Bioteknologi

Multiomics og AI i Sundhedssektoren: En Ny Grænse for Lægemiddelforskning

mm
Udgivet den
Opdateret den
Føj Securities.io til dine foretrukne kilder på Google
Oplysning: Securities.io kan modtage betaling, når du bruger links til produkter, vi anmelder. Det påvirker ikke vores redaktionelle vurderinger. Vi er ikke registreret investeringsrådgiver; dette er ikke investeringsrådgivning. Læs vores affiliateoplysning.

Præcisionsmedicin er fremtiden for sundhedssektoren

Når det gælder anvendte hårde videnskaber, har fremskridt ofte været drevet af mere præcise målinger og værktøjer. Dette gælder især inden for fysik og kemi, hvor analytiske værktøjer nu kan observere individuelle atomers reaktion på eksperimenter, hvilket har fremskyndet udviklingen inden for ren energi, materialevidenskab, nanoteknologi, produktion og computing (følg linkene for artikler om disse emner).

Dog har ét videnskabeligt område vist sig at være en sværere nød at knække for præcise målinger: biologi. Dette skyldes, at levende organismer ikke er “simple” materialer bestående af få elementer, men ultra‑komplekse molekylære maskiner bestående af millioner, om ikke milliarder, af forskellige dele.

Derfor ville en sand repræsentation af en enkelt menneskelig celle være næsten uforståeligt kompleks, som illustreret af et computer‑genereret billede af en enkelt menneskelig celle, der gik viralt for nogle år siden.

Kilde: Newsweek

Dette har gjort en sand forståelse af biologiske og biokemiske fænomener til en vedvarende udfordring.

Genomik har været et vigtigt første skridt i at forklare den skabelon/instruktion, som cellerne bruger til at bygge deres interne komponenter. En anden voksende faktor er brugen af AI, da avancerede neurale netværk kan håndtere den massive mængde data bedre end den menneskelige hjerne.

Sammen vil dette drive transformationen i sundhedssektoren med fremkomsten af virkelig personlig præcisionsmedicin, skræddersyet til hver enkelt persons unikke sammensætning af gener, metabolisme, medicinsk historie osv.

På nuværende tidspunkt er præcisionsmedicin et marked på 500 mia. USD, og omfatter monoklonale antistoffer, (et marked på 222 mia. USD i 2023), såvel som de mest avancerede kræftbehandlinger som CAR‑T‑terapier.

Hvad er Multiomics?

Den enorme kompleksitet i levende systemer har ført til fremkomsten af multiomics, et felt der samler alle -omics underområder inden for biovidenskab og betragtes som næste skridt i bioteknologi:

  • Genomik: analysen af DNA‑sekvensen i cellens kerne.
  • Transkriptomik: analysen af mRNA, som bærer DNA‑instruktionerne.
  • Epi‑genomik: modifikationen af genomet uden at påvirke den genetiske sekvens, også kaldet “epigenetik”.
  • Proteomik: analysen af proteiner, inklusiv modificering af proteiner med sukker (”post‑translationel”).
  • Metabolomik: analysen af kemiske forbindelser og metabolismen.
  • Microbiomik: analysen af alle mikrober, der lever inde i eller på kroppen.
  • Single‑cell multiomics: multiomics‑analyse på individuelle celler.
  • Spatial biologi: analyse i 3D af placeringen af specifikt mRNA, proteiner eller celler.

Nye felter dukker op, som for eksempel Agrigenomics (genomik for at forbedre landbrugsudbytte), Økologisk genomik (nøjagtig vurdering af et økosystems sundhed og dets genetiske diversitet), eller Syntetisk biologi (skabelse af nye gener, egenskaber eller hele organismer med et specifikt formål).

Hvert af disse felter har gjort enorme fremskridt takket være nye & forbedrede analytiske metoder, i høj grad drevet af revolutionerende fremskridt inden for nanoteknologi, optik, halvlederteknologi og beregningskraft.

