Biotechnologie
Top 10 des entreprises de biotechnologie Big Data
Plus de données pour une meilleure médecine
Plus nous en apprenons sur la biologie, plus nous réalisons tout ce que nous ne savons pas. Tout a commencé avec la révolution génomique et le premier génome humain séquencé au début des années 2000.
La génomique est désormais accompagnée d’autres ensembles de données tels que la transcriptomique, la protéomique, la métabolomique, le microbiome, etc., formant une nouvelle science « multi‑omics ». Nous avons abordé plus en détail cette évolution dans « Multiomics Are The Next Step In Biotechnology».
Ces nouveaux outils ont engendré un flot de données fournissant des informations détaillées sur les activités internes des cellules, parfois jusqu’au niveau atomique. Un facteur clé de cette croissance des données a été la chute du prix du séquençage des gènes et d’autres matériaux biologiques comme les protéines.
Source: ResearchGate
Cela a suscité un enthousiasme quant au potentiel du « Big Data » dans la biotechnologie, imitant le concept de big data provenant d’autres domaines davantage axés sur l’informatique.
Déjà en 2018, le magazine Barron’s se demandait « Will Big Data Lead to Big Biotech Returns? » et l’industrie a commencé à s’interroger sur « Implementing Large-Scale Data Processing and Analysis for Bioprocessing».
Un certain nombre d’entreprises sont bien positionnées pour profiter de la volonté de créer et d’analyser des données biologiques à grande échelle.
L’IA fusionne-t-elle avec le Big Data ?
Un nouveau développement au cours des dernières années a été l’émergence de l’IA. Bien que l’IA soit entrée dans la conscience publique principalement en 2023, avec les LLM (modèles de langage de grande taille) comme ChatGPT, l’industrie biotechnologique a commencé à adopter l’IA plusieurs années auparavant.
Et cela a du sens car les données et l’IA entretiennent une relation quelque peu symbiotique :
- Former des modèles d’IA nécessite beaucoup de données de haute qualité et annotées.
- Les IA peuvent aider à trier d’énormes ensembles de données sans intervention humaine directe et à établir des connexions là où une analyse manuelle serait impossible.
Le résultat est qu’aujourd’hui, de nombreuses entreprises du secteur biotechnologique, auparavant axées sur le big data, se transforment également en sociétés d’IA.
Contrairement à certaines applications d’IA qui cherchent encore un modèle économique (comme la génération d’images), la découverte de médicaments et la recherche médicale disposent d’une trajectoire assez directe du modèle d’IA à la monétisation.
Top 10 des actions biotechnologiques axées sur le Big Data
1. Illumina
(ILMN )
Illumina est la principale entreprise de génomique, de loin la plus grande et la plus établie du secteur, avec 1,2 milliard de dollars de revenus, qui ont augmenté de 11 % de CAGR au cours des cinq dernières années.
Cela en fait également le principal fournisseur de données génomiques pour l’ensemble de l’industrie biotechnologique.
Comme la plupart des entreprises de séquençage génomique, Illumina génère des revenus en vendant des séquenceurs, mais surtout en vendant les consommables utilisés par ces séquenceurs. Le revenu par machine augmente généralement avec le temps à mesure qu’elle est utilisée à pleine capacité.
Le nouveau modèle de séquenceur génomique de l’entreprise, le NovaSeqX, est un succès, avec 352 unités en 2023. Cela a accéléré l’adoption du séquençage génomique de masse parmi les clients d’Illumina, avec davantage d’analyses multi‑omics et une plus grande échelle pour les analyses unicellulaires et spatiales.
Les ventes du NovaSeqX s’ajoutent à un segment très important de séquenceurs génomiques, avec plus de 25 000 systèmes installés.
Source: Illumina
Problèmes de Grail
Lorsqu’on parle d’Illumina, une longue explication est nécessaire pour une nouvelle application de la génomique, la détection du cancer dans un échantillon sanguin appelée biopsie liquide.
Illumina a travaillé au développement de cette technologie puis l’a scindée en une société nommée Grail.
Grail est très réussie tant sur le plan technique que commercial. Au deuxième trimestre 2023, 7 500 prestataires ont prescrit les tests de Grail, dépassant le cap des 100 000 tests réalisés. Elle a également détecté 92 % des rechutes cancéreuses parmi six cancers du sang différents.
Quelques années plus tard, Illumina a racheté cette société à un prix bien plus élevé.
