Multiomics og AI i helsevesenet: En ny frontlinje for legemiddelforskning

Presisjonsmedisin er fremtiden for helsevesenet

Når det gjelder anvendte naturvitenskaper, har en kilde til fremgang vært mer presise målinger og verktøy. Dette gjelder spesielt innen fysikk og kjemi, hvor analytiske verktøy nå kan observere individuelle atomers reaksjoner på eksperimenter, og driver rask fremgang innen ren energi, materialvitenskap, nanoteknologi, produksjon, og databehandling (følg lenkene for artikler om disse temaene).

Imidlertid har ett vitenskapelig felt vist seg å være en vanskeligere nøtt å knekke for presise målinger: biologi. Dette skyldes at levende organismer ikke er «enkle» materialer laget av noen få elementer, men ultra‑komplekse molekylære maskiner bestående av millioner, om ikke milliarder, av ulike deler.

Derfor ville en sann representasjon av en enkelt menneskelig celle være nesten uforståelig kompleks, som illustrert av et datagenerert bilde av en enkelt menneskelig celle som gikk viralt for noen år siden.

Kilde: Newsweek

Dette har gjort en ekte forståelse av biologiske og biokjemiske fenomener til en vedvarende utfordring.

Genomikk har vært et viktig første steg, ved å forklare malen/instruksjonene cellene bruker for å bygge sine interne komponenter. En annen voksende faktor er bruken av AI, ettersom avanserte nevrale nettverk kan håndtere den massive mengden data bedre enn menneskehjernen.

Sammen vil dette drive transformasjonen i helsevesenet, med fremveksten av virkelig personlig presisjonsmedisin, skreddersydd til hver enkelt persons unike sammensetning av gener, metabolisme, medisinsk historie osv.

For øyeblikket er presisjonsmedisin er et marked på 500 milliarder dollar, og inkluderer monoklonale antistoffer, (et marked på 222 milliarder dollar i 2023), samt de mest avanserte kreftbehandlingene som CAR‑T‑terapier.

Hva er multiomics?

Den enorme kompleksiteten i levende systemer har ført til fremveksten av multiomics, et felt som samler alle -omics‑underdelene av biologiske vitenskaper og blir omtalt som neste steg i bioteknologi:

• Genomikk: analysen av DNA‑sekvensen i cellens kjerne.
• Transkriptomikk: analysen av mRNA som bærer DNA‑instruksjonene.
• Epigenomikk: modifisering av genomet uten å påvirke den genetiske sekvensen, eller «epigenetikk».
• Proteomikk: analysen av proteiner, inkludert modifisering av proteiner med sukker («post‑translasjonell»).
• Metabolomikk: analysen av kjemiske forbindelser og metabolismen.
• Mikrobiomikk: analysen av alle mikrober som lever inne i eller på kroppen.
• Enkeltcelle‑multiomics: multiomics‑analyse på individuelle celler.
• Romlig biologi: analyse i 3D av plasseringen av spesifikk mRNA, proteiner eller celler.

Kilde: Ark Research

Nye felt dukker opp, for eksempel Agrigenomics (genomikk for å forbedre landbruksutbytte), Økologisk genomikk (nøyaktig evaluering av helsen til et økosystem og dets genetiske mangfold), eller Syntetisk biologi (skape nye gener, egenskaper eller hele organismer med et spesifikt formål).

Hvert av disse feltene har gjort enorme fremskritt takket være nye og forbedrede analytiske metoder, i stor grad drevet av revolusjonerende fremskritt innen nanoteknologi, optikk, halvlederteknologi og datakraft.

Dessverre har biologiske vitenskaper og medisin begynt å slite med å håndtere alle disse nye dataene, og enda mer med å forstå de komplekse interaksjonene mellom hvert mulig -omics‑felt.

I stor grad skyldes dette bokstavelig talt billioner eller kanskje kvadrillioner av potensielle kryss‑interaksjoner mellom individuelle gener, proteiner, biomolekyler, bakterier osv.

