Topp 5 AI- og digitale bioteknologiselskaper (september 2026)

AI-revolusjon i bioteknologi

No sector is left unchanged by the power of AI and digital modeling, and Biotech is no exception.

Dette skyldes at biologi er langt den mest «rotete» av de harde vitenskapene. Kjemi eller fysikk kan håndtere svært kontrollerte miljøer, rene forbindelser osv. Biologi må forholde seg til allerede eksisterende ekstremt komplekse og stadig skiftende systemer. I tillegg, når man analyserer bare ett protein, ser biokjemikere på tusenvis eller millioner av atomer. Så det kan bli veldig vanskelig å forutsi hver mulig kjemisk reaksjon.

Store data, AI-modeller og digitalisering skaper betingelser for en kunnskapsrevolusjon innen biotekforsking.

Den første æraen innen biomedisin var å skyte i blinde og se hva som fungerte.

Vi er nå fast etablert i genomikkens æra, hvor vi kan fokusere på spesifikke mål, som ett defekt gen.

With the incoming digital revolution, we can replicate complete proteins, cells, or even entire organs and bodies in a virtual environment.

Hva vil det endre?

A big part of why genomics and precision therapies are taking over “traditional” chemical drugs has been a very poor success rate for new drugs in the last decade.

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

Dette representerer ofte ett til to tiår med tapt tid, samt mange, mange milliarder dollar som går til spille.

Kilde: Biosourcing

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

Så det er ikke overraskende at legemiddelforskning er i frontlinjen av forretningsmodellen til de fleste AI-biotek-selskaper.

Nye metoder som maskinlæring lar programvaren «gjette» det mest sannsynlige svaret ved hjelp av en probabilistisk metode i stedet for en fullstendig «mekanisk»/algoritmisk metode.

Som med de fleste maskinlæringsteknologier ble mye arbeid gjort i løpet av et helt tiår, med kun ekspertene på feltet som virkelig fulgte med.

Den sanne revolusjonen som gjorde den anerkjent i mainstream var i 2020 da Alphabet/Google DeepMind løste en 50 år gammel utfordring innen proteinfolding (GOOG ). Programmet har siden modellert de fleste kjente proteiner i alle levende organismer, og Google lager et nytt selskap, Isomorphic Laboratories, for å hjelpe med å identifisere nye legemidler.

Topp 5 AI- og digitale bioteknologiselskaper

For investorer kan Google være et flott spill på AI generelt, men biotek-aspektet vil være et lite segment i et svært stort selskap. Derfor vil denne artikkelen gjennomgå børsnoterte selskaper som utelukkende er dedikert til temaet AI og virtuell biologi.

Av samme grunn vil vi ikke se på selskaper som er involvert i AI-maskinvare, som Nvidia og deres genomikkbibliotek Parabricks (NVDA ).

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

1. Roivant Sciences Ltd.

ROIV Prisdiagram

Selskapet spesialiserer seg på å kjøpe opp biotek-startups og øke sjansene deres for kommersialisering gjennom datterselskaper kalt -vant (ettersom hver vil ha «vant» som siste del av navnet).

En del av disse oppkjøpene var kjøpet av Silicon Therapeutics for $450M. Takket være en superdatamaskin og tilpasset maskinvare utvikler Silicon Therapeutics nye molekyler. Dette ble lagt til en eksisterende AI-biotekstabel-portefølje, VantAI.

Roivant eier også «vant»-Datavant, en big data-løsning for helsevesenet, som selger til sykehusfarmasøytiske selskaper, forsikring osv… med regelverk-kompatible og personvern-respekterende prosedyrer.

Andre «vant»-selskaper er også data- eller digital-simuleringsorienterte, som de «Nøyaktige all-atom fysikkbaserte simuleringene» fra Psivant. Eller klinisk prøveintelligens programvaren/plattformen Lokavant.

Kilde: Roivant

Likevel kommer mesteparten av selskapets inntekt fra farmasøytisk salg av godkjente produkter.

Alt i alt kan Roivant være en måte å satse på datadelen av biotek, ikke bare digital biologi men også medisinske journaler, kliniske studier osv….; samtidig som de berører annen innovativ medisin, spesielt innen hudpleie, med Vtama for psoriasis.

2. Schrödinger, Inc.

SDGR Prisdiagram

Selskapet spesialiserer seg på fysikkbaserte modeller for å finne det best mulige molekylet for et gitt mål, og balanserer motstridende parametere som potens, løselighet, halveringstid, syntetiserbarhet osv…

Den bruker også maskinlæring, men tillegget av en fysikkbasert modell gjør at den kan testes i helt nye felt hvor ingen datasett finnes for å «trene» AI. Dette gjør at Schrödinger (SDGR ) kan gå fra 1 milliard potensielle molekyler til kun 8 solide kandidater på noen dager, kun gjennom digitale beregninger.

