Depuis toujours, les humains sont fascinés par le processus de vieillissement et tentent de le comprendre et de le combattre. Par exemple, la médecine chinoise ancienne comprenait des remèdes à base de plantes et des techniques d'acupuncture conçues pour promouvoir la santé et la longévité. Un jalon majeur a été franchi dans les années 1930 lorsqu'on a découvert que la restriction calorique prolongeait l'espérance de vie chez les souris et les rats. De nouvelles recherches révolutionnaires menées au XXe siècle ont étudié le rôle de facteurs tels que la génétique et la sénescence cellulaire.

CAS a identifié plus de 500 000 articles scientifiques (principalement des articles de revues et des brevets) relatifs à la physiologie du vieillissement et aux stratégies anti-âge. On a constaté une croissance régulière de ces articles au fil du temps, les efforts de recherche s'intensifiant au cours de la dernière décennie (figure 1).

La tendance de la recherche anti-âge ne montre aucun signe de ralentissement. L'Organisation mondiale de la santé (OMS) estime que d'ici à 2050, la planète comptera plus de 2 milliards d'habitants âgés de plus de 60 ans. Cette évolution démographique dans le sens du vieillissement de la population suscite de l'intérêt et des investissements dans la recherche anti-âge, afin de traiter les maladies liées à l'âge et de promouvoir un vieillissement en bonne santé. L'Assemblée générale des Nations Unies (ONU) a désigné la période 2021-2030 comme la Décennie pour le vieillissement en bonne santé, un programme destiné à promouvoir la collaboration mondiale, afin d'identifier des interventions susceptibles de prolonger l'espérance de vie et d'améliorer la qualité de vie des personnes âgées.

Même si le vieillissement est un facteur de risque pour de nombreuses maladies chroniques, un intérêt est apparu pour un « vieillissement réussi » mettant l'accent sur la santé générale et le bien-être. Dans cet article, nous examinerons le processus du vieillissement en explorant une multitude d'interventions visant à promouvoir le bien vieillir et une plus grande longévité. Laquelle de ces stratégies de traitement anti-âge offre le plus de promesses pour promouvoir le bien vieillir ?

Le vieillissement : il ne se limite pas à la surface de la peau

Le terme « anti-âge » évoque souvent des images des signes visibles du vieillissement de la peau, tels que les rides et l'affaissement. Le vieillissement de la peau fait l'objet de nombreuses études en raison de ses impacts sociaux et psychologiques. La peau est le plus grand organe de notre corps : à ce titre, elle joue un rôle protecteur vital contre les facteurs environnementaux. Avec l'âge, l'aptitude de la peau à remplir cette fonction peut diminuer, affectant la santé générale. Même si le vieillissement de la peau est un processus naturel, il est possible de prendre des mesures pour le ralentir et garder une peau saine. Les industries des cosmétiques et des soins de la peau, représentées notamment par des entreprises comme L'Oréal et Amorepacific, s'intéressent tout particulièrement à ce domaine, dans lequel elles détiennent de nombreux brevets. Ces produits contiennent des ingrédients tels que l'acide hyaluronique ou la vitamine E, qui affectent les couches superficielles de la peau.

Le processus de vieillissement est beaucoup plus complexe que ce que nous voyons en surface. Le vieillissement est largement défini comme un déclin fonctionnel progressif de l'aptitude intrinsèque d'un organisme à se défendre, se préserver et se réparer pour continuer à fonctionner efficacement. Le cerveau est particulièrement sensible aux effets du vieillissement, qui provoque des changements de sa taille, de son système vasculaire et de ses facultés cognitives. Cela nous expose à un risque accru de développer certains troubles neurologiques en vieillissant, tels que la maladie d'Alzheimer.

Le vieillissement se caractérise également avec une perte graduelle de l'aptitude physique qui affecte l'ensemble du corps, aboutissant à une détérioration de ses fonctions et à une vulnérabilité accrue. Même si le vieillissement à lui seul n'est pas la cause directe de maladies graves telles que le cancer, le diabète et les affections cardiovasculaires, il constitue un facteur de risque significatif pour ces maladies et bien d'autres. En conséquence, la prise de conscience de cette relation a mis au premier plan le domaine en développement rapide de la recherche sur le vieillissement.

Les signes du vieillissement

Le vieillissement est essentiellement l'accumulation de dommages au fil du temps, qui aboutissent à des changements physiologiques spécifiques appelés signes du vieillissement. En 2013, neuf signes de vieillissement moléculaires et cellulaires ont été définis, fournissant un cadre pour la recherche future. Ces signes comprennent l'instabilité génomique, l'attrition télomérique, la dégradation de l'épigénétique, la perte de la protéostase, la mauvaise détection des nutriments, le dysfonctionnement des mitochondries, la sénescence cellulaire, l'épuisement des cellules souches et l'altération de la communication intercellulaire (figure 2).

Pour compliquer encore les choses, les différents signes du vieillissement sont interconnectés et peuvent se renforcer mutuellement (figure 3). En fait, ces signes sont si entremêlés que certains chercheurs proposent que l'on considère plutôt le vieillissement comme un processus qui se déroule en quatre couches, chacune à une échelle biologique différente. Toutefois, lorsque nous considérons le vieillissement, il apparaît clairement que la compréhension des relations entre ces différents signes peut aider à développer des interventions efficaces pour prévenir ou traiter les maladies liées à l'âge.  

Quelles sont les stratégies anti-âge les plus prometteuses ?

Un certain nombre de stratégies de traitement anti-âge ciblant les signes du vieillissement ont été explorées, dont un bon nombre se sont concentrées sur plusieurs signes (figure 4). Voici un aperçu de cinq interventions de ce type et les preuves actuelles liées à chaque approche afin de déterminer celles qui présentent le plus fort potentiel.

L'exercice physique offre un impact anti-âge significatif au niveau cellulaire, lié à chacun des autres signes du vieillissement. Les recherches menées sur l'exercice physique en tant qu'intervention contre les indications du vieillissement sont bien établies et les essais cliniques montrent des résultats prometteurs. Les principaux essais en cours étudient les effets de l'exercice physique sur la maladie d'Alzheimer, la démarche instable, la fonction cognitive et le trouble du stress post-traumatique (tableau 1).

La diététique en tant que stratégie anti-âge

Récemment, deux interventions diététiques, la restriction calorique et le jeûne intermittent, ont fait la preuve de leur capacité à prolonger efficacement la durée de vie en bonne santé du système nerveux en affectant les voies de signalisation cellulaire et métabolique de base qui régulent la longévité. Même si cette approche s'est avérée efficace dans les modèles animaux, la restriction calorique est une stratégie difficile à appliquer chez les humains, car elle nécessite une forte détermination et un grand contrôle de soi. Une solution alternative consiste à émuler ses effets en recourant à des « agents mimétiques de restriction calorique ». Comme l'exercice physique, la restriction calorique est une stratégie de traitement anti-âge qui a fait l'objet de nombreuses recherches, avec plusieurs essais cliniques en cours (tableau 2).  

La manipulation métabolique comme stratégie anti-âge

La voie de signalisation de la cible de la rapamycine chez les mammifères (mTOR) a été identifiée comme un agent important du métabolisme cellulaire qui associe la détection des nutriments à des processus cellulaires essentiels qui dynamisent la croissance et la prolifération cellulaires. L'inhibition de la mTOR par des agents tels que la rapamycine est largement étudiée dans des essais cliniques anti-âge dans un certain nombre d'indications, de la fragilité liée au vieillissement à la sarcopénie liée à l'âge (tableau 3).

La sénothérapie comme stratégie anti-âge

La sénothérapie implique le développement d'agents thérapeutiques potentiels et d'approches ciblant explicitement la sénescence cellulaire, un trouble associé au vieillissement et aux pathologies liées à l'âge. Les chercheurs explorent plusieurs stratégies de sénothérapie. Une stratégie pharmacologique particulièrement intéressante concerne l'utilisation de sénolytiques, de petites molécules capables d'éliminer de manière sélective les cellules sénescentes qui sont à l'origine de multiples troubles liés à l'âge. Ce ciblage des cellules vieillissantes est déjà en cours d'évaluation dans des essais cliniques (tableau 4).

La reprogrammation cellulaire comme stratégie anti-âge

Est-il possible de remonter dans le temps au niveau cellulaire ? La reprogrammation cellulaire a pour but d'atteindre ce résultat en convertissant les cellules matures en différenciation terminale en cellules souches pluripotentes induites. En reprogrammant ainsi les cellules, nous pouvons efficacement améliorer plusieurs signes du vieillissement, tels que le dysfonctionnement des mitochondries, l'attrition télomérique, les altérations de l'épigénétique, l'instabilité génomique et la sénescence. Même si cette recherche en est encore à ses balbutiements, cette approche a montré des promesses dans des modèles précliniques.

