Biotecnologia

Multiomica e IA nella Sanità: Una Nuova Frontiera per la Scoperta di Farmaci

mm
Pubblicato il
Aggiornato il
Aggiungi Securities.io alle tue fonti preferite su Google
Informativa: Securities.io può ricevere un compenso quando utilizzi link a prodotti da noi recensiti. Ciò non influenza le nostre valutazioni editoriali. Non siamo un consulente finanziario registrato; queste non sono raccomandazioni di investimento. Leggi la nostra informativa sulle affiliazioni.

La medicina di precisione è il futuro dell’assistenza sanitaria

Nelle scienze applicate, il progresso è spesso derivato da misurazioni e strumenti più precisi. Ciò vale soprattutto per la fisica e la chimica, dove gli strumenti analitici possono ormai osservare le reazioni dei singoli atomi, accelerando i progressi nell’energia pulita, nelle scienze dei materiali, nella nanotecnologia, nella produzione e nell’informatica (seguire i collegamenti per gli articoli su questi temi).

Un campo scientifico si è tuttavia dimostrato più difficile da affrontare con misurazioni precise: la biologia. Gli organismi viventi non sono materiali «semplici» composti da pochi elementi, ma macchinari molecolari estremamente complessi formati da milioni, se non miliardi, di parti diverse.

Una rappresentazione fedele di una singola cellula umana sarebbe quindi quasi incomprensibilmente complessa, come illustra un’immagine generata al computer di una cellula umana diventata virale alcuni anni fa.

Fonte: Newsweek

Ciò ha reso la comprensione autentica dei fenomeni biologici e biochimici una sfida persistente.

La genomica ha rappresentato un primo passo importante, spiegando il modello e le istruzioni utilizzati dalle cellule per costruire i propri componenti interni. Un altro fattore in crescita è l’uso dell’IA, poiché le reti neurali avanzate riescono a gestire enormi quantità di dati meglio della mente umana.

Insieme, questi sviluppi guideranno la trasformazione dell’assistenza sanitaria con la nascita di una medicina di precisione davvero personalizzata, adattata alla combinazione unica di geni, metabolismo e storia clinica di ogni individuo.

Attualmente, la medicina di precisione è un mercato da 500 miliardi di dollari e comprende gli anticorpi monoclonali —un mercato da 222 miliardi di dollari nel 2023— oltre a trattamenti oncologici avanzati come le terapie CAR-T.

Che cos’è la Multiomica?

L’enorme complessità dei sistemi viventi ha portato alla nascita della multiomica, un campo che riunisce tutti i sottosettori «-omici» delle scienze biologiche ed è considerato il prossimo passo della biotecnologia:

  • Genomica: l’analisi della sequenza del DNA nel nucleo delle cellule.
  • Trascrittomica: l’analisi dell’mRNA che trasporta le istruzioni del DNA.
  • Epigenomica: la modifica del genoma senza alterare la sequenza genetica, o “epigenetica”.
  • Proteomica: l’analisi delle proteine, inclusa la modifica delle proteine con zuccheri (“post-traslazionale”).
  • Metabolomica: l’analisi dei composti chimici e del metabolismo.
  • Microbiomica: l’analisi di tutti i microbi che vivono dentro o sul corpo.
  • Multiomica a cellula singola: l’analisi multiomica su singole cellule.
  • Biologia spaziale: analisi in 3D della posizione di specifici mRNA, proteine o cellule.

Stanno emergendo nuovi campi, come l’agrigenomica, che usa la genomica per migliorare le rese agricole, la genomica ecologica, per valutare con precisione la salute di un ecosistema e la sua diversità genetica, e la biologia sintetica, che crea nuovi geni, tratti o interi organismi per uno scopo specifico.

Ognuno di questi campi ha compiuto enormi progressi grazie a metodi analitici nuovi e migliorati, sostenuti in larga misura dai passi rivoluzionari compiuti nella nanotecnologia, nell’ottica, nei semiconduttori e nella potenza di calcolo.

Purtroppo, le scienze biologiche e la medicina hanno iniziato a faticare nel gestire tutti questi nuovi dati e ancor più nel comprendere le complesse interazioni reciproche tra ogni possibile campo «-omico».

