Biotechnologie

Multiomics en AI in de Gezondheidszorg: Een Nieuw Front voor Geneesmiddelenontdekking

mm
Gepubliceerd op
Bijgewerkt op
Voeg Securities.io toe aan je voorkeursbronnen op Google
Toelichting: Securities.io kan een vergoeding ontvangen wanneer u links naar beoordeelde producten gebruikt. Dit beïnvloedt onze redactionele beoordelingen niet. Wij zijn geen geregistreerd beleggingsadviseur; dit is geen beleggingsadvies. Lees onze affiliateverklaring.

Precisiegeneeskunde is de Toekomst van de Gezondheidszorg

In de toegepaste exacte wetenschappen komt vooruitgang vaak voort uit nauwkeurigere metingen en betere instrumenten. Dat geldt vooral voor de natuur- en scheikunde, waar analyseapparatuur inmiddels zelfs de reacties van afzonderlijke atomen tijdens experimenten kan waarnemen. Dit versnelt de ontwikkeling van schone energie, materiaalwetenschappen, nanotechnologie, productie en computing.

In één wetenschapsgebied blijken nauwkeurige metingen echter veel moeilijker: de biologie. Levende organismen zijn geen eenvoudige materialen die uit slechts enkele elementen bestaan, maar uiterst complexe moleculaire machines met miljoenen of zelfs miljarden verschillende onderdelen.

Een waarheidsgetrouwe weergave van één menselijke cel zou daardoor bijna onvoorstelbaar complex zijn. Dat wordt geïllustreerd door een computergegenereerde afbeelding van een menselijke cel die enkele jaren geleden veel aandacht kreeg.

Bron: Newsweek

Hierdoor blijft een werkelijk begrip van biologische en biochemische verschijnselen een hardnekkige uitdaging.

Genomica was een belangrijke eerste stap, omdat het de blauwdruk of instructies verklaart waarmee cellen hun interne onderdelen bouwen. Ook AI speelt een steeds grotere rol, want geavanceerde neurale netwerken kunnen enorme hoeveelheden gegevens beter verwerken dan de menselijke geest.

Samen zullen deze ontwikkelingen de gezondheidszorg veranderen door werkelijk gepersonaliseerde precisiegeneeskunde mogelijk te maken, afgestemd op ieders unieke combinatie van genen, stofwisseling, medische voorgeschiedenis en andere kenmerken.

Momenteel is precisiegeneeskunde een markt van $500 miljard. Daaronder vallen monoklonale antilichamen, een markt van $222 miljard in 2023, en geavanceerde kankerbehandelingen zoals CAR-T-therapieën.

Wat is Multiomics?

De enorme complexiteit van levende systemen heeft geleid tot de opkomst van multiomics, een vakgebied dat alle omics-deelgebieden van de biowetenschappen samenbrengt en wordt gezien als de volgende stap in de biotechnologie:

  • Genomics: de analyse van de DNA-sequentie in de kern van de cellen.
  • Transcriptomics: de analyse van mRNA die de DNA-instructies draagt.
  • Epigenomics: de modificatie van het genoom zonder de genetische sequentie te beïnvloeden, of “epigenetica”.
  • Proteomics: de analyse van eiwitten, inclusief de modificatie van eiwitten met suikers (“post-translationeel”).
  • Metabolomics: de analyse van chemische verbindingen en de stofwisseling.
  • Microbiomics: de analyse van alle microben die in of op het lichaam leven.
  • Single-cell multiomics: de multiomics-analyse op individuele cellen.
  • Spatial biology: het analyseren in 3D van de locatie van specifieke mRNA, eiwitten of cellen.

Er ontstaan nieuwe vakgebieden, zoals agrigenomica, waarbij genomica wordt gebruikt om landbouwopbrengsten te verbeteren; ecologische genomica, waarmee de gezondheid en genetische diversiteit van ecosystemen nauwkeurig worden beoordeeld; en synthetische biologie, waarmee nieuwe genen, eigenschappen of complete organismen voor een bepaald doel worden gemaakt.

Elk van deze vakgebieden heeft enorme vooruitgang geboekt dankzij nieuwe en verbeterde analysemethoden, grotendeels gedragen door revolutionaire ontwikkelingen in nanotechnologie, optica, halfgeleidertechnologie en rekenkracht.