En s'attaquant de front aux défis que présente le vieillissement de la population, la recherche anti-âge promet d'être en mesure de transformer la manière dont nous vieillissons, en renforçant notre bien-être général et en ouvrant la voie vers une population mondiale en meilleure santé et plus vigoureuse.

Pour en savoir plus sur le domaine fascinant et dynamique de la recherche anti-âge, lisez le manuscrit de notre dernier article de revue ici.

À notre ère de l'information, la réalisation d'une recherche de brevet complète est essentielle pour les chercheurs, les équipes juridiques et les entreprises. Le fait de ne pas retrouver les documents pertinents en temps voulu et de manière économique peut avoir des conséquences désastreuses. Toutefois, la réalisation d'une recherche approfondie peut être compliquée et chronophage, en particulier lorsque les ressources sont limitées. La bonne nouvelle est que les outils et la technologie de pointe conçus pour la recherche de propriété intellectuelle (PI) peut contribuer à alléger cette contrainte et à améliorer l'efficacité. Cet article propose des conseils au sujet de l'utilisation d'outils et de stratégies pour accélérer votre parcours vers des recherches complètes et de meilleures informations sur les brevets :

• Conseil 1 : utiliser des bases de données complètes et organisées par des experts.
• Conseil 2 : utiliser des outils d'IA et des technologies de recherche de précision pour renforcer votre stratégie de recherche.
• Conseil 3 : optimiser la recherche de familles de brevets.
• Conseil 4 : instaurer des alertes pour les nouvelles demandes de brevet ou les changements apportés à des brevets existants.
• Conseil 5 : collaborer avec des partenaires qui possèdent une expertise en PI et dans votre domaine.

Conseil 1 : utiliser des bases de données complètes et organisées par des experts

Il est courant pour les chercheurs en PI d'effectuer une recherche dans plusieurs bases de données pour garantir l'exhaustivité de leur recherche et faire en sorte que tous les résultats pertinents soient pris en compte. Les variantes dans le sujet concerné, la couverture des documents et les pratiques d'indexation influencent les résultats obtenus. Une solide stratégie de recherche mise en œuvre sur plusieurs bases de données peut renforcer l'exhaustivité, vous aider à comprendre votre jeu de résultats et à affiner votre requête, afin d'obtenir les informations dont vous avez besoin sans passer à côté de documents essentiels.

Comment CAS peut vous aider

CAS connecte les chercheurs à une collection de contenus provenant des meilleurs éditeurs et bases de données au monde sur une seule et même plateforme : CAS STNext^®.

CAS STNext combine des contenus chimiques de CAS faisant autorité et organisés par des scientifiques, une collection complète d'informations sur les brevets et leur texte complet, ainsi que plus de 130 bases de données de premier ordre dans la chimie, le secteur biomédical, les produits pharmaceutiques, la propriété intellectuelle et l'ingénierie.

Les chercheurs peuvent exploiter des bases de données à valeur ajoutée, des bases de données en texte intégral et des ensembles ciblant des caractéristiques ou des sujets particuliers pour créer une stratégie de recherche complète adaptée à leurs besoins uniques.

Les utilisateurs de CAS STNext peuvent aussi accéder à des bases de données organisées par CAS, ce qui rend possible des recherches précises. Par exemple, si vous recherchez de la PI chimique, vous pouvez concentrer votre recherche sur des molécules spécifiques. Mais tenez-vous compte des substances cachées dans les revendications de structure Markush ? Sorte de sténographie générique utilisée pour décrire succinctement de nombreux matériaux similaires sur le plan structurel, les structures Markush devraient être prises en compte et comprises lors de la recherche de PI.

La réalisation d'une recherche générique de structures chimiques peut produire des milliers de substances distinctes, mais seules certaines correspondent précisément à celle que vous recherchez. Lorsque vous menez une recherche large et générique sur une base de données de substances chimiques spécifiques, seules celles qui correspondent aux mêmes produits chimiques sont renvoyées ; cela ne permet pas d'identifier certaines revendications essentielles couvrant des structures Markush. En utilisant les outils au sein de CAS STNext, vous pouvez faire des recherches sur plus de 1,3 million de structures Markush, en ayant la certitude de ne rien laisser au hasard.

Conseil 2 : utiliser des outils d'IA et des technologies de recherche de précision pour renforcer les différents aspects de la recherche de brevet

L'EPO a découvert que les recherches de brevet complètes utilisent 1,3 milliard d'enregistrements techniques dans 179 bases de données ; en outre, les recherches de brevet mensuelles concernent environ 600 millions de documents. Il existe un besoin de solutions qui permettent d'effectuer des recherches de brevet approfondies et à jour. Des plateformes de recherche avancées sont disponibles, mais limitées par les caractéristiques de la base de données. Le seul moyen de rendre une recherche complète est d'y consacrer beaucoup de temps.

Les algorithmes d'IA peuvent améliorer l'efficacité en augmentant certains aspects d'une stratégie de recherche, comme l'extraction de résultats pertinents susceptibles d'avoir été laissés de côté.

Comment CAS peut vous aider
CAS propose une technologie exclusive de recherche des techniques antérieures renforcée par l'IA. Le moteur exclusif de similitude de brevets assemble une liste de brevets pertinents et de références à la littérature non-brevet publiés avant tout document de brevet de départ spécifié, afin de présenter des informations sur les brevets que vous n'avez peut-être pas identifiées lors de votre recherche d'origine.

Voici un exemple des capacités de CAS soutenues par l'IA en action.En partenariat avec l'Institut national de la propriété industrielle (INPI) du Brésil, CAS a développé un ensemble de 10 algorithmes basés sur l'IA qui, ensemble, formaient une liste consolidée de résultats de recherche des techniques antérieures extrêmement précis et ordonnés. En intégrant des algorithmes basés sur l'IA à ses flux de travaux de recherche, l'INPI du Brésil a réussi à améliorer l'efficacité de ses recherches de brevet :

77 % des demandes locales traitées ont nécessité moins de temps de recherche ;
29 % de ces processus n'ont pas nécessité de recherche en dehors des résultats de recherche augmentés par l'IA.

Conseil 3 : optimiser la recherche de familles de brevets

Les brevets apparentés d'une famille de brevets peuvent être déposés dans des juridictions et des zones géographiques différentes, mais ils sont liés par la demande prioritaire (c'est-à-dire le brevet de base) — la demande de brevet la plus ancienne qui établit la date de priorité pour la famille et sert de base aux revendications et à la spécification dans les brevets apparentés.

En comprenant la portée et la couverture des brevets apparentés au sein d'une famille, les titulaires de brevet, demandeurs de brevet et licenciés potentiels peuvent prendre des décisions éclairées quant à la demande d'une licence, remettre en cause la validité des brevets et allouer des ressources à de longues initiatives de R&D. Toutefois, la recherche de familles entières de brevets est un procédé chronophage et complexe. Cela tient aux complexités du dépôt dans plusieurs juridictions, aux incohérences d'indexation entre bases de données, aux barrières linguistiques et au raffinement scientifique de l'innovation.

La variation des revendications vient encore compliquer cette tâche déjà difficile. L'ensemble de revendications initial présenté dans une demande de brevet est généralement le même pour tous les brevets apparentés au sein d'une famille de brevets. Toutefois, pendant la procédure d'examen, qui implique des interactions entre le candidat et l'office des brevets, les revendications peuvent être modifiées ou affinées en réponse à des objections de l'examinateur ou pour tenter de surmonter la technique antérieure. En conséquence, les revendications des brevets apparentés au sein d'une même famille de brevets peuvent être différentes après l'examen.

Pour surmonter ces obstacles, les demandeurs de brevet utilisent souvent une combinaison de techniques de recherche, notamment la recherche par mot clé, classification et citations. Ils doivent également être familiarisés avec les différents outils de recherche et bases de données disponibles pour la recherche de brevet, ainsi qu'avec les lois et réglementations sur les brevets dans différentes juridictions. En outre, les demandeurs de brevet peuvent collaborer avec des avocats spécialistes des brevets et des experts techniques pour faire en sorte d'identifier tous les brevets pertinents au sein d'une famille.

Comment CAS peut vous aider

CAS STNext est votre source de données fiables issues des principales bases de données de familles de brevets du monde entier et offre un certain nombre de fonctionnalités pour faire en sorte que votre recherche soit complète, notamment :

• Capacités de recherche dans plusieurs fichiers
• Commandes simples pour rechercher des enregistrements supplémentaires dans une même famille, y compris les équivalences et les brevets apparentés.
• Un aperçu facile à consulter de la relation entre les revendications au sein d'une demande de brevet.

En savoir plus sur la recherche de brevet dans CAS STNext.

Conseil 4 : instaurer des alertes pour les nouvelles demandes de brevet ou les changements apportés à des brevets existants

Selon l'Office des brevets américain (United States Patent and Trademark Office), 646 244 demandes de brevet ont été déposées aux États-Unis en 2020. Il convient de rester informé des nouveaux documents de brevet déposés afin que les demandeurs de brevet ne risquent pas de manquer des progrès innovants qui pourraient signaler un marché en croissance propice à l'investissement ou la nécessité de faire face à un nouveau concurrent.