Kilde: Schrodinger

Schrödinger signerte med Bayer en 5-årig samarbeidsavtale i 2020 for inntekter på $10M. Ideen med avtalen er å bruke Schrödinger-teknologi sammen med Bayer sine in-silico prediksjonsmodeller.

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

Tidligere samarbeid inkluderte Takeda, Sanofi (SNW.DE ) (SNY ) Bristol Myers Squibb og andre mindre farmasøytiske selskaper.

Kilde: Schrodinger

Alt i alt bygger Schrödinger en voksende portefølje, inkludert stadig flere proprietære og fullt eide molekyler. Selv om de ikke er pre-inntektsgenererende, er selskapet fortsatt ikke lønnsomt, og fokuserer på ekspansjon og FoU-utgifter for å forbedre teknologien.

Selskapet ser også på å utvide til nye segmenter utenfor legemiddelforskning, som komplekse biopharmaka eller til og med materialer som kjemikalier, batterier eller polymerer.

Kilde: Schrodinger

Investorer vil holde øye med de nye samarbeidene, da de vil reflektere fremskrittene i Schrödingers teknologi, vurdert av bransjeledere, samt mulig suksess med å utvide kjerneteknologien til nye markeder.

3. Exscientia

Selskapet bruker AI til å utvikle presisjonsterapier. Det driver en «full stack» AI-legemiddelforsknings-teknologi med dedikert programvare i hver fase av legemiddelforskningsprosessen.

Kilde: Exscientia

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

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: Exscientia

Selskapet har en svært komfortabel finansiell posisjon for et tidlig fase legemiddelforsknings-selskap, med $625 M i Q3 2022, og en netto kontorforbruk på kun $15 M.

This might be an interesting option for investors looking at a well-established AI drug discovery company with a very large cash runway and multiple ongoing partnerships for extra safety.

4. Absci Corporation

ABSI Prisdiagram

Selskapet ble grunnlagt i 2011, med lokasjoner i Vancouver, New York og Zug, Sveits. Det har lagt til sin opprinnelige teknologi IP fra to AI-biologioppkjøp i 2021, Totient (antistoffer) og Denovium (cellelinjer).

Selskapet fokuserer hovedsakelig på antistoffdesign, å lage nye antistoffer fra bunnen av («de novo-antistoffer»), og teste dem i laboratorier i en 6‑ukers prosess.

De var de første, i mars 2023, til å kunne designe et funksjonelt antistoff uten noen forhåndsdata, en metode også kalt «zero-shot».

Absci har etablert samarbeid med Merck (totalt $610M i forskuddsavgifter og potensielle fremtidige milepælsbetalinger) og Astellas for ny produktoppdagelse, så vel som et partnerskap med Nvidia for å forbedre maskinvarearkitekturen bak Absci-teknologien.

Absci er fortsatt i en tidlig fase, men har allerede vist enormt potensial og innovasjonsevne. Investorer i selskapet må være med på selskapets «ingenting er umulig»-filosofi og dens briljante grunnlegger, og håpe at de nylige samarbeidsavtalene blir de første i en lang rekke.

5. e-therapeutics plc

e-therapeutics fokuserer på å utvikle in-silico nye RNAi (RNA-interferens) terapier. De håper at kombinasjonen av ny teknologi, RNAi og beregningsbasert legemiddelforskning vil gi dem et betydelig fortrinn over konkurrentene.

Den tjener også på oppdagelsene på sin plattform med andre farmasøytiske selskaper, hvor den største er den store blå chipen Novo Nordisk.

Selskapet er i en svært tidlig pre-inntektsfase og måtte hente inn £13,5 millioner sommeren 2022. Selskapet registrerte et netto tap på £2,8 millioner i H1 2022 for en kontantbeholdning på £21,8 millioner på det tidspunktet.

Investorer i e-therapeutics må holde øye med tilgjengelig kontanter og håpe at nye oppdagelser og partnerskapsinntekter vil gjøre selskapet lønnsomt på sikt.

Bygge en digital biologiportefølje

Dette er en vanskelig sektor å investere i, da den kombinerer to svært komplekse teknologier: AI + avansert bioteknologi. Dette gjør den stort sett til en «svart boks» for investorer, selv om de har noe ekspertise innen ett av de to feltene.

I tillegg er de fleste selskapene i sektoren fokusert på de samme markedene, hovedsakelig oppdagelse av små molekyler og antistoffdesign, med muligens også cellelinjer.

Så diversifisering vil gi en tryggere investeringsstrategi fordi svært få vil kunne være sikre på at de har valgt «vinneren». I tillegg, forventes markedet å vokse svært raskt, med en CAGR på 45 % mellom 2022 og 2027.

Dermed er bred eksponering mer sannsynlig å fange denne veksten uten å overdrevent stole på spesifikke matematiske modeller eller metoder i en svært raskt skiftende og konkurransedyktig arena.