Vijf bedrijven in AI en computationele biotechnologie: de situatie in 2023

AI en computationele biotechnologie

Biotechnologisch onderzoek maakt steeds meer gebruik van AI en digitale modellen om geneesmiddelen te onderzoeken en te ontwikkelen.

Biologische systemen zijn complex en veranderen voortdurend. Zelfs bij één eiwit spelen veel onderlinge interacties een rol. Daardoor is het moeilijk iedere reactie of klinische uitkomst te voorspellen.

Grote datasets en computermodellen kunnen onderzoekers helpen informatie te ordenen en hypotheses voor experimenten te selecteren.

Waarneming en experimenten waren altijd belangrijk in de biomedische wetenschap. Het verleden bestond niet uitsluitend uit willekeurig proberen zonder wetenschappelijke methode.

Genomica maakt gerichter onderzoek mogelijk naar genen en eiwitten die bij een ziekte betrokken zijn.

Digitale modellen kunnen geselecteerde structuren en functies van eiwitten, cellen en organen simuleren. Zij vormen geen volledige, betrouwbaar voorspellende kopie van ieder menselijk lichaam en vervangen niet alle experimenten.

Wat kan er veranderen?

Geneesmiddelenontwikkeling kent veel uitval. Precisietherapieën en kleine moleculen kunnen elkaar aanvullen; genomica vervangt niet eenvoudigweg alle traditionele geneesmiddelen.

Veel kandidaten vallen af voordat een geneesmiddel wordt goedgekeurd. Afhankelijk van het programma zijn laboratoriumonderzoek, preklinische studies en klinische proeven nodig. Eén algemene succesverhouding geldt niet voor alle methoden.

De ontwikkeling kan jaren duren en veel kapitaal vragen. Mislukte programma’s kosten geld, maar kunnen ook bruikbare wetenschappelijke kennis opleveren.

Bron: Biosourcing

Voorspellende modellen helpen kandidaten te prioriteren voordat dure experimenten beginnen. Een voorspelling bewijst op zichzelf geen veiligheid of werkzaamheid.

Daarom is geneesmiddelenonderzoek een belangrijke toepassing voor bedrijven die AI en biotechnologie combineren.

Machine learning herkent patronen in gegevens en kan probabilistische voorspellingen doen. Het blijft een algoritmische methode waarvan de nauwkeurigheid afhangt van gegevens, ontwerp en evaluatie.

De vooruitgang bouwt voort op jarenlang onderzoek in biologie, scheikunde, natuurkunde en informatica.

Een belangrijke mijlpaal was de vooruitgang die DeepMind in 2020 met AlphaFold boekte bij het voorspellen van eiwitstructuren (GOOG ). In 2022 werd de database uitgebreid tot meer dan 200 miljoen voorspelde structuren van geregistreerde eiwitten. Dit zijn structuurvoorspellingen, geen volledige verklaring van alle biologische functies. Alphabet had in 2021 ook Isomorphic Laboratories opgericht om AI toe te passen bij het ontwerpen en ontdekken van geneesmiddelen.

Vijf bedrijven in de analyse uit 2023

Alphabet heeft veel verschillende activiteiten; biotechnologie is er slechts één van. Dit artikel bekijkt vijf bedrijven vanuit het perspectief van 2023. Zij zijn niet allemaal uitsluitend AI-bedrijven en zijn inmiddels ook niet allemaal zelfstandig beursgenoteerd.

Leveranciers van rekeninfrastructuur vormen een andere categorie, zoals Nvidia met de genomicasoftware Parabricks (NVDA ).

De oorspronkelijke volgorde was gebaseerd op de beurswaarde bij het schrijven in 2023 en is geen actuele ranglijst.

1. Roivant Sciences Ltd.

ROIV Prijsgrafiek

Roivant ontwikkelt en verwerft biofarmaceutische programma’s via bedrijven waarvan de naam vaak op -vant eindigt. Het concern is geen onderneming die uitsluitend AI toepast.

In 2021 kondigde Roivant een overeenkomst aan voor de overname van Silicon Therapeutics voor 450 miljoen dollar in Roivant-aandelen, met aanvullende mogelijke betalingen bij het bereiken van mijlpalen. De computationele natuurkunde van Silicon Therapeutics zou een aanvulling vormen op de machinelearningtechnologie van VantAI.