Desværre er de biologiske videnskaber og medicin begyndt at kæmpe for at håndtere alle disse nye data, og endnu mere for at forstå de komplekse interaktioner mellem alle mulige -omics‑felter.

Dette skyldes i høj grad bogstaveligt talt billioner eller måske kvadrillioner af potentielle kryds‑interaktioner mellem individuelle gener, proteiner, biomolekyler, bakterier osv.

Og i teorien, for virkelig personlig medicin, ville disse data blive indsamlet for hver enkelt person og koblet til deres digitale sundhedsdata.

Faldende omkostninger & en flodbølge af data

Den teknologiske forbedring i analytiske værktøjer har sænket omkostningerne ved at indsamle nye data drastisk. Dette gælder for eksempel sekventering af et fuldt menneskeligt genom, hvis omkostninger er blevet divideret med mere end en million på 30 år, eller DNA‑syntese, som nu er 10.000‑gange billigere.

Det betyder, at da det i 2001 kostede 450.000 USD at sekventere kun ét genom, kan vi i dag sekventere 1,4 mia. genomer for samme pris – svarende til 17 % af verdens befolkning.

Som følge heraf er genomik‑ og andre -omics‑data oversvømmet biologer.

For eksempel indeholder UK Biobank, den største offentligt tilgængelige genomik‑database, 27‑gange så mange data som driver en af de største LLM‑modeller (Large Language Model), AI‑Llama 405b bygget af Meta (FB ).

Hvis hvert nyfødt barn i verden fik sit genom sekventeret – en sandsynlig praksis i de kommende år – ville dette generere 10.000‑gange de data, som Llama bruger hvert år.

Heldigvis, mens mængden af data multipliceres med tusinder, gør effektiviteten af digitale analyseværktøjer – især AI – også 1.000‑gange mere kraftfuld for samme omkostning.

Anvendelser i lægemiddelforskning

Virtuelle celler

Indtil for nylig, for at kende effekten af et potentielt nyt lægemiddel, eller hvordan et protein interagerer med et andet, måtte biologer udføre eksperimentet manuelt – en dyr og tidskrævende opgave.

Dette bremste naturligvis den nye lægemiddelforskning og øgede sundhedssektorens omkostninger for innovative behandlinger. Det kunne enten udføres in‑vitro (i et laboratorium) eller in‑vivo (i en levende organisme, typisk et dyr).

En ny mulighed er for nylig dukket op, den in‑silico tilgang, hvor én eller flere virtuelle celler simuleres i en computer. Disse virtuelle celler udsættes derefter for den potentielle nye behandling, og simuleringen beregner, hvordan de ville reagere.

Forbedret simulering

Udover fulde genom‑ og transkriptomdata er et andet værktøj nu ved at gøre sit indtog i in‑silico‑simulationer: protein‑foldningssimulatorer som Googles AI AlphaFold (GOOGL ).

Mange lægemidler baseret på proteiner er afhængige af interaktionerne mellem lægemidlet og en receptor i kroppens celler, eller overfladen af målrettede bakterier eller kræftceller.

At forudsige proteinets 3D‑konfiguration (foldning) korrekt in‑silico vil radikalt forbedre succesraten og hastigheden i lægemiddeludvikling, hvilket sænker omkostningerne.

Da AlphaFold er forbedret med op til 500‑gange siden 2018, vil in‑silico‑simulationer blive en uundværlig teknologi for de fleste biotekvirksomheder.

Andre virksomheder arbejder også på lignende teknologi til AlphaFold men for ikke‑protein‑molekyler, såsom Schrödinger (SDGR ) , som vi dækkede i “Top 5 AI & Digital Biotech Companies”.

Kraftig kræftdetektion

Tidlig påvisning af kræft, selv når den ikke er synlig i en MR‑scanner, kan ofte være en liv‑eller‑død‑situation.

