Top 5 AI og digitale biotekvirksomheder (marts 2026)

AI-revolution i bioteknologi

Ingen sektor efterlades uændret ved kraften af AI og digital modellering, og Biotech er ingen undtagelse.

Dette skyldes, at biologi er langt den mest "rodet" af hårde videnskaber. Kemi eller fysik kan beskæftige sig med meget kontrollerede miljøer, rene forbindelser osv. Biologi har at kæmpe med allerede eksisterende ekstremt komplekse og konstant skiftende systemer. Når biokemikere kun analyserer ét protein, ser de også på tusinder eller millioner af atomer. Så det kan blive rigtig svært at forudsige enhver mulig kemisk reaktion.

Big data, AI-modeller og digitalisering skaber forudsætninger for en videnrevolution inden for bioteknologisk forskning.

Biomedicinens første tidsalder var at skyde i mørket og se, hvad der virkede.

Vi er nu solidt etableret i genomikkens tidsalder, hvor vi kan fokusere på specifikke mål, som et defekt gen.

Med den indkommende digitale revolution kan vi replikere komplette proteiner, celler eller endda hele organer og kroppe i et virtuelt miljø.

Hvad vil det ændre?

En stor del af, hvorfor genomik og præcisionsterapier overtager "traditionelle" kemiske lægemidler, har været en meget ringe succesrate for nye lægemidler i det sidste årti.

Måske kan man producere et FDA-godkendt lægemiddel til ti tusinde kandidatlægemidler. Hvert trin på vejen skal testes i laboratoriet, i levende celler, dyr, eller mennesker.

Dette repræsenterer ofte et til to årtiers tabt tid, såvel som mange, mange milliarder dollars i afløbet.

Kilde: Biosourcing

At skyde blindt er ikke længere en holdbar plan for opdagelse af stoffer. Dette er grunden til, at forskere har brug for digitale forudsigelsesmodeller til at forudsige før enhver fysisk test, om et lægemiddel er en god kandidat.

Så det er ikke overraskende, at lægemiddelopdagelse er på forkant med forretningsmodellen for de fleste AI-biotekvirksomheder.

Nye metoder som maskinlæring gør det muligt for softwaren at "gætte" det mest sandsynlige svar ved hjælp af en sandsynlighedsmetode i stedet for en fuldstændig "mekanisk"/algoritmisk metode.

Som de fleste maskinlæringsteknologier blev der udført meget arbejde i løbet af et helt årti, hvor kun eksperterne på området virkelig var opmærksomme.

Den sande revolution, der gjorde det anerkendt i mainstream, var i 2020, da Alphabet/Google DeepMind løste en 50 år gammel udfordring om proteinfoldning. Programmet har siden modelleret de fleste af de kendte proteiner fra alle levende organismer, og Google opretter en ny virksomhed, Isomorfe laboratorier, for at hjælpe med at identificere nye lægemidler.

Top 5 AI og digitale biotekvirksomheder

For investorer kan Google være et godt spil på AI generelt, men det bioteknologiske aspekt vil være et lille segment i en meget stor virksomhed. Så denne artikel vil gennemgå børsnoterede virksomheder, der udelukkende er dedikeret til emnet AI og virtuel biologi.

Af samme grund vil vi ikke se på virksomheder involveret i AI-hardware, som Nvidia og dets genomikbibliotek Parabricks.

(virksomhederne er rangeret efter markedsværdi på tidspunktet for skrivningen af ​​denne artikel)

1. Roivant Sciences Ltd.

Roivant Sciences Ltd. (ROIV -3.03%)

Virksomheden har specialiseret sig i at erhverve bioteknologiske startups og øge deres chancer for at opnå kommercialisering gennem datterselskaber kaldet -vant (da hver vil have "vant" som den sidste del af deres navn).

En del af disse opkøb var købet af Silicon Therapeutics for $450M. Takket være en supercomputer og tilpasset computerhardware udvikler Silicon Therapeutics nye molekyler. Dette føjede til en allerede eksisterende AI biotek-stack-portefølje, VantAI.

Roivant ejede også "vant" Datavant, en big data-løsning til sundhedspleje, salg til lægemiddelvirksomheder på hospitaler, forsikringer osv... med procedurer, der overholder reguleringen og respekterer privatlivets fred.

Andre "vant'er" er også data- eller digitalsimuleringsorienterede, som f.eks de "præcise All-Atom Physics-Based Simulations" af Psivant. Eller efterretningssoftwaren/platformen for kliniske forsøg Lokavant.

Kilde: Roivant

Alligevel stammer størstedelen af ​​virksomhedens indtægter fra salg af godkendte produkter fra lægemidler.

Samlet set kan Roivant være en måde at spille bioteknologiens dataside på, ikke kun digital biologi, men også lægejournaler, kliniske forsøg osv.; samtidig med at man berører anden innovativ medicin, især til hudpleje, med Vtama mod psoriasis.

2. Schrödinger, Inc.

Schrödinger, Inc. (SDGR -4.24%)

Virksomheden har specialiseret sig i fysikbaserede modeller for at finde det bedst mulige molekyle til et givet mål, ved at afbalancere modstridende metrikker som styrke, opløselighed, halveringstid, syntetiserbarhed osv...

Den bruger også maskinlæring, men tilføjelsen af ​​en fysikbaseret model gør det muligt at afprøve den i helt nye områder, hvor der ikke findes et datasæt til at "træne" AI'en. Dette giver Schrödinger mulighed for at gå fra 1 milliard potentielle molekyler til kun 8 solide kandidater på få dage, udelukkende gennem digital beregning.

