Τεχνητή νοημοσύνη
Η Ανακάλυψη Φαρμάκων με AI Ενεργοποιεί μια Υπερκύκλωση Συγχωνεύσεων & Εξαγορών στη Βιοτεχνολογία
Προσθέστε το Securities.io στις προτιμώμενες πηγές σας στο Google
Η Νέα Εποχή της Βιοτεχνολογίας με AI
Η φαρμακευτική βιομηχανία αρχικά χτίστηκε πάνω στην ικανότητα της χημικής βιομηχανίας, η οποία άρχισε να δημιουργεί όλο και πιο χρήσιμα προϊόντα, συμπεριλαμβανομένων και των ιατρικών. Στην αρχή, αφορούσε κυρίως την απομόνωση και τον καθαρισμό φυσικών χημικών ενώσεων όπως η ασπιρίνη από φλοιό ιτιάς και η κινίνη από τροπικό δέντρο.
Στη συνέχεια άρχισε να δημιουργεί εντελώς νέες ενώσεις που δεν υπήρχαν στη φύση και τις μετατρέπει σε φάρμακα. Ωστόσο, αυτή η προσέγγιση άρχισε να αποτυγχάνει τις τελευταίες δεκαετίες.
Τα πιο εύκολα στην παραγωγή ή στην ανακάλυψη χημικά έχουν ήδη βρεθεί, και άλλα μόρια συχνά δεν είναι επαρκή: πολύ ασταθή, πολύ τοξικά, πολύ δύσκολα στην κατασκευή, κ.λπ.
Ως αποτέλεσμα, η φαρμακευτική βιομηχανία στράφηκε στη βιοτεχνολογία, η οποία επαναχρησιμοποιεί βιολογικά μόρια όπως ορμόνες, πρωτεΐνες ή DNA & RNA σε φάρμακα. Αυτό οδήγησε στην τεχνητή ινσουλίνη, τις μονοκλωνικές θεραπείες, τις γονιδιακές θεραπείες και πολλές άλλες εντυπωσιακές προόδους.
Ωστόσο, και εδώ η πρόοδος άρχισε να σταματά, καθώς τα εύκολα κερδισμένα φρούτα έχουν ήδη μαζευτεί: τα περισσότερα ενεργά βιολογικά προϊόντα έχουν ήδη εντοπιστεί και είναι γνωστά, αφήνοντας τα πιο σύνθετα, δύσκολα κατανοητά βιολογικά μηχανήματα για τη θεραπεία ασθενειών που παραμένουν ανθεκτικές στη θεραπεία.
Αυτό αποτελεί σοβαρό πρόβλημα για τις μεγάλες φαρμακευτικές εταιρείες. Δεν είναι μόνο ότι πολλές από τις θεραπείες τους βασισμένες στη χημεία βρίσκονται εκτός προστασίας πατέντας ή πρόκειται να βγουν σύντομα, αλλά η στρατηγική να αγοράζουν ή να συνεργάζονται μόνο με νεοσύστατες βιοτεχνολογικές εταιρείες δεν αρκεί πια.
Αυτές οι εταιρείες χρειάζονται γρήγορη απόκτηση καινοτομίας, και αυτό που λειτούργησε στο παρελθόν δεν αρκεί πλέον.
Σε μεγάλο μέρος, αυτό οφείλεται στο ότι μια αληθινή αναπαράσταση ενός μόνο ανθρώπινου κυττάρου θα ήταν σχεδόν ακατανόητα πολύπλοκη για ένα άτομο, όπως δείχνει η υπολογιστικά παραγόμενη εικόνα όλων των στοιχείων ενός ανθρώπινου κυττάρου που έγινε viral πριν λίγα χρόνια.
Πηγή: Newsweek
Ευτυχώς, ένα νέο κύμα καινοτομίας στη βιοτεχνολογία προέρχεται από την ενσωμάτωση του AI στα βιολογικά εργαστήρια. Αυτό συνδυάζεται με μια επανάσταση στα δεδομένα που διατίθενται από την λεγόμενη «επανάσταση των πολυομικών», η οποία δημιουργεί μια άνευ προηγουμένου ποσότητα δεδομένων μέχρι το ενδοκυτταρικό επίπεδο.
Και το AI, με τη δυνατότητά του για ανάλυση μεγάλων συνόλων δεδομένων που ξεπερνά κατά πολύ το ανθρώπινο μυαλό, βοηθά τώρα να δώσει νόημα σε όλα αυτά.
