Viisi tekoälyn ja laskennallisen bioteknologian yritystä: tilanne vuonna 2023

Tekoäly ja laskennallinen bioteknologia

Bioteknologian tutkimuksessa hyödynnetään yhä enemmän tekoälyä ja tietokonemalleja lääkkeiden tutkimiseen ja kehittämiseen.

Biologiset järjestelmät ovat monimutkaisia ja muuttuvat jatkuvasti. Jo yhden proteiinin toimintaan vaikuttaa lukuisia vuorovaikutuksia, joten kaikkia reaktioita ja kliinisiä vaikutuksia on vaikea ennustaa.

Laajat tietoaineistot ja laskennalliset mallit auttavat järjestämään tietoa ja valitsemaan hypoteeseja kokeelliseen tutkimukseen.

Havainnointi ja kokeet ovat aina olleet tärkeitä biolääketieteessä. Aiempi tutkimus ei ollut pelkkää sattumanvaraista kokeilua ilman tieteellistä menetelmää.

Genomiikka mahdollistaa sairauksiin liittyvien geenien ja proteiinien aiempaa tarkemman tutkimisen.

Digitaalisilla malleilla voidaan simuloida proteiinien, solujen ja elinten valittuja rakenteita ja toimintoja. Ne eivät ole täydellisiä, luotettavasti ennustavia kopioita ihmiskehosta eivätkä korvaa kaikkia kokeita.

Mikä voi muuttua?

Lääkekehityksessä moni hanke epäonnistuu. Täsmähoidot ja pienmolekyylilääkkeet voivat täydentää toisiaan; genomiikka ei yksinkertaisesti korvaa kaikkia perinteisiä lääkkeitä.

Monet lääkeaihioista karsiutuvat ennen myyntilupaa. Ohjelmasta riippuen tarvitaan laboratorio-, prekliinisiä ja kliinisiä tutkimuksia. Yksi onnistumissuhde ei päde kaikkiin menetelmiin.

Kehitys voi kestää vuosia ja vaatia huomattavasti pääomaa. Epäonnistunut ohjelma aiheuttaa kustannuksia mutta voi tuottaa myös hyödyllistä tutkimustietoa.

Ennustemallit auttavat priorisoimaan aihioita ennen kalliita kokeita. Mallin tulos ei yksin todista lääkkeen turvallisuutta tai tehoa.

Lääkkeiden löytäminen on siksi tärkeä sovelluskohde monille tekoälyä ja bioteknologiaa yhdistäville yrityksille.

Koneoppiminen tunnistaa aineistosta säännönmukaisuuksia ja voi tuottaa todennäköisyyksiin perustuvia ennusteita. Sekin on algoritminen menetelmä, jonka tarkkuus riippuu aineistosta, suunnittelusta ja arvioinnista.

Edistyminen perustuu pitkäaikaiseen tutkimukseen biologiassa, kemiassa, fysiikassa ja tietojenkäsittelytieteessä.

 DeepMind saavutti vuonna 2020 AlphaFoldilla merkittävää edistystä proteiinien kolmiulotteisen rakenteen ennustamisessa (GOOG ). Vuonna 2022 tietokanta laajeni yli 200 miljoonaan luetteloitujen proteiinien rakenne-ennusteeseen. Ne eivät kuvaa täydellisesti kaikkia biologisia toimintoja. Alphabet oli myös perustanut vuonna 2021 yrityksen nimeltä Isomorphic Laboratories tekoälyavusteiseen lääkesuunnitteluun ja lääkkeiden löytämiseen.

Viisi yritystä vuoden 2023 tarkastelussa

Alphabetilla on monenlaista liiketoimintaa, josta bioteknologia on vain osa. Artikkeli tarkastelee viittä yritystä vuoden 2023 näkökulmasta. Kaikki eivät ole pelkästään tekoälyyrityksiä eivätkä nykyisin itsenäisiä pörssiyhtiöitä.

Laskentalaitteiden ja -ohjelmistojen toimittajat muodostavat eri ryhmän, kuten Nvidia ja sen genomiikkaohjelmisto Parabricks (NVDA ).

Alkuperäinen järjestys perustui markkina-arvoon kirjoitushetkellä vuonna 2023, ei nykyiseen suuruusjärjestykseen.

1. Roivant Sciences Ltd.

ROIV Hintakaavio

Roivant kehittää ja hankkii biofarmaseuttisia ohjelmia yritysten kautta, joiden nimessä on usein -vant-pääte. Konserni ei keskity yksinomaan tekoälyyn.

Vuonna 2021 Roivant ilmoitti sopimuksesta Silicon Therapeuticsin ostamiseksi 450 miljoonan dollarin arvoisilla Roivantin osakkeilla, minkä lisäksi sopimukseen liittyi mahdollisia ehdollisia etappimaksuja. Silicon Therapeuticsin laskennallinen fysiikka täydentäisi koneoppimiseen keskittyvää yritystä VantAI.

