Topp 5 AI- og digitale bioteknologiselskaper (mars 2026)

AI-revolusjon innen bioteknologi

Ingen sektor er uendret av kraften til AI og digital modellering, og Biotech er intet unntak.

Dette er fordi biologi er den desidert mest "rotete" av harde vitenskaper. Kjemi eller fysikk kan håndtere svært kontrollerte miljøer, rene forbindelser, etc. Biologi må kjempe med eksisterende ekstremt komplekse og stadig skiftende systemer. Også, når de analyserer bare ett protein, ser biokjemikere på tusenvis eller millioner av atomer. Så det kan bli veldig vanskelig å forutsi alle mulige kjemiske reaksjoner.

Big data, AI-modeller og digitalisering skaper forutsetninger for en kunnskapsrevolusjon innen bioteknologisk forskning.

Den første alderen for biomedisin var å skyte i mørket og se hva som fungerte.

Vi er nå godt etablert i genomikkens tidsalder, hvor vi kan fokusere på spesifikke mål, som et defekt gen.

Med den innkommende digitale revolusjonen kan vi replikere komplette proteiner, celler eller til og med hele organer og kropper i et virtuelt miljø.

Hva vil det endre?

En stor del av hvorfor genomikk og presisjonsterapier tar over «tradisjonelle» kjemiske legemidler har vært en svært dårlig suksessrate for nye legemidler det siste tiåret.

Kanskje man kan produsere et FDA-godkjent medikament for ti tusen kandidatmedisiner. Hvert trinn på veien må testes i laboratoriet, i levende celler, dyr, eller mennesker.

Dette representerer ofte ett til to tiår med tapt tid, i tillegg til mange, mange milliarder dollar i avløpet.

Kilde: Biosourcing

Å skyte i blinde er ikke lenger en levedyktig plan for oppdagelse av narkotika. Dette er grunnen til at forskere trenger digitale prediktive modeller for å forutsi før fysisk testing om et medikament er en god kandidat.

Så det er ikke overraskende at legemiddeloppdagelse er i forkant av forretningsmodellen til de fleste AI-bioteknologiselskaper.

Nye metoder som maskinlæring lar programvaren "gjette" det mest sannsynlige svaret ved å bruke en sannsynlighetsmetode i stedet for en fullstendig "mekanisk"/algoritmisk metode.

Som de fleste maskinlæringsteknologier ble det gjort mye arbeid i løpet av et helt tiår, med bare ekspertene på feltet som virkelig tok hensyn.

Den sanne revolusjonen som gjorde det anerkjent i mainstream var i 2020 da Alphabet/Google DeepMind løste en 50 år gammel utfordring med proteinfolding. Programmet har siden modellert de fleste av de kjente proteinene til alle levende organismer, og Google oppretter et nytt selskap, Isomorfe laboratorier, for å hjelpe med å identifisere nye medikamenter.

Topp 5 AI og digitale bioteknologiselskaper

For investorer kan Google være et godt spill på AI generelt, men det bioteknologiske aspektet vil være et lite segment i et veldig stort selskap. Så denne artikkelen vil gjennomgå børsnoterte selskaper som utelukkende er dedikert til emnet AI og virtuell biologi.

Av samme grunn vil vi ikke se på selskaper som er involvert i AI-maskinvare, i likhet med Nvidia og dets genomikkbibliotek Parabricks.

(selskapene er rangert etter markedsverdi på tidspunktet for skriving av denne artikkelen)

1. Roivant Sciences Ltd.

Roivant Sciences Ltd. (ROIV -3.03%)

Selskapet spesialiserer seg på å anskaffe bioteknologiske startups og øke sjansene deres for å oppnå kommersialisering gjennom datterselskaper kalt -vant (som hver vil ha "vant" som den siste delen av navnet).

En del av disse oppkjøpene var kjøpet av Silicon Therapeutics for 450 millioner dollar. Takket være en superdatamaskin og tilpasset datamaskinvare utvikler Silicon Therapeutics nye molekyler. Dette ble lagt til en eksisterende AI-bioteknologistabelportefølje, VantAI.

Roivant eide også «vant» Datavant, en big data-løsning for helsetjenester, salg til farmasøytiske selskaper på sykehus, forsikring osv.. med forskriftskompatible og personvernrespekterende prosedyrer.

Andre "vant's" er også data- eller digital simuleringsorienterte, som "Nøyaktige all-atomfysikkbaserte simuleringer" av Psivant. Eller programvaren/plattformen Lokavant for klinisk utprøving.

kilde: Roivant

Likevel kommer mesteparten av selskapets inntekter fra salg av godkjente produkter fra legemidler.

Samlet sett kan Roivant være en måte å spille på datasiden av bioteknologi, ikke bare digital biologi, men også medisinske journaler, kliniske studier, osv.; samtidig som vi berører annen innovativ medisin, spesielt for hudpleie, med Vtama for psoriasis.

2. Schrödinger, Inc.

Schrödinger, Inc. (SDGR -4.24%)

Selskapet spesialiserer seg på fysikkbaserte modeller for å finne det best mulige molekylet for et gitt mål, balansere ut motstridende beregninger som styrke, løselighet, halveringstid, syntetiserbarhet, etc...

Den bruker også maskinlæring, men tillegget av en fysikkbasert modell gjør at den kan testes i helt nye felt der det ikke finnes noe datasett for å "trene" AI. Dette gjør at Schrödinger kan gå fra 1 milliard potensielle molekyler til bare 8 solide kandidater i løpet av få dager, utelukkende gjennom digital beregning.