En ny teknik kaldet flydende biopsi lover at kunne opdage sådanne usynlige kræftformer tidligt. Den fungerer ved at bruge genomsekventeringsværktøjer til at opdage DNA‑sekvenser, der er typiske for kræft, i patientens blod, selvom disse sekvenser er ultra‑sjældne.

Flydende biopsier er meget mindre invasive end egentlige biopsier, idet de kun kræver en blodprøve. De kan også bruges til at lede efter flere potentielle kræftformer samtidigt.

I juni 2024 fik Guardant Health (GH ) sit “Shield” kolorektale kræftscreeningstest godkendt af FDA. Grail (GRAL ), den nylige spin‑off fra Illumina (ILMN ), udvikler også et sådant test.

Udover flydende biopsi bliver Minimal residual disease (MRD)‑test også stadig mere udbredt til at kontrollere remission hos kræftpatienter. MRD‑test kan opdage tilbagefald af kræft op til 20 måneder tidligere end traditionel billeddiagnostik.

For både MRD‑ og flydende biopsi vil refusion fra private og nationale sundhedsforsikringer være afgørende for at fremskynde deres udbredelse.

Automatiseret laboratorium

Efterhånden som flere data er nødvendige, og detektionsværktøjerne bliver billigere, bliver den menneskelige arbejdskraft med PhD‑niveau i stigende grad den begrænsende faktor (både i omkostninger og kapacitet) for at generere flere multiomics‑data.

Dette gælder både for det manuelle arbejde som f.eks. udtræk af prøver, og for design af eksperimenterne.

En ny alternativ metode er det selvkørende laboratorium (SDL). Dette kombinerer robotteknik og automatisering for at erstatte kedeligt og langsomt manuelt arbejde, hvilket skaber høj‑gennemløbs‑eksperimentering. Det tilføjer også LLM‑modeller til at analysere data og designe næste sæt eksperimenter.

En leder inden for denne nye lægemiddelforskningsmetode er Recursion Pharmaceuticals (RXRX ) (mere om dette firma nedenfor).

Investeringsindsigt

Selvom mange virksomheder innoverer i krydsfeltet mellem AI og multiomics, skiller nogle sig ud på grund af deres betydning eller ambitioner.

Recursion Pharmaceuticals

RXRX Prisdiagram

Recursion er et firma, der fra starten har fokuseret på at bruge AI til at accelerere ny lægemiddelforskning. For at gøre dette kombinerer de tør‑lab (in‑silico) og våd‑lab (biologiske prøver) med:

  • Et bibliotek på 1,7 millioner små molekyler.
  • Cellekulturer, CRISPR‑genredigering, opløselige faktorer, levende vira osv.
  • En automatiseret laboratorierobot‑workflow, der muliggør op til 2,2 millioner eksperimenter hver uge.
  • Høj‑gennemløbs‑mikroskoper og sekventeringssystemer.
  • Kontinuerlige videofeeds fra kameraer, der registrerer holistiske målinger af dyreadfærd.
  • Avancerede beregningsressourcer, som har genereret >21 petabyte proprietære høj‑dimensionelle data.
  • ADMET‑data (absorption, distribution, metabolisme, udskillelse og toksikologi).

Recursion ejer også en af verdens hurtigste supercomputere til at træne deres LLM‑er og AI‑modeller for lægemiddelforskning. AI‑modellerne blev trænet på et bibliotek med mere end 2 mia. billeder og udledte 6 billioner relationer mellem alle mulige kombinationer af gener og forbindelser.

I august 2024 fusionerede Recursion med Exscientia, et firma fokuseret på præcisionsbehandlinger og som bruger sin egen “omfattende robotautomatisering gennem hele eksperimentcyklussen”. Recursion accepterede også i maj 2023 de prækliniske startups Cyclica og Valance, der fokuserer på lægemiddelkemi, for i alt 87,5 mio. USD.

Med disse nyligt erhvervede virksomheder, der integreres med Recursions kerne‑datasæt, er firmaet nu et fuldt integreret biotek‑firma, der håndterer alt fra målidentifikation, in‑silico‑forudsigelser, in‑vivo‑validering og kliniske forsøg.