Helaas krijgen de biowetenschappen en geneeskunde steeds meer moeite om al deze nieuwe gegevens te verwerken en vooral om de complexe onderlinge wisselwerkingen tussen alle mogelijke omics-gebieden te doorgronden.

Dit komt voor een groot deel doordat er letterlijk biljoenen of misschien biljarden mogelijke kruisinteracties bestaan tussen afzonderlijke genen, eiwitten, biomoleculen, bacteriën en andere factoren.

Voor werkelijk gepersonaliseerde geneeskunde zouden deze gegevens in theorie voor ieder individu worden verzameld en gekoppeld aan diens digitale medische dossier.

Dalende Kosten & Een Overvloed aan Data

Technologische verbeteringen in analyse-instrumenten hebben de kosten van gegevensverzameling sterk verlaagd. Zo zijn de kosten van het uitlezen van een volledig menselijk genoom in dertig jaar meer dan een miljoen keer lager geworden en is DNA-synthese nu 10.000 keer goedkoper.

Waar het in 2001 aanvankelijk $450.000 kostte om slechts één genoom uit te lezen, zouden we nu voor hetzelfde bedrag 1,4 miljard genomen kunnen uitlezen, oftewel 17% van de wereldbevolking.

Daardoor worden biologen overspoeld met genomische en andere omics-gegevens.

De UK Biobank, de grootste openbaar toegankelijke databank voor genomica, bevat 27 keer zoveel gegevens als nodig waren voor een van de grootste grote taalmodellen: Llama 405B van Meta (FB ).

Als van iedere pasgeborene ter wereld het genoom zou worden uitgelezen, een praktijk die de komende jaren waarschijnlijker wordt, zou dat jaarlijks 10.000 keer zoveel gegevens opleveren als voor Llama werden gebruikt.

Gelukkig neemt niet alleen de hoeveelheid data duizenden keren toe, maar ook de efficiëntie van digitale analysetools. Vooral AI levert voor dezelfde kosten tot duizend keer meer prestaties.

Toepassingen in Geneesmiddelenontdekking

Virtuele Cellen

Tot voor kort moesten biologen handmatig experimenten uitvoeren om het effect van een mogelijk nieuw geneesmiddel of de interactie tussen eiwitten te bepalen. Dat is duur en tijdrovend.

Dit vertraagde de ontdekking van nieuwe geneesmiddelen en verhoogde de zorgkosten van innovatieve behandelingen. Proeven konden in vitro, in een laboratorium, of in vivo, in een levend organisme en meestal een dier, worden uitgevoerd.

Recent is daar een nieuwe mogelijkheid bijgekomen: de in-silico-benadering, waarbij een of meer virtuele cellen op een computer worden gesimuleerd. Deze virtuele cellen worden vervolgens blootgesteld aan de mogelijke nieuwe behandeling, waarna de simulatie berekent hoe zij zouden reageren.

Verbeterde Simulatie

Naast volledige genoom- en transcriptoomgegevens vindt nog een ander hulpmiddel zijn weg naar in-silico-simulaties: simulatoren voor eiwitvouwing, zoals Googles AI AlphaFold (GOOGL ).

Veel geneesmiddelen op basis van eiwitten zijn afhankelijk van de interactie tussen het middel en een receptor in lichaamscellen of op het oppervlak van de beoogde bacteriën of kankercellen.

Een correcte in-silico-voorspelling van de driedimensionale structuur of vouwing van een eiwit zal het succespercentage en de snelheid van geneesmiddelenontwikkeling sterk verbeteren en de kosten verlagen.

Nu AlphaFold sinds 2018 tot 500 keer beter is geworden, zullen in-silico-simulaties voor de meeste biotechbedrijven een onmisbare technologie worden.

Andere bedrijven werken aan vergelijkbare technologie voor niet-eiwitmoleculen, waaronder Schrödinger (SDGR ), dat we behandelden in “Top 5 AI- en digitale biotechbedrijven”.

Kankerdetectie

Vroege opsporing van kanker, zelfs wanneer die nog niet zichtbaar is op een MRI-scan, kan letterlijk een kwestie van leven of dood zijn.

Een nieuwe techniek, de vloeibare biopsie, belooft zulke onzichtbare kankers vroeg op te sporen. De methode gebruikt genoomsequencing om in het bloed van een patiënt DNA-sequenties te vinden die kenmerkend zijn voor kanker, zelfs wanneer deze uiterst zeldzaam zijn.

