Cinq entreprises d’IA et de biotechnologie computationnelle : perspective de 2023

IA et biotechnologie computationnelle

La recherche biotechnologique utilise de plus en plus l’ IA et les modèles numériques pour étudier et développer des médicaments.

Les systèmes biologiques sont complexes et changent constamment. Même la fonction d’une seule protéine dépend de nombreuses interactions, ce qui rend difficile la prévision de toutes les réactions et de leurs effets cliniques.

Les grands ensembles de données et les modèles informatiques aident à organiser les informations et à sélectionner des hypothèses à tester expérimentalement.

L’observation et l’expérimentation sont depuis longtemps au cœur de la biomédecine. La recherche antérieure ne se résumait pas à des essais aléatoires sans méthode scientifique.

La génomique permet d’étudier plus précisément les gènes et les protéines associés aux maladies.

Les modèles numériques peuvent simuler certaines structures et fonctions de protéines, de cellules et d’organes. Ils ne sont pas des copies complètes et entièrement fiables du corps humain et ne remplacent pas toutes les expériences.

Que peut-on changer ?

De nombreux projets de développement pharmaceutique échouent. Les thérapies de précision et les médicaments à petites molécules peuvent se compléter ; la génomique ne remplace pas automatiquement tous les médicaments traditionnels.

De nombreux candidats sont abandonnés avant une autorisation. Selon le projet, des essais en laboratoire et des études précliniques et cliniques sont nécessaires. Un taux de réussite unique ne s’applique pas à toutes les méthodes.

Le développement peut prendre de nombreuses années et nécessiter des capitaux importants. Les projets qui échouent entraînent des coûts, mais peuvent aussi apporter des connaissances scientifiques utiles.

Source: Biosourcing

Les modèles prédictifs peuvent aider à hiérarchiser les candidats avant des expériences coûteuses. Le résultat d’un modèle ne démontre pas à lui seul la sécurité ou l’efficacité d’un médicament.

La découverte de médicaments est donc une application importante pour les entreprises qui associent IA et biotechnologie.

L’apprentissage automatique repère des régularités dans les données et peut produire des prévisions probabilistes. C’est aussi une méthode algorithmique, dont la fiabilité dépend des données, de la conception et de l’évaluation.

Ces progrès s’appuient sur de longues recherches en biologie, chimie, physique et informatique.

Une avancée très médiatisée est survenue en 2020, lorsque DeepMind a réalisé avec AlphaFold des progrès importants dans la prédiction de la structure tridimensionnelle des protéines (GOOG ). En 2022, la base de données a été étendue à plus de 200 millions de structures prédites de protéines répertoriées. Elles ne décrivent pas intégralement toutes les fonctions biologiques. Alphabet avait également fondé l’entreprise Isomorphic Laboratories en 2021 pour la conception et la découverte de médicaments assistées par IA.

Cinq entreprises vues depuis 2023

Alphabet exerce de nombreuses activités, dont la biotechnologie n’est qu’une partie. Cet article examine cinq entreprises dans la perspective de 2023. Certaines ne se consacrent pas exclusivement à l’IA, et certaines ne sont plus des sociétés cotées indépendantes.

Les fournisseurs de matériel et de logiciels de calcul constituent un autre groupe, comme Nvidia (NVDA ) avec son logiciel de génomique Parabricks.

L’ordre initial reposait sur la capitalisation boursière au moment de la rédaction en 2023, et non sur la taille actuelle des entreprises.

1. Roivant Sciences Ltd.

ROIV Graphique du prix

Roivant développe et acquiert des programmes biopharmaceutiques par l’intermédiaire d’entreprises dont le nom se termine souvent par -vant. Le groupe ne se concentre pas exclusivement sur l’IA.

En 2021, Roivant a annoncé un accord de rachat de Silicon Therapeutics contre des actions Roivant valorisées à 450 millions de dollars, avec d’éventuels paiements supplémentaires conditionnés à des étapes précises. La physique computationnelle de Silicon Therapeutics devait compléter l’activité d’apprentissage automatique de VantAI.

