Kecerdasan buatan

Penemuan Obat AI Memicu Supercycle M&A Biotek

mm
Diterbitkan
Diperbarui
Tambahkan Securities.io ke sumber pilihan Anda di Google
Pengungkapan: Securities.io dapat menerima kompensasi saat Anda memakai tautan ke produk yang kami ulas. Hal ini tidak memengaruhi penilaian editorial kami. Kami bukan penasihat investasi terdaftar; ini bukan saran investasi. Baca pengungkapan afiliasi kami.

Era Baru Bioteknologi Berbasis AI

The pharmaceutical industry was initially built on the prowess of the chemical industry, which started to create ever more useful products, including those for medical purposes. At first, it was mostly about isolating and purifying natural chemical compounds like aspirin from willow bark and quinine from a tropical tree.

Kemudian industri mulai menciptakan senyawa baru yang tidak pernah ada di alam dan mengubahnya menjadi obat. Pendekatan ini, bagaimanapun, mulai gagal dalam beberapa dekade terakhir.

Senjata kimia yang paling mudah diproduksi atau ditemukan sudah ditemukan, dan molekul lain sering tidak cukup baik: terlalu tidak stabil, terlalu beracun, terlalu sulit diproduksi, dll.

Akibatnya, industri farmasi beralih ke biotek, yang memanfaatkan kembali molekul biologis seperti hormon, protein, atau DNA & RNA menjadi obat. Ini menghasilkan insulin buatan, terapi monoklonal, terapi gen, dan banyak kemajuan mengesankan lainnya.

Namun, di sini juga kemajuan mulai melambat, karena buah yang mudah dipetik sudah diambil: sebagian besar biologis aktif sudah diidentifikasi dan diketahui, meninggalkan mekanisme biologis yang lebih kompleks dan sulit dipahami untuk menyembuhkan penyakit yang masih tahan terhadap pengobatan.

Ini menjadi masalah serius bagi perusahaan farmasi besar. Tidak hanya banyak terapi berbasis kimia mereka yang sudah habis masa patennya atau akan segera habis, tetapi strategi hanya membeli atau bermitra dengan startup biotek tidak lagi cukup.

Perusahaan-perusahaan ini perlu membeli inovasi dengan cepat, dan apa yang berhasil sebelumnya tidak lagi memadai.

Sebagian besar hal ini disebabkan karena representasi sejati dari satu sel manusia akan menjadi sangat kompleks hingga hampir tak dapat dipahami oleh satu orang, seperti yang ditunjukkan oleh gambar yang dihasilkan komputer dari semua komponen satu sel manusia yang menjadi viral beberapa tahun lalu.

Sumber: Newsweek

Untungnya, gelombang baru inovasi biotek muncul dari penerapan AI di laboratorium biologi. Hal ini dipadukan dengan revolusi data yang tersedia dari yang disebut “revolusi multiomik“, yang menciptakan jumlah data yang belum pernah terjadi sebelumnya hingga tingkat intraseluler.

Dan AI, dengan kemampuannya menganalisis dataset besar jauh melampaui kemampuan otak manusia, kini membantu memahami semuanya.

Illustrative of this trend is the partnership announced on January 12th, 2026, between Nvidia (NVDA ) and Eli Lilly (LLY ), planning to jointly invest up to $1 billion over five years in infrastructure and research for AI drug discovery.

Era Biologi Digital

Digital biology is changing where time, cost, and failure risk accrue across the drug discovery pipeline—shifting more exploration and optimization into computation before the most expensive wet-lab work begins.