Vloeibare biopsieën zijn veel minder ingrijpend dan gewone biopsieën en vereisen slechts een bloedmonster. Ze kunnen bovendien tegelijkertijd op meerdere mogelijke kankersoorten testen.

In juni 2024 keurde de FDA de “Shield”-screeningstest van Guardant Health (GH ) voor darmkanker goed. Ook Grail (GRAL ), dat onlangs van Illumina (ILMN ) werd afgesplitst, ontwikkelt zo’n test.

Naast vloeibare biopsieën worden tests voor minimale restziekte (MRD) steeds vaker gebruikt om te controleren of kankerpatiënten in remissie blijven. MRD-tests kunnen een terugkeer van kanker tot twintig maanden eerder ontdekken dan traditionele beeldvorming.

Voor zowel MRD-tests als vloeibare biopsieën is vergoeding door particuliere en nationale zorgverzekeraars essentieel om de toepassing te versnellen.

Geautomatiseerd Laboratorium

Naarmate meer gegevens nodig zijn en detectie-instrumenten goedkoper worden, vormt de inzet van mensen met kwalificaties op doctoraatsniveau steeds vaker de beperkende factor, zowel wat kosten als capaciteit betreft, voor het genereren van meer multiomics-data.

Dat geldt zowel voor handmatig werk, zoals het nemen en verwerken van monsters, als voor het ontwerpen van experimenten.

Een opkomend alternatief is het zelfsturende laboratorium (SDL). Daarin vervangen robotica en automatisering traag en repetitief handwerk, zodat experimenten op grote schaal kunnen worden uitgevoerd. Grote taalmodellen analyseren vervolgens de gegevens en ontwerpen de volgende reeks experimenten.

Een koploper in deze nieuwe methode voor geneesmiddelenonderzoek is Recursion Pharmaceuticals (RXRX ) (hieronder meer over dit bedrijf).

Investeringsinzichten

Hoewel veel bedrijven innoveren op het snijvlak van AI en multiomics, vallen enkele op door hun belang of ambities.

Recursion Pharmaceuticals

RXRX Prijsgrafiek

Recursion richt zich sinds zijn oprichting op het gebruik van AI om de ontdekking van nieuwe geneesmiddelen te versnellen. Daarvoor combineert het bedrijf droog laboratoriumwerk, oftewel in-silico-onderzoek, met nat laboratoriumwerk op biologische monsters en de volgende middelen:

  • Een bibliotheek van 1,7 miljoen kleine moleculen.
  • Celculturen, CRISPR-genbewerking, oplosbare factoren, levende virussen, enz.
  • Een geautomatiseerde laboratoriumrobotica-workflow die tot 2,2 miljoen experimenten per week mogelijk maakt.
  • High-throughput microscopen en sequenceringssystemen.
  • Continue videofeeds van camera’s, die holistische metingen van diergedrag opnemen.
  • Geavanceerde rekenresources, die >21 petabytes aan propriëtaire hoog-dimensionale data hebben gegenereerd.
  • ADMET (absorptie, distributie, metabolisme, excretie en toxicologie) data.

Recursion bezit ook een van de snelste supercomputers ter wereld om zijn grote taalmodellen en AI-systemen voor geneesmiddelenonderzoek te trainen. De modellen werden getraind met een bibliotheek van meer dan twee miljard afbeeldingen en leidden zes biljoen relaties af tussen alle mogelijke combinaties van genen en verbindingen.

In augustus 2024 fuseerde Recursion met Exscientia, een bedrijf dat zich richt op precisietherapieën en een eigen systeem gebruikt voor “uitgebreide robotautomatisering van de volledige experimenteercyclus”. Recursion nam in mei 2023 ook de op geneesmiddelenchemie gerichte preklinische startups Cyclica en Valance over voor in totaal $87,5 miljoen.

Door deze nieuw verworven bedrijven samen te voegen met de kerngegevens van Recursion is het nu een volledig geïntegreerd biotechbedrijf dat alles afhandelt, van doelwitidentificatie en in-silico-voorspellingen tot in-vivo-validatie en klinische proeven.