Des outils de recherche avancés dotés de fonctionnalités qui déclenchent des alertes lorsque de nouvelles entrées correspondant à vos critères de recherche sont ajoutées vous aideront à garder une longueur d'avance dans le paysage des brevets et à réduire le processus de recherche itératif.

Comment CAS peut vous aider
  Les solutions de STN Suite de protection PI^TM offrent des capacités d'alerte personnalisées pour être informé lorsque des résultats pertinents correspondent à votre requête enregistrée.

En outre, FIZ PatMon, qui fait partie de STN Suite de protection PI, renforce l'efficacité de la surveillance des brevets en proposant des fonctionnalités d'alerte pour des activités telles que :

• Demandes de brevet intervenant tout au long du processus d'examen du brevet.
• Changements de validité du brevet.
• Apparition de brevets concurrents localement ou dans d'autres pays.
• Oppositions et retraits de brevets pertinents.
• Octroi de brevets dans certains pays.

Ces fonctionnalités permettent aux utilisateurs de recevoir des alertes personnalisées répondant à leurs critères de recherche et réduisent la nécessité de vérifier manuellement les brevets, une opération très chronophage.

Conseil 5 : collaborer avec des partenaires possédant une expertise en PI et dans votre domaine

Rester informé des demandes de recherche de PI peut être une tâche aussi écrasante à mesure que les exigences de recherche évoluent. Les retards dans ce domaine peuvent conduire à négliger les activités des concurrents qui peuvent influencer les décisions d'investissement futures ou à manquer des documents essentiels qui peuvent avoir un impact sur votre activité.

Nouer des partenariats avec des experts de la recherche dans votre secteur d'activité peut soutenir efficacement vos besoins de recherche de PI en vous mettant en relation avec le contenu dont vous avez besoin, les outils de recherche les plus efficaces et des formations et une expertise dédiée pour vous aider à combler les éventuelles lacunes et à garantir votre succès.

Comment CAS peut vous aider
L'équipe CAS possède une connaissance technique approfondie de la PI et de différents secteurs scientifiques.

Notre équipe est prête à découvrir des informations que d'autres ne pourraient simplement pas trouver.

Collaborez avec CAS pour vos besoins de recherche, afin d'avoir la certitude que vos recherches de brevet sont complètes et détaillées.

Résumé

• La réalisation de recherches de PI et la nécessité de rester informé des tout derniers développements sont essentielles pour toute entreprise, car cela peut influencer la prise de décision concernant des investissements ou de nouveaux concurrents. Voici comment améliorer l'efficacité dans vos recherches de brevet :
• Utilisez des bases de données complètes organisées par des experts pour simplifier l'analyse de données complexes et, ainsi, éliminer les éventuelles carences en termes de sources de contenu.
• Envisagez des solutions qui allient le soutien à la recherche géré par l'IA et d'autres solutions de précision. Non seulement l'IA peut identifier les innovations connexes, mais elle peut aussi vous aider à identifier une terminologie supplémentaire ou des éléments complémentaires qui vous permettront de construire une stratégie de recherche plus robuste.
• Rationalisez la recherche de familles de brevets en détectant les brevets similaires dans toutes les juridictions et en veillant à comprendre la couverture mondiale.
• Tenez-vous informé des dernières demandes de brevet grâce à des outils de recherche avancés qui vous notifient lorsque de nouvelles entrées correspondent à votre demande. Oubliez les recherches fastidieuses et répétitives !
• Devenez partenaire d'experts de la PI et de votre secteur d'activité pour rationaliser et améliorer votre processus de recherche de brevet. 
   

En savoir plus sur STN Suite de protection PI.

Les traitements anti-âge se multiplient, des thérapies à base de cellules souches et de l'acide hyaluronique à une nouvelle vague de médicaments en cours d'étude dans le pipeline des essais cliniques. Quelle est la différence entre ces nouvelles approches et les pratiques qui ont fait leurs preuves telles que les régimes alimentaires, l'exercice et les antioxydants ? Approfondissez vos connaissances au sujet de certaines des principales conclusions sur les tendances émergentes, les nouvelles recherches et les opportunités. Pour une analyse plus détaillée du paysage des traitements anti-âge, lisez notre manuscrit récemment publié ici..

Les recherches de brevet approfondies sont vitales pour aider les entreprises à innover rapidement tout en protégeant leurs droits de PI et en fiabilisant la prise de décisions.  

Une recherche de brevet peut aider les entreprises à :

• identifier de nouvelles opportunités commerciales. Une analyse du paysage permet d'identifier les lacunes dans votre domaine et les secteurs dans lesquels aucun brevet n'a encore été octroyé. Cela peut permettre de mieux concentrer les investissements et d'optimiser les bénéfices.
• renforcer une analyse de la concurrence. Se tenir informé des activités de ses concurrents aide à identifier les innovations pertinentes rapidement et à prendre des décisions éclairées quant aux marchés, zones géographiques et innovations les plus intéressants.
• se protéger des menaces émergentes. Pour protéger votre PI et rester compétitif, il est indispensable de surveiller en continu l'environnement externe. Le plus souvent, les entreprises ont connaissance des brevets détenus par des concurrents et des activités associées, mais ne possèdent pas de stratégie qui examine les innovations dans des secteurs où les concurrents ne déposent pas de demandes de brevet, mais mènent des activités qui enfreignent vos droits de PI existants.

Compte tenu du rythme accéléré de l'innovation actuelle, les exigences de la recherche de brevet évoluent. Le paysage concurrentiel devient plus complexe chaque jour, de sorte qu'il est indispensable pour les entreprises d'accéder à des informations complètes et fiables sur la PI, afin d'éclairer leur stratégie commerciale et de R&D.

Un partenariat avec des experts de la recherche dans votre domaine et un investissement dans des outils suffisamment perfectionnés pour vos innovations peuvent vous aider à accéder aux informations de PI et à les utiliser dans l'ensemble de votre entreprise.

Le pourquoi : renforcer l'harmonie et l'efficacité entre la PI et la R&D

Les recherches approfondies de brevets et l'analyse du paysage dans les domaines scientifiques sont des tâches chronophages et gourmandes en ressources en raison du volume, de la vitesse et de la complexité de l'innovation, ajoutées à une technologie en évolution rapide.  

Les lacunes dans la stratégie de recherche de PI d'une entreprise ou l'utilisation de sources de données incomplètes risquent de lui faire manquer des informations qui auraient permis d'éclairer ses décisions cruciales en matière d'investissement et de R&D.

Trop souvent, l'exhaustivité et la fiabilité de la recherche de PI sont limitées par le domaine d'expertise d'un analyste, la bande passante et les outils de recherche. Ces limites peuvent aboutir à des retards coûteux et à des lacunes dans la stratégie de R&D et de PI de l'entreprise. Un partenariat avec des experts qui ont fait leurs preuves dans votre domaine vous permet d'accéder aux informations dont vous avez besoin pour faire en sorte que vos activités de recherche de PI soient complètes, cohérentes et efficaces.

Un autre défi subsiste au niveau de la R&D, où les chercheurs manquent souvent de temps, d'accès ou d'expérience des recherches de PI. Pour optimiser les opportunités et rationaliser les initiatives de PI, les entreprises doivent permettre aux membres de leur équipe de R&D d'accéder aux informations détenues par les analystes de brevets internes et à des outils qui les aideront à exploiter les informations sur la PI tout au long de leur cycle de développement.

Un partenaire fiable peut être utile en :

Accélérant les recherches dans le paysage des brevets. Les domaines de la chimie et des sciences de la vie étant en constante évolution, le temps est un facteur essentiel pour identifier les lacunes dans les paysages concurrentiels en vue de prendre des décisions commerciales. En travaillant avec des partenaires de la recherche de PI familiarisés avec la technologie, la terminologie et le secteur d'activité, vous accélérez votre processus de recherche.

Cherchez un partenaire qui vous donnera accès à un contenu complet et à des solutions de flux de travail conçues pour la recherche scientifique et de PI, afin de vous aider à mener une recherche complète et à générer des informations exploitables.

Fournissant un soutien à la R&D. Les partenaires peuvent vous aider à identifier les domaines d'opportunité dans votre secteur en vous permettant d'accéder à des informations sur les lacunes, les domaines de risque et les secteurs ouvrant des opportunités de recherche. En outre, des partenaires fiables peuvent vous aider à formuler plus efficacement vos recherches, partager vos jeux de résultats avec les parties prenantes et élaborer des programmes de surveillance afin de rester informé des éventuels changements.

Allégeant votre charge de travail. Une recherche complète, mais efficace peut être une tâche considérable, en particulier dans le domaine de la chimie et des sciences de la vie. La collaboration avec un partenaire de confiance peut vous mettre en relation avec une expertise fiable là où vous en avez le plus besoin pour combler les lacunes de vos compétences ou de vos connaissances du domaine. Un partenaire peut collaborer avec vos chercheurs de brevets existants et contribuer à accélérer les initiatives sans monopoliser vos ressources.