Grafik: Bagaimana AI Mengubah Ekonomi Penemuan Obat (Di Mana Nilai Terakumulasi)

Geser untuk menggulir →

Fase Penemuan Kendala Tradisional Perubahan AI / Biologi Digital Dampak Ekonomi Penangkapan Nilai Utama
Identifikasi Target Sinyal biologis yang jarang atau berisik; siklus hipotesis yang lambat Multiomik + ML memprioritaskan jalur kausal dan biomarker; perankingan hipotesis yang cepat Lebih banyak percobaan dengan lebih sedikit program buntu Farmasi kaya data dan pemilik dataset proprietari
Penemuan Hit Penyaringan laboratorium basah mahal dan terbatas oleh throughput Penyaringan in-silico menjelajahi ruang kimia yang lebih luas sebelum sintesis Biaya per hit lebih rendah; siklus iterasi lebih cepat Platform komputasi + model; vendor otomasi laboratorium
Optimisasi Lead Kegagalan ADME/tox di akhir siklus; loop kimia medisinal yang lambat Model generatif mengusulkan kandidat yang dioptimalkan untuk potensi, selektivitas, dan kemampuan pengembangan Lebih sedikit siklus redesain; kemampuan pengembangan yang lebih baik di awal Integrator farmasi dengan jalur translasi yang kuat
Validasi Pra-klinis Model hewan tidak cocok dengan biologi manusia; validasi lambat dan varians tinggi Pemilihan biomarker yang lebih baik + model relevan manusia; assay otomatis, throughput tinggi Kualitas sinyal lebih tinggi memasuki pekerjaan yang memungkinkan IND Tumpukan otomasi dan platform assay; CRO dengan alat AI
Translasi Klinis Respons pasien yang heterogen; stratifikasi buruk meningkatkan tingkat kegagalan Stratifikasi multiomik mengidentifikasi subkelompok responden dan endpoint uji klinis lebih awal Efisiensi uji klinis lebih baik; pengenceran efektivitas lebih sedikit Pemilik obat (farmasi/biotek) dengan eksekusi klinis

Kebangkitan Multiomik

Kompleksitas luar biasa dari sistem hidup telah melahirkan multiomik, sebuah bidang yang menggabungkan semua sub-segmen -omik dari ilmu biologi dan diproyeksikan sebagai langkah selanjutnya dalam bioteknologi:

  • Genomik: analisis urutan DNA di inti sel.
  • Transkriptomik: analisis mRNA yang membawa instruksi DNA.
  • Epigenomik: modifikasi genom tanpa memengaruhi urutan genetik, atau “epigenetika”.
  • Proteomik: analisis protein, termasuk modifikasi protein dengan gula (“pasca-translasi”).
  • Metabolomik: analisis senyawa kimia dan metabolisme.
  • Mikrobiomik: analisis semua mikroba yang hidup di dalam atau pada tubuh.
  • Multiomik sel tunggal: analisis multiomik pada sel individu.
  • Biologi spasial: analisis 3D lokasi mRNA, protein, atau sel tertentu.

Sumber: Ark Research

Multiomik juga muncul berkat alat analitis yang jauh lebih kuat, mulai dari sequencer genetik hingga biologi spasial.

Masalahnya, bagaimanapun, adalah bahwa hal ini menghasilkan banjir data yang begitu besar sehingga, untuk pertama kalinya, tantangan bagi ahli biologi bukan lagi menemukan titik data menarik untuk aplikasi praktis, melainkan memutuskan data apa yang sebenarnya relevan dengan masalah tertentu.

Jika setiap bayi yang lahir di dunia memiliki genomnya disekuens, praktik yang mungkin terjadi dalam beberapa tahun mendatang, ini akan menghasilkan data 10.000 kali lipat dari yang digunakan AI seperti Llama setiap tahun.

Sumber: Ark Research

Apa Itu Biologi Digital?

Opsi baru untuk riset biotek baru-baru ini muncul: pendekatan in-silico, di mana satu atau beberapa sel virtual disimulasikan dalam komputer.

“Pada tahun 2026, identifikasi target penyakit akan bergantung pada eksplorasi in silico sebelum validasi laboratorium basah dimulai.

Ini akan mengurangi jumlah program yang terhenti selama pengembangan pra-klinis.