Kilde: Recursion

Recursion har 20+ molekyler i forskellige udviklingsstadier i deres R&D‑pipeline, hvoraf 7 er i fase 1/2 af kliniske forsøg, primært inden for onkologi (kræft) og sjældne sygdomme.

Disse programmer inkluderer 10+ partnerskabsprogrammer med op til 20 mia. USD i potentielle betalinger for R&D‑milepæle, hvoraf 450 mio. USD allerede er betalt.

Samlet set er den nye Recursion, vokset gennem opkøb og en tidlig satsning på AI for lægemiddelforskning, ved at forme sig til at blive en nøglepartner for store farmaceutiske virksomheder, der ønsker at genopfylde deres R&D‑pipeline.

Illumina

Selvom de andre -omics er vigtige, kredser næsten alt omkring genomik, den grundlæggende “instruktionsmanual” for hver levende celle.

Og langt den største producent af genomsekventeringsmaskiner er Illumina. Firmaet fokuserer på kortlæsnings‑sekventering, den der bruges til kræftdetektion. De har i øjeblikket over 22.000 installerede sekventører i 165 lande.

Omkring halvdelen af Illuminas sekventeringsmaskiners forbrugsmaterialer bruges i kliniske anvendelser, mens den anden halvdel anvendes i offentlige og private forskningslaboratorier. I kliniske anvendelser kommer halvdelen af efterspørgslen fra onkologi.

Kilde: Illumina

Efterhånden som genomik og multiomics bliver centrum for lægemiddelforskning såvel som kræftdiagnostik, forventes Illuminas udstyr at være i høj efterspørgsel. Firmaet forventer, at efterspørgslen efter NGS (Next Generation Sequencing) vil vokse med 18 % CAGR for kliniske anvendelser og 6 % CAGR for forskning, hvilket vil løfte sektoren samlede adresserbare marked (TAM) fra 100 mia. USD for klinisk til 25 mia. USD for forskning inden 2033.

Kilde: Illumina

Illumina har haft en kompliceret historie med flydende‑biopsifirmaet Grail (GRAL ), som var en spin‑off fra Illumina, senere genkøbt, og nu tvunget til en ny spin‑off af konkurrencemyndigheder i USA og EU.

Med denne udfordring bag sig kan Illumina muligvis genoptage sin langsigtede vækst og aktiekursstigning, især da Grails flydende‑biopsitest sandsynligvis vil fortsætte med at bruge Illumina‑sekventører.

Ginkgo Bioworks

De fleste multiomics‑fokuserede virksomheder er placeret i den farmaceutiske/biotek‑sektor på grund af den potentielle rentabilitet af blockbuster‑kræftbehandlinger eller helbredelse af sjældne sygdomme.

Men dette ville overse det utrolige potentiale i biosystemer for utallige andre anvendelser, herunder kemisk produktion, landbrug, materialer, biobrændstoffer osv.

Dette er præcis fokusområdet for Ginkgo Bioworks , med en innovativ model for at bygge “organismer på efterspørgsel” for at imødekomme specifikke industrielle behov, hvilket gør dem til en leder inden for det fremvoksende felt syntetisk biologi (se “Top 5 Synthetic Biology Public Companies”).

På denne måde kan Ginkgo tilbyde ethvert samarbejdsniveau, fra blot at sælge værktøjerne til at producere nye organismer til at indgå i fulde partnerskaber.

Blandt Ginkgos forskellige forskningsprogrammer og partnerskaber kan nævnes:

Ginkgos ekspertise demonstreres af den meget forskelligartede portefølje af kunder og partnere, firmaet har haft de seneste år, fra globale industrielle og landbrugsselskaber til førende farmaceutiske virksomheder.

Firmaets forskningshardware er struktureret omkring de Reconfigurable Automation Carts (RACs), som udgør de moduler, der kan integreres til hele forskningslaboratorier for høj‑gennemløbs‑biologisk datagenerering.