Πηγή: World Economic Forum
Παραδειγματική αυτή η τάση είναι η συνεργασία που ανακοινώθηκε στις 12th, 2026, μεταξύ Nvidia (NVDA ) και Eli Lilly (LLY ), που σχεδιάζει να επενδύσει από κοινού έως $1 δισεκατομμύριο σε πέντε χρόνια σε υποδομές και έρευνα για την ανακάλυψη φαρμάκων με AI.
Η Εποχή της Ψηφιακής Βιολογίας
Η ψηφιακή βιολογία αλλάζει πού συσσωρεύονται ο χρόνος, το κόστος και ο κίνδυνος αποτυχίας κατά τη διαδικασία ανακάλυψης φαρμάκων—μεταφέροντας περισσότερη εξερεύνηση και βελτιστοποίηση στην υπολογιστική φάση πριν ξεκινήσει η πιο ακριβή εργαστηριακή (wet‑lab) εργασία.
Σύρετε για κύλιση →
| Φάση Ανακάλυψης | Παραδοσιακό Σ bottleneck | Μεταστροφή AI / Ψηφιακής Βιολογίας | Οικονομική Επίδραση | Κύρια Συγκέντρωση Αξίας |
|---|---|---|---|---|
| Αναγνώριση Στόχου | Σπάνια ή θορυβώδη βιολογικά σήματα· αργοί κύκλοι υπόθεσης | Πολυομική + ML προτεραιοποιούν αιτιώδεις διαδρομές και βιοδείκτες· γρήγορη κατάταξη υποθέσεων | Περισσότερες προσπάθειες με λιγότερα προγράμματα χωρίς αποτέλεσμα | Φαρμακεία πλούσια σε δεδομένα και ιδιοκτήτες ιδιόκτητων συνόλων δεδομένων |
| Ανακάλυψη Εντοπισμού | Η δειγματοληψία σε wet‑lab είναι ακριβή και περιορισμένη από την απόδοση | Η in‑silico δειγματοληψία εξερευνά μεγαλύτερο χημικό χώρο πριν τη σύνθεση | Χαμηλότερο κόστος ανά εντοπισμό· ταχύτεροι κύκλοι επανάληψης | Πλατφόρμες υπολογισμού + μοντέλων· προμηθευτές αυτοματοποίησης εργαστηρίων |
| Βελτιστοποίηση Υποψήφιου | Αποτυχίες ADME/τοξικότητας αργά στον κύκλο· αργοί βρόχοι φαρμακευτικής χημείας | Γενετικά μοντέλα προτείνουν υποψήφιους βελτιστοποιημένους για ισχύ, επιλεκτικότητα και δυνατότητα ανάπτυξης | Λιγότεροι κύκλοι επανασχεδίασης· καλύτερη δυνατότητα ανάπτυξης εκ των αρχών | Φαρμακευτικοί ενσωματωτές με ισχυρούς μεταφραστικούς αγωγούς |
| Προκλινική Επικύρωση | Τα ζωικά μοντέλα δεν ταιριάζουν με την ανθρώπινη βιολογία· αργή επικύρωση και υψηλή διακύμανση | Καλύτερη επιλογή βιοδεικτών + μοντέλα σχετιζόμενα με τον άνθρωπο· αυτοματοποιημένες, υψηλής απόδοσης δοκιμές | Υψηλότερη ποιότητα σήματος κατά την είσοδο σε εργασίες που επιτρέπουν IND | Στοίβες αυτοματοποίησης και πλατφόρμες δοκιμών· CROs με εργαλεία AI |
| Κλινική Μετάφραση | Διαφορετική ανταπόκριση ασθενών· η κακή στρωματοποίηση αυξάνει τα ποσοστά αποτυχίας | Η πολυομική στρωματοποίηση εντοπίζει υποομάδες ανταποκριτών και τελικά σημεία δοκιμών νωρίτερα | Καλύτερη αποδοτικότητα δοκιμών· λιγότερη αραίωση της αποτελεσματικότητας | Ιδιοκτήτες φαρμάκων (φαρμακεία/βιοτεχνολογίες) με κλινική εκτέλεση |
Η Άνοδος των Πολυομικών
Η απέραντη πολυπλοκότητα των ζωντανών συστημάτων οδήγησε στην εμφάνιση των πολυομικών, ενός πεδίου που συγχωνεύει όλα τα υποτμήματα -omics των βιολογικών επιστημών και θεωρείται το επόμενο βήμα στη βιοτεχνολογία:
- Γενομική: η ανάλυση της αλληλουχίας DNA στον πυρήνα των κυττάρων.