La première étape du comment : comprendre ce qui définit un partenaire idéal dans la recherche de brevets

Avec le bon partenaire à vos côtés, vous pouvez avoir confiance en vos capacités à exécuter les recherches dont vous avez besoin pour articuler vos efforts de R&D.

Un partenaire idéal devrait :

Être un spécialiste du domaine dans lequel vous travaillez, afin de vous fournir des informations précieuses et approfondies sur le sujet concerné.

Vous mettre en relation avec un corpus complet d'informations sources. La valeur d'une recherche de PI est équivalente à celle des sources d'informations et de votre aptitude à cibler avec précision les résultats pertinents. Un partenaire idéal comprendra la nature essentielle de ce travail et vous donnera accès à une vaste collection mondiale d'informations pertinentes.

Concevoir et proposer des outils dans l'optique de la recherche de PI scientifique. L'expertise et l'accès au contenu ne sont qu'une partie du secret. La technologie utilisée pour accéder à ce contenu est ce qui vous permettra de découvrir certains des meilleurs accélérateurs d'efficacité dans une recherche de brevet. Un partenaire idéal vous proposera des outils de recherche de PI qui augmenteront votre flux de travail, vous donneront accès à des contenus pertinents et à jour et vous offrira des fonctionnalités et des capacités permettant une recherche efficace et approfondie et un partage des informations entre les équipes.

La deuxième étape du comment : posez les bonnes questions avant de vous engager

Avant de vous engager à travailler avec un partenaire spécifique ou à utiliser un outil particulier pour vos recherches de brevet, veillez à vous poser ces questions pour obtenir le meilleur résultat possible :

• Quelles sont les bases de données et les sources d'informations de type brevets et non-brevets auxquelles nous avons accès ? Sont-elles suffisamment riches et étendues pour mon domaine scientifique et technique ?  
• Comment vos outils et services nous aident-ils à communiquer les résultats de recherche de brevet aux principales parties prenantes ?   
• Quelles mesures sont en place pour assurer la confidentialité de mon innovation ?

Si vous cherchez un partenaire idéal pour vous aider dans vos recherches de PI, n'allez pas plus loin : CAS dispose des capacités et des outils qu'il vous faut.

Bénéficiez d'un avantage concurrentiel avec CAS

Assurer une recherche complète
La fiabilité des résultats de la recherche se mesure à la qualité des données auxquelles vous avez accès. CAS STNext^Ⓡ (logiciel faisant partie de STN Suite de protection PI^TM) offre aux analystes des brevets un accès à la collection la plus complète de bases de données mondiales, de contenus organisés par des scientifiques et d'informations sur les brevets grâce à des outils puissants de recherche et d'analyse.

Les recherches de PI dans plusieurs domaines, tels que les produits pharmaceutiques, les sciences de la vie, l'ingénierie chimique, les matériaux fonctionnels et les produits de soins personnels deviennent plus fiables, plus complètes et mieux informées lorsque vous ajoutez CAS STNext à votre arsenal.

Développer l'expertise de votre équipe Les partenaires possédant de solides connaissances scientifiques et de PI, comme CAS, peuvent combler les lacunes de connaissance et, ainsi, non seulement vous aider à élaborer votre stratégie de recherche de brevet, mais aussi développer des outils de recherche de brevets et des collections de données répondant aux besoins spécifiques de votre domaine scientifique.

Les utilisateurs de STN Suite de protection PI peuvent également accéder à des experts fiables de la recherche de PI, qui possèdent une expérience de la gestion des stratégies de recherche pour la préparation et la demande de brevets, les recours, la monétisation de la PI, l'analyse concurrentielle, la surveillance des produits et de la sécurité, l'analyse des lacunes et d'autres activités liées au programme de brevet.

Économiser des heures de recherche et d'examen des résultats des brevets Les outils et les bases de données conçus pour votre secteur d'activité comprennent des fonctionnalités de contenu, de recherche et de flux de travail pour vous aider à passer plus rapidement de la recherche initiale à la prise de décision.

Par exemple, lorsqu'on analyse les inventions dans le domaine de l'ingénierie, les propriétés telles que la viscosité, la conductivité électrique et l'intensité lumineuse sont souvent exprimées par plages. Cela complique la recherche précise de ces brevets. Dans STN Suite de protection PI, CAS STNext^Ⓡ offre des fonctionnalités numériques de recherche de propriété intellectuelle qui vous permettent d'entrer des valeurs ou des plages avec précision, voire de convertir les unités si nécessaire. Les outils dotés de fonctionnalités avancées de recherche spécifique à la technologie accélèrent le processus de recherche d'informations pertinentes.

Surveiller efficacement le paysage mondial des brevets
Litiges et infractions — nous souhaitons les éviter, les anticiper et les gérer efficacement lorsque c'est nécessaire. FIZ PatMon, inclus dans STN Suite de protection PI, vous permet de surveiller en continu l'évolution des brevets dans votre secteur afin de pouvoir suivre les activités de vos concurrents et protéger votre portefeuille de PI. Proposant des options d'alerte de pointe qui vont de la surveillance complète à des filtres spécifiques, il permet de surveiller les nouveaux dépôts et l'activité des brevets.

Avec CAS, vous avez l'assurance que votre entreprise aura accès aux informations nécessaires pour prendre des décisions importantes en matière d'innovation, de R&D ou de protection de la PI.

Vous aimeriez avoir plus d'informations ? Consultez les ressources suivantes :

• Article : Surmonter un angle mort courant dans l'évaluation des portefeuilles de PI
• Article : Êtes-vous passés à côté de brevets qui pourraient vous coûter des millions ?
• Article : Franchir le fossé entre brevets et articles de revues
• Webinaire : Le lien entre la PI et la R&D : construire une plus grande collaboration pour dynamiser l'innovation

Une conversation avec le Dr Jefferson Parker, titulaire d'un doctorat, fondateur de NullSet Informatics Solutions

Alors que la biologie computationnelle ne cesse de progresser dans le domaine de la recherche de médicaments, de nouveaux défis et de nouvelles opportunités se présentent constamment. L'analyse des séquences est depuis longtemps un aspect essentiel de la bioinformatique. Dans cet article, nous nous entretenons avec le Dr Jefferson Parker, titulaire d'un doctorat, fondateur de NullSet Informatics Solutions et expert en analyse des données pour les sciences de la vie, au sujet des nouvelles frontières de l'analyse des séquences dans la recherche de médicaments.

CAS : En tant que biologiste computationnel, quels rôles avez-vous joués dans la recherche de médicaments ?

Jefferson : J'ai joué un peu tous les rôles, du soutien aux laboratoires de recherche de médicaments aux groupes de recherche translationnelle. Plus récemment, j'ai travaillé avec des équipes cliniques au sujet des opérations et du développement. J'ai soutenu des équipes de pharmacovigilance dans leurs analyses de données de sécurité, travaillé au développement commercial et à la veille concurrentielle. J'ai même été intégré à des équipes d'ingénierie logicielle en tant qu'analyste bioinformatique, une sorte de traducteur entre les chercheurs de laboratoire et les développeurs de logiciels.

CAS : Pouvez-vous nous parler du rôle de l'analyse des séquences dans la recherche de médicaments ? Pourquoi est-ce important ?

Jefferson : Dans la recherche, on peut utiliser l'analyse des séquences pour la sélection de recherches ciblées. En examinant ce qui se produit au niveau transcriptomique, il est possible d'appliquer cette carte sur le parcours de connaissance que l'on emprunte et de se demander : « Quelles sont les causes les plus probables en amont ? » Voici vos cibles thérapeutiques probables ou un élément proximal à votre cible thérapeutique au sens du signalement. Si votre médicament a été conçu pour une cible particulière, cela pourrait vous aider à confirmer que vous l'atteignez.

Vous pouvez aussi commencer à rechercher des biomarqueurs pour la sélection des patients. Existe-t-il un profil génétique particulier, soit au niveau de l'expression, soit au niveau de la séquence d'ADN, qui présente différentes mutations ? Certaines mutations sont-elles présentes chez des patients, qui les rendent plus ou moins sensibles à l'efficacité de votre médicament ? Il s'agit d'un domaine extrêmement fascinant et actif de l'industrie pharmaceutique. Le fait de pouvoir dire avant le traitement oui, ce médicament devrait fonctionner ou non, il ne fonctionnera probablement pas, peut faire toute la différence entre le succès et l'échec. En outre, vous évitez ainsi de faire perdre un temps précieux aux patients. Surtout dans un domaine comme l'oncologie, où les patients n'ont pas beaucoup de temps : vous évitez de le leur faire gaspiller dans des études empiriques et de leur faire suivre plusieurs lignes de traitement avec des médicaments qui pour finir, ne sont pas efficaces.