Ginkgo måtte reformere sin forretningsmodel i 2024 efter en periode med ekspansion og for mange geografiske lokationer. Dette har gjort det muligt for firmaet at reducere driftsomkostningerne (opex) fra 515 mio. USD pr. kvartal til 375 mio. USD, primært ved at halvere overhead‑omkostningerne.

Dette bør bringe dem tættere på rentabilitet samt fremme yderligere fremskridt i forskningsaftaler med tilsvarende betalings‑milepæle.

Udfordringer

Privatliv

Hvis æraen med multiomics‑analyser og personlig medicin nærmer sig, er den ikke uden udfordringer. Den første er spørgsmålet om dataprivatliv, et særligt følsomt emne når dataene ikke kun er vores digitale liv, men også vores egne kroppe.

Det er klart, at god sikkerhed, kun adgang for autoriseret personale og anonymisering af data, samt at undgå at sådanne data udnyttes til at nægte medicinsk behandling eller forsikring, vil være et must for at folk kan omfavne denne teknologiske revolution.

Bekymring omkring universelt indsamlede genetiske data, især hvis de er tilgængelige for ikke‑medicinske specialister (for eksempel politiet eller statslige myndigheder), skal også adresseres.

Reguleringer

På grund af den følsomme karakter af biologiske data forventes øgede reguleringer. Dette dækker først spørgsmålet om privatliv, men også andre emner som:

  • Risikoen for monopol, hvor én eller få virksomheder gradvist får kontrol over al vores biologiske data, da mere data gør AI‑baserede analyser mere effektive.
  • At balancere forståelse af risici for individer eller hele populationer, og undgå diskrimination eller urimelige kommercielle praksisser.
  • Retfærdig behandling i forhold til personlig medicin uanset din formue, men også håndtering af potentielle kollektive omkostninger.

Tilgængelighed

Da personlig medicin og multiomics‑data er ekstremt komplekse, vil de være svære at forklare for ikke‑videnskabsfolk eller læger. Kombineret med risiciene for uretfærdighed og privatlivsbekymringer, er det sandsynligt, at der vil opstå modstand eller endda modreaktion.

På samme måde som politikken omkring massevaccination med mRNA‑vaccine mod Covid blev stærkt politiseret, er et sådant udfald ikke usandsynligt for multiomics og AI‑drevet medicin.

Lignende teknologi kan i starten også være dyr, og det vil være vigtigt at undgå, at formueulighed bliver en biologisk og sundhedsmæssig kløft.

Fremtiden for AI‑drevet sundhedspleje

Kombinationen af en voksende mængde medicinske data, kraftfuld AI, automatiserede biologiske laboratorier, in‑silico simulationer af proteiner og endda hele celler skaber helt nye felter inden for medicin og medicinsk forskning.

Det er også sandsynligt, at dette kun er begyndelsen, da flere fremskridt akkumuleres for at accelerere innovationen yderligere:

I sidste ende, i den ikke så fjerne fremtid, kan størstedelen af medicinen blive skræddersyet til vores individuelle genetiske sammensætning, vi kan udføre en årlig fejlsikker kræftkontrol via en blodprøve, og være sundere og mere energiske takket være den perfekte balance mellem vores metabolisme, mikrobiom og genom.

Set fra et investeringsperspektiv er det sandsynligt, at de største vindere i AI‑biotech‑kapløbet vil være virksomheder, der kan skabe store biologiske datasæt, mere end dem der har en unik proprietær algoritme eller beregningskraft, da AI‑teknologien bevæger sig meget hurtigt ud over ultra‑store datacentre, der giver en holdbar fordel, og mere mod en decentraliseret open‑source‑model.

mm

Jonathan er en tidligere biokemisk forsker, der arbejdede med genetisk analyse og kliniske forsøg. Han er nu aktieanalytiker og finansskribent med fokus på innovation, markedscyklusser og geopolitik i sin publikation 'The Eurasian Century'.