Na de fusie van Datavant met Ciox Health had Roivant een minderheidsbelang in Datavant. Dat bedrijf verbindt zorggegevens; een minderheidsbelang betekent geen volledig eigendom of controle over al zijn activiteiten.

Tot de toenmalige computationele programma’s behoorden de moleculaire simulaties op basis van natuurkunde bij Psivant en de analyse en monitoring van klinische studies bij Lokavant. Deze beschrijving van deelnemingen en bedrijfsstructuren hoort bij de periode van de oorspronkelijke analyse.

Bron: Roivant

Roivant had inkomsten uit productverkopen, licenties en andere contractuele betalingen. Die kwamen destijds niet noodzakelijk voornamelijk uit goedgekeurde geneesmiddelen en waren evenmin gelijk aan nettowinst.

Het concern combineerde computationele projecten met geneesmiddelenontwikkeling. Een voorbeeld van de toenmalige commerciële activiteiten was VTAMA tegen psoriasis, via Dermavant. Het succes van één product garandeert geen succes voor het hele concern.

2. Schrödinger, Inc.

SDGR Prijsgrafiek

Schrödinger gebruikt natuurkundige modellen om moleculen te beoordelen en eigenschappen als werkzaamheid, oplosbaarheid, halfwaardetijd en synthetiseerbaarheid af te wegen.

Het combineert die aanpak met machine learning. Schrödinger (SDGR ) kan grote virtuele bibliotheken verkleinen tot kandidaten voor experimenten. Er geldt geen algemene garantie dat één miljard moleculen binnen enkele dagen acht werkzame geneesmiddelen opleveren.

Bron: Schrodinger

In 2020 kondigde Schrödinger een vijfjarige technologiealliantie met Bayer aan, met verwachte betalingen van ongeveer 10 miljoen euro, geen dollar. De samenwerking combineerde moleculair ontwerp en voorspellende modellen. Het contractbedrag was niet automatisch direct geboekte omzet.

De samenwerking met Eli Lilly uit 2022 omvatte een voorafgaande betaling en maximaal 425 miljoen dollar aan mogelijke mijlpaalbetalingen, plus royalty’s. Dat maximum was niet gegarandeerd of al ontvangen.

Tot de toenmalige samenwerkingspartners behoorden Takeda, Sanofi (SNW.DE ) (SNY ), Bristol Myers Squibb en andere farmaceutische bedrijven.

Bron: Schrodinger

Schrödinger ontwikkelde zowel gezamenlijke als eigen programma’s. Het had inkomsten uit software en samenwerkingen, maar was in de besproken periode nog verliesgevend. Omzet hebben is iets anders dan winst maken.

De technologie had ook toepassingen buiten geneesmiddelenonderzoek, bijvoorbeeld bij materialen voor batterijen, chemische producten en polymeren.

Bron: Schrodinger

Bij de beoordeling zijn voortgang van samenwerkingen, experimentele en klinische resultaten en financiële houdbaarheid belangrijk. Een nieuwe overeenkomst bewijst op zichzelf geen succesvolle behandeling.

3. Exscientia

Exscientia gebruikte AI voor  precisietherapieën en voor verschillende stappen in geneesmiddelenonderzoek. In november 2024 werd Exscientia onderdeel van Recursion. Het is daardoor geen zelfstandige beurskeuze meer zoals in 2023.

Bron: Exscientia

De genoemde 70% tijdsbesparing en 80% verbetering van kapitaalefficiëntie waren bedrijfsclaims voor specifieke ontdekkingsstappen. Zij waren geen universeel, onafhankelijk bevestigd resultaat voor de volledige ontwikkeltijd of kosten tot goedkeuring.

Begin 2023 meldde Exscientia vier met AI ontworpen moleculen die klinisch werden onderzocht, onder meer in oncologie en ontstekingsziekten. Grote bedragen uit samenwerkingen betroffen vooral mogelijke toekomstige mijlpalen; 6,5 miljard dollar was geen reeds gerealiseerde omzet.

