Cinco empresas de IA y biotecnología computacional: perspectiva de 2023

IA y biotecnología computacional

La investigación biotecnológica utiliza cada vez más IA y modelos digitales para estudiar y desarrollar medicamentos.

Los sistemas biológicos son complejos y cambian continuamente. Incluso la función de una proteína depende de muchas interacciones, por lo que resulta difícil prever todas las reacciones y sus efectos clínicos.

Los grandes conjuntos de datos y los modelos computacionales ayudan a organizar la información y seleccionar hipótesis para comprobarlas mediante experimentos.

La observación y la experimentación han sido fundamentales en biomedicina desde hace mucho tiempo. La investigación anterior no consistía simplemente en ensayos aleatorios sin método científico.

La genómica permite estudiar con mayor precisión genes y proteínas relacionados con enfermedades.

Los modelos digitales pueden simular estructuras y funciones seleccionadas de proteínas, células y órganos. No son copias completas y totalmente fiables del cuerpo humano ni sustituyen todos los experimentos.

¿Qué puede cambiar?

Muchos proyectos de desarrollo farmacéutico fracasan. Las terapias de precisión y los fármacos de moléculas pequeñas pueden complementarse; la genómica no reemplaza automáticamente todos los medicamentos tradicionales.

Muchos candidatos se abandonan antes de obtener una autorización. Según el proyecto, se necesitan pruebas de laboratorio y estudios preclínicos y clínicos. Una sola tasa de éxito no sirve para todos los métodos.

El desarrollo puede durar muchos años y exigir un capital considerable. Los proyectos fallidos generan costes, pero también pueden aportar conocimientos científicos útiles.

Fuente: Biosourcing

Los modelos predictivos pueden ayudar a priorizar candidatos antes de realizar experimentos costosos. El resultado de un modelo, por sí solo, no demuestra la seguridad ni la eficacia de un medicamento.

Por ello, el descubrimiento de fármacos es una aplicación importante para las empresas que combinan IA y biotecnología.

El aprendizaje automático identifica patrones en los datos y puede generar predicciones probabilísticas. También es un método algorítmico, cuya fiabilidad depende de los datos, el diseño y la evaluación.

Estos avances se apoyan en una larga trayectoria de investigación en biología, química, física e informática.

Un avance muy conocido llegó en 2020, cuando DeepMind logró con AlphaFold importantes mejoras en la predicción de la estructura tridimensional de las proteínas (GOOG ). En 2022, la base de datos se amplió a más de 200 millones de estructuras predichas de proteínas catalogadas. No describen por completo todas las funciones biológicas. Alphabet también había fundado la empresa Isomorphic Laboratories en 2021 para el diseño y descubrimiento de fármacos asistidos por IA.

Cinco empresas desde la perspectiva de 2023

Alphabet tiene numerosos negocios, de los que la biotecnología es solo una parte. El artículo examina cinco empresas desde la perspectiva de 2023. No todas se dedican exclusivamente a la IA ni siguen siendo sociedades cotizadas independientes.

Los proveedores de equipos y programas de computación forman otro grupo, como Nvidia con el software de genómica Parabricks (NVDA ).

El orden original se basaba en la capitalización bursátil cuando se escribió el artículo en 2023, no en el tamaño actual.

1. Roivant Sciences Ltd.

ROIV Gráfico de precios

Roivant desarrolla y adquiere proyectos biofarmacéuticos mediante empresas cuyos nombres suelen terminar en -vant. El grupo no se centra exclusivamente en la IA.

En 2021, Roivant anunció un acuerdo para comprar Silicon Therapeutics a cambio de acciones de Roivant valoradas en 450 millones de dólares, además de posibles pagos adicionales condicionados a determinados hitos. La física computacional de Silicon Therapeutics complementaría la actividad de aprendizaje automático de VantAI.

Tras la fusión de Datavant y Ciox Health, Roivant tenía una participación minoritaria en Datavant. Datavant conecta datos sanitarios; una participación minoritaria no equivale a la propiedad o el control total.

Las actividades computacionales de aquella época también incluían las simulaciones moleculares basadas en física de Psivant y la plataforma Lokavant para analizar ensayos clínicos. Las relaciones de propiedad y estructuras empresariales corresponden al momento del análisis original.

Fuente: Roivant

Los ingresos de Roivant incluían ventas de productos, licencias y otros pagos contractuales. Entonces no procedían necesariamente sobre todo de medicamentos aprobados y no equivalían al beneficio neto.

El grupo combinaba proyectos computacionales y desarrollo farmacéutico. Un ejemplo de su actividad comercial de entonces era VTAMA para la psoriasis a través de Dermavant. El éxito de un producto no garantiza el éxito de todo el grupo.

2. Schrödinger, Inc.

SDGR Gráfico de precios

Schrödinger utiliza modelos basados en física para evaluar moléculas y equilibrar propiedades como potencia, solubilidad, semivida y posibilidad de síntesis.

La empresa combina estos modelos con aprendizaje automático. Schrödinger (SDGR ) puede reducir grandes bibliotecas moleculares virtuales a candidatos para experimentar. Sin embargo, mil millones de moléculas no garantizan ocho medicamentos eficaces en pocos días.

Fuente: Schrodinger

En 2020, Schrödinger anunció una colaboración tecnológica de cinco años con Bayer y pagos previstos de aproximadamente 10 millones de euros, no dólares. La colaboración combinaba diseño molecular y modelos predictivos computacionales. El valor del contrato no era automáticamente un ingreso contabilizado de inmediato.