Kilde: Schrodinger

Schrödinger signerte med Bayer en 5-årig samarbeidsavtale i 2020 for inntekter på 10 millioner dollar. Tanken med avtalen er å bruke Schrödinger-teknologi sammen med Bayer in-silico prediksjonsmodeller.

Et annet nylig partnerskap er med Lilly, med opptil $425 millioner i totale milepælsbetalinger for vellykket oppdagelse.

Tidligere samarbeid inkluderte Takeda, Sanofi Bristol Myers Squibb og andre mindre farmasøytiske selskaper.

Kilde: Schrodinger

Samlet sett bygger Schrödinger en voksende portefølje, inkludert flere og flere proprietære og heleide molekyler. Selv om det ikke er førinntekter, er selskapet fortsatt ikke lønnsomt, og fokuserer på utvidelse og FoU-utgifter for å forbedre teknologien.

Selskapet ser også på å utvide mot nye segmenter utover legemiddeloppdagelse, som komplekse biofarmasøytiske midler eller til og med materialer som kjemikalier, batterier eller polymerer.

Kilde: Schrodinger

Investorer vil ønske å følge med på de nye samarbeidene, ettersom de vil gjenspeile fremskrittene innen Schrödingers teknologi, vurdert av lederne i bransjen, samt mulig suksess med å utvide kjerneteknologien til nye markeder.

3. excientia

Exscientia plc (EXAI 0%)

Selskapet bruker AI for å utvikle presisjonsterapier. Den kjører en "full stack" AI-legemiddeloppdagelsesteknologi med dedikert programvare på alle stadier av legemiddeloppdagelsesprosessen.

kilde: excientia

Exscientias teknologi reduserer 70 % av tiden som kreves for å gå fra et biologisk mål til å finne et tilsvarende medikament og en 80 % mer kapitalprosess.

Dette resulterte i 4 forbindelser i tidlige kliniske stadier, 30 programmer totalt og $6.5 milliarder i inntekter fra milepæler med partnere. Hovedfokuset har vært onkologi (kreft) og inflammatoriske sykdommer.

kilde: excientia

Selskapet er i en svært komfortabel finansiell posisjon for et selskap for å oppdage medisiner i tidlig fase, med $625 millioner i tredje kvartal 3, for en netto kontantforbrenning på bare $2022 millioner.

Dette kan være et interessant alternativ for investorer som ser på et veletablert selskap for oppdagelse av AI-medisin med en veldig stor pengebane og flere pågående partnerskap for ekstra sikkerhet.

4. Absci Corporation

Absci Corporation (ABSI -3.47%)

Selskapet ble grunnlagt i 2011, med lokasjoner i Vancouver, New York og Zug, Sveits. Den har lagt til sin opprinnelige teknologi IP-adressen til 2 AI-biologi-oppkjøp i 2021, Totient (antistoffer) og Denovium (cellelinjer).

Selskapet er for det meste fokusert på antistoffdesign, skaper nye fra bunnen av antistoffer ("de novo antistoffer") og tester dem i laboratorier i en 6-ukers prosess.

De var de første, i mars 2023, som kunne å designe et funksjonelt antistoff uten noen forhåndseksisterende data, en metode også kalt "zero-shot».

Absci har etablert samarbeid med Merck (totalt $610 millioner i forhåndsgebyrer og fremtidig milepælsbetaling) og Astellas for oppdagelse av nye produkter, samt et samarbeid med Nvidia for å forbedre maskinvarearkitekturen bak Absci-teknologien.

Absci er fortsatt på et tidlig stadium, men har allerede vist et enormt potensial og innovasjonspotensial. Investorer i selskapet må være med på "ingenting er umulig"-etosen til selskapet og dets strålende grunnlegger og håpe på at de nylige samarbeidsavtalene blir de første i en lang serie.

5. e-therapeutics plc

e-therapeutics er fokusert på å utvikle in-silico nye RNAi (RNA-interferens) terapier. Den håper at kombinasjonen av fremvoksende teknologi, RNAi og databasert legemiddeloppdagelse vil gi den en betydelig fordel i forhold til konkurrentene.

Det tjener også penger på funnet på sin plattform med andre farmasøytiske selskaper, hvorav den største er den store blue chip Novo Nordisk.

Selskapet er på et veldig tidlig stadium før inntekter og måtte hente inn £13.5 millioner sommeren 2022. Selskapet registrerte et netto tap på £2.8 millioner i H1 2022m for en kontantbalanse på tidspunktet £21.8 millioner.

Investorer i e-terapi må følge med på tilgjengelige kontanter og håpe på nye oppdagelser og inntekter fra partnerskap for å gjøre selskapet lønnsomt til slutt.

Bygge en digital biologiportefølje

Dette er en vanskelig sektor å investere i, da den kombinerer 2 svært komplekse teknologier: AI + avansert bioteknologi. Dette gjør det ganske mye til en "black box" for investorer, selv om de har litt ekspertise på ett av de 2 feltene.

I tillegg er de fleste selskapene i sektorene fokusert på de samme markedene, for det meste små molekylfunn og antistoffdesign, med kanskje også cellelinjer.

Så diversifisering vil gi en sikrere investeringsstrategi fordi svært få mennesker vil være sikre på å ha valgt "vinneren". I tillegg, markedet forventes å vokse veldig raskt, med en CAGR på 45 % mellom 2022 og 2027.

Så, utbredt eksponering er mer sannsynlig å fange denne veksten uten å stole for mye på spesifikke matematiske modeller eller metoder i en svært raskt skiftende og konkurransedyktig arena.