Datavantin ja Ciox Healthin yhdistymisen jälkeen Roivantilla oli Datavantissa vähemmistöosuus. Datavant yhdistää terveydenhuollon tietoaineistoja; vähemmistöosuus ei tarkoita täyttä omistusta tai kaikkien toimintojen hallintaa.

Tuon ajan laskennallisiin ohjelmiin kuuluivat myös Psivantin fysiikkaan perustuvat molekyylisimulaatiot ja Lokavantin kliinisten tutkimusten analysointi. Omistus- ja yritysrakenteet koskevat alkuperäisen tarkastelun ajankohtaa.

Roivantin tulot sisälsivät tuotemyyntiä, lisenssimaksuja ja muita sopimusmaksuja. Ne eivät tuolloin välttämättä syntyneet pääosin hyväksyttyjen lääkkeiden myynnistä eivätkä olleet sama asia kuin nettovoitto.

Konserni yhdisti laskennallisia ohjelmia ja lääkekehitystä. Esimerkki sen tuolloisesta kaupallisesta toiminnasta oli psoriaasin hoitoon tarkoitettu VTAMA Dermavantin kautta. Yhden tuotteen menestys ei takaa koko konsernin menestystä.

2. Schrödinger, Inc.

SDGR Hintakaavio

Schrödinger arvioi molekyylejä fysiikkaan perustuvilla malleilla ja punnitsee esimerkiksi tehoa, liukoisuutta, puoliintumisaikaa ja syntetisoitavuutta.

Se yhdistää tähän koneoppimista. Schrödinger (SDGR ) voi rajata suuria virtuaalisia molekyylikirjastoja kokeisiin valittaviksi aihioiksi. Miljardi molekyyliä ei kuitenkaan takuuvarmasti tuota kahdeksaa tehokasta lääkettä muutamassa päivässä.

Schrödinger ilmoitti vuonna 2020 viisivuotisesta teknologiayhteistyöstä Bayerin kanssa ja noin 10 miljoonan euron odotetuista maksuista, ei dollareista. Yhteistyö yhdisti molekyylisuunnittelun ja laskennalliset ennustemallit. Sopimussumma ei ollut automaattisesti heti kirjattua liikevaihtoa.

Vuonna 2022 julkistettu Eli Lilly -yhteistyö sisälsi aloitusmaksun sekä enintään 425 miljoonaa dollaria mahdollisia etappimaksuja ja rojalteja. Enimmäissummaa ei ollut taattu tai jo saatu.

Tuon ajan yhteistyökumppaneita olivat Takeda, Sanofi (SNW.DE ) (SNY ), Bristol Myers Squibb ja muut lääkeyritykset.

Schrödinger kehitti sekä yhteisiä että omia ohjelmia. Sillä oli ohjelmisto- ja yhteistyötuloja, mutta se oli tarkastelujaksolla tappiollinen. Liikevaihto ja kannattavuus ovat eri asioita.

Teknologialla oli sovelluksia myös lääkkeiden ulkopuolella, kuten akkujen, kemikaalien ja polymeerien materiaalitutkimuksessa.

Arvioinnissa olennaisia ovat yhteistyön eteneminen, kokeelliset ja kliiniset tulokset sekä taloudellinen kestävyys. Uusi sopimus ei yksin todista hoidon onnistumista.

3. Exscientia

Exscientia käytti tekoälyä täsmähoitojen ja lääkekehityksen eri vaiheiden tukena. Exscientia yhdistyi Recursioniin marraskuussa 2024, joten se ei enää ole itsenäinen pörssisijoitus samalla tavalla kuin vuonna 2023.

Mainitut 70 prosentin ajansäästö ja 80 prosentin parannus pääomatehokkuudessa olivat yrityksen väitteitä tietyistä lääkkeen löytämisen vaiheista. Ne eivät olleet yleisiä, riippumattomasti vahvistettuja säästöjä koko kehitysajasta tai myyntilupaan johtavista kustannuksista.

Alkuvuonna 2023 Exscientia kertoi neljästä tekoälyllä suunnitellusta molekyylistä, jotka olivat edenneet kliinisiin tutkimuksiin muun muassa syöpä- ja tulehdussairauksissa. Suuret yhteistyösummat koskivat lähinnä mahdollisia tulevia etappimaksuja; 6,5 miljardia dollaria ei ollut jo toteutunutta liikevaihtoa.

Exscientia ilmoitti 30. syyskuuta 2022 noin 624,7 miljoonan dollarin rahavarat, rahavaroihin rinnastettavat erät ja pankkitalletukset. Liiketoiminnan 15 miljoonan dollarin nettokassavirta ulospäin koski ensimmäisiä yhdeksää kuukautta, ei vain kolmatta vuosineljännestä tai koko likviditeetin vähenemistä. Yhteistyöstä saadut maksut vaikuttivat kassavirtaan. Dollarimäärät oli muunnettu punnista tiedotteessa ilmoitetulla kurssilla.