- Τρανσκριπτομική: η ανάλυση του mRNA που μεταφέρει τις οδηγίες του DNA.
- Επιγονομική: η τροποποίηση του γονιδιώματος χωρίς να επηρεάζει τη γενετική ακολουθία, ή «επιγονιδιωματική».
- Πρωτεομική: η ανάλυση των πρωτεϊνών, συμπεριλαμβανομένης της τροποποίησης των πρωτεϊνών με σάκχαρα («μετα‑μετάφραση»).
- Μεταβολομική: η ανάλυση χημικών ενώσεων και του μεταβολισμού.
- Μικροβιομική: η ανάλυση όλων των μικροοργανισμών που ζουν μέσα ή πάνω στο σώμα.
- Πολυομική μονής κυττάρου: η πολυομική ανάλυση σε μεμονωμένα κύτταρα.
- Χωρική βιολογία: ανάλυση σε 3Δ της θέσης συγκεκριμένου mRNA, πρωτεϊνών ή κυττάρων.
Πηγή: Ark Research
Τα πολυομικά επίσης εμφανίστηκαν χάρη σε πολύ πιο ισχυρά αναλυτικά εργαλεία, από γενετικούς αλληλουχιαστές μέχρι τη χωρική βιολογία.
Το πρόβλημα, ωστόσο, είναι ότι αυτό δημιουργεί μια τέτοια πλημμύρα δεδομένων που, για πρώτη φορά, το ζήτημα για τους βιολόγους δεν είναι να βρουν τελικά ένα ενδιαφέρον σημείο δεδομένων για πρακτικές εφαρμογές, αλλά να αποφασίσουν ποια δεδομένα είναι πραγματικά σχετικά με ένα συγκεκριμένο πρόβλημα.
Αν κάθε νεογέννητο στον κόσμο είχε το γονότυπό του αλληλουχισμένο, μια πιθανή πρακτική στα επόμενα χρόνια, αυτό θα παρήγαγε 10.000 φορές τα δεδομένα που χρησιμοποιεί ένα AI όπως το Llama ετησίως.
Πηγή: Ark Research
Τι Είναι η Ψηφιακή Βιολογία;
Μια νέα επιλογή για την έρευνα βιοτεχνολογίας εμφανίστηκε πρόσφατα: η προσέγγιση in‑silico, όπου ένα ή περισσότερα εικονικά κύτταρα προσομοιώνονται σε υπολογιστή.
“Το 2026, η ταυτοποίηση των στόχων των ασθενειών θα βασίζεται στην in‑silico εξερεύνηση πριν ξεκινήσει οποιαδήποτε επικύρωση σε wet‑lab.
Αυτό θα μειώσει τον αριθμό των προγραμμάτων που σταματούν κατά την προκλινική ανάπτυξη.
Veronica DeFelice – Director of Biologics at Sapio Sciences.”
Αυτά τα εικονικά κύτταρα εκτίθενται στη δυνητική νέα θεραπεία, και η προσομοίωση υπολογίζει πώς θα αντιδράσουν.
Πηγή: Ark Research
Μια άλλη επιλογή είναι η προσομοίωση της 3Δ διαμόρφωσης μιας πρωτεΐνης, η οποία τελικά καθορίζει τη βιολογική της λειτουργία.
Ένας προσομοιωτής πτύχωσης πρωτεϊνών όπως το AI AlphaFold της Google (GOOGL ) έχει βελτιωθεί έως και 500 φορές από το 2018.
Πηγή: Ark Research
Έτσι, είναι πιθανό ότι οι προσομοιώσεις in‑silico θα γίνουν απαραίτητη τεχνολογία για τις περισσότερες φαρμακευτικές & βιοτεχνολογικές εταιρείες.
Μια άλλη μορφή ψηφιακής βιολογίας είναι η χρήση ενός προηγμένου συστήματος ανίχνευσης για την ταυτοποίηση δεικτών καρκίνου σε δείγμα αίματος, αντικαθιστώντας δαπανηρές και λιγότερο αποδοτικές βιοψίες, οδηγώντας σε πρώιμη ανίχνευση πιθανών καρκίνων.