Après la fusion entre Datavant et Ciox Health, Roivant détenait une participation minoritaire dans Datavant. Datavant relie des données de santé ; une participation minoritaire ne signifie ni propriété ni contrôle intégral.

Les activités informatiques de l’époque comprenaient aussi les simulations moléculaires fondées sur la physique de Psivant et la plateforme d’analyse des essais cliniques Lokavant. Les participations et structures d’entreprise concernent la période de l’analyse initiale.

Source: Roivant

Les revenus de Roivant comprenaient des ventes de produits, des licences et d’autres paiements contractuels. Ils ne provenaient alors pas nécessairement surtout de médicaments autorisés et ne correspondaient pas au bénéfice net.

Le groupe combinait programmes informatiques et développement pharmaceutique. Le VTAMA contre le psoriasis, proposé par Dermavant, était un exemple de son activité commerciale de l’époque. Le succès d’un produit ne garantit pas celui du groupe entier.

2. Schrödinger, Inc.

SDGR Graphique du prix

Schrödinger utilise des modèles fondés sur la physique pour évaluer les molécules et mettre en balance leur puissance, leur solubilité, leur demi-vie et la possibilité de les synthétiser.

L’entreprise associe ces modèles à l’apprentissage automatique. Schrödinger (SDGR ) peut réduire de grandes bibliothèques moléculaires virtuelles à des candidats destinés aux expériences. Un milliard de molécules ne garantit toutefois pas huit médicaments efficaces en quelques jours.

Source: Schrodinger

En 2020, Schrödinger a annoncé une collaboration technologique de cinq ans avec Bayer et des paiements attendus d’environ 10 millions d’euros, et non de dollars. Cette collaboration associait conception moléculaire et modèles prédictifs informatiques. La valeur du contrat ne constituait pas automatiquement un revenu immédiatement comptabilisé.

La collaboration avec Eli Lilly annoncée en 2022 prévoyait un paiement initial, jusqu’à 425 millions de dollars de paiements possibles liés à des étapes et des redevances supplémentaires. Le montant maximal n’était ni garanti ni déjà encaissé.

Les partenaires de l’époque comprenaient Takeda, Sanofi (SNW.DE ) (SNY ), Bristol Myers Squibb et des entreprises pharmaceutiques plus petites.

Source: Schrodinger

Schrödinger développait également ses propres molécules. Les revenus issus des logiciels et des collaborations n’équivalaient pas à un bénéfice. La recherche, le développement et l’expansion entraînaient des coûts.

Au-delà des médicaments, l’entreprise explorait des applications dans les produits biologiques complexes et les matériaux comme les produits chimiques, les batteries et les polymères.

Source: Schrodinger

L’évaluation doit prendre en compte l’évolution des collaborations, les résultats expérimentaux et cliniques et la viabilité financière. Un nouveau contrat ne prouve pas à lui seul le succès d’un traitement.

3. Exscientia

Exscientia utilisait l’IA pour les thérapies de précision et pour accompagner différentes étapes du développement pharmaceutique. L’entreprise a rejoint Recursion en novembre 2024 ; elle n’est donc plus un investissement coté indépendant comme en 2023.

Source: Exscientia

L’économie de temps de 70 % et l’amélioration de 80 % de l’efficacité du capital étaient des affirmations de l’entreprise sur certaines étapes de la découverte de médicaments. Ce n’étaient pas des économies universelles, confirmées indépendamment, sur l’ensemble du développement ou les coûts jusqu’à l’autorisation.

Début 2023, Exscientia indiquait que quatre molécules conçues avec l’IA avaient atteint les études cliniques, notamment en cancérologie et dans les maladies inflammatoires. Les montants élevés des collaborations incluaient surtout des paiements futurs possibles liés à des étapes ; 6,5 milliards de dollars ne représentaient pas des revenus déjà réalisés.