Et tout cela passe par l'analyse des séquences. Cela touche chaque aspect du processus de développement d'un médicament.

CAS : Selon vous, quels sont les principaux défis au sein de l'analyse des séquences ?

Jefferson : Je dirais qu'en fait, les défis disparaissent très vite, car la technologie progresse chaque année. Autrefois, nous ne disposions que de minuscules résultats très courts, dont l'assemblage représentait justement un défi. Aujourd'hui, on obtient des résultats plus complets et l'assemblage reste un défi, mais nettement moindre.

Imaginez que vous passiez votre exemplaire de Guerre et paix dans une broyeuse. Vous obtenez des fragments de page de deux millimètres sur deux centimètres, de sorte qu'il est très difficile de réassembler le livre. Mais si les fragments de pages étaient beaucoup plus gros, plus longs et que vous disposiez d'une partie de paragraphe au lieu d'un fragment de mot, il serait bien plus facile de réassembler l'histoire dans le bon ordre. C'est à peu près ce qui se passe actuellement avec la transition vers des résultats de plus en plus longs.

Le stockage demeure un problème. Même dans ma fonction la plus récente, nous devions déplacer les données des séquences et le moyen le plus rapide d'y parvenir consistait à les charger sur un disque dur et à déposer celui-ci dans une boîte FedEx. Au lieu de déplacer des centaines de gigaoctets ou de téraoctets de données sur Internet, il est plus rapide de les expédier dans un carton. Le stockage local n'est pas un problème ; le plus difficile est surtout la transmission d'un gros volume de données d'un lieu à un autre. Aujourd'hui, une fois que les données sont à l'endroit adéquat, vous disposez d'une puissance de calcul suffisante pour exécuter votre projet de séquençage, mais la tâche de chargement des données sur les machines forme toujours un goulet d'étranglement.

Les échantillons obtenus sur les patients posent également un problème. Les examens sont douloureux, les biopsies invasives et les malades n'ont pas envie d'avoir à fournir de multiples échantillons. Une fois prélevés, ils sont généralement fixés dans le formol et enrobés de paraffine, de sorte que l'acide nucléique est dégradé dans une certaine mesure. Il existe des moyens de tenter d'extraire et d'utiliser ce type de tissu d'échantillon préparé pour le séquençage, mais la qualité de la séquence en souffrira toujours.

Si vous dirigez une petite entreprise, la technologie est également coûteuse : ces machines coûtent en effet très cher. De même, les biologistes computationnels deviennent beaucoup plus nombreux, mais malgré tout, ils ne peuvent pas être partout et chacun souhaite travailler pour la plus grande et la meilleure équipe et gagner beaucoup d'argent. La main d'œuvre se développe, mais reste limitée.

D'une certaine manière, personne n'a plus envie de travailler sur l'analyse des séquences. Chacun a envie de créer le prochain modèle d'apprentissage majeur. Il ne s'agit plus d'analyser des chiffres et des données, mais de se tourner vers l'IA avancée et l'apprentissage machine. Chacun souhaite travailler sur la dernière technologie, la plus brillante et celle dont tout le monde parle. Et, il ne s'agit pas de l'analyse des séquences. Cela sera donc un défi très bientôt.

CAS : Est-il vraiment indispensable de faire appel à un biologiste computationnel pour procéder à une analyse des séquences aujourd'hui ?

Jefferson : Si vous utilisez des méthodologies très au point, bien établies et développées, validées et documentées, alors non, vous n'en avez pas besoin. Vous n'avez pas besoin de quelqu'un qui réinventerait la roue. De nombreuses solutions logicielles prêtes à l'emploi peuvent accepter des données d'entrée provenant de toutes les différentes machines de séquençage. Vous les chargez, faites glisser et déposez les icônes du pipeline que vous souhaitez traiter, et vous appuyez sur le bouton Marche. Vous pouvez aller prendre un café, déjeuner ou, selon la taille de la machine que vous utilisez, vous pouvez même rentrer chez vous et revenir le lendemain matin et le travail sera terminé. Vous n'avez pas besoin de quelqu'un comme moi pour le faire. N'importe quel chercheur qui s'y connaît un minimum en technologie peut exécuter ce genre de programme.

En revanche, si vous travaillez avec une machine de séquençage de pointe et que vous tentez de dériver une nouvelle méthodologie d'analyse qui n'a encore jamais été utilisée, il n'existe pas de solution prête à l'emploi. Dans ce cas, vous avez besoin de quelqu'un qui comprend la biologie, qui comprend les données en entrée et en sortie, les mathématiques et bien d'autres sujets. Pour réunir tous ces éléments et les intégrer à une nouvelle solution qui n'existe pas, alors il vous faut quelqu'un comme moi, qui comprend tous ces différents éléments.

CAS : Vous avez dit que beaucoup de gens souhaitent travailler avec l'IA et le ML désormais. Ces technologies peuvent-elles vous aider dans l'analyse des séquences ?

Jefferson : Avec un ensemble de données bien organisé, l'IA et le ML peuvent sans aucun doute être utiles. Je sais d'expérience que certaines entreprises utilisent des technologies d'apprentissage machine pour absorber la littérature et créer des graphiques de connaissances, de sorte que cela pourrait sans aucun doute jouer un rôle. L'IA et l'apprentissage machine ne seraient-ils utiles que pour l'assemblage de séquences ? Probablement, mais je me demande si ce n'est pas excessif.

CAS : À propos d'IA, que pensez-vous d'AlphaFold, qui réalise des prédictions d'IA sur les structures protéiniques ?

Jefferson : Je pense qu'AlphaFold transforme complètement la donne. Ce système vous offre un parcours nettement plus rapide jusqu'à une structure, laquelle peut alimenter, par exemple, la conception de médicaments assistée par ordinateur bien plus rapidement qu'on ne le faisait par le passé. Il n'est plus nécessaire de disposer d'un spectromètre RMN ou d'une structure cristalline pour avoir un point de départ. Est-il aussi efficace qu'une structure de cristalline ? Probablement pas. L'élément réel et mesuré sera toujours supérieur à une simulation. Toutefois, en termes de temps, on peut disposer d'un appareil dès maintenant. Cela aura un impact dont nous n'avons peut-être même pas encore conscience. J'ai le sentiment qu'avec AlphaFold, la pierre est tombée dans le lac et a produit des vagues, mais que nous ne voyons actuellement que les premières vaguelettes se former.

CAS : Quelle est selon vous, la science de pointe en matière d'IA et d'apprentissage machine dans la recherche de médicaments ?

Jefferson : Elle est spatiale, ce qui est en quelque sorte la prochaine génération de cellules uniques. La méthode multi-omique. Elle utilise l'ADN, l'ARN, les protéines, la métabolomique et intègre le tout. Elle intègre même cet ensemble avec les voies cellulaires et la communication intercellulaire. Il ne s'agit plus d'une cellule unique. Il s'agit de la cellule unique, mais aussi des cellules voisines et des cellules voisines de ces dernières ; comment interagissent-elles ? C'est l'orientation prise, l'option déjà utilisée.

CAS : Pensez-vous que nous créerons des modèles de systèmes biologiques ?

Jefferson : Si vous m'aviez posé cette question lorsque j'étais à l'université, je vous aurais répondu que l'humanité ne dispose pas des mathématiques permettant de décrire un système biologique. La biologie, c'est de la chimie complexe, la chimie, c'est de la physique complexe et la physique, ce sont des mathématiques complexes. Tout repose sur cela. La physique est un problème mathématiquement résoluble, qui requiert simplement d'immenses quantités de données et, dans une certaine mesure, on peut en dire autant de la chimie. Mais la biologie... Je pensais que nous ne possédions pas et que nous ne pourrions pas posséder la capacité de modéliser mathématiquement un système biologique.

Mais aujourd'hui, c'est probablement vers cela que nous nous dirigeons. Cela nécessitera-t-il un ordinateur quantique ? Peut-être ? Ce ne sera peut-être pas de mon vivant, mais je peux affirmer dès maintenant avec une certaine confiance que tôt ou tard, l'humanité pourra disposer de simulations informatiques de systèmes vivants précises et fiables. Et cette affirmation est un peu effrayante. Je sais que de nombreux travaux sont menés dans le domaine des jumeaux numériques. Il ne s'agit que d'un premier pas dans ces scénarios, mais les jumeaux numériques sont en ligne et déjà utilisés aujourd'hui dans le cadre d'essais cliniques. Ce n'est qu'un début.

CAS : Qu'est-ce qui serait, selon vous, nécessaire pour repousser ces nouvelles frontières encore plus loin ? Faudrait-il de nouveaux algorithmes ou de nouveaux cadres ? Ou s'agit-il simplement de tenter d'assembler correctement toutes les pièces du puzzle ?

