Τεχνητή νοημοσύνη
Η Ανακάλυψη Φαρμάκων με τη Βοήθεια του AI Προκαλεί einen Supercycle στις Συγχωνεύσεις και Χρηματιστηριακές Συμμετοχές της Βιοτεχνολογικής Βιομηχανίας
Η Νέα Εποχή της Βιοτεχνολογίας με τη Βοήθεια του AI
Η φαρμακευτική βιομηχανία αρχικά χτίστηκε με βάση την ικανότητα της χημικής βιομηχανίας, η οποία άρχισε να δημιουργεί ολοένα και πιο χρήσιμα προϊόντα, συμπεριλαμβανομένων εκείνων για ιατρικούς σκοπούς. Αρχικά, ήταν κυρίως για το να απομονώσει και να καθαρίσει φυσικές χημικές ενώσεις όπως η ασπιρίνη από το φλοιό του ιτιού και η χινίνη από ένα τροπικό δέντρο.
Στη συνέχεια, άρχισε να δημιουργεί完全 νέες ενώσεις που δεν υπήρχαν στη φύση και τις μετέτρεψε σε φάρμακα. Αυτή η προσέγγιση, ωστόσο, έχει αρχίσει να αποτυγχάνει τις τελευταίες δεκαετίες.
Οι πιο εύκολες να παραχθούν ή να ανακαλυφθούν χημικές ενώσεις έχουν ήδη βρεθεί, και άλλες молекύλες συχνά δεν είναι αρκετά καλές: πολύ ασταθείς, πολύ τοξικές, πολύ δύσκολο να παραχθούν, κ.λπ.
Ως αποτέλεσμα, η φαρμακευτική βιομηχανία έχει στρέψει την προσοχή της στη βιοτεχνολογία, η οποία επαναχρησιμοποιεί βιολογικές μοριακές ουσίες όπως ορμόνες, πρωτεΐνες ή DNA & RNA για να δημιουργήσει φάρμακα. Αυτό οδήγησε στην ανάπτυξη τεχνητής ινσουλίνης, μονοκλωνικών θεραπειών, γονιδιακών θεραπειών και πολλών άλλων εντυπωσιακών προόδων.
Ωστόσο, και εδώ η πρόοδος έχει αρχίσει να σταματά, καθώς τα εύκολα να ανακαλυφθούν βιολογικά έχουν ήδη ταυτοποιηθεί και είναι γνωστά, αφήνοντας τις πιο σύνθετες, δύσκολο να κατανοηθούν βιολογικές μηχανισμούς για να θεραπεύσουν ασθένειες που εξακολουθούν να αντιστέκονται στη θεραπεία.
Αυτό είναι ένα σοβαρό πρόβλημα για τις μεγάλες φαρμακευτικές εταιρείες. Όχι μόνο πολλά από τα χημικά τους φάρμακα έχουν εξαντλήσει την προστασία του πατέντος ή θα το κάνουν σύντομα, αλλά η στρατηγική να αγοράσουν ή να συνεργαστούν με βιοτεχνολογικές εταιρείες δεν είναι πλέον αρκετή.
Αυτές οι εταιρείες χρειάζονται να αγοράσουν καινοτομία γρήγορα, και αυτό που λειτουργούσε trước δεν είναι πλέον αρκετό.
Σε μεγάλο μέρος, αυτό οφείλεται στο ότι μια πραγματική αναπαράσταση ενός đơnικού ανθρώπινου κυττάρου θα ήταν σχεδόν ακατανόητη για ένα άτομο, όπως εικονογραφείται από μια υπολογιστική εικόνα όλων των συστατικών ενός đơnικού ανθρώπινου κυττάρου που έγινε ιδιαίτερα δημοφιλής πριν από quelques χρόνια.
Source: Newsweek
Τυχαία, μια νέα κυμαία καινοτομίας στη βιοτεχνολογία έρχεται από την ανάπτυξη του AI στα βιολογικά εργαστήρια. Αυτό έρχεται σε συνδυασμό με μια επανάσταση στα διαθέσιμα δεδομένα από την såkalte “multiomics επανάσταση”, η οποία δημιουργεί μια беспрецедентная ποσότητα δεδομένων μέχρι το επίπεδο των κυττάρων.