Ciò è dovuto in gran parte ai letteralmente trilioni, o forse quadrilioni, di possibili interazioni incrociate tra singoli geni, proteine, biomolecole, batteri e altri elementi.

In teoria, per una medicina davvero personalizzata questi dati dovrebbero essere raccolti per ogni individuo e collegati alla sua documentazione sanitaria digitale.

Costi in diminuzione e un’inondazione di dati

I miglioramenti tecnologici degli strumenti analitici hanno fatto crollare il costo della raccolta di nuovi dati. È quanto accaduto, per esempio, con il sequenziamento dell’intero genoma umano, il cui costo si è ridotto di oltre un milione di volte in 30 anni; anche la sintesi del DNA è oggi 10.000 volte più economica.

Ciò significa che, mentre nel 2001 sequenziare un solo genoma costava 450.000 dollari, oggi con lo stesso importo potremmo sequenziare 1,4 miliardi di genomi, pari al 17% della popolazione mondiale.

Di conseguenza, i dati genomici e degli altri campi «-omici» stanno sommergendo i biologi.

Per esempio, la UK Biobank, la più grande banca dati genomica disponibile al pubblico, contiene 27 volte i dati usati per alimentare uno dei maggiori LLM (modelli linguistici di grandi dimensioni), Llama 405B di Meta (FB ).

Se ogni neonato al mondo avesse il genoma sequenziato, una pratica probabile nei prossimi anni, ogni anno si genererebbero dati pari a 10.000 volte quelli utilizzati da Llama.

Fortunatamente, mentre il volume dei dati si moltiplica per migliaia, lo stesso accade all’efficienza degli strumenti di analisi digitale, soprattutto dell’IA, che a parità di costo diventa 1.000 volte più potente.

Applicazioni nella scoperta di farmaci

Cellule virtuali

Fino a poco tempo fa, per conoscere l’effetto di un potenziale nuovo farmaco o il modo in cui una proteina interagisce con un’altra, i biologi dovevano eseguire manualmente esperimenti costosi e dispendiosi in termini di tempo.

Ciò rallentava naturalmente la scoperta di nuovi farmaci e aumentava i costi sanitari dei trattamenti innovativi. Gli esperimenti potevano essere condotti in vitro, in laboratorio, oppure in vivo, in un organismo vivente, solitamente un animale.

Di recente è comparsa una nuova opzione, l’approccio in silico, nel quale una o più cellule virtuali vengono simulate al computer. Queste cellule virtuali sono poi esposte al potenziale trattamento e la simulazione calcola come reagirebbero.

Simulazione migliorata

Oltre ai dati completi di genoma e trascrittoma, un altro strumento sta entrando nelle simulazioni in silico: i sistemi di previsione del ripiegamento proteico, come l’IA AlphaFold di Google (GOOGL ).

Molti farmaci basati su proteine dipendono dalle interazioni tra il medicinale e un recettore nelle cellule del corpo o sulla superficie dei batteri o delle cellule tumorali bersaglio.

Prevedere correttamente in silico la configurazione tridimensionale, o ripiegamento, di una proteina migliorerà radicalmente il tasso di successo e la velocità dello sviluppo farmaceutico, riducendo i costi.

Poiché AlphaFold è migliorato fino a 500 volte dal 2018, le simulazioni in silico diventeranno una tecnologia indispensabile per la maggior parte delle aziende biotecnologiche.

Anche altre aziende lavorano a tecnologie simili ad AlphaFold per molecole non proteiche, come Schrödinger (SDGR ), che abbiamo analizzato nell’articolo «Le 5 principali aziende di IA e biotecnologia digitale».

Rilevamento del cancro

La diagnosi precoce di un tumore, anche quando non è visibile in una risonanza magnetica, può spesso fare la differenza tra la vita e la morte.

Una nuova tecnica chiamata biopsia liquida promette di rilevare precocemente tumori invisibili. Utilizza strumenti di sequenziamento genomico per individuare nel sangue del paziente sequenze di DNA tipiche del cancro, anche quando sono estremamente rare.