Jefferson : C'est un peu tout cela : nous devons adopter de nouveaux modes de pensée face à ce problème. Peut-être en appliquant d'anciens algorithmes à de nouvelles conceptions ou en mettant en œuvre de nouveaux algorithmes. Pour des problématiques telles que l'épigénomique et l'examen de la dynamique de l'ADN, ou encore le domaine de l'ARN non codant, l'exome par rapport à tout le reste, c'est différent d'une simple analyse de séquences. C'est une manière différente de considérer le problème. Il s'agit toujours d'une séquence, mais il n'y a pas que la séquence. Ces différentes perspectives sur la question nécessiteront aussi des outils différents.

CAS : Si vous disposiez d'une baguette magique et étiez en mesure de résoudre un problème de l'analyse de séquences et de la recherche de médicaments, lequel choisiriez-vous ? Et quel serait le résultat ?

Jefferson : Je rendrais toutes les données bien annotées et disponibles pour tous. Toutes les données exclusives des entreprises, des institutions et des universités... partout. Sur une plateforme de stockage bien annotée, bien documentée et unifiée, utilisable gratuitement par tous. Parce qu'alors, la masse de données serait suffisante et nous pourrions résoudre les problèmes majeurs.

Les supercondensateurs ont parfois été érigés en remplaçants des batteries lithium-ion (LI), offrant un certain nombre d'avantages séduisants, notamment le renforcement de la sécurité, l'accélération de la charge/décharge et l'allongement de la durée de vie. Malgré les progrès, des différences fondamentales entre les deux technologies limitent la densité énergétique des technologies de supercondensateur au graphène, de sorte que ces derniers sont peu susceptibles de remplacer les batteries LI à l'avenir. Ils sont toutefois prêts pour plusieurs autres applications concrètes, dans lesquelles ils font office de dispositifs complémentaires de stockage d'énergie, en particulier dans le secteur des transports.

Technologies de supercondensateur contre batteries

Pour comprendre pourquoi les supercondensateurs n'ont pas remplacé les batteries, il est important d'appréhender les différences entre ces deux types d'appareils, qui résultent de leur architecture (figure 1).

• Les batteries possèdent une forte densité énergétique, mais une faible densité de puissance (décharge de l'énergie plus lente) : elles sont donc adaptées aux applications de longue durée qui nécessitent une libération lente et régulière de l'énergie.
• Les supercondensateurs possèdent une densité d'énergie plus faible, mais une densité de puissance supérieure (décharge de l'énergie plus rapide). En conséquence, ils ne peuvent pas stocker autant d'énergie que les batteries, mais peuvent être chargés et déchargés beaucoup plus vite. Cette propriété les rend mieux adaptés aux applications nécessitant des libérations de salves d'énergie rapides et permettant une recharge accélérée.

Ces différences en termes de densité d'énergie et de puissance sont liées à la manière dont chacune de ces technologies stocke les charges, ce qui influe sur leur capacitance et leur densité énergétique.

• Les batteries stockent et libèrent l'énergie de manière électrochimique, ce qui limite leur vitesse de charge/décharge du fait de la cinétique des réactions électrochimiques correspondantes. Des ions sont intercalés au sein de l'électrode, pas à la surface, ce qui force les ions à se diffuser dans les électrodes et ralentit encore leur rythme de charge-décharge.
• Les supercondensateurs stockent l'énergie de manière électrostatique à la surface de leurs électrodes. L'énergie est libérée par un simple mouvement des ions plutôt que par une réaction électrochimique plus lente. Dans la mesure où les charges (ions) sont uniquement stockées à la surface des électrodes et où aucun ion n'est intercalé au sein du matériau actif, seule la surface participe au processus de charge-décharge, ce qui fournit une densité d'énergie beaucoup plus faible par rapport aux batteries.

Le graphène se situe au premier plan des améliorations de la densité énergétique dans les technologies de supercondensateur.

Bien qu'en raison de leurs différences fondamentales, les supercondensateurs soient peu susceptibles de remplacer les batteries, la recherche se concentre toujours sur les améliorations de la densité énergétique. Comme la surface du matériau actif est le principal emplacement du stockage des charges, les efforts de recherche sont axés sur le développement de matériaux actifs d'une surface importante afin d'augmenter le nombre d'ions absorbés, de manière à renforcer en dernier ressort la capacitance et la densité d'énergie des supercondensateurs.

Les matériaux carbonés, en particulier le charbon actif et le graphène, sont des matériaux actifs courants, le graphène devenant de plus en plus intéressant en raison de sa conductivité électrique supérieure. Toutefois, le graphène est plus difficile et plus coûteux à produire et présente généralement une surface théorique moindre que celle du charbon actif, ce qui complique son utilisation dans les supercondensateurs à l'échelle industrielle. Le graphène étant au centre des innovations en matière de matériaux actifs dans les supercondensateurs, il est important de comprendre les différents facteurs qui s'opposent à son adoption.

Principaux obstacles limitant l'utilisation des électrodes en graphène

La synthèse fiable d'un graphène de qualité à l'échelle industrielle demeure un problème complexe

Les mêmes propriétés qui font du graphène un excellent matériau pour les technologies de supercondensateur requièrent des conditions de synthèse strictes. Cela le rend difficile à synthétiser de manière fiable, en particulier à l'échelle industrielle. Plus préoccupant, même s'il peut être synthétisé à l'échelle industrielle, le graphène risque de ne pas être d'une qualité suffisante pour être utilisé dans des supercondensateurs. Une étude réalisée en 2018 a analysé plusieurs dizaines de produits au graphène et constaté qu'aucun d'entre eux n'en contenait plus de 50 %. Une étude similaire, mais plus limitée, réalisée en 2020, a comparé le graphène au charbon actif pour démontrer que la capacitance spécifique des supercondensateurs au graphène était nettement inférieure à celle des supercondensateurs utilisant du charbon actif, sans doute en raison de la présence d'oxyde de graphène. Dans la mesure où ces études ont été réalisées avant la publication des normes ISO sur le graphène en 2021, une étude de suivi est nécessaire pour analyser soigneusement la qualité du graphène disponible sur le marché.

La production du graphène est coûteuse

Le contrôle rigoureux de ses conditions de synthèse requiert l'utilisation d'équipements et de procédés spécialisés qui ne sont pas parfaits pour la production industrielle, de sorte qu'il est difficile de parvenir à des économies d'échelle pour les supercondensateurs à base de graphène. Une fois produit, le graphène nécessite des techniques de caractérisation coûteuses et extrêmement sensibles pour confirmer que sa qualité est conforme aux normes ISO. Cela crée un autre obstacle à son adoption, en particulier par les petites entreprises, et entrave le développement des technologies de supercondensateur à base de graphène.

Les feuilles de graphène sont sujettes à l'agglomération

Une fois synthétisées, les fortes interactions π-π font que les différentes feuilles de graphène se recollent et s'agglomèrent, ce qui réduit la surface électrochimiquement active. Cela limite la densité énergétique des supercondensateurs. Une entreprise, Skeleton Technologies, a trouvé un moyen d'inhiber ces interactions et d'empêcher le ré-empilement en utilisant du graphène incurvé dans ses supercondensateurs. Même si les informations ont souligné que le graphène incurvé constitue une avancée majeure (la mise en fonctionnement d'un supercondensateur basé sur du graphène incurvé était annoncée dès 2010), l'entreprise qui a parrainé ces recherches n'a fait par d'aucune nouvelle concernant de nouveaux développements depuis près d'une décennie.

Recherches universitaires sur la technologie des supercondensateurs au graphène

Tendances récentes des publications dans la recherche sur les supercondensateurs

Comme le montrent les tendances de publication dans les chiffres ci-dessus, les supercondensateurs à base de graphène restent un sujet de recherche populaire (figure 2). Même si le graphène continue à dominer le monde de la recherche sur les supercondensateurs, les recherches sur les supercondensateurs à base de polymères se multiplient aussi (figure 3). Alors que le nombre de publications concernant à la fois les supercondensateurs à graphène et à polymère conducteur a amorcé un léger recul en 2020, les publications au sujet des supercondensateurs basés sur des matériaux lignocellulosiques n'ont cessé de croître jusqu'en 2021 (figure 4), suggérant une priorité accrue accordée aux matériaux durables.

Malgré les progrès de la recherche universitaire, le cycle de vie rapporté des appareils de laboratoire a souvent été nettement plus faible que ceux généralement signalés pour les supercondensateurs commerciaux, qui sont habituellement de l'ordre d'un million de cycles. La densité énergétique demeure également un problème, puisque les supercondensateurs ne peuvent alimenter des appareils que pendant de très courtes durées.

• Fin 2022, des chercheurs de l'université Tsingshua ont fait part d'un supercondensateur au graphène flexible qui conservait près de 99 % de ses performances après 10 000 cycles et d'une fenêtre de tension de charge/décharge de 3 V. Ce supercondensateur alimentait plusieurs petits appareils électroniques, dont une LED et une calculatrice, mais généralement pendant quelques secondes seulement.
• Dans une autre étude réalisée en 2022, un groupe de l'Imperial College de Londres a développé un supercondensateur à graphène tissé. Lorsqu'il est utilisé comme capteur de pression, il a démontré un temps de réponse rapide de seulement 0,6 seconde, mais sa capacitance a baissé d'environ 90 % après seulement 10 000 cycles.