Og i teorien, for virkelig personlig medisin, ville disse dataene bli samlet inn for hver enkelt person, og knyttet til opptegnelsene av deres digitale helsedata.

Synkende kostnader og en flom av data

Den teknologiske forbedringen i analytiske verktøy har kollapset kostnadene ved å samle inn nye data. Dette er for eksempel sant for sekvensering av et fullstendig menneskelig genom, hvor kostnadene har blitt delt på mer enn en million på 30 år, eller DNA‑syntese er nå 10 000‑ganger billigere.

Kilde: Ark Research

Det betyr at da det i 2001 kostet $450 000 å sekvensere kun ett genom, kan vi nå sekvensere 1,4 milliarder genomer for samme pris, eller 17 % av verdens befolkning.

Som et resultat har genomikk og andre -omics‑data oversvømt biologer.

For eksempel inneholder UK Biobank, den største offentlig tilgjengelige genomikkdatabasen, 27‑ganger så mye data som driver en av de største LLM‑ene (Large Language Model), AI‑Llama 405b bygget av Meta (FB ).

Hvis hvert nyfødt i verden fikk sitt genom sekvensert, en sannsynlig praksis i de kommende årene, ville dette generere 10 000‑ganger så mye data som Llama bruker hvert år.

Kilde: Ark Research

Heldigvis, mens mengden data multipliseres med tusenvis, gjør også effektiviteten til digitale analyseverktøy, spesielt AI, seg 1 000‑ganger kraftigere for samme kostnad.

Kilde: Ark Research

Anvendelser i legemiddelforskning

Virtuelle celler

Inntil nylig, for å vite effekten av et potensielt nytt legemiddel, eller hvordan et protein interagerer med et annet, måtte biologer kjøre eksperimentet manuelt, en kostbar og tidkrevende oppgave.

Dette bremset naturlig ny legemiddelforskning og økte helsevesenets kostnader for innovative behandlinger. Det kunne enten gjøres in‑vitro (i et laboratorium) eller in‑vivo (i en levende organisme, vanligvis et dyr).

Et nytt alternativ har nylig dukket opp, den in‑silico tilnærmingen, hvor én eller flere virtuelle celler simuleres i en datamaskin. Disse virtuelle cellene blir så utsatt for den potensielle nye behandlingen, og simuleringen beregner hvordan de ville reagert.

Kilde: Ark Research

Forbedret simulering

I tillegg til fullstendige genom‑ og transkriptomdata, gjør et annet verktøy nå sin vei inn i in‑silico‑simulering: protein‑foldingsimulatorer som Google sin AI AlphaFold (GOOGL ).

Mange legemidler basert på proteiner er avhengige av interaksjonene mellom legemidlet og en reseptor i kroppens celler, eller overflaten på målrettede bakterier eller kreftceller.

Å korrekt forutsi in‑silico proteinets 3D‑konfigurasjon (folding) vil radikalt forbedre suksessraten og hastigheten i legemiddelforskning, og senke kostnadene.

Siden AlphaFold har forbedret seg med opptil 500‑ganger siden 2018, vil in‑silico‑simuleringer bli en nødvendighet for de fleste biotek‑selskaper.

Kilde: Ark Research

Andre selskaper jobber også med lignende teknologi til AlphaFold, men for ikke‑protein‑molekyler, som Schrödinger (SDGR ) , som vi dekket i «Topp 5 AI‑ og digitale bioteknologiselskaper».

Kreftdeteksjon

Den tidlige oppdagelsen av kreft, selv når den ikke er synlig i en MR‑skanner, kan ofte være et spørsmål om liv eller død.

En ny teknikk kalt flytende biopsi lover på å oppdage tidlige, usynlige kreftformer. Den fungerer ved at den bruker genomsekvenseringsverktøy for å oppdage DNA‑sekvenser typiske for kreft i pasientens blod, selv om disse sekvensene er ultra‑sjeldne.

