paris, Boston et Montréal, ainsi qu’une équipe de plus de 50 personnes, dont plus de 25 docteurs. Son positionnement consiste à combiner biologie computationnelle, apprentissage automatique, modèles génératifs et validation expérimentale pour produire des actifs de livraison ou de séquence utilisables par des partenaires pharmaceutiques et biotechnologiques.

La société mentionne également des collaborations ou présentations liées à GENOV, Sanofi, Cytiva, l’Institut Imagine et des congrès spécialisés comme l’ASGCT et l’ESGCT. La présentation de nouvelles données à Hambourg, lors du congrès européen de thérapie génique et cellulaire prévu du 27 au 30 octobre, devrait permettre de mieux apprécier la profondeur des résultats. Pour le marché, les prochaines informations attendues concerneront les méthodes, les modèles, les doses, les comparaisons et la reproductibilité.

Ce que les professionnels de l’innovation doivent retenir

Le principal enseignement n’est pas que les maladies neurodégénératives disposent déjà d’une nouvelle solution thérapeutique. Il est plutôt que la conception de vecteurs entre dans une phase plus rationnelle, où l’IA peut proposer des hypothèses directement testées dans des modèles biologiques. Si cette boucle se confirme, elle pourrait modifier la manière dont les plateformes de livraison sont valorisées, licenciées et intégrées dans les pipelines pharmaceutiques.

Pour les entrepreneurs, l’annonce souligne l’importance de bâtir des actifs explicables. Dans un secteur soumis à des contraintes réglementaires et industrielles fortes, la performance brute ne suffit pas. Les partenaires veulent comprendre pourquoi un vecteur fonctionne, comment il se compare aux alternatives, quelles données soutiennent sa transposition à l’humain et comment il peut être fabriqué à l’échelle. Les plateformes capables de relier design numérique, validation in vivo et stratégie CMC disposeront d’un avantage concurrentiel réel.

La prudence reste indispensable. Les données chez la souris constituent une étape nécessaire, mais elles ne préjugent pas de la réussite clinique. Le potentiel est néanmoins significatif : une administration intraveineuse, non invasive et mieux dirigée vers le cerveau pourrait transformer l’économie de plusieurs programmes de médecine génomique. WhiteLab Genomics apporte ici un signal qui devra être confirmé, approfondi et comparé, mais qui place la livraison cérébrale au cœur de la prochaine vague d’innovation TechBio.