Source: Exscientia

Au 30 septembre 2022, Exscientia déclarait environ 624,7 millions de dollars de trésorerie, d’équivalents de trésorerie et de dépôts bancaires. La sortie nette opérationnelle de 15 millions concernait les neuf premiers mois, et non seulement le troisième trimestre ou toute la baisse de liquidité. Les encaissements de collaborations influençaient les flux de trésorerie. Les montants en dollars étaient convertis des livres au taux indiqué dans le communiqué.

Ces ressources permettaient de financer la recherche, mais leur durée dépendait des dépenses et des encaissements. Les partenariats ne supprimaient pas les risques cliniques ou de financement.

4. Absci Corporation

ABSI Graphique du prix

Absci a été fondée en 2011 et avait des activités à Vancouver, dans l’État américain de Washington, à New York et à Zoug, en Suisse. En 2021, elle a acquis les technologies de Totient pour la découverte d’anticorps et de cibles et de Denovium pour la découverte et la conception de protéines par apprentissage profond.

L’entreprise se concentrait sur la conception d’anticorps assistée par ordinateur et les tests en laboratoire. Les cycles d’environ six semaines concernaient la conception et les tests, pas tout le développement clinique ou l’autorisation.

En janvier 2023, Absci a annoncé pouvoir concevoir de nouveaux anticorps et les valider en laboratoire par une méthode zero-shot. Le modèle n’avait pas été entraîné sur des anticorps connus pour se lier à cette cible précise. Cela ne signifie pas l’absence de toute donnée antérieure et ne démontre pas une efficacité clinique.

La collaboration d’Absci avec Merck, aussi appelée MSD, prévoyait jusqu’à 610 millions de dollars de paiements initiaux et de paiements possibles liés à des étapes pour au maximum trois cibles, sous réserve d’exercice des options et de respect des conditions. L’article évoquait aussi la recherche avec Astellas et l’utilisation des technologies de calcul de Nvidia. Le plafond du contrat n’était pas un revenu immédiatement encaissé.

Absci était à un stade précoce de développement. Les avancées technologiques et les contrats devaient être évalués avec les résultats cliniques, les coûts et les besoins en capital, et non comme des garanties de succès de l’investissement.

5. e-therapeutics plc

e-therapeutics associait biologie computationnelle et traitements fondés sur l’interférence par ARN, ou RNAi. L’objectif est de réduire l’expression de certains gènes en agissant sur l’ARN ; il ne s’agit pas de modifier l’ADN.

L’entreprise avait aussi des collaborations de recherche, notamment avec Novo Nordisk. Les revenus de collaboration ne correspondent pas aux ventes de médicaments autorisés.

Pour les six mois au 31 juillet 2022, l’entreprise déclarait 0,3 million de livres de revenus, une perte après impôts de 3,8 millions et 21,8 millions de trésorerie. Elle n’était donc pas totalement sans revenus. Une levée de fonds de 13,5 millions de livres avant frais a été annoncée le 30 septembre 2022. Le financement n’est ni un revenu ni un bénéfice. Les échanges sur l’AIM ont pris fin en mai 2024.

L’évaluation doit tenir compte de la liquidité, des dépenses, des droits des actionnaires et de l’avancement des candidats médicaments. Une cotation passée ne garantit pas la possibilité d’acheter ou de vendre aujourd’hui.

Évaluer les investissements en biologie computationnelle

Le secteur associe deux disciplines complexes : l’IA et la biotechnologie. La connaissance d’une seule ne suffit pas à évaluer entièrement l’autre.

Plusieurs entreprises travaillent sur des applications semblables, comme les petites molécules et les anticorps, et peuvent partager des risques scientifiques et économiques.

La diversification peut réduire la dépendance envers une entreprise, mais ne supprime pas le risque sectoriel. La prévision de croissance rapide pour 2022–2027 citée dans l’article initial reposait sur des hypothèses ; ce n’était ni une croissance déjà réalisée ni une promesse de rendement.

La qualité des données, les coûts, les progrès cliniques et l’utilité commerciale sont essentiels pour évaluer chaque modèle. Les promesses technologiques ne suffisent pas à elles seules.