Kilde: Schrodinger

Schrödinger underskrev en 5-årig samarbejdsaftale med Bayer i 2020 til en omsætning på $10 mio.. Ideen med aftalen er at bruge Schrödinger-teknologi sammen med Bayers in-silico-forudsigelsesmodeller.

Et andet nyligt partnerskab er med Lilly, med op til $425 millioner i samlede milepælsbetalinger for vellykket opdagelse.

Tidligere samarbejder omfattede Takeda, Sanofi Bristol Myers Squibb og andre mindre farmaceutiske virksomheder.

Kilde: Schrodinger

Samlet set opbygger Schrödinger en voksende portefølje, herunder flere og flere proprietære og fuldt ejede molekyler. Selvom det ikke er før-indtægter, er virksomheden stadig ikke rentabel, idet den fokuserer på ekspansion og R&D-udgifter for at forbedre sin teknologi.

Virksomheden ser også på at ekspandere mod nye segmenter ud over opdagelse af lægemidler, såsom komplekse biofarmaceutiske produkter eller endda materialer som kemikalier, batterier eller polymerer.

Kilde: Schrodinger

Investorer vil gerne holde øje med de nye samarbejder, da de vil afspejle fremskridtene inden for Schrödingers teknologi, som vurderet af branchens ledere, samt mulig succes med at udvide kerneteknologien til nye markeder.

3. excientia

Exscientia plc (EXAI 0%)

Virksomheden bruger AI til at udvikle præcisionsterapier. Det kører en "fuld stack" AI-lægemiddelopdagelsesteknologi med dedikeret software på alle stadier af lægemiddelopdagelsesprocessen.

Kilde: excientia

Exscientias teknologi reducerer 70 % af den tid, det tager at gå fra et biologisk mål til at finde et tilsvarende lægemiddel og en 80 % mere kapitalproces.

Dette resulterede i 4 forbindelser i tidlige kliniske stadier, 30 programmer i alt og $6.5 mia. i indtægter fra milepæle med partnere. Hovedfokus har været onkologi (kræft) og inflammatoriske sygdomme.

Kilde: excientia

Virksomheden er i en meget komfortabel finansiel position for et tidligt stadie af lægemiddelopdagelse, med $625 mio. i 3. kvartal 2022, for en nettokontantforbrænding på kun $15 mio.

Dette kan være en interessant mulighed for investorer, der ser på et veletableret AI-lægemiddelopdagelsesfirma med en meget stor pengebane og flere løbende partnerskaber for ekstra sikkerhed.

4. Absci Corporation

Absci Corporation (ABSI -3.47%)

Virksomheden blev grundlagt i 2011 med lokationer i Vancouver, New York og Zug, Schweiz. Det har tilføjet sin oprindelige teknologi IP-adressen for 2 AI-biologi-opkøb i 2021, Totient (antistoffer) og Denovium (cellelinjer).

Virksomheden er mest fokuseret på antistofdesign, at skabe nye fra bunden antistoffer ("de novo antistoffer") og teste dem i laboratorier i en 6-ugers proces.

De var de første, i marts 2023, der kunne at designe et funktionelt antistof uden nogen som helst allerede eksisterende data, en metode også kaldet "zero-shot".

Absci har etableret samarbejde med Merck (i alt $610 mio. i forhåndsgebyrer og fremtidig milepælsbetaling) og Astellas for at opdage nye produkter, samt et partnerskab med Nvidia for at forbedre hardwarearkitekturen bag Absci-teknologien.

Absci er stadig på et tidligt stadie, men har allerede vist et enormt potentiale og innovationspotentiale. Investorer i virksomheden bliver nødt til at være med på "intet er umuligt"-etos i virksomheden og dens geniale grundlægger og håbe på, at de seneste samarbejdsaftaler bliver de første i en lang række.

5. e-therapeutics plc

e-therapeutics er fokuseret på at udvikle in-silico nye RNAi (RNA-interferens) behandlinger. Det håber, at en kombination af ny teknologi, RNAi og computeropdagelse af lægemidler vil give det en betydelig fordel i forhold til sine konkurrenter.

Det tjener også penge på opdagelsen på sin platform med andre medicinalvirksomheder, hvoraf den største er den store blue chip Novo Nordisk.

Virksomheden er på et meget tidligt stadium før indtægter og måtte rejse £13.5 millioner i sommeren 2022. Virksomheden registrerede et nettotab på £2.8 millioner i H1 2022m for en kassebeholdning på tidspunktet £21.8 millioner.

Investorer i e-terapi bliver nødt til at holde øje med den tilgængelige likviditet og håbe på nye opdagelser og indtægter fra partnerskaber for i sidste ende at gøre virksomheden rentabel.

Opbygning af en digital biologiportefølje

Dette er en svær sektor at investere i, da den kombinerer 2 meget komplekse teknologier: AI + avanceret bioteknologi. Dette gør det stort set en "sort boks" for investorer, selvom de har en vis ekspertise inden for et af de 2 områder.

Derudover er de fleste virksomheder i sektorerne fokuseret på de samme markeder, for det meste opdagelser af små molekyler og antistofdesign, med måske også cellelinjer.

Så diversificering ville give en sikrere investeringsstrategi, fordi meget få mennesker vil være i stand til at være sikre på at have valgt "vinderen". Ud over, markedet forventes at vokse meget hurtigt med en CAGR på 45% mellem 2022 og 2027.

Så udbredt eksponering er mere tilbøjelig til at fange denne vækst uden at stole for meget på specifikke matematiske modeller eller metoder i en meget hurtigt skiftende og konkurrencedygtig arena.