Και το AI, με την ικανότητά του για ανάλυση μεγάλων συνόλων δεδομένων πέρα από εκείνη του ανθρώπινου νου, βοηθά τώρα να δώσει νόημα σε όλα αυτά.
Source: World Economic Forum
Εικονογραφημένο από αυτή τη τάση είναι η συνεργασία που ανακοινώθηκε στις 12 Ιανουαρίουη, 2026, μεταξύ Nvidia (NVDA ) και Eli Lilly (LLY ), που σχεδιάζει να επενδύσει από κοινού μέχρι 1 δισεκατομμύριο δολάρια σε διάστημα πέντε ετών σε υποδομές και έρευνα για την ανακάλυψη φαρμάκων με τη βοήθεια του AI.
Η Εποχή της Ψηφιακής Βιολογίας
Η ψηφιακή βιολογία αλλάζει όπου ο χρόνος, το κόστος και ο κίνδυνος αποτυχίας συσσωρεύονται σε όλη τη διαδικασία ανακάλυψης φαρμάκων—μεταφέροντας περισσότερη εξερεύνηση και βελτίωση στην υπολογιστική πριν από την έναρξη της πιο δαπανηρής εργασίας σε εργαστήριο.
Σвайπ για να σαρώσετε →
| Φάση Ανακάλυψης | Παραδοσιακό Bottleneck | AI / Ψηφιακή Βιολογία Μετατόπιση | Οικονομική Επίδραση | Πρωτεύουσα Καταγραφή Αξίας |
|---|---|---|---|---|
| Ταυτοποίηση Στόχου | Σπάνιες ή θορυβώδεις βιολογικές σηματοδοτήσεις; αργές κύκλους υποθέσεων | Multiomics + ML προτεραιότητα για αιτιολογικές οδούς και βιοδείκτες; ταχεία κατάταξη υποθέσεων | Περισσότερες πυροβολισμοί στο στόχο με λιγότερα προγράμματα τερματισμού | Δεδομένα-πλούσια φαρμακευτική και ιδιοκτήτες ιδιωτικών συνόλων δεδομένων |
| Ανακάλυψη Επιτυχίας | Εργασίες σε εργαστήριο είναι δαπανηρές και περιορισμένες από την απόδοση | Εικονική ανίχνευση εξερευνά μεγαλύτερο χημικό χώρο πριν από τη σύνθεση | Χαμηλότερο κόστος ανά επιτυχία; ταχύτερες κυκλικές επαναλήψεις | Πλατφόρμες υπολογιστών + μοντέλων; προμηθευτές αυτοματοποίησης εργαστηρίου |
| Βελτίωση Ηγετών | Αποτυχίες ADME/tox αργά στην περίοδο; αργές κυκλικές επαναλήψεις της ιατρικής χημείας | Γενετικά μοντέλα προτείνουν υποψήφιους που είναι βελτιστοποιημένοι για δράση, επιλεκτικότητα και αναπτυξιμότητα | Λιγότερες επανασχεδιαστικές κυκλικές επαναλήψεις; καλύτερη αναπτυξιμότητα από την αρχή | Φαρμακευτικές εταιρείες με ισχυρά μεταφραστικά πipelines |
| Προκλινική Επίλυση | Μοντέλα ζώων δεν ταιριάζουν με την ανθρώπινη βιολογία; αργή επικύρωση και υψηλή διακύμανση | Καλύτερη επιλογή βιοδείκτων + ανθρώπινες μοντέλα; αυτοματοποιημένες, υψηλής απόδοσης δοκιμές | Υψηλότερη ποιότητα σήματος εισερχόμενη στην περίοδο IND-enabling | Στακ αυτοματοποίησης και πλατφόρμες δοκιμών; CROs με εργαλεία AI |
| Κλινική Μετάφραση | Ετερογενής αντίδραση ασθενών; κακή στρατηγική αυξάνει το ποσοστό αποτυχίας | Multiomic στρατηγική ταυτοποιεί υποομάδες απαντήσεων και τερματισμούς δοκιμών νωρίτερα | Καλύτερη αποτελεσματικότητα δοκιμών; λιγότερη διάλυση της αποτελεσματικότητας | Ιδιοκτήτες φαρμάκων (φαρμακευτικές/βιοτεχνολογικές) με κλινική εκτέλεση |
Η Άνοδος της Multiomics
Η απίστευτη πολυπλοκότητα των ζωντανών συστημάτων οδήγησε στην εμφάνιση της multiomics, ενός πεδίου που συνδυάζει όλα τα υπο-τμήματα της βιολογικής επιστήμης και θεωρείται ο επόμενος βήμα στην βιοτεχνολογία:
- Γενωμική: η ανάλυση της αλληλουχίας του DNA στους πυρήνες των κυττάρων.