Cela a engendré plusieurs problèmes. D’abord, les autorités de régulation aux États‑Unis et dans l’UE ont exprimé des inquiétudes concernant le risque de monopole, Illumina étant le fournisseur de séquenceurs génomiques pour de nombreux concurrents de Grail. Cela a entraîné une amende de 432 M€ de l’UE.
Un autre ensemble de problèmes est né des conditions de la coûteuse scission de Grail, de la levée de fonds et de la réintégration dans Illumina.
En fin de compte, la décision de céder à nouveau Grail a été prise, le conseil d’administration ayant approuvé la décision le 4 juin 2024.
La saga Grail a causé de nombreux problèmes pour Illumina et ses actionnaires. Cela n’a toutefois pas affecté la position de l’entreprise dans le séquençage génomique.
En définitive, il est probable que la détection du cancer par Grail devienne une activité massive, incitant les médecins à utiliser de nombreux séquenceurs génomiques et consommables d’Illumina.
Illumina a également acquis en 2023 la société de logiciels bioinformatiques Partek, élargissant ainsi son offre au‑delà des séquenceurs et de leurs consommables.
2. Schrödinger, Inc.
(SDGR )
L’entreprise se spécialise dans les modèles basés sur la physique afin de trouver la meilleure molécule possible pour un objectif donné, en équilibrant des critères parfois contradictoires tels que la puissance, la solubilité, la demi‑vie, la synthétisabilité, etc.
Elle utilise également l’apprentissage automatique, mais l’ajout d’un modèle basé sur la physique permet de le tester dans des domaines entièrement nouveaux pour lesquels aucun jeu de données n’existe afin d’« entraîner » l’IA. Cela permet à Schrödinger de passer d’un milliard de molécules potentielles à seulement huit candidats solides en quelques jours, uniquement grâce à des calculs numériques.
Source: Schrodinger
Schrödinger a signé avec Bayer un accord de collaboration de 5 ans en 2020 pour un revenu de 10 M$. L’idée de cet accord est d’utiliser la technologie de Schrödinger conjointement avec les modèles de prédiction in‑silico de Bayer.
Un autre partenariat récent est avec Lilly, qui prévoit jusqu’à 425 M$ de paiements de jalons totaux pour une découverte réussie.
Les collaborations passées comprenaient Takeda, Sanofi, Bristol Myers Squibb et d’autres petites sociétés pharmaceutiques.
Source: Schrodinger
Dans l’ensemble, Schrödinger construit un portefeuille en expansion, incluant de plus en plus de molécules propriétaires et entièrement détenues. Bien qu’elle ne génère pas encore de revenus, l’entreprise n’est pas encore rentable, se concentrant sur l’expansion et les dépenses de R&D pour améliorer sa technologie.
L’entreprise envisage également de s’étendre à de nouveaux segments au‑delà de la découverte de médicaments, tels que les biopharmaceutiques complexes ou même les matériaux comme les produits chimiques, les batteries ou les polymères.
Source: Schrodinger
Les investisseurs voudront surveiller les nouvelles collaborations, car elles refléteront les avancées de la technologie de Schrödinger, évaluées par les leaders du secteur, ainsi que le succès potentiel de l’expansion de la technologie de base vers de nouveaux marchés.
3. Exscientia
(EXAI )
L’entreprise utilise l’IA pour développer des thérapies de précision. Elle exploite une technologie de découverte de médicaments « full stack » basée sur l’IA avec des logiciels dédiés à chaque étape du processus de découverte.
Source: Exscientia
La technologie d’Exscientia réduit de 70 % le temps nécessaire pour passer d’une cible biologique à la découverte d’un médicament correspondant et diminue de 80 % les besoins en capital.
Cela a conduit à 4 composés en phase clinique précoce, 30 programmes au total, et 6,5 M$ de revenus provenant de jalons avec des partenaires. L’accent principal a été mis sur l’oncologie (cancer) et les maladies inflammatoires.
Source: Exscientia
Cela pourrait constituer une option intéressante pour les investisseurs recherchant une société de découverte de médicaments par IA bien établie, disposant d’une importante trésorerie et de multiples partenariats en cours pour plus de sécurité.
4. 10x Genomics, Inc.
(TXG )
10x Genomics est un leader en biologie spatiale, qui étudie le génome et le transcriptome en 3 D, permettant de visualiser l’activité des gènes au niveau cellulaire voire intracellulaire.