La colaboración con Eli Lilly anunciada en 2022 incluía un pago inicial, hasta 425 millones de dólares en posibles pagos por hitos y regalías adicionales. El importe máximo no estaba garantizado ni se había cobrado ya.

Entre los socios de entonces figuraban Takeda, Sanofi (SNW.DE ) (SNY ), Bristol Myers Squibb y empresas farmacéuticas más pequeñas.

Fuente: Schrodinger

Schrödinger también desarrollaba moléculas propias. Los ingresos por software y colaboraciones no equivalían a beneficios. La investigación, el desarrollo y la expansión generaban costes.

Además de medicamentos, la empresa exploraba aplicaciones en productos biológicos complejos y materiales como sustancias químicas, baterías y polímeros.

Fuente: Schrodinger

La evaluación debe considerar la evolución de las colaboraciones, los resultados experimentales y clínicos y la sostenibilidad financiera. Un nuevo contrato no demuestra por sí solo el éxito de un tratamiento.

3. Exscientia

Exscientia utilizaba IA para terapias de precisión y como apoyo en distintas etapas del desarrollo farmacéutico. La empresa se unió a Recursion en noviembre de 2024, por lo que ya no es una inversión cotizada independiente como en 2023.

Fuente: Exscientia

El ahorro de tiempo del 70 % y la mejora del 80 % en la eficiencia del capital eran afirmaciones de la empresa sobre determinadas fases del descubrimiento de fármacos. No eran ahorros universales, confirmados de forma independiente, para todo el desarrollo o el coste hasta la autorización.

A principios de 2023, Exscientia informó de que cuatro moléculas diseñadas con IA habían entrado en estudios clínicos, entre otros para cáncer y enfermedades inflamatorias. Los grandes valores de las colaboraciones incluían principalmente posibles pagos futuros por hitos; 6.500 millones de dólares no eran ingresos ya realizados.

Fuente: Exscientia

A 30 de septiembre de 2022, Exscientia declaró unos 624,7 millones de dólares en efectivo, equivalentes de efectivo y depósitos bancarios. La salida neta operativa de 15 millones correspondía a los primeros nueve meses, no solo al tercer trimestre ni a toda la disminución de liquidez. Los cobros de colaboraciones influían en el flujo de caja. Las cifras en dólares se convirtieron desde libras al tipo indicado en el comunicado.

Estos recursos permitían financiar investigación, pero su duración dependía de gastos y cobros. Las alianzas no eliminaban los riesgos clínicos ni de financiación.

4. Absci Corporation

ABSI Gráfico de precios

Absci se fundó en 2011 y tenía actividades en Vancouver, en el estado estadounidense de Washington, Nueva York y Zug, Suiza. En 2021 adquirió tecnología de Totient para descubrir anticuerpos y dianas, y de Denovium  para descubrir y diseñar proteínas mediante aprendizaje profundo.

La empresa se centraba en el diseño de anticuerpos asistido por ordenador y las pruebas de laboratorio. Los ciclos de unas seis semanas correspondían al diseño y las pruebas, no a todo el desarrollo clínico o la autorización.

En enero de 2023, Absci anunció que podía diseñar nuevos anticuerpos y validarlos en laboratorio con un método zero-shot. El modelo no se había entrenado con anticuerpos conocidos por unirse a esa diana concreta. Esto no significa ausencia de cualquier dato previo y no era una prueba de eficacia clínica.

La colaboración de Absci con Merck, también conocida como MSD, incluía hasta 610 millones de dólares en posibles pagos iniciales y por hitos para un máximo de tres dianas , si se ejercían opciones y se cumplían condiciones. El artículo también describía investigación con Astellas y el uso de tecnología de computación de Nvidia. El valor máximo del contrato no era un ingreso ya cobrado.

Absci estaba en una fase temprana de desarrollo. Los avances tecnológicos y los contratos debían evaluarse junto con los resultados clínicos, los costes y las necesidades de capital, no como garantías de éxito de la inversión.

5. e-therapeutics plc

e-therapeutics combinaba biología computacional con tratamientos basados en interferencia de ARN, o RNAi. Buscan reducir la expresión de determinados genes actuando sobre el ARN; no se trata de editar el ADN.

La empresa también tenía colaboraciones de investigación, entre ellas con Novo Nordisk. Los ingresos por colaboración no equivalen a ventas de medicamentos autorizados.

En los seis meses hasta el 31 de julio de 2022, la empresa declaró ingresos de 0,3 millones de libras, una pérdida después de impuestos de 3,8 millones y efectivo por 21,8 millones. Por tanto, no carecía totalmente de ingresos. Una captación de capital de 13,5 millones de libras antes de costes se anunció el 30 de septiembre de 2022. La financiación no es ingreso ni beneficio. La negociación en AIM terminó en mayo de 2024.

La evaluación debe considerar liquidez, gastos, derechos de los accionistas y progreso de los candidatos a medicamentos. Una cotización pasada no garantiza que puedan comprarse o venderse acciones hoy.

Evaluar inversiones en biología computacional

El sector combina dos disciplinas complejas: IA y biotecnología. Conocer solo una no basta para evaluar íntegramente la otra.

Varias empresas trabajan en aplicaciones similares, como moléculas pequeñas y anticuerpos, y pueden compartir riesgos científicos y económicos.

La diversificación puede reducir la dependencia de una empresa, pero no elimina el riesgo sectorial. El artículo original citaba una previsión de rápido crecimiento del mercado entre 2022 y 2027. Era una estimación basada en supuestos, no crecimiento ya realizado ni una promesa de rentabilidad.

La calidad de los datos, los costes, el progreso clínico y la utilidad comercial son fundamentales para evaluar cada modelo. Las promesas tecnológicas por sí solas no bastan.