- Μεταγραφική: η ανάλυση του mRNA που μεταφέρει τις οδηγίες του DNA.
- Επιγενωμική: η τροποποίηση του γονιδιώματος χωρίς να επηρεάζει την γενετική αλληλουχία, ή “επιγενετική”.
- Πρωτεωμική: η ανάλυση των πρωτεϊνών, συμπεριλαμβανομένης της τροποποίησης των πρωτεϊνών με σάκχαρα (“μετα-μεταφραστική”).
- Μεταβολική: η ανάλυση των χημικών ενώσεων και του μεταβολισμού.
- Μικροβιακή: η ανάλυση όλων των μικροοργανισμών που ζουν μέσα ή πάνω στο σώμα.
- Μονοκυτταρική multiomics: η multiomics ανάλυση σεμονάδες κυττάρων.
- Χωρική βιολογία: η ανάλυση σε 3D της τοποθεσίας συγκεκριμένων mRNA, πρωτεϊνών ή κυττάρων.
Source: Ark Research
Η multiomics επίσης εμφανίστηκε χάρη σε πολύ πιο ισχυρά αναλυτικά εργαλεία, από γενετικούς sequencers σε χωρική βιολογία.
Το ζήτημα είναι, ωστόσο, ότι αυτό δημιουργεί μια πλημμύρα δεδομένων, ώστε για πρώτη φορά, το ζήτημα για τους βιολόγους δεν είναι να βρουν τελικά ένα ενδιαφέρον σημείο δεδομένων για να το χρησιμοποιήσουν για πρακτικές εφαρμογές, αλλά να αποφασίσουν ποια δεδομένα είναι πραγματικά σχετικά με ένα δεδομένο πρόβλημα.
Εάν κάθε νεογέννητο στον κόσμο είχε το γονίδιό του sequenced, μια πιθανή πρακτική στα επόμενα χρόνια, αυτό θα δημιουργούσε 10.000 φορές τα δεδομένα που χρησιμοποιούνται από ένα AI όπως το Llama κάθε χρόνο.
Source: Ark Research
Τι είναι η Ψηφιακή Βιολογία;
Μια νέα επιλογή για έρευνα στη βιοτεχνολογία έχει εμφανιστεί πρόσφατα: η in-silico προσέγγιση, όπου ένα ή περισσότερα εικονικά κύτταρα προσομοιώνονται σε υπολογιστή.
“Το 2026, η ταυτοποίηση στόχων ασθένειας θα βασίζεται στην εικονική εξερεύνηση πριν από την έναρξη οποιασδήποτε εργασίας σε εργαστήριο.
Αυτό θα μειώσει τον αριθμό των προγραμμάτων που σταματούν κατά την προκλινική ανάπτυξη.
Veronica DeFelice – Διευθυντής Βιολογικών tại Sapio Sciences.”
Αυτά τα εικονικά κύτταρα τότε εκτίθενται στο πιθανό νέο φάρμακο, και η προσομοίωση υπολογίζει πώς θα αντιδράσουν.
Source: Ark Research
Μια άλλη επιλογή είναι να προσομοιώσει τη 3D διαμόρφωση μιας πρωτεΐνης, η οποία τελικά καθορίζει τη βιολογική της λειτουργία.
Ένας προσομοιωτής πτυχών πρωτεϊνών όπως ο Google’s AI AlphaFold (GOOGL ) έχει βελτιωθεί μέχρι και 500 φορές από το 2018.
Source: Ark Research
Έτσι, είναι πιθανό ότι οι εικονικές προσομοιώσεις θα γίνουν μια απαραίτητη τεχνολογία για τις περισσότερες φαρμακευτικές και βιοτεχνολογικές εταιρείες.
Μια άλλη μορφή ψηφιακής βιολογίας είναι η χρήση ενός προηγμένου συστήματος ανίχνευσης για να αναγνωρίσει δείκτες καρκίνου σε ένα δείγμα αίματος, αντικαθιστώντας τις δαπανηρές και λιγότερο αποτελεσματικές βιοψίες, οδηγώντας σε νωρίτερη ανακάλυψη πιθανών καρκίνων.