Supercondensateurs hybrides au lithium-ion

Pour combler le fossé entre les supercondensateurs et les batteries, différentes architectures d'appareil peuvent être nécessaires. Les supercondensateurs hybrides au lithium-ion combinent le long cycle de vie des supercondensateurs et la haute densité énergétique des batteries. Pour obtenir ce résultat, le procédé de charge-décharge utilise deux mécanismes : l'intercalation/désintercalation de lithium-ion (anode de type batterie) et l'absorption/désorption d'anion (cathode de type condensateur), comme l'illustre la figure 5. Les supercondensateurs hybrides ainsi obtenus peuvent présenter une densité énergétique plusieurs fois supérieure à celle d'un supercondensateur traditionnel équivalent.

Toutefois, si l'électrode de type condensateur utilise un matériau actif à base de graphène, elle est également susceptible de rencontrer les mêmes problèmes que ceux que connaissent les supercondensateurs non hybrides. En outre, la nature hybride des supercondensateurs au lithium-ion signifie que même s'ils réunissent les avantages des batteries et des supercondensateurs, ils en conservent également certains inconvénients. Même s'ils peuvent présenter une densité énergétique supérieure et moins de courant d'auto-décharge et de fuite que les supercondensateurs, ils affichent également des durées de cycle à long terme plus courtes et souffrent d'une lente cinétique de lithiation/délithiation au niveau de l'anode. Une publication récente a évoqué un condensateur hybride lithium-ion qui conserverait 100 % de sa capacitance après 19 000 cycles à une densité énergétique de 100 W/h/kg^-1.

Les supercondensateurs remplaceront-ils les batteries ?

Les scientifiques et les industriels travaillent à l'amélioration des performances des différentes technologies de supercondensateur, mais ces appareils sont peu susceptibles de fournir des performances à long terme comparables à celles des batteries lithium-ion, sauf si les limites fondamentales et les obstacles d'ingénierie peuvent être surmontés.

• Les supercondensateurs possèdent une densité énergétique spécifique moindre. Bien que le graphène incurvé empêche l'agglomération des feuilles de graphène, les supercondensateurs possèdent une densité énergétique moindre que celle des batteries en raison de leurs différents mécanismes de stockage de charge. Faute d'innovation majeure, il faudra toujours plusieurs supercondensateurs pour rivaliser avec la densité énergétique d'une seule batterie LI.
• Les supercondensateurs subissent une auto-décharge excessive. Les supercondensateurs possèdent un long cycle de vie et peuvent conserver une capacitance élevée, mais subissent une auto-décharge beaucoup plus importante que les batteries. Alors qu'une batterie peut perdre seulement 5 % de sa charge stockée au bout d'environ un mois, cette perte peut atteindre 50 % pour un supercondensateur. Cela ne serait pas nécessairement un problème dans les applications où ils peuvent être déchargés et rechargés rapidement, mais cela affecte leur stockage d'énergie à long terme.
• Les supercondensateurs à base de graphène sont plus coûteux. Comme les supercondensateurs à base de graphène sont le fruit d'une technologie récente, leur production n'a pas encore atteint le niveau des économies d'échelle. De plus, en raison d'exigences de qualité plus strictes, le graphène reste plus coûteux à produire que le charbon actif. Peut-être l'utilisation du graphène offrira-t-elle un jour des performances supérieures à celles du charbon activé, mais elle augmente aussi le prix des supercondensateurs ainsi obtenus.
• Les applications des supercondensateurs au graphène restent largement non prouvées. Comme pour toute nouvelle technologie, le succès des produits les premiers sur le marché est essentiel à la réussite des gammes de produits ultérieures. Aucune des technologies de supercondensateurs au graphène n'a fait l'objet d'une étude prolongée et la plupart n'ont été installés que dans un nombre limité d'unités.

Applications actuelles et futures des technologies de supercondensateur

Secteur des transports

Bien que les défis ci-dessus empêchent les supercondensateurs de remplacer les batteries, ces derniers ont trouvé des applications concrètes, mais ceux au graphène en sont encore au stade émergent. Certaines des applications les plus visibles de ces supercondensateurs se situent dans le secteur des transports :

• Des flottes d'autobus alimentés par des supercondensateurs ont été déployées en Chine et en Serbie. L'une de ces flottes a indiqué une autonomie de 25 km et précisé qu'il faut six à sept minutes pour recharger le système. Pour surmonter la faible densité énergétique des supercondensateurs et, par conséquent, leur autonomie limitée par charge, les autobus sont rechargés au dépôt ou à leurs arrêts.
• Skeleton Technologies produit un supercondensateur au graphène à utiliser à bord des trains et qui sera en mesure de récupérer jusqu'à 30 % d'énergie perdue lors du freinage. Cette technologie a été sélectionnée pour une utilisation à bord de nouveaux trains pour le réseau de métro de Grenade en Espagne, qui devrait entrer en service d'ici à l'été 2024.
• Samsung annonce un condensateur hybride au lithium-ion pour les utilisations dans l'automobile, adapté aux systèmes à basse tension qui nécessitent une charge/décharge rapide.

Appareils électroniques personnels

Bien qu'ils aient été utilisés avec succès dans certaines applications, les supercondensateurs sont peu susceptibles de remplacer les batteries lithium-ion pour alimenter les petits appareils électroniques personnels. Même Skeleton Technologies a précisé que ses supercondensateurs SkelCap 3 V sont destinés à être utilisés en association avec des batteries, et non à les remplacer. Les condensateurs SkelCaps possèdent une énergie spécifique inférieure d'environ un ordre de grandeur à celle des batteries LI, ce qui signifie qu'il en faudrait plusieurs pour obtenir la même densité énergétique qu'une seule batterie LI. Pour alimenter les petits appareils électroniques comme des smartphones et des appareils photo, les consommateurs sont peu susceptibles d'être intéressés par un système qui nécessiterait le rechargement de leur appareil après une courte durée d'utilisation, quelle que soit la rapidité de la recharge.

Conclusions

Même s'ils ont trouvé plusieurs utilisations intéressantes dans le secteur des transports, les supercondensateurs ne constituent pas actuellement des alternatives viables aux batteries lithium-ion. À moins que les recherches entreprises n'aboutissent à des innovations majeures en termes de densité énergétique et de vitesse d'autodécharge, par exemple en utilisant des supercondensateurs hybrides au lithium-ion, les supercondensateurs restent des appareils complémentaires pour le stockage de l'énergie. En outre, les appareils au graphène risquent de rencontrer les mêmes écueils que les supercondensateurs non hybrides en raison des problèmes liés aux matériaux actifs au graphène.

Continuez à explorer nos ressources sur l'énergie durable en lisant l'article intitulé « Un avenir plus vert : batteries lithium-ion et piles à combustible à l'hydrogène. »

Que sont les Dark data ?

Le pouvoir de révolutionner la R&D est à la portée des entreprises chimiques innovantes. Disposant d'une abondance de données inexploitées, couramment appelées « dark data », ou données cachées, ces entreprises sont en mesure d'en tirer parti pour accélérer l'innovation plus que jamais auparavant. En mettant en œuvre des stratégies efficaces de gestion des connaissances, le potentiel en termes de découvertes et de progrès révolutionnaires est illimité.

Les « dark data » sont généralement des données non structurées ou semi-structurées qui ne sont pas facilement exploitables ou accessibles. On estime que 55 pour cent des données stockées par les entreprises sont des données cachées, ou dark data. Pourtant, environ 90 % des entreprises et des responsables informatiques dans le monde reconnaissent que chaque entreprise devra extraire de la valeur de ces données non structurées pour réussir à l'avenir.

Dans le contexte de la diversification de la R&D en chimie, cela pourrait concerner les données provenant des cahiers de laboratoire, des systèmes LIMS, des rapports expérimentaux, des références de la littérature et autres, qui ne sont pas intégrées à des bases de données exploitables. Ces données peuvent être précieuses pour identifier de nouveaux matériaux, améliorer les formulations existantes et réduire la durée des cycles de R&D.

Pour libérer la valeur des « dark data », les entreprises chimiques diversifiées doivent identifier les endroits où se cachent leurs données les plus précieuses et mettre en œuvre des stratégies efficaces de gestion des connaissances qui leur permettront d'accéder, de collecter, d'organiser et d'analyser ces données en fonction de leurs besoins.

Découverte des joyaux cachés : identifier les données les plus précieuses de la R&D chimique

Les « dark data » peuvent se cacher un peu partout dans le flux de travail de la R&D chimique. De la recherche initiale à la fabrication, aux formulations, à la caractérisation et même à la surveillance après mise sur le marché, de précieuses données sont générées et collectées, mais risquent de ne pas être exploitées à leur plein potentiel. Pour tirer parti de l'intégralité de leur valeur et accélérer l'innovation, les organisations de R&D doivent impérativement identifier les emplacements où se cachent ces données et développer des stratégies pour y accéder et les exploiter efficacement.