Τέλος, η αυτοματοποίηση, η ρομποτική και το AI συνδυάζονται για να δημιουργήσουν αυτοματοποιημένα εργαστήρια που μπορούν να εκτελούν πειράματα χωρίς ανθρώπινη εργασία, και να ελέγχουν εκατομμύρια δυνητικά χρήσιμα μόρια ή ενώσεις με χαμηλότερο κόστος και ταχύτητα 100 φορές μεγαλύτερη από τις παραδοσιακές ερευνητικές μεθόδους.
Επένδυση στην Ανακάλυψη Φαρμάκων με AI
LLY Διάγραμμα τιμής
Επισκόπηση Eli Lilly
Η Eli Lilly είναι μια τεράστια φαρμακευτική εταιρεία που έδωσε την ιατρική της αυτοκρατορία στην κινίνη και στη συνέχεια στην ινσουλίνη.
Η θεραπεία του διαβήτη παραμένει ο πυρήνας της εταιρείας, με μια μακρά σειρά μορίων που ανακαλύφθηκαν και εγκρίθηκαν τις τελευταίες 3 δεκαετίες για αυτή την ασθένεια. Αυτό περιλαμβάνει το tirzepatide, εμπορευματοποιημένο υπό το εμπορικό όνομα Mounjaro.
Στη δεκαετία του 2010, η Eli Lilly επένδυσε σημαντικά στην ογκολογία (θεραπείες καρκίνου) με μια σειρά εξαγορών και συνεργασιών στον τομέα, καθώς και με εσωτερικές προσπάθειες ανάπτυξης φαρμάκων για τη δημιουργία ενός ισχυρού χαρτοφυλακίου ογκολογικών φαρμάκων.
Το μόριο tirzepatide έχει επαναχρησιμοποιηθεί ως φάρμακο κατά της παχυσαρκίας, υπό το εμπορικό όνομα Zepbound, ο μεγαλύτερος ανταγωνιστής του Ozempic. Αυτό έχει σώσει τη ζωή της Eli Lilly, καθώς πολλά από τα παλαιότερα φάρμακά της βγήκαν εκτός πατέντας, πράγμα που σημαίνει ότι οι κατασκευαστές γενόσημων μπορούν τώρα να τα παράγουν επίσης και να ανταγωνίζονται στην τιμή.
Παρόλα αυτά, η εξάρτηση σε μεγάλο βαθμό από ένα μόνο πατενταρισμένο πεπτίδιο και τα πιθανά παράγωγά του αποτελεί επικίνδυνη θέση και δεν είναι βιώσιμη μακροπρόθεσμα. Όπως οι περισσότερες φαρμακευτικές εταιρείες, υπάρχει έντονη ανάγκη επιστροφής σε διαφοροποιημένη καινοτομία. Αλλά σε αντίθεση με πολλούς άλλους στον κλάδο, η Eli Lilly έχει ένα σχέδιο, και βασίζεται στην πλήρη εστίαση στο AI & την ψηφιακή βιολογία.
Ανακάλυψη Φαρμάκων με AI της Eli Lilly
Η μεγαλύτερη και πιο πρόσφατη ανακοίνωση σχετικά με την ανακάλυψη φαρμάκων με AI & Eli Lilly είναι η συνεργασία της με την Nvidia.
“Η NVIDIA και η Lilly φέρνουν μαζί το καλύτερο των βιομηχανιών μας για να εφευρέσουν ένα νέο σχέδιο για την ανακάλυψη φαρμάκων — ένα όπου οι επιστήμονες μπορούν να εξερευνήσουν τεράστιους βιολογικούς και χημικούς χώρους in‑silico πριν παραχθεί ένα μόνο μόριο.”Jensen Huang, founder and CEO of NVIDIA
Το σχέδιο θα συνδυάσει τα ενεργά wet‑lab της Lilly με υπολογιστικά dry‑lab, επιτρέποντας πειράματα με AI 24/7. Αυτό συνδυάζεται με έναν προηγουμένως ανακοινωμένο υπερυπολογιστή AI που χρησιμοποιεί 1.000 NVIDIA Blackwell Ultra GPU για ένα εργοστάσιο AI, το οποίο θα εκπαιδεύσει μεγάλα βιοϊατρικά μοντέλα βάσης και προχωρημένα μοντέλα για την ταυτοποίηση, βελτιστοποίηση και επικύρωση νέων μορίων.