Veronica DeFelice – Direktur Biologik di Sapio Sciences.”

Sel virtual ini kemudian dipaparkan pada potensi pengobatan baru, dan simulasi menghitung bagaimana mereka akan bereaksi.

Sumber: Ark Research

Opsi lain adalah mensimulasikan konfigurasi 3D sebuah protein, yang pada akhirnya menentukan fungsi biologisnya.

Simulator pelipatan protein seperti AI AlphaFold milik Google (GOOGL ) telah meningkat hingga 500 kali lipat sejak 2018.

Sumber: Ark Research

Jadi kemungkinan besar simulasi in-silico akan menjadi teknologi wajib bagi sebagian besar perusahaan farmasi & biotek.

Bentukkan lain dari biologi digital adalah penggunaan sistem deteksi canggih untuk mengidentifikasi penanda kanker dalam sampel darah, menggantikan biopsi yang mahal dan kurang efisien, sehingga memungkinkan penemuan kanker potensial lebih awal.

Terakhir, otomasi, robotika, dan AI bergabung untuk menciptakan laboratorium otomatis yang dapat menjalankan eksperimen tanpa tenaga manusia, serta memeriksa jutaan molekul atau senyawa yang berpotensi berguna dengan biaya lebih rendah dan kecepatan 100 kali lipat dibanding metode riset tradisional.

Berinvestasi dalam Penemuan Obat AI

LLY Grafik Harga

Gambaran Umum Eli Lilly

Eli Lilly adalah perusahaan farmasi raksasa yang membangun kerajaan medisnya dengan kininan dan kemudian insulin.

Pengobatan diabetes tetap menjadi inti perusahaan, dengan serangkaian molekul yang ditemukan dan disetujui selama tiga dekade terakhir untuk penyakit ini. Ini termasuk tirzepatide, yang dipasarkan dengan merek Mounjaro.

Pada tahun 2010-an, Eli Lilly juga memperluas ke bidang onkologi (pengobatan kanker) dengan serangkaian akuisisi dan kemitraan di bidang tersebut, serta upaya pengembangan obat internal untuk membangun portofolio onkologi yang kuat.

Molekul tirzepatide sejak itu diubah menjadi obat anti-obesitas, dengan merek Zepbound, pesaing terbesar Ozempic. Ini menjadi penyelamat bagi Eli Lilly, karena banyak obat lama mereka habis patennya, yang berarti produsen obat generik kini dapat memproduksinya juga, dan bersaing dalam harga.

Namun, sangat bergantung pada satu peptida berpatent dan turunannya merupakan posisi berisiko dan tidak berkelanjutan dalam jangka panjang. Seperti kebanyakan perusahaan farmasi, ada kebutuhan mendesak untuk kembali ke inovasi yang beragam. Namun tidak seperti banyak lainnya di industri, Eli Lilly memiliki rencana, dan mereka mengandalkan komitmen penuh pada AI & biologi digital.

Penemuan Obat AI Eli Lilly

Pengumuman terbesar dan terbaru seputar penemuan obat AI & Eli Lilly adalah kemitraannya dengan Nvidia.

“NVIDIA dan Lilly menggabungkan yang terbaik dari industri kami untuk menciptakan cetak biru baru bagi penemuan obat — di mana ilmuwan dapat menjelajahi ruang biologis dan kimia yang luas secara in silico sebelum satu molekul pun dibuat.”

Jensen Huang, pendiri dan CEO NVIDIA

Rencana ini akan menggabungkan laboratorium basah agentik Lilly dengan laboratorium kering komputasional, memungkinkan eksperimen dibantu AI 24/7. Ini dipadukan dengan superkomputer AI yang sebelumnya diumumkan menggunakan 1.000 GPU NVIDIA Blackwell Ultra untuk pabrik AI yang akan melatih model fondasi dan frontier biomedis besar untuk mengidentifikasi, mengoptimalkan, dan memvalidasi molekul baru.