Le biopsie liquide sono molto meno invasive delle biopsie tradizionali e richiedono solo un campione di sangue. Potrebbero inoltre cercare contemporaneamente più tipi di tumore.

Nel giugno 2024, Guardant Health (GH ) ha ottenuto l’approvazione della FDA per il test di screening del cancro colorettale «Shield». Anche Grail (GRAL ), la recente scissione da Illumina (ILMN ), sta sviluppando un test di questo tipo.

Oltre alla biopsia liquida, i test della malattia minima residua (MRD) sono sempre più comuni per controllare la remissione dei pazienti oncologici. Possono individuare la ricomparsa del cancro fino a 20 mesi prima della diagnostica per immagini tradizionale.

Per accelerare l’adozione sia dei test MRD sia della biopsia liquida, sarà essenziale il rimborso da parte dei sistemi assicurativi sanitari privati e pubblici.

Laboratorio automatizzato

Con la crescente necessità di dati e la diminuzione del costo degli strumenti di rilevamento, il fattore limitante, sia per costo sia per capacità, diventa sempre più il lavoro umano svolto da personale con qualifiche di livello dottorale.

Questo vale sia per il lavoro manuale, come l’estrazione dei campioni, sia per la progettazione degli esperimenti.

Un metodo alternativo emergente è il laboratorio autonomo (SDL). Combina robotica e automazione per sostituire il lavoro manuale ripetitivo e più lento, consentendo sperimentazioni ad alta produttività. Integra inoltre LLM per analizzare i dati e progettare la serie successiva di esperimenti.

Un leader di questo nuovo metodo di scoperta dei farmaci è Recursion Pharmaceuticals (RXRX ) (maggiori informazioni sull’azienda più avanti).

Approfondimenti sugli investimenti

Sebbene molte aziende stiano innovando all’intersezione tra IA e multiomica, alcune si distinguono per la loro importanza o per l’ambizione.

Recursion Pharmaceuticals

RXRX Grafico dei prezzi

Fin dalla sua nascita, Recursion si è concentrata sull’uso dell’IA per accelerare la scoperta di nuovi farmaci. A questo scopo combina il laboratorio virtuale, o in silico, e quello fisico, con campioni biologici, attraverso:

  • Una libreria di 1,7 milioni di piccole molecole.
  • Colture cellulari, editing genico CRISPR, fattori solubili, virus vivi, ecc.
  • Un flusso di lavoro robotico di laboratorio automatizzato che consente fino a 2,2 milioni di esperimenti a settimana.
  • Microscopi ad alto rendimento e sistemi di sequenziamento.
  • Flussi video continui dalle telecamere, che registrano misurazioni olistiche dei comportamenti animali.
  • Risorse computazionali avanzate, che hanno generato >21 petabyte di dati proprietari ad alta dimensionalità.
  • Dati ADMET (assorbimento, distribuzione, metabolismo, escrezione e tossicologia).

Recursion possiede inoltre uno dei supercomputer più veloci al mondo per addestrare i propri LLM e sistemi di IA destinati alla scoperta farmaceutica. I modelli sono stati addestrati su una raccolta di oltre 2 miliardi di immagini e hanno dedotto 6.000 miliardi di relazioni fra tutte le possibili combinazioni di geni e composti.

Nell’agosto 2024, Recursion si è fusa con Exscientia, azienda specializzata in terapie di precisione che utilizza una propria «automazione robotica completa per l’intero ciclo sperimentale». Nel maggio 2023, Recursion aveva inoltre acquisito le startup precliniche Cyclica e Valance, concentrate sulla chimica farmaceutica, per un totale di 87,5 milioni di dollari.

Con l’integrazione di queste nuove aziende e dei relativi dati nelle raccolte centrali di Recursion, la società è ora una biotecnologica pienamente integrata, capace di gestire identificazione dei bersagli, previsioni in silico, validazione in vivo e studi clinici.

Fonte: Recursion

Recursion dispone di oltre 20 molecole in diverse fasi della propria pipeline di ricerca e sviluppo; sette sono nelle fasi 1/2 degli studi clinici, soprattutto in oncologia e nelle malattie rare.