“Τα μοντέλα βάσης μας δημιουργούν νέες δυνατότητες για τους χημικούς μας, βοηθώντας τους να ανακαλύψουν νέα μοτίβα και διαμορφώσεις ατόμων που ήταν απρόσιτα με τις παραδοσιακές μεθόδους.”Thomas Fuchs – Chief AI Officer at Eli Lilly
Αυτή η συνεργασία των $1 δισεκατομμυρίων είναι μόνο η πιο πρόσφατη (και η μεγαλύτερη) κίνηση της φαρμακευτικής εταιρείας προς την ανακάλυψη φαρμάκων με AI. Πριν από αυτό, είχε κυρίως:
- Έναρξη ερευνητικής συνεργασίας με την Insilico Medicine, με δυνατότητα πληρωμής έως $100 εκατομμύρια στην startup ανάλογα με τα ερευνητικά ορόσημα.
- Συνεργασία με την Circle Pharma για αξιοποίηση των AI της Eli Lilly στη βελτίωση των θεραπειών μακροκυκλικών, συμπεριλαμβανομένων ιστορικά αδυνατών στόχων.
- Ανάπτυξη μοντέλων μηχανικής μάθησης με την insitro, πρωτοπόρο στη μηχανική μάθηση για την ανακάλυψη και ανάπτυξη φαρμάκων.
- Συνεργασία με την OpenAI για την ανακάλυψη νέων φαρμάκων για την αντιμετώπιση βακτηρίων ανθεκτικών σε φάρμακα.
- Χρήση των AI μοντέλων της Genetic Leap για την ανακάλυψη φαρμάκων με στόχο το RNA σε συμφωνία αξίας $409 εκατομμυρίων.
- Συνεργασία AI με την ψηφιακή βιοτεχνολογική εταιρεία της Google/Alphabet , Isomorphic Labs, η οποία θα λάβει $45 εκατομμύρια προκαταβολή και είναι επιλέξιμη για έως $1,7 δισεκατομμύρια σε ορόσημα βάσει απόδοσης.
- Συμφωνία αξίας έως $670 εκατομμυρίων με την Genesis Therapeutics για την μοριακή πλατφόρμα AI της εταιρείας.
- Συμφωνία $1,3 δισεκατομμυρίων με την Superluminal για την ανακάλυψη φαρμάκων κατά της παχυσαρκίας χρησιμοποιώντας AI, χάρη στην ιδιόκτητη πλατφόρμα AI που στοχεύει σε υποδοχείς G‑protein‑coupled (GPCR), με στόχο την ενίσχυση της ήδη ηγετικής παρουσίας της Eli Lilly στην αγορά της παχυσαρκίας.
- Συμφωνία με την BigHat Biosciences για την προώθηση της ανακάλυψης AI‑βασισμένων αντισωμάτων θεραπευτικών χάρη στην πλατφόρμα Milliner.
Η Eli Lilly συνεργάστηκε επίσης με την Benchling, μια πλατφόρμα λογισμικού cloud σχεδιασμένη για R&D στις επιστήμες της ζωής, για να παρέχει στις νεοσύστατες βιοτεχνολογικές εταιρείες πρόσβαση σε μοντέλα εκπαιδευμένα σε δεκαετίες ιδιόκτητων ερευνητικών δεδομένων της Lilly.
Ονομάζεται TuneLab, αυτή η πλατφόρμα θα βοηθήσει την Eli Lilly να συνεργαστεί με νεοσύστατες εταιρείες επιστημών της ζωής στο πλαίσιο του προγράμματος «Catalyze360».
Συνολικά, αυτές οι συνεργασίες στην ανακάλυψη φαρμάκων με AI και η κατασκευή υποδομών προς όλες τις κατευθύνσεις είναι πιθανό να ξαναχτίσουν το αγωγό ανακάλυψης της Eli Lilly και να ενισχύσουν τη θέση της στα αντιβιοτικά, τα φάρμακα κατά του καρκίνου, τις σπάνιες ασθένειες και την παχυσαρκία.
Τελευταία Νέα και Εξελίξεις για το Μετοχικό Συμβόλαιο Eli Lilly (LLY)