Τέλος, η αυτοματοποίηση, η ρομποτική και το AI συνδυάζονται για να δημιουργήσουν αυτοματοποιημένα εργαστήρια που μπορούν να εκτελέσουν πειράματα χωρίς ανθρώπινη εργασία και να ελέγξουν εκατομμύρια πιθανών χρήσιμων μορίων ή ενώσεων με χαμηλότερο κόστος και 100 φορές την ταχύτητα των παραδοσιακών μεθόδων έρευνας.
Επένδυση στην Ανακάλυψη Φαρμάκων με τη Βοήθεια του AI
(LLY )
Επισκόπηση της Eli Lilly
Η Eli Lilly είναι μια τεράστια φαρμακευτική εταιρεία που έκτισε την ιατρική της αυτοκρατορία στη quinine και στη συνέχεια στην ινσουλίνη.
Η θεραπεία του διαβήτη έχει παραμείνει στο κέντρο της εταιρείας, με μια μακρά σειρά μορίων που ανακαλύφθηκαν και εγκρίθηκαν τα τελευταία 3 δεκαετίες για αυτή την ασθένεια. Αυτό περιελάμβανε το tirzepatide, που εμπορεύεται με το όνομα Mounjaro.
Στις αρχές της δεκαετίας του 2010, η Eli Lilly έκανε επίσης einen μεγάλο βήμα στην ογκολογία (θεραπείες καρκίνου) με μια σειρά αγορών και συνεργασιών σε αυτό το πεδίο, καθώς και με εσωτερικές προσπάθειες ανάπτυξης φαρμάκων για να δημιουργήσει ένα ισχυρό χαρτοφυλάκιο ογκολογικών φαρμάκων.
Το μόριο του tirzepatide έχει από τότε επαναχρησιμοποιηθεί ως φάρμακο κατά της παχυσαρκίας, με το όνομα Zepbound, ο μεγαλύτερος ανταγωνιστής του Ozempic. Αυτό ήταν ένας σωτήρας για την Eli Lilly, поскольку πολλά από τα παλιά της φάρμακα έπαθαν την προστασία του πατέντος, γεγονός που σημαίνει ότι οι παρασκευαστές γενικών φαρμάκων μπορούν τώρα να τα παράγουν και να ανταγωνίζονται σε τιμή.
Ωστόσο, η εξάρτηση από ένα μόνο δίπλωμα ευρεσιτεχνίας και τις πιθανές παραγωγές του δεν είναι μια βιώσιμη θέση σε μακροπρόθεσμο ορίζοντα. Όπως και πολλές άλλες φαρμακευτικές εταιρείες, υπάρχει μια επείγουσα ανάγκη να επιστρέψουν σε μια διαφοροποιημένη καινοτομία. Αλλά αντίθετα με πολλές άλλες στο είδος, η Eli Lilly έχει ένα σχέδιο, και αυτό βασίζεται στο να πάνε ολιστικά στο AI και την ψηφιακή βιολογία.
Η Eli Lilly και η Ανακάλυψη Φαρμάκων με τη Βοήθεια του AI
Η μεγαλύτερη και πιο πρόσφατη ανακοίνωση γύρω από την ανακάλυψη φαρμάκων με τη βοήθεια του AI και την Eli Lilly είναι η συνεργασία της με την Nvidia.
“NVIDIA και Lilly φέρνουν μαζί τα καλύτερα των βιομηχανιών μας για να εφεύρουν ένα νέο σχέδιο για την ανακάλυψη φαρμάκων — ένα όπου οι επιστήμονες μπορούν να εξερευνήσουν τεράστιους βιολογικούς και χημικούς χώρους σε εικονική μορφή πριν από τη δημιουργία ενός μόριου.”
Το σχέδιο θα συνδυάσει τα εργαστήρια της Lilly με υπολογιστικές εργασίες, επιτρέποντας 24/7 πειράματα με τη βοήθεια του AI. Αυτό συνδυάζεται με μια προηγουμένως ανακοίνωση για einen AI siêuυπολογιστή που χρησιμοποιεί 1.000 NVIDIA Blackwell Ultra GPUs για ένα εργοστάσιο AI που θα εκπαιδεύσει μεγάλα βιοϊατρικά μοντέλα για την ανακάλυψη, βελτίωση και επικύρωση νέων μορίων.