Questi programmi comprendono più di dieci collaborazioni che potrebbero generare fino a 20 miliardi di dollari al raggiungimento delle tappe di ricerca e sviluppo; 450 milioni sono già stati versati.

Nel complesso, la nuova Recursion, cresciuta tramite acquisizioni e grazie all’adozione precoce dell’IA nella scoperta farmaceutica, si sta affermando come partner fondamentale per le grandi aziende farmaceutiche che intendono rinnovare la propria pipeline di ricerca e sviluppo.

Illumina

Sebbene gli altri campi «-omici» siano importanti, quasi tutti ruotano in un modo o nell’altro intorno alla genomica, il «manuale di istruzioni» fondamentale di ogni cellula vivente.

Illumina è di gran lunga il maggiore produttore di macchine per il sequenziamento genomico. L’azienda si concentra sulla lettura di brevi sequenze genetiche, utilizzata per la diagnosi del cancro, e dispone attualmente di oltre 22.000 sequenziatori installati in 165 paesi.

Circa metà dei materiali di consumo per le macchine di sequenziamento Illumina viene utilizzata in applicazioni cliniche e l’altra metà nei laboratori di ricerca pubblici e privati. Nelle applicazioni cliniche, metà della domanda proviene dall’oncologia.

Fonte: Illumina

Con la genomica e la multiomica sempre più centrali nella scoperta dei farmaci e nella diagnostica oncologica, le apparecchiature Illumina dovrebbero beneficiare di una forte domanda. L’azienda prevede che la richiesta di NGS (sequenziamento di nuova generazione) cresca a un tasso annuo composto del 18% nelle applicazioni cliniche e del 6% nella ricerca, portando entro il 2033 il mercato totale indirizzabile a 100 miliardi di dollari nel settore clinico e 25 miliardi nella ricerca.

Fonte: Illumina

Illumina ha avuto una storia complessa con l’azienda di biopsia liquida Grail (GRAL ), nata come scissione da Illumina, successivamente riacquisita e infine nuovamente separata per ordine delle autorità antitrust statunitensi ed europee.

Superata questa difficoltà, Illumina potrebbe riprendere la crescita di lungo periodo e l’aumento del prezzo delle azioni, soprattutto perché i test di biopsia liquida di Grail probabilmente dipenderanno dai sequenziatori Illumina.

Ginkgo Bioworks

La maggior parte delle aziende incentrate sulla multiomica opera nel settore farmaceutico e biotecnologico, grazie alla potenziale redditività dei grandi trattamenti oncologici e delle cure per le malattie rare.

Ma ciò significherebbe ignorare l’incredibile potenziale dei biosistemi in innumerevoli altre applicazioni, tra cui produzione chimica, agricoltura, materiali e biocarburanti.

È proprio questo l’obiettivo di Ginkgo Bioworks, con un modello innovativo che costruisce «organismi su richiesta» per rispondere a specifiche esigenze industriali, rendendo l’azienda leader nel campo emergente della biologia sintetica (vedere «Le 5 principali società quotate di biologia sintetica»).

In questo modo Ginkgo può offrire qualsiasi livello di collaborazione, dalla semplice vendita di strumenti per produrre nuovi organismi alla fornitura contrattuale delle proprie soluzioni fino a vere e proprie partnership.

L’hardware di ricerca dell’azienda è strutturato attorno ai Reconfigurable Automation Carts (RAC), moduli che possono essere integrati per formare interi laboratori destinati alla produzione ad alta capacità di dati biologici.

Nel 2024 Ginkgo ha dovuto riformare il proprio modello aziendale dopo un periodo di espansione e di eccessiva dispersione geografica. Ciò ha consentito di ridurre le spese operative trimestrali da 515 a 375 milioni di dollari, soprattutto dimezzando i costi generali.

Questo dovrebbe avvicinare l’azienda alla redditività e favorire ulteriori progressi negli accordi di ricerca con i relativi pagamenti al raggiungimento delle tappe previste.

Sfide

Privacy

Se l’era dell’analisi multiomica e della medicina personalizzata è vicina, non è priva di sfide. La prima riguarda la riservatezza dei dati, un tema particolarmente sensibile quando le informazioni non descrivono soltanto la nostra vita digitale, ma il nostro stesso corpo.