Flytende biopsier er mye mindre invasive enn faktiske biopsier, og krever kun en blodprøve. De kan også brukes til å lete etter flere potensielle kreftformer samtidig.

Kilde: Ark Research

I juni 2024 fikk Guardant Health (GH ) sitt «Shield» kolorektale kreftscreeningstest godkjent av FDA. Grail, den nylige spin‑offen fra Illumina, er også et selskap som utvikler en slik test.

I tillegg til flytende biopsi blir testing for minimal restdisease (MRD) også stadig mer vanlig for å sjekke remisjon hos kreftpasienter. MRD‑tester kan oppdage tilbakefall av kreft opptil 20 måneder tidligere enn tradisjonell bildediagnostikk.

Kilde: Ark Research

For både MRD‑ og flytende biopsi vil refusjon fra private og nasjonale helseforsikringssystemer være avgjørende for å fremskynde adopsjonen.

Automatisert laboratorium

Ettersom stadig mer data er nødvendig, og deteksjonsverktøyene blir billigere, blir arbeidskraften fra mennesker med PhD‑nivå i økende grad den begrensende faktoren (både i kostnader og kapasitet) for å generere mer multiomics‑data.

Dette gjelder både for det manuelle arbeidet selv, som å ekstrahere prøver, og for utformingen av eksperimentene.

En fremvoksende alternativ metode er det selvkjørende laboratoriet (SDL). Dette kombinerer robotikk og automatisering for å erstatte kjedelig og treg manuelt arbeid, og skaper høy‑gjennomstrømmende eksperimentering. Det legger også til LLM‑er for å analysere data og designe neste sett med eksperimenter.

Kilde: Ark Research

En leder innen denne nye legemiddelforskningsmetoden er Recursion Pharmaceuticals (RXRX ) (mer om dette selskapet nedenfor).

Investeringsinnsikt

Mens mange selskaper innoverer i skjæringspunktet mellom AI og multiomics, skiller noen seg ut enten på grunn av deres betydning eller ambisjoner.

Recursion Pharmaceuticals

Recursion er et selskap som fra starten av fokuserte på å bruke AI for å akselerere ny legemiddelforskning. For å gjøre dette kombinerer de tørr‑lab (in‑silico) og våt‑lab (biologiske prøver) med:

• Et bibliotek med 1,7 millioner små molekyler.
• Cellekulturer, CRISPR‑genredigering, løselige faktorer, levende virus osv.
• En automatisert laboratorierobotteknikk‑arbeidsflyt som tillater opptil 2,2 millioner eksperimenter hver uke.
• Høydurchstrømmende mikroskoper og sekvenseringssystemer.
• Kontinuerlige videostrømmer fra kameraer som registrerer helhetlige målinger av dyreadferd.
• Avanserte beregningsressurser som har generert >21 petabyte proprietære høy‑dimensjonale data.
• ADMET‑data (absorpsjon, distribusjon, metabolisme, utskillelse og toksikologi).

Kilde: Ark Research

I august 2024 fusjonerte Recursion med Exscientia, et selskap fokusert på presisjonsbehandlinger og som bruker sin egen «omfattende robotautomatisering gjennom hele eksperimenteringssyklusen». Recursion acquirede i mai 2023 de legemiddelkjemi‑fokuserte prekliniske oppstartene Cyclica og Valance, for totalt $87,5 M.

Med disse nylig ervervede selskapene som slår seg sammen med Recursions kjerne‑datasett, er selskapet nå et fullt integrert biotek‑selskap som håndterer alt fra målidentifikasjon, in‑silico‑prediksjoner, in‑vivo‑validering og kliniske studier.

Kilde: Recursion

Recursion har 20+ molekyler i ulike utviklingsstadier i sin FoU‑pipeline, hvorav 7 er i fase 1/2 av kliniske studier, hovedsakelig innen onkologi (kreft) og sjeldne sykdommer.

Kilde: Recursion Pharmaceuticals

Disse programmene inkluderer 10+ partnerprogrammer med opptil $20 milliarder i potensielle betalinger for FoU‑milepæler, hvorav $450 millioner allerede er betalt.

Kilde: Recursion Pharmaceuticals

Alt i alt, den nye Recursion, vokst gjennom oppkjøp og en tidlig satsing på AI for legemiddelforskning, er i ferd med å bli en nøkkelpartner for store farmasøytiske selskaper som ønsker å fylle på sin FoU‑pipeline.

Illumina

Mens de andre -omics‑ene er viktige, dreier nesten alt seg rundt genomikk, den grunnleggende «instruksjonsmanualen» for hver levende celle.

Og med god margin er Illumina den største produsenten av genomsekvenseringsmaskiner. Selskapet fokuserer på kort genetisk sekvensavlesning, den som brukes for kreftdeteksjon. De har for tiden over 22 000 installerte sekvenseringsmaskiner i 165 land.

Omtrent halvparten av Illuminas forbruksmateriell til sekvenseringsmaskiner brukes i kliniske anvendelser, mens den andre halvparten brukes i offentlige og private forskningslaboratorier. I kliniske anvendelser kommer halvparten av etterspørselen fra onkologi.

Kilde: Illumina

Ettersom genomikk og multiomics blir sentrum i legemiddelforskningsprosessen, samt kreftdiagnostikk, forventes Illuminas utstyr å være i høy etterspørsel. Selskapet forventer at etterspørselen etter NGS (Next Generation Sequencing) vil vokse med 18 % CAGR for kliniske anvendelser og 6 % CAGR for forskning, og dermed øke sektoren totale adresserbare marked (TAM) fra $100 milliarder for klinisk og til $25 milliarder for forskning innen 2033.

Kilde: Illumina

Illumina hadde en komplisert historie med flytende biopsi‑selskapet Grail (GRAL ), som var en spin‑off fra Illumina, senere gjenkjøpt, og nå tvunget tilbake til en spin‑off av konkurransemyndigheter i USA og EU.

Med dette problemet ute av veien, kan Illumina gjenoppta sin langsiktige vekst og aksjekursøkning, spesielt siden Grails flytende biopsitester sannsynligvis vil basere seg på Illumina‑sekvenserere.

Ginkgo Bioworks

De fleste multiomics‑fokuserte selskapene er til stede i farmasøytisk/biotek‑sektoren på grunn av potensiell lønnsomhet av blockbuster‑kreftbehandlinger eller kurering av sjeldne sykdommer.

Men dette ville ignorere det utrolige potensialet i biosystemer for utallige andre anvendelser, inkludert kjemisk produksjon, landbruk, materialer, bio‑drivstoff osv.

Dette er akkurat fokuset til Ginkgo Bioworks , med en innovativ modell for å bygge «organismer på forespørsel» for å svare på spesifikke industrielle behov, og gjør dem til en leder i det fremvoksende feltet syntetisk biologi (se «Topp 5 offentlige selskaper innen syntetisk biologi»).

På denne måten kan Ginkgo tilby ethvert nivå av samarbeid, fra å bare selge verktøyene for å produsere nye organismer til å kontrahere sine løsninger til fullverdige partnerskap.

• Cannabinoider
• mRNA‑vaksineproduksjon og nukleinsyremedisin
• Matproteiner
• Biologisk gjødselproduksjon i partnerskap med Bayer
• Programmerbare mikrober for tarmsykdommer
• Bioremediering av mikroplast
• Biologisk sikkerhet og patogendeteksjon
• Resirkulering av avfall og forurensninger

Kilde: Ginkgo Bioworks

Selskapets forskningsmaskinvare er strukturert rundt Reconfigurable Automation Carts (RACