Top 5 AI- og digitale biotekvirksomheder (august 2026)

AI-revolutionen i bioteknologi

No sector is left unchanged by the power of AI and digital modeling, and Biotech is no exception.

Dette skyldes, at biologi er langt den mest “rodet” af de hårde videnskaber. Kemi eller fysik kan håndtere meget kontrollerede miljøer, rene forbindelser osv. Biologi skal forholde sig til allerede eksisterende ekstremt komplekse og konstant skiftende systemer. Desuden ser biokemikere på tusinder eller millioner af atomer, når de analyserer blot ét protein. Så kan det blive virkelig svært at forudsige hver mulig kemisk reaktion.

Big data, AI-modeller og digitalisering skaber betingelser for en vidensrevolution inden for biotekforskningsområdet.

Den første æra inden for biomedicin gik ud på at skyde i blinde og se, hvad der virkede.

Vi er nu solidt etableret i genomikæraen, hvor vi kan fokusere på specifikke mål, såsom et defekt gen.

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

Hvad vil det ændre?

En stor del af årsagen til, at genomik og præcisionsbehandlinger overtager de “traditionelle” kemiske lægemidler, er den meget lave succesrate for nye lægemidler i det sidste årti.

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

Dette svarer ofte til et til to årtiers tabt tid samt mange, mange milliarder dollars, der går til spilde.

Kilde: Biosourcing

At skyde i blinde er ikke længere en holdbar plan for lægemiddelforskning. Derfor har forskere brug for digitale forudsigelsesmodeller, der kan forudsige, om et lægemiddel er en god kandidat, inden der foretages fysiske tests.

Derfor er det ikke overraskende, at lægemiddelforskning er i spidsen for forretningsmodellen hos de fleste AI-biotech-virksomheder.

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

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

Den sande revolution, der gjorde det anerkendt i mainstream, var i 2020, da Alphabet/Google DeepMind løste en 50 år gammel udfordring inden for proteinfoldning (GOOG ). Programmet har siden modelleret de fleste kendte proteiner fra alle levende organismer, og Google opretter et nyt firma, Isomorphic Laboratories, 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 biotek-aspektet vil kun udgøre en lille del af en meget stor virksomhed. Derfor vil denne artikel gennemgå børsnoterede virksomheder, der udelukkende er dedikeret til AI og virtuel biologi.

Af samme grund vil vi ikke se på virksomheder, der beskæftiger sig med AI-hardware, som Nvidia og deres genomikbibliotek Parabricks (NVDA ).

(virksomhederne er rangeret efter markedsværdi på tidspunktet for artiklens skrivning)

1. Roivant Sciences Ltd.

ROIV Prisdiagram

Virksomheden specialiserer sig i at opkøbe biotech-startups og øge deres chancer for 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 specialtilpasset computerhardware udvikler Silicon Therapeutics nye molekyler. Dette tilføjede til en eksisterende AI-biotech stack-portefølje, VantAI.

Roivant ejer også “vant” Datavant, en big data-løsning til sundhedssektoren, der sælges til hospitalsfarmaceutiske virksomheder, forsikringsselskaber osv. med lovgivningsmæssigt overensstemmende og privatlivsrespektfulde procedurer.

Andre “vant”-virksomheder er også data- eller digital-simuleringsorienterede, såsom de “Nøjagtige all-atom fysikbaserede simulationer” fra Psivant. Eller klinikprøveintelligenssoftwaren/platformen Lokavant.

Kilde: Roivant

Alligevel stammer størstedelen af virksomhedens indtægter fra farmaceutisk salg af godkendte produkter.

Samlet set kan Roivant være en måde at satse på datadelen af biotek på, ikke kun digital biologi men også medicinske journaler, kliniske forsøg osv.; samtidig berører den andre innovative medicin, især inden for hudpleje, med Vtama for psoriasis.

2. Schrödinger, Inc.

SDGR Prisdiagram

Virksomheden specialiserer sig i fysikbaserede modeller for at finde det bedst mulige molekyle til et givet mål, idet den balancerer modstridende parametre som potent, opløselighed, halveringstid, syntetiserbarhed osv.

Den bruger også maskinlæring, men tilføjelsen af en fysikbaseret model gør det muligt at teste i helt nye felter, hvor der ikke findes et datasæt til at “træne” AI’en. Dette gør det muligt for Schrödinger (SDGR ) at gå fra 1 milliard potentielle molekyler til blot 8 solide kandidater på få dage, udelukkende gennem digitale beregninger.

Kilde: Schrodinger

Schrödinger indgik i 2020 en 5-årig samarbejdsaftale med Bayer med en omsætning på $10M. Formålet med aftalen er at bruge Schrödinger-teknologi sammen med Bayer’s in-silico forudsigelsesmodeller.

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

Tidligere samarbejder omfattede Takeda, Sanofi (SNW.DE ) (SNY ), Bristol Myers Squibb og andre mindre farmaceutiske virksomheder.

Kilde: Schrodinger

Samlet set bygger Schrödinger en voksende portefølje, herunder flere og flere proprietære og fuldt ejede molekyler. Selvom den endnu ikke har indtægter, er virksomheden stadig ikke rentabel og fokuserer på udvidelse og FoU-udgifter for at forbedre sin teknologi.

Virksomheden ser også på at udvide til nye segmenter ud over lægemiddelforskning, såsom komplekse biopharmaka eller endda materialer som kemikalier, batterier eller polymerer.

Kilde: Schrodinger

Investorer vil holde øje med de nye samarbejder, da de vil afspejle fremskridtene i Schrödingers teknologi, vurderet af branchens ledere, samt mulig succes med at udvide kerne-teknologien til nye markeder.

3. Exscientia

Virksomheden bruger AI til at udvikle præcisionsbehandlinger. Den driver en “full stack” AI-lægemiddelforsknings-teknologi med dedikeret software i hver fase af lægemiddelforskningsprocessen.

Kilde: Exscientia

Exscientias teknologi reducerer tiden med 70 % fra et biologisk mål til at finde et tilsvarende lægemiddel og reducerer kapitalbehovet med 80 %.

Dette resulterede i 4 forbindelser i tidlige kliniske faser, 30 programmer i alt og $6,5 milliarder i indtægter fra milepæle med partnere. Hovedfokus har været onkologi (kræft) og inflammatoriske sygdomme.

Kilde: Exscientia

Virksomheden har en meget komfortabel finansiel position for en tidlig fase lægemiddelforskningsvirksomhed, med $625 millioner i Q3 2022 og et netto cash burn på kun $15 millioner.

Dette kan være en interessant mulighed for investorer, der søger en veletableret AI-lægemiddelforskningsvirksomhed med en meget stor likviditetsreserve og flere igangværende partnerskaber for ekstra sikkerhed.

4. Absci Corporation

ABSI Prisdiagram

Virksomheden blev grundlagt i 2011 med lokationer i Vancouver, New York og Zug, Schweiz. Den har tilføjet til sin oprindelige teknologi IP’en fra to AI-biologi-opkøb i 2021, Totient (antistoffer) og Denovium (cellelinjer).

Virksomheden fokuserer primært på antistofdesign, skaber nye antistoffer fra bunden (“de novo antistoffer”) og tester dem i laboratorier i en 6‑ugers proces.

De var de første, i marts 2023, til at kunne designe et funktionelt antistof uden nogen forudgående data, en metode også kaldet “zero-shot.”

Absci har etableret samarbejde med Merck (i alt $610 M i upfront-gebyrer og fremtidige milepælsbetalinger) og Astellas for ny produktopdagelse, såvel som et partnerskab med Nvidia for at forbedre hardwarearkitekturen bag Absci-teknologien.

Absci er stadig i en tidlig fase, men har allerede vist enormt potentiale og innovationskraft. Investorer i virksomheden skal være enige i virksomhedens “intet er umuligt”-filosofi og dens brillante grundlægger og håbe på, at de nylige samarbejdsaftaler bliver de første i en lang række.

5. e-therapeutics plc

e-therapeutics fokuserer på at udvikle in-silico nye RNAi (RNA-interferens) behandlinger. De håber, at kombinationen af ny teknologi, RNAi og beregningsbaseret lægemiddelforskning vil give dem en betydelig fordel i forhold til konkurrenterne.

Den tjener også penge på opdagelser på sin platform med andre farmaceutiske virksomheder, hvoraf den største er den store blue chip Novo Nordisk.

Virksomheden er i en meget tidlig pre-indtægtsfase og måtte rejse £13,5 million i sommeren 2022. Virksomheden registrerede et nettotab på £2,8 million i H1 2022 for en kontantbeholdning på £21,8 million på det tidspunkt.

Investorer i e-therapeutics skal holde øje med den tilgængelige likviditet og håbe på, at nye opdagelser og partnerskabsindtægter i sidste ende gør virksomheden rentabel.

Opbygning af en digital biologiportefølje

Dette er en vanskelig sektor at investere i, da den kombinerer to meget komplekse teknologier: AI + avanceret bioteknologi. Det gør den stort set til en “sort boks” for investorer, selvom de har noget ekspertise inden for et af de to felter.

Derudover fokuserer de fleste virksomheder i sektoren på de samme markeder, primært småmolekyleopdagelser og antistofdesign, måske også cellelinjer.

Så diversificering vil give en sikrere investeringsstrategi, fordi meget få vil kunne være sikre på at have valgt “vinderen”. Derudover, forventes markedet at vokse meget hurtigt, med en CAGR på 45 % mellem 2022 og 2027.

Derfor er bred eksponering mere sandsynligt at fange denne vækst uden at være alt for afhængig af specifikke matematiske modeller eller metoder i en meget hurtigt foranderlig og konkurrencedygtig arena.