Bron: Recursion

Recursion heeft meer dan twintig moleculen in verschillende ontwikkelingsstadia in zijn R&D-pijplijn. Zeven daarvan bevinden zich in fase 1 of 2 van klinische proeven, voornamelijk voor oncologie en zeldzame ziekten.

Deze portefeuille omvat meer dan tien programma’s met partners, waarvoor tot $20 miljard aan betalingen bij het behalen van onderzoeks- en ontwikkelingsmijlpalen mogelijk is. Daarvan is al $450 miljoen betaald.

De nieuwe, door overnames gegroeide Recursion lijkt dankzij zijn vroege inzet van AI bij geneesmiddelenonderzoek uit te groeien tot een belangrijke partner voor grote farmaceutische ondernemingen die hun R&D-pijplijn willen aanvullen.

Illumina

Hoewel de andere omics-gebieden belangrijk zijn, draaien ze bijna allemaal op de een of andere manier om genomica, de centrale “handleiding” van iedere levende cel.

Illumina is veruit de grootste producent van apparatuur voor genoomsequencing. Het bedrijf richt zich op het uitlezen van korte genetische sequenties, zoals gebruikt bij kankerdiagnostiek, en heeft momenteel meer dan 22.000 sequencers geïnstalleerd in 165 landen.

Ongeveer de helft van de verbruiksartikelen voor Illumina-sequencers wordt gebruikt voor klinische toepassingen; de andere helft gaat naar publieke en particuliere onderzoekslaboratoria. Binnen de klinische toepassingen komt de helft van de vraag uit de oncologie.

Bron: Illumina

Naarmate genomica en multiomics centraal komen te staan bij geneesmiddelenonderzoek en kankerdiagnostiek, zal de vraag naar apparatuur van Illumina naar verwachting hoog blijven. Het bedrijf verwacht dat de vraag naar NGS, oftewel sequencing van de volgende generatie, voor klinische toepassingen jaarlijks met 18% en voor onderzoek met 6% groeit. Daardoor zou de totale adresseerbare markt van de sector tegen 2033 oplopen tot $100 miljard voor klinische toepassingen en $25 miljard voor onderzoek.

Bron: Illumina

Illumina kende een ingewikkelde geschiedenis met vloeibare-biopsiebedrijf Grail (GRAL ). Grail werd van Illumina afgesplitst, later opnieuw overgenomen en vervolgens door mededingingsautoriteiten in de Verenigde Staten en de Europese Unie weer tot een afsplitsing gedwongen.

Nu dit probleem is opgelost, kan Illumina mogelijk zijn groei en koersstijging op lange termijn hervatten, vooral omdat de vloeibare-biopsietests van Grail uiteindelijk waarschijnlijk op sequencers van Illumina zullen vertrouwen.

Ginkgo Bioworks

De meeste bedrijven die zich op multiomics richten, zijn actief in de farmaceutische of biotechsector vanwege de potentiële winstgevendheid van succesvolle kankerbehandelingen en therapieën voor zeldzame ziekten.

Daarmee zou echter het enorme potentieel van biologische systemen voor talloze andere toepassingen worden genegeerd, waaronder de productie van chemicaliën, landbouw, materialen en biobrandstoffen.

Dit is precies het aandachtsgebied van Ginkgo Bioworks. Met zijn innovatieve model voor het bouwen van “organismen op aanvraag” voor specifieke industriële behoeften is het bedrijf een koploper in het opkomende gebied van synthetische biologie (zie “Top 5 beursgenoteerde bedrijven in synthetische biologie”).

Ginkgo kan daardoor elk samenwerkingsniveau aanbieden, van de verkoop van instrumenten om nieuwe organismen te maken tot dienstverlening op contractbasis en volledige partnerschappen.

Tot de uiteenlopende onderzoeksprogramma’s en samenwerkingen van Ginkgo behoren:

De deskundigheid van Ginkgo blijkt uit de zeer diverse reeks klanten en partners waarmee het de afgelopen jaren heeft gewerkt, van wereldwijde industriële en landbouwbedrijven tot vooraanstaande farmaceutische ondernemingen.

De onderzoeksapparatuur van het bedrijf is opgebouwd rond Reconfigurable Automation Carts (RAC’s). Deze vormen modules die tot complete onderzoekslaboratoria kunnen worden samengevoegd om op grote schaal biologische gegevens te produceren.

