Challenge: Biological systems are often difficult to implement and maintain in an industrial setting. There is a large number of parameters to optimize and the complexity is great. Artificial intelligence (AI) can assist in uncovering patterns and identifying features among parameters that can improve the effectiveness of a process as well as the requirement for a sustained high-quality production. Medicago R&D is a leading clinical-stage biotechnology company that uses proprietary plant-based technologies to rapidly develop and produce novel vaccines and antibodies. In this project, the company will benefit from AI approaches to improve its production platform.
Solution: The project is led by an interdisciplinary team combining expertise in big data analytics and metabolomics, machine and deep learning as well as vaccine production. The team aims to enhance the productivity of the Quebec vaccine manufacturer Medicago R&D. In this project, high throughput metabolomic analyses coupled to machine and deep learning algorithms will be used to identify molecular signatures of productive plants and define the molecular boundaries of parameters that impact the productivity of the pharmaceutical production process. More specifically, the project aims at developing a mass spectrometry-based system that can model the biological processes throughout the growth and incubation period of the plants during virus-like particle production.
Achievements/Impact: This project will lead to the creation of a database of responses that could be mined to better understand the effects of multiple parameters on the production of vaccines and other biotherapeutics leading to an increase in yield and quality. The data will be of great value to improve the process of vaccine production of Medicago R&D, that must ensure that its manufacturing technology is kept optimal and its productivity remains predictable. A successful project will provide Medicago R&D with a tool set that will enhance control and precision early in the manufacturing process, greatly improving its competitivity in the space.


Défi:Les systèmes biologiques en milieu industriel sont souvent difficiles à mettre en œuvre et à entretenir, car ils sont très complexes et nécessitent l’optimisation de nombreux paramètres. Grâce à l’intelligence artificielle (IA), il est possible d’utiliser ces paramètres pour découvrir des constantes et des caractéristiques permettant d’améliorer l’efficacité d’un processus ainsi que les conditions favorisant une production durable de haute qualité. Medicago R&D est une société de biotechnologie de pointe à l’étape clinique qui utilise une technologie brevetée de production sur plante pour développer et fabriquer rapidement de nouveaux vaccins et anticorps. Dans le cadre de ce projet, l’entreprise misera sur l’intelligence artificielle (IA) pour améliorer sa plateforme de production.
Solution: Ce projet est accompli par une équipe pluridisciplinaire composée d’experts en analytique des mégadonnées et en métabolomique, en apprentissage machine et profond, ainsi qu’en production de vaccins. L’équipe a pour objectif d’accroître la productivité du fabricant de vaccin québécois Medicago R&D. À cette fin, les chercheurs combineront des analyses métabolomiques à haut débit et des algorithmes d’apprentissage machine et profond afin d’identifier les signatures moléculaires des plantes productives. Ils définiront aussi les limites moléculaires des paramètres qui jouent sur la productivité du processus de production pharmaceutique. Plus particulièrement, ce projet vise à développer un système utilisant la spectrométrie de masse pour modéliser les processus biologiques tout au long de la période de croissance et d’incubation des plantes pendant la production de particules pseudo-virales.
Réalisations/Retombées: Ce projet aboutira à la création d’une base de données de réponses qui pourront être exploitées afin de mieux comprendre l’effet de multiples paramètres sur la production de vaccins et d’autres produits biothérapeutiques, le tout de manière à augmenter le rendement et la qualité. Les données seront très utiles pour améliorer le processus de production de vaccins de la Medicago R&D, qui doit veiller à ce que sa technologie de fabrication reste optimale et sa productivité prévisible. Si les résultats sont concluants, Medicago R&D sera bien outillée pour améliorer le contrôle et la précision du processus de fabrication dès ses débuts, augmentant ainsi sa compétitivité dans son secteur d’activité.