“Model fondasi kami melahirkan kemungkinan baru bagi para kimiawan kami, membantu mereka menemukan motif dan konfigurasi atom baru yang sebelumnya tidak dapat dijangkau dengan metode tradisional.”

Thomas Fuchs – Chief AI Officer di Eli Lilly

Kemitraan $1 miliar ini hanyalah langkah terbaru (dan terbesar) perusahaan farmasi ke dalam penemuan obat AI. Sebelumnya, perusahaan ini secara khusus:

  • Memulai kolaborasi riset dengan Insilico Medicine, dengan hingga $100 juta yang akan dibayarkan kepada startup tergantung pada pencapaian milestone riset.
  • Kemitraan dengan Circle Pharma untuk memanfaatkan AI Eli Lilly dalam meningkatkan terapi makrosikelnya, termasuk untuk target yang secara historis tidak dapat diobati.
  • Mengembangkan model pembelajaran mesin dengan insitro, pelopor dalam machine learning untuk penemuan dan pengembangan obat.
  • Kolaborasi dengan OpenAI untuk menemukan obat baru guna mengobati bakteri yang resisten terhadap obat.
  • Menggunakan model AI Genetic Leap untuk penemuan obat yang menargetkan RNA dalam kesepakatan senilai $409 juta.
  • Kemitraan AI dengan perusahaan biotek digital Google/Alphabet , Isomorphic Labs, yang akan menerima $45 juta di muka dan berpotensi mendapatkan hingga $1,7 miliar dalam milestone berbasis kinerja.
  • Kesepakatan senilai hingga $670 juta dengan Genesis Therapeutics untuk platform AI molekuler perusahaan.
  • Kesepakatan $1,3 miliar dengan Superluminal untuk menemukan obat obesitas menggunakan AI, berkat platform berbasis AI milik mereka yang menargetkan reseptor yang berikatan dengan protein G (GPCR), dengan tujuan memperkuat posisi Eli Lilly yang sudah memimpin pasar obesitas.
  • Kesepakatan dengan BigHat Biosciences untuk memajukan penemuan terapi antibodi berbasis AI berkat platform Milliner mereka.

Eli Lilly juga bermitra dengan Benchling, platform perangkat lunak berbasis cloud yang dirancang untuk R&D ilmu hayat, untuk memberikan startup biotek akses ke model yang dilatih dari puluhan tahun data riset proprietari Lilly.

Dinamai TuneLab, platform ini diharapkan membantu Eli Lilly bermitra dengan ilmu hayat tahap awal di bawah program “Catalyze360” mereka.

Secara keseluruhan, kemitraan penemuan obat AI dan pembangunan infrastruktur ke segala arah ini kemungkinan akan membangun kembali jalur penemuan Eli Lilly dan meningkatkan posisinya dalam antibiotik, obat kanker, penyakit langka, dan obesitas.

Intisari Investor: Pemenang dalam penemuan obat AI kemungkinan akan menjadi (1) integrator farmasi dengan modal + data (mis., Lilly) dan (2) penyedia platform yang menjual alat-alat (komputasi, otomasi laboratorium, perangkat lunak R&D, dan alat model). Sinyal investasi utama pada tahun 2026 adalah kecepatan kesepakatan: peningkatan kemitraan berbasis milestone dan M&A saat farmasi membeli target yang tervalidasi, dataset, dan kapasitas otomasi untuk mempersingkat timeline pra-klinis dan mengurangi attrisi pada tahap akhir.

Berita dan Perkembangan Saham Eli Lilly (LLY) Terbaru

mm

Jonathan adalah mantan peneliti biokimia yang bekerja dalam analisis genetik dan uji klinis. Ia kini menjadi analis saham dan penulis keuangan dengan fokus pada inovasi, siklus pasar, dan geopolitik dalam publikasinya 'The Eurasian Century'.