Perché le persone accettino questa rivoluzione tecnologica saranno indispensabili una solida sicurezza, l’accesso limitato al personale autorizzato, l’anonimizzazione dei dati e la garanzia che tali informazioni non vengano utilizzate per negare cure mediche o copertura assicurativa.

Dovrà essere affrontata anche la preoccupazione per una raccolta universale di dati genetici, soprattutto se accessibili a soggetti non medici, come membri della polizia o dell’apparato statale.

Regolamentazioni

Data la natura sensibile dei dati biologici, è prevedibile un aumento della regolamentazione. Questa riguarderà innanzitutto la riservatezza, ma anche temi quali:

  • Il rischio della nascita di monopoli, con una o poche aziende che assumono progressivamente il controllo di tutti i nostri dati biologici, poiché una maggiore quantità di dati rende più efficienti le analisi basate sull’IA.
  • Trovare un equilibrio tra la comprensione dei rischi per gli individui o intere popolazioni e la prevenzione di discriminazioni o pratiche commerciali sleali.
  • Garantire un accesso equo alla medicina personalizzata indipendentemente dalla ricchezza, gestendo al contempo i potenziali costi collettivi.

Accessibilità

Poiché la medicina personalizzata e i dati multiomici sono estremamente complessi, sarà difficile spiegarli a persone che non siano scienziati o medici. Insieme ai rischi di iniquità e alle preoccupazioni per la riservatezza, ciò potrebbe generare resistenza o persino una reazione negativa.

Come la politica di vaccinazione di massa con vaccini a mRNA contro il Covid è stata fortemente politicizzata, un esito simile non è improbabile per la multiomica e la medicina guidata dall’IA.

Allo stesso modo, questa tecnologia potrebbe inizialmente essere costosa e sarà importante impedire che la disuguaglianza economica si trasformi in un divario biologico e sanitario.

Il futuro dell’assistenza sanitaria guidata dall’IA

La combinazione tra volumi crescenti di dati medici, IA potente, laboratori biologici automatizzati e simulazioni in silico di proteine e persino di intere cellule sta creando campi completamente nuovi della medicina e della ricerca medica.

È inoltre probabile che questo sia soltanto l’inizio, perché ulteriori progressi si accumulano e accelerano ancora di più l’innovazione:

  • Un’IA migliore, come mostrano i recenti progressi radicali nell’efficienza di calcolo del modello open source DeepSeek, oltre ad AlphaFold e OpenCRISPR-1.
  • Maggiore capacità di calcolo, con la computazione quantistica che potrebbe diventare uno strumento potente per risolvere problemi come la configurazione tridimensionale delle proteine.
  • Strumenti analitici migliori, dal sequenziamento di nuova generazione (NGS) alla biologia spaziale.
  • Strumenti di manipolazione genetica più precisi e sicuri, tra cui CRISPR, evoluzione diretta e biologia sintetica e programmabile.
  • Nuove applicazioni, come la biopsia liquida e la diagnosi precoce del cancro, che creano nuove economie di scala per le analisi multiomiche.

In un futuro non troppo lontano, gran parte della medicina potrebbe essere adattata al nostro profilo genetico individuale; potremmo sottoporci ogni anno a un controllo oncologico affidabile tramite un esame del sangue ed essere più sani ed energici grazie al perfetto equilibrio tra metabolismo, microbioma e genoma.

Dal punto di vista degli investimenti, i principali vincitori della corsa tra IA e biotecnologia saranno probabilmente le aziende capaci di creare grandi raccolte di dati biologici, più che quelle dotate di un unico algoritmo proprietario o di potenza di calcolo. La tecnologia dell’IA si sta infatti spostando rapidamente oltre gli enormi centri dati come fonte di vantaggio durevole e verso un modello decentralizzato e open source.

mm

Jonathan è un ex ricercatore biochimico che ha lavorato nell'analisi genetica e nelle sperimentazioni cliniche. Ora è un analista di titoli e scrittore finanziario con un focus su innovazione, cicli di mercato e geopolitica nella sua pubblicazione 'The Eurasian Century'.