L’entreprise a été fondée en 2012, avec Serge Saxonov parmi ses fondateurs, directeur de la R&D de la société de tests génomiques personnalisés 23andMe.
10x Genomics s’est développée grâce à un mélange de R&D (plus d’un milliard de dollars investis jusqu’à présent) et d’acquisitions. Notamment, sa plateforme Visium a été obtenue par l’acquisition de Spatial Transcriptomics en 2018.
Source: 10x Genomics – 10x Genomics acquisitions timeline
C’est ainsi que 10x Genomics a acquis sa plateforme Xenium en rachetant Readcoor et Cartana en 2020.
En 2020, elle a également lancé la plateforme Chromium, qui a été mise à jour l’année suivante en Chromium X.
Grâce à l’acquisition de Tetramer Shop en 2021, 10x Genomics a également lancé BEAM (Barcode Enabled Antigen Mapping) en 2022. Cela permet aux chercheurs d’identifier en détail les composants du système immunitaire. Cela pourrait avoir un impact considérable sur la recherche en immunité et sur les nouvelles maladies.
Les revenus ont augmenté de 17 % d’une année sur l’autre au deuxième trimestre 2023, tirés par les ventes de Xenium, le jalon de 100 unités vendues ayant été atteint en août 2023.
L’entreprise a également remporté en septembre 2023 une victoire cruciale contre son principal rival, Nanostring. Nanostring est désormais interdit de vendre ses instruments CosMx Spatial Molecular Imager (SMI) dans la plupart de l’UE pour violation des brevets de 10x Genomics.
L’entreprise est encore à un stade précoce, quelque peu comparable aux débuts d’Illumina. Pour l’instant, la biologie spatiale reste confinée au monde de la recherche académique et fondamentale. Mais, comme de nombreuses biotechnologies, elle pourrait un jour se généraliser, devenir progressivement un outil médical, puis un test « de routine ». Dans tous les cas, le nombre croissant de machines installées devrait stimuler les ventes de consommables et la croissance des revenus.
5 . Oxford Nanopore Technologies plc (ONT.L)
Oxford Nanopore utilise une technologie de séquençage génomique unique reposant sur des puits de flux. Cela permet de « lire » l’ADN lorsqu’il traverse les nanopores, non pas par des moyens chimiques mais directement en mesurant un courant électrique.
Ainsi, d’une certaine manière, c’est la première fois qu’un ordinateur peut lire une séquence génétique (ADN et ARN) en temps réel.
Source: Oxford Nanopore
Un autre avantage unique de la technologie de l’entreprise est qu’elle peut lire des séquences génétiques plus longues que les méthodes de séquençage conventionnelles. Les longues séquences et la lecture en temps réel permettent d’obtenir des résultats meilleurs et plus rapides, ce qui est important pour l’analyse du cancer ou les maladies infectieuses comme les bactéries résistantes aux antibiotiques.
Enfin, la mesure électrique permet de créer des séquenceurs plus petits et plus portables, une amélioration par rapport aux machines massives utilisées jusqu’à présent. Cela permet à l’entreprise de produire une large gamme de séquenceurs, y compris des modèles plus lents, plus petits et beaucoup moins chers, à partir de 1 000 $. Cela pourrait radicalement élargir le marché du séquençage, le séquençage mobile ou à faible coût n’étant auparavant pas une option.
En raison de sa technologie radicalement nouvelle, il est incertain où Oxford se situera dans un écosystème de séquençage génomique plus mature.
Elle pourrait remplacer entièrement la technologie dominante de lecture chimique/optique des génomes.
Ou elle pourrait devenir une application réussie mais de niche pour le séquençage à faible volume ou mobile, ou pour le séquençage nécessitant une lecture haute précision de longues séquences génétiques.
L’entreprise prévoit également de s’étendre à la lecture des protéines, aux modifications post‑traductionnelles des protéines ou des petites molécules, ainsi qu’à d’autres mesures à la pointe des sciences de la vie.
6 . Ginkgo Bioworks Holdings, Inc.
(DNA )
L’entreprise produit des organismes à la demande pour des applications spécifiques. Elle a largement diversifié ses applications avec de nombreux programmes de recherche et partenariats :
- Cannabinoïdes
- Production de vaccins à ARNm et médecine à base d’acides nucléiques
- Protéines alimentaires
- Production d’engrais biologiques en partenariat avec Bayer
- Microbes programmables pour les maladies intestinales
- Bioremédiation des microplastiques
- Bio‑sécurité et détection des agents pathogènes
- Recyclage des déchets et des contaminants
Bon nombre de ces modifications reposent sur CRISPR ou des technologies d’édition génétique similaires, notamment ses thérapies cellulaires CAR‑T contre le cancer.