Ginkgo moest zijn bedrijfsmodel in 2024 hervormen na een periode van uitbreiding over te veel locaties. Daardoor kon het bedrijf zijn operationele uitgaven terugbrengen van $515 miljoen per kwartaal tot $375 miljoen, vooral door de overheadkosten te halveren.

Dit moet het bedrijf dichter bij winstgevendheid brengen, naast verdere voortgang bij onderzoeksovereenkomsten en de bijbehorende mijlpaalbetalingen.

Uitdagingen

Privacy

Als het tijdperk van multiomics-analyses en gepersonaliseerde geneeskunde binnenkort aanbreekt, gaat dat niet zonder uitdagingen. De eerste is gegevensprivacy, een bijzonder gevoelig onderwerp wanneer de gegevens niet alleen ons digitale leven maar ons eigen lichaam beschrijven.

Goede beveiliging, uitsluitend toegang voor bevoegde personen en anonimisering van gegevens zijn onmisbaar. Ook moet worden voorkomen dat zulke gegevens worden gebruikt om medische zorg of verzekeringen te weigeren, wil het publiek deze technologische revolutie omarmen.

Ook de zorgen over universeel verzamelde genetische gegevens moeten worden aangepakt, vooral wanneer niet-medische specialisten, zoals politie- of overheidsfunctionarissen, er toegang toe kunnen krijgen.

Regelgeving

Vanwege de gevoelige aard van biologische gegevens valt strengere regelgeving te verwachten. Die betreft allereerst privacy, maar ook onderwerpen zoals:

  • Het risico dat een monopolie ontstaat doordat één of enkele bedrijven geleidelijk de zeggenschap over onze biologische gegevens krijgen: hoe meer data zij verzamelen, hoe effectiever hun AI-analyses worden.
  • Een evenwicht vinden tussen inzicht in risico’s voor personen of hele bevolkingsgroepen en het voorkomen van discriminatie of oneerlijke handelspraktijken.
  • Gelijke toegang tot gepersonaliseerde zorg, ongeacht iemands vermogen, terwijl de mogelijke kosten voor de samenleving beheersbaar blijven.

Toegankelijkheid

Gepersonaliseerde geneeskunde en multiomics-data zijn uiterst complex en daardoor moeilijk uit te leggen aan niet-wetenschappers en artsen. In combinatie met zorgen over ongelijkheid en privacy zal dit waarschijnlijk enige weerstand of zelfs een tegenreactie oproepen.

Net zoals het beleid voor grootschalige vaccinatie met mRNA-vaccins tegen Covid sterk werd gepolitiseerd, is een vergelijkbaar verloop bij multiomics en AI-gestuurde geneeskunde niet onwaarschijnlijk.

Deze technologie kan aanvankelijk ook duur zijn. Daarom moet worden voorkomen dat vermogensongelijkheid zich vertaalt in een biologische en gezondheidskloof.

De Toekomst van AI-gedreven Gezondheidszorg

De combinatie van een groeiende hoeveelheid medische gegevens, krachtige AI, geautomatiseerde biologische laboratoria en in-silico-simulaties van eiwitten en zelfs volledige cellen brengt geheel nieuwe terreinen van geneeskunde en medisch onderzoek voort.

Waarschijnlijk is dit nog maar het begin, omdat verdere vooruitgang de innovatie steeds sneller zal laten verlopen:

Uiteindelijk kan in de niet al te verre toekomst een groot deel van de geneeskunde worden afgestemd op onze individuele genetische samenstelling. Mogelijk krijgen we jaarlijks via een bloedtest een zeer betrouwbare kankercontrole en blijven we gezonder en energieker dankzij een optimale balans tussen stofwisseling, microbioom en genoom.

Vanuit beleggingsoogpunt zullen de belangrijkste winnaars van de AI-biotechwedloop waarschijnlijk bedrijven zijn die grote biologische datasets kunnen opbouwen, en niet zozeer ondernemingen met één eigen algoritme of uitzonderlijke rekenkracht. AI-technologie verschuift namelijk snel van een duurzaam voordeel door zeer grote datacenters naar een gedecentraliseerd opensourcemodel.

mm

Jonathan is een voormalig biochemisch onderzoeker die werkzaam was in genetische analyse en klinische proeven. Hij is nu een aandelenanalist en financieel schrijver met een focus op innovatie, marktcycli en geopolitiek in zijn publicatie 'The Eurasian Century'.