Rahat mahdollistivat tutkimuksen rahoittamisen, mutta niiden riittävyys riippui menoista ja tuloista. Kumppanuudet eivät poistaneet kliinistä tai rahoitusriskiä.

4. Absci Corporation

ABSI Hintakaavio

Absci perustettiin vuonna 2011, ja sillä oli toimintaa Yhdysvaltain Washingtonin osavaltion Vancouverissa, New Yorkissa ja Sveitsin Zugissa. Vuonna 2021 se hankki teknologiaa yrityksiltä Totient vasta-aineiden ja kohteiden löytämiseen sekä Denovium  syväoppimiseen perustuvaan proteiinien löytämiseen ja suunnitteluun.

Yritys keskittyi vasta-aineiden tietokoneavusteiseen suunnitteluun ja laboratoriotesteihin. Noin kuuden viikon kierrot koskivat suunnittelua ja testausta, eivät koko kliinistä kehitystä tai hyväksyntää.

Tammikuussa 2023 Absci ilmoitti pystyvänsä suunnittelemaan uusia vasta-aineita ja validoimaan niitä laboratoriossa zero-shot-menetelmällä. Mallia ei koulutettu tunnetuilla vasta-aineilla, jotka sitoutuvat kyseiseen kohteeseen. Tämä ei tarkoittanut kaiken aiemman aineiston puuttumista. Kyse ei ollut kliinisestä tehotodisteesta.

Abscin yhteistyö Merckin eli MSD:n kanssa sisälsi enintään 610 miljoonan dollarin mahdolliset aloitus- ja etappimaksut enintään kolmesta kohteesta , jos optiot käytettäisiin ja ehdot täyttyisivät. Artikkeli kuvasi myös tutkimusyhteistyötä Astellasin kanssa ja Nvidian laskentateknologian käyttöä. Sopimuksen enimmäissumma ei ollut heti saatua liikevaihtoa.

Absci oli varhaisessa kehitysvaiheessa. Teknologiset edistysaskeleet ja sopimukset oli arvioitava kliinisten tulosten, kustannusten ja rahoitustarpeiden rinnalla, ei sijoitusmenestyksen takeena.

5. e-therapeutics plc

e-therapeutics yhdisti laskennallisen biologian ja RNA-interferenssiin eli RNAi:hin perustuvat hoidot. Niillä pyritään vähentämään tiettyjen geenien ilmentymistä vaikuttamalla RNA:han; kyse ei ole DNA:n muokkaamisesta.

Yrityksellä oli myös tutkimusyhteistyötä muun muassa Novo Nordiskin kanssa. Yhteistyötulot eivät ole sama asia kuin hyväksyttyjen lääkkeiden myynti.

Kuudelta kuukaudelta 31. heinäkuuta 2022 asti yritys raportoi 0,3 miljoonan punnan liikevaihdon, 3,8 miljoonan punnan tappion verojen jälkeen ja 21,8 miljoonan punnan rahavarat. Se ei siis ollut täysin vailla liikevaihtoa. Syyskuun 30. päivänä 2022 julkistettiin 13,5 miljoonan punnan rahoituskierros ennen kuluja. Rahoitus ei ole liikevaihtoa tai voittoa. AIM-kaupankäynti päättyi toukokuussa 2024.

Arvioinnissa tärkeitä ovat likviditeetti, menot, osakkeenomistajien oikeudet ja lääkeaihioiden eteneminen. Aiempi pörssilistaus ei takaa nykyistä mahdollisuutta ostaa tai myydä osakkeita.

Laskennallisen biologian sijoitusten arviointi

Ala yhdistää kaksi monimutkaista kokonaisuutta, tekoälyn ja bioteknologian. Toisen osaaminen ei yksin riitä toisen täydelliseen arviointiin.

Useat yritykset tavoittelevat samankaltaisia sovelluksia, kuten pieniä molekyylejä ja vasta-aineita, ja niillä voi olla yhteisiä tieteellisiä ja taloudellisia riskejä.

Hajautus voi vähentää riippuvuutta yksittäisestä yrityksestä, mutta se ei poista toimialariskiä. Alkuperäisen artikkelin vuosia 2022–2027 koskenut kasvuarvio oli oletuksiin perustuva ennuste, ei jo toteutunut kasvu tai luvattu sijoitustuotto.

Aineiston laatu, kustannukset, kliininen eteneminen ja kaupallinen hyödynnettävyys ovat olennaisia jokaisen mallin arvioinnissa. Pelkkä teknologinen lupaus ei riitä.