En offrant une plateforme prête à l’emploi pour l’ingénierie cellulaire, Ginkgo devient un fournisseur de services clé dans l’industrie biotechnologique, allant au‑delà de l’industrie pharmaceutique pour toucher l’agriculture, la bio‑sécurité et les procédés chimiques industriels.
Elle fournit expertise et rapidité et peut aider à réduire les coûts fixes ainsi que la quantité de CAPEX nécessaire à un projet de recherche.
Cela se manifeste par la grande diversité de clients et de partenaires que l’entreprise a eus au cours des dernières années.
Source: Gingko Bioworks
Ce qui fait de Ginkgo une entreprise de big data, c’est l’étendue unique parmi d’innombrables applications et types d’organismes de ses banques cellulaires, ensembles de données et expériences.
C’est une action attrayante pour les investisseurs souhaitant miser sur les technologies d’édition génétique et d’ingénierie cellulaire, sans se concentrer sur une application particulière. Cela est généralement plus intéressant pour les investisseurs axés sur la croissance.
La grande majorité des entreprises CRISPR se concentrent sur la médecine humaine et les maladies génétiques, laissant à Ginkgo des opportunités dans l’agriculture, le bio‑ingénierie, l’énergie et les bioproduits (y compris les cannabinoïdes).
Associé à l’expansion rapide des ensembles de données génétiques, des outils d’édition génétique et de l’IA (y compris open source), cela pourrait représenter une opportunité majeure pour Ginkgo Bioworks.
7. BenevolentAI SA (BAI.AS)
BenevolentAI utilise la découverte de médicaments assistée par IA pour développer des traitements de la dermatite atopique ainsi que des traitements potentiels pour les maladies chroniques et le cancer.
Alors que d’autres entreprises utilisent l’IA pour prédire l’activité cellulaire ou la configuration 3D des protéines, le moteur BenAI de Benevolent explore la base de données existante d’articles scientifiques (plus de 35 millions) afin de révéler de nouvelles perspectives.
Il intègre ensuite ces découvertes potentielles dans un processus incluant la validation expérimentale de l’idée, l’analyse in‑silico et l’élargissement des indications / le repositionnement de médicaments.
Source: Benevolent
L’idée est que de nombreux médicaments existants ou mécanismes biologiques connus puissent être réorientés vers de nouveaux traitements. Globalement, une telle stratégie devrait permettre d’obtenir de nouvelles thérapies plus rapidement, car une grande partie du travail réglementaire est déjà accomplie (par exemple, la phase I des essais cliniques a démontré la sécurité du médicament).
L’entreprise entretient une collaboration en cours avec AstraZeneca pour développer des médicaments contre la fibrose et les maladies rénales chroniques (accord initial de 2019), élargie en 2022 pour inclure l’insuffisance cardiaque et le lupus érythémateux systémique (SLE).
Elle s’est également associée à Merck KGaA pour tirer parti de son expertise en oncologie et neuroinflammation et soutenir les plans de découverte de médicaments pilotés par l’IA de l’entreprise en se concentrant sur la recherche de candidats moléculaires viables.
Auparavant, elle a réalisé une expansion d’indication novatrice menant à une approbation de la FDA avec Eli Lilly pour le baricitinib, en tant que traitement potentiel contre le COVID‑19.
8. AbCellera
(ABCL )
AbCellera se spécialise dans le développement de nouvelles catégories de médicaments à base d’anticorps.
Notamment, elle travaille sur la plateforme GPCR & Canal ionique, une cible thérapeutique pour laquelle les anticorps n’avaient pas pu être développés auparavant. Son autre plateforme est T‑Cell Engagers, qui augmente l’efficacité et réduit la toxicité des traitements anticorps contre le cancer.
Source: AbCellera
En plus de 10 ans, l’entreprise a développé plus de 100 programmes thérapeutiques avec un large éventail de partenaires, dont 50 % en oncologie. 13 molécules ont déjà atteint la phase d’essai clinique, dont 2 sont déjà autorisées pour le traitement.
Source: AbCellera
Une partie clé du processus d’AbCellera est l’accès à une vaste sélection d’anticorps potentiels. Puis le choix des bons grâce à un criblage unicellulaire à haut débit alimenté par la vision par ordinateur.
9. Therapeutics
(BTAI )
Bioxcell se concentre sur un concept qu’ils appellent « re‑innovation de médicaments ». La re‑innovation de médicaments exploite l’IA pour analyser des médicaments déjà prouvés sûrs, mais abandonnés par leurs développeurs pour diverses raisons.
Elle examine également les produits approuvés pour de nouvelles applications.
Source: Bioxcell
La génération du concept à l’aide du big data et de l’IA ne prend que six mois (au lieu de plusieurs années pour des molécules nouvelles), suivie de douze mois de validation de l’hypothèse en s’appuyant sur la vision par ordinateur, l’apprentissage profond, la matrice de décision et la validation in‑silico.
La re‑innovation a récemment connu des succès notables, notamment lorsqu’elle est combinée à une reformulation pour éliminer les effets secondaires ou améliorer une faible efficacité qui avait conduit à l’abandon des candidats médicaments.
Ce modèle a déjà porté ses fruits, avec l’approbation d’IGALMI (pour le traitement de l’agitation associée à la schizophrénie ou aux troubles bipolaires) en moins de quatre ans depuis le lancement du projet jusqu’à l’approbation.
Dans le cas d’IGALMI, la mauvaise biodisponibilité antérieure a été résolue en modifiant la méthode d’administration du médicament et en le combinant avec un stabilisateur métabolique.
Source: Bioxcell
L’entreprise possède déjà deux programmes avancés en phase 3 d’essais cliniques, ainsi que cinq autres programmes en cours de développement.
Le premier programme, pour l’agitation associée à la démence d’Alzheimer (AAD) avec un agent novateur, une nouvelle formulation de latrepirdine, un médicament antihistaminique (allergies).
Le second est une extension de l’application d’IGALMI, pour l’agitation associée aux troubles bipolaires ou à la schizophrénie dans un contexte à domicile.
Source: Bioxcell
Le succès de Bioxcell avec IGALMI montre le potentiel du big data qui peut s’étendre au‑delà de la découverte de nouveaux médicaments, et contribuer à l’amélioration de l’arsenal existant de médicaments, soit par reformulation, soit en trouvant de nouvelles applications pour des médicaments déjà sûrs.
10 . Recursion Pharmaceuticals
(RXRX )
Recursion Pharmaceuticals exploite l’IA dans la découverte de médicaments,
L’approche de l’entreprise vise à réduire considérablement le temps et le coût associés à la mise sur le marché de nouveaux médicaments.
La création de jeux de données solides a été l’objectif de l’entreprise depuis sa création, cherchant à résoudre plusieurs problèmes liés aux biodonnées :
- Données analogiques, des fax aux PDF ou impressions numérisées.
- Données cloisonnées, avec peu ou pas d’annotations.
- Recherche difficile à reproduire.
Pour résoudre ces problèmes, Recursion a créé l’un des plus grands laboratoires automatisés au monde, et a numérisé des millions de ses propres expériences (2,2 millions d’expériences par semaine).
Ils possèdent également l’un des supercalculateurs les plus rapides du monde pour entraîner leurs LLM et IA destinés à la découverte de médicaments. Les modèles ont été entraînés sur une bibliothèque de plus de 2 milliards d’images et infèrent 6 trillions de relations entre toutes les combinaisons possibles de gènes et de composés.
Source: Recursion
Recursion a établi un partenariat avec le leader de l’IA Nvidia et pourrait mettre à disposition certains de ses modèles d’IA à des partenaires commerciaux via la nouvelle plateforme BioNeMo de NVIDIA. Cela donnera également à Recursion un accès prioritaire aux derniers GPU de NVIDIA via le cloud NVIDIA DGX™.
Le pipeline propriétaire de R&D de Recursion se concentre principalement sur les maladies rares et l’oncologie, avec trois médicaments candidats en phase 2 d’essais cliniques.
Source: Recursion
Pour les secteurs plus complexes, comme les neurosciences ou l’oncologie difficile à cibler, l’entreprise préfère établir des partenariats avec des sociétés déjà établies dans ces domaines.
Par exemple Roche dans les neurosciences et Bayer dans les cibles oncologiques difficiles à cibler.
Enfin, l’entreprise a établi des relations pour concéder sous licence sa technologie et ses données, notamment lorsque l’échange de données peut être négocié afin d’enrichir les informations que les deux sociétés pourront utiliser à l’avenir.