Bron: Exscientia

Op 30 september 2022 rapporteerde Exscientia ongeveer 624,7 miljoen dollar aan geldmiddelen, kasequivalenten en bankdeposito’s. De netto operationele kasuitstroom van 15 miljoen dollar betrof de eerste negen maanden, niet alleen het derde kwartaal of de volledige daling van de liquiditeit. Samenwerkingsbetalingen beïnvloedden die kasstroom. De dollarbedragen waren omgerekend uit Britse ponden tegen de koers uit de publicatie.

De beschikbare middelen konden onderzoek financieren, maar hoe lang zij zouden meegaan hing af van uitgaven en ontvangsten. Partnerschappen namen klinische en financieringsrisico’s niet weg.

4. Absci Corporation

ABSI Prijsgrafiek

Absci werd in 2011 opgericht en had activiteiten in Vancouver in de Amerikaanse staat Washington, New York en Zug in Zwitserland. In 2021 verwierf het technologie van Totient voor de ontdekking van antilichamen en doelwitten, en Denovium  voor deep-learningmodellen voor eiwitontdekking en -ontwerp.

Het bedrijf richtte zich op het ontwerpen van antilichamen met computers en het testen in het laboratorium. De beschreven cycli van ongeveer zes weken betroffen ontwerp en tests, geen volledige klinische ontwikkeling of goedkeuring.

In januari 2023 maakte Absci bekend dat het nieuwe antilichamen kon ontwerpen en in het laboratorium valideren met een zero-shotbenadering. Dat betekende zonder training op bekende antilichamen die aan het specifieke doelwit binden, niet zonder enige eerdere gegevens. Het was geen klinisch bewijs van werkzaamheid.

De samenwerking van Absci met Merck/MSD kende een potentieel van maximaal 610 miljoen dollar aan voorafgaande en mijlpaalbetalingen voor maximaal drie doelwitten , als opties werden uitgeoefend en voorwaarden vervuld. Er werden ook onderzoeksactiviteiten met Astellas beschreven en gebruik van Nvidia-rekentechnologie. Het contractuele maximum was geen bedrag dat direct als omzet was ontvangen.

Absci bevond zich in een vroege ontwikkelingsfase. Technologische vooruitgang en overeenkomsten moesten naast klinische resultaten, kosten en financieringsbehoeften worden beoordeeld, zonder gegarandeerd beleggingssucces.

5. e-therapeutics plc

e-therapeutics combineerde computationele biologie met RNA-interferentietherapieën, of RNAi. Die proberen de expressie van specifieke genen via RNA te verlagen; dit is geen bewerking van het DNA.

Het bedrijf had ook onderzoekssamenwerkingen, onder meer met Novo Nordisk. Inkomsten uit samenwerking verschillen van de verkoop van goedgekeurde geneesmiddelen.

Over de zes maanden tot 31 juli 2022 rapporteerde het 0,3 miljoen pond omzet, 3,8 miljoen pond verlies na belasting en 21,8 miljoen pond aan geldmiddelen. Het was dus niet volledig zonder omzet. Op 30 september 2022 kondigde het een kapitaalronde van 13,5 miljoen pond vóór kosten aan. Financiering is geen omzet of winst. De beursnotering op AIM werd in mei 2024 beëindigd.

Voor een beoordeling zijn liquiditeit, uitgaven, aandeelhoudersrechten en de ontwikkeling van kandidaten relevant. Een vroegere beursnotering garandeert geen huidige mogelijkheid om het aandeel te kopen of te verkopen.

Een portefeuille met computationele biologie beoordelen

Deze sector combineert twee complexe vakgebieden: AI en biotechnologie. Kennis van één gebied is onvoldoende om het andere volledig te beoordelen.

Veel bedrijven richten zich op vergelijkbare toepassingen, zoals kleine moleculen en antilichamen, en kunnen daardoor dezelfde wetenschappelijke en financiële risico’s lopen.

Spreiding kan de afhankelijkheid van één onderneming verminderen, maar neemt sectorrisico niet weg. De oorspronkelijke editie verwees naar een prognose van snelle marktgroei tussen 2022 en 2027. Dit was een raming met specifieke aannames, geen al gerealiseerde groei of gegarandeerd beleggingsrendement.

Gegevenskwaliteit, kosten, klinische voortgang en commerciële mogelijkheden blijven belangrijk bij de beoordeling van ieder model. Technologische beloften alleen zijn onvoldoende.