“Τα μοντέλα μας είναι γονίδια που δημιουργούν νέες δυνατότητες για τους χημικούς μας, βοηθώντας τους να ανακαλύψουν νέες μορφές και διαμορφώσεις ατόμων που ήταν εκτός εύρους με τις παραδοσιακές μεθόδους.”
Αυτή η συνεργασία του 1 δισεκατομμυρίου δολαρίων είναι η πιο πρόσφατη (και μεγαλύτερη) κίνηση της φαρμακευτικής εταιρείας στην ανακάλυψη φαρμάκων με τη βοήθεια του AI. Προηγουμένως, είχε:
- Εισέλθει σε μια ερευνητική συνεργασία με Insilico Medicine, με μέχρι 100 εκατομμύρια δολάρια να πληρωθούν στο startup ανάλογα με τα ερευνητικά ορόσημα.
- Συνεργασία με Circle Pharma για να εκμεταλλευτεί τα AI της Eli Lilly για να βελτιώσει τις θεραπείες μακροκυκλίων, συμπεριλαμβανομένων για ιστορικά μη θεραπεύσιμους στόχους.
- Ανάπτυξη μοντέλων μηχανικής μάθησης με την insitro, einen πρωτοπόρο στην машинική μάθηση για την ανακάλυψη και ανάπτυξη φαρμάκων.
- Συνεργασία με το OpenAI για να ανακαλύψουν νέα φάρμακα για την αντιμετώπιση των ανθεκτικών σε φάρμακα βακτηρίων.
- Χρήση των μοντέλων AI της Genetic Leap για την ανακάλυψη φαρμάκων που στοχεύουν στο RNA σε μια συμφωνία 409 εκατομμυρίων δολαρίων.
- Συνεργασία AI με την Alphabet/Google, την ψηφιακή βιοτεχνολογική εταιρεία Isomorphic Labs, η οποία θα λάβει 45 εκατομμύρια δολάρια αρχικά και είναι δικαιούχος μέχρι 1,7 δισεκατομμύρια δολάρια σε ορόσημα.
- Μια συμφωνία αξίας μέχρι 670 εκατομμυρίων δολαρίων με την Genesis Therapeutics για την πλατφόρμα μοριακού AI της εταιρείας.
- Μια συμφωνία 1,3 δισεκατομμυρίων δολαρίων με την Superluminal για να ανακαλύψουν φάρμακα κατά της παχυσαρκίας με τη βοήθεια του AI, χάρη στην προηγμένη της πλατφόρμα AI που στοχεύει τους υποδοχείς GPCR, με στόχο να ενισχύσει την ήδη ηγετική θέση της Eli Lilly στην αγορά της παχυσαρκίας.
- Μια συμφωνία με την BigHat Biosciences για να προωθήσει την ανακάλυψη φαρμάκων με τη βοήθεια του AI χάρη στην πλατφόρμα Milliner της.
Η Eli Lilly συνεργάστηκε επίσης με την Benchling, μια cloud-βασισμένη πλατφόρμα λογισμικού σχεδιασμένη για έρευνα και ανάπτυξη στη ζωή, για να παρέχει στις βιοτεχνολογικές εταιρείες πρόσβαση σε μοντέλα που εκπαιδεύτηκαν με δεκαετίες ιδιωτικών ερευνών της Lilly.
Ονομάζεται TuneLab, αυτή η πλατφόρμα θα βοηθήσει την Eli Lilly να συνεργαστεί με εταιρείες ζωής σε πρώιμο στάδιο υπό το πρόγραμμα “Catalyze360” της.
Συνολικά, αυτές οι συνεργασίες ανακάλυψης φαρμάκων με τη βοήθεια του AI και η δημιουργία υποδομής σε όλες τις κατευθύνσεις είναι πιθανό να ξαναχτίσουν την πηγή ανακάλυψης της Eli Lilly και να ενισχύσουν τη θέση της στις αντιβιοτικές, τις θεραπείες καρκίνου, τις σπάνιες ασθένειες και την παχυσαρκία.
Τελευταία Ειδήσεις και Ανάπτυξεις για την Eli Lilly (LLY)