Plusieurs types de « dark data » sont utiles pour la recherche. Par exemple, les données expérimentales historiques sont souvent dispersées, incomplètes ou non structurées, alors qu'elles pourraient fournir des informations utiles pour les projets en cours et futurs si elles étaient organisées et analysées. Si l'on regarde au-delà des efforts de R&D de l'entreprise elle-même, les sources de données externes telles que les articles universitaires, les brevets et les rapports industriels peuvent aussi apporter de précieuses informations et permettre d'identifier de nouvelles opportunités d'innovation et de recherche. Enfin, les données non structurées, comme les textes extraits d'articles scientifiques ou de notes de laboratoire, peuvent contenir des informations cachées, mais il faut utiliser des outils et techniques adéquats pour bien les analyser.

Les entreprises peuvent identifier ces données cachées et y accéder en faisant appel aux opérations suivantes selon les besoins de leur flux de travail :

• Il est essentiel de réaliser un inventaire approfondi des sources de données disponibles, qu'elles soient internes ou externes, structurées ou non.
• La hiérarchisation des sources de données en fonction de leur valeur potentielle pour les initiatives de R&D actuelles et futures peut aider les entreprises à tirer le meilleur parti de leurs ressources. Par exemple, si vous envisager de mettre à l'échelle un matériau fonctionnel récemment validé, vous souhaiterez peut-être hiérarchiser l'accès aux formulations historiques et aux données de fabrication pour contribuer à prédire les conditions idéales.
• Favoriser une culture de prise de décisions axée sur les données et d'amélioration continue peut aider les entreprises chimiques innovantes à concrétiser pleinement le potentiel des « dark data ».

Cinq stratégies essentielles de gestion des connaissances pour libérer les « dark data »

Jeux de données organisés sur mesure, infrastructures sémantiques, exploration des données automatisée et flux de travail collaboratifs : telles sont les stratégies fondamentales de gestion des connaissances qui permettront de libérer la valeur des « dark data » et de dynamiser l'innovation. Observons plus en détail l'utilité de ces stratégies :

1. Organisation personnalisée 
   L'organisation personnalisée passe par l'organisation manuelle des données chimiques par les experts du domaine pour créer des jeux de données de grande qualité spécifiquement adaptés aux besoins de l'entreprise. En utilisant l'organisation personnalisée, les chercheurs dans les secteurs des matériaux fonctionnels, de la cosmétique, de l'agriculture ou d'autres domaines des produits chimiques diversifiés peuvent faire en sorte que les données avec lesquelles ils travaillent soient précises, à jour et pertinentes pour leurs objectifs de recherche. En travaillant avec des analystes experts des données, les entreprises peuvent aussi connecter les informations en interne avec la science mondiale et, ainsi, renforcer leurs données internes. Vous pouvez aller encore plus loin pour solidifier les initiatives de transformations numériques basées sur l'IA en obtenant des jeux de données organisés sur mesure, spécialement conçus pour les modèles d'apprentissage machine.
   
   Téléchargez cette étude de cas pour découvrir comment les jeux de données d'entraînement organisés améliorent la précision et le caractère transférable d'un modèle d'IA. 
    
2. Infrastructures sémantiques 
   Les infrastructures sémantiques sont des approches standardisées pour l'organisation et le classement des concepts et des relations dans un domaine spécifique, tel que celui des matériaux fonctionnels. Ces infrastructures peuvent inclure des éléments de lexiques spécialisés, des ontologies et des taxonomies et sont conçues pour fournir un langage commun et une compréhension des données chimiques dans l'ensemble d'une organisation. Cette approche peut contribuer à accélérer la R&D et permettre aux chercheurs de prendre des décisions plus éclairées.
   
   Par exemple, un chercheur s'efforce d'identifier un nouveau matériau à utiliser dans un nouvel appareil électronique. Pour ce faire, il peut commencer par utiliser des lexiques, ontologies et taxonomies spécialisés, afin de classer et d'organiser les propriétés et caractéristiques des matériaux connus. Il peut utiliser une taxonomie spécialisée pour classer les matériaux selon leur conductivité électrique, leurs propriétés optiques ou leur stabilité thermique. En organisant les matériaux ainsi, le chimiste est mieux en mesure d'identifier les lacunes de connaissances ou les domaines dans lesquels de nouveaux matériaux pourraient être nécessaires. Il peut aussi utiliser des ontologies pour définir les relations entre différentes propriétés des matériaux, par exemple entre la structure d'un matériau et ses propriétés électroniques. Cela peut l'aider à prendre des décisions mieux éclairées quant aux matériaux qui méritent une attention plus approfondie.
   
   Téléchargez cette étude de cas pour découvrir comment les connaissances exclusives stockées peuvent révéler des informations et favoriser les décisions qui s'appuient sur la donnée.
    
3. Exploration de données automatisée 
   Les techniques d'exploration automatisée de données permettent aux organisations de R&D de découvrir des modèles et des informations cachés dans de gros volumes de données chimiques non structurées. L'apprentissage machine et l'analytique avancée permettent d'analyser les données chimiques issues d'expériences antérieures, les conditions de fabrication, les articles scientifiques, les brevets et d'autres sources pour identifier les relations entre substances chimiques, réactions et formulations. Ces informations peuvent aboutir à la découverte de nouvelles opportunités pour la R&D et apporter un éclairage sur les produits et procédés existants.
   
   Par exemple, un chercheur peut analyser des milliers d'articles liés à son domaine de recherche et en extraire des informations clés telles que les propriétés des matériaux, les méthodes de synthèse et les métriques de performance. Une fois ces informations extraites, il peut utiliser des algorithmes d'apprentissage machine pour analyser les données et identifier des modèles ou des corrélations susceptibles d'aboutir à la découverte d'un nouveau matériau. Le chercheur peut ainsi découvrir que certaines méthodes de synthèse ou certaines conditions de mise à l'échelle produisent systématiquement des matériaux aux propriétés intéressantes ou que des matériaux présentant certaines caractéristiques structurelles ont tendance à être particulièrement performants dans des applications spécifiques.
    
4. Outils de collaboration 
   Les outils et technologies de collaboration, tels que les bases de données centralisées et les systèmes LIMS intégrés, offrent aux équipes de R&D un moyen efficace et fiable de partager des connaissances et des informations et de briser les silos de données. En donnant accès à un référentiel de données centralisé, les organisations de R&D peuvent améliorer la communication et accélérer l'innovation. Une base de données centralisée dans le cloud peut aussi améliorer le partage des connaissances entre équipes distantes et chercheurs éloignés géographiquement.
   
   Les écosystèmes numériques modernes facilitent aussi le transfert des connaissances entre deux organisations. C'est particulièrement utile pour les projets conjoints entre les universitaires et l'industrie et lors des fusions et acquisitions, lorsque les chercheurs ont besoin de partager des connaissances basées sur des recherches antérieures concernant les caractéristiques ou les données de performance d'un matériau. Grâce à un écosystème de R&D numérique favorisant la collaboration, les organisations sont mieux en mesure d'identifier les opportunités d'innovation.
   
   En exploitant les « dark data » et en mettant en œuvre des stratégies efficaces de gestion des connaissances, les entreprises chimiques peuvent accélérer l'innovation et améliorer les résultats de leur R&D. Elles peuvent alors réduire la durée des cycles, identifier de nouvelles opportunités de recherche, améliorer la formulation des produits et prendre des décisions mieux éclairées au sujet des projets de recherche à approfondir.
   
   Téléchargez cette étude de cas pour découvrir comment Toray Industries élimine les silos de données et intègre mieux les données à ses flux de travail. 
    
5. Devenez partenaire d'un expert pour mettre en action les stratégies de gestion des connaissances
   La complexité des informations scientifiques dans l'ensemble du flux de travail de la R&D chimique les rend difficiles à maîtriser par toute équipe informatique interne. Un partenaire extérieur peut vous aider à construire des solutions pour stocker et connecter vos données existantes dans un format structuré, permettant à tous et à toutes d'accéder rapidement et efficacement à de précieuses données de R&D. L'expérience d'un partenaire extérieur peut être extrêmement utile. Ses points de vue sur les bonnes pratiques et son expertise de la gestion des connaissances peuvent contribuer à faire en sorte que vos efforts soient fructueux.

Les vaccins à ARNm ont démontré qu'il est possible de contenir les pandémies en envoyant à nos cellules des instructions génétiques. Quel sera le prochain objectif de cette technologie ?Familiarisez-vous avec l'état actuel, les opportunités futures et les principaux intervenants des traitements à ARNm avec cette idée qui récapitule notre récente publication révisée par des pairs dans ACS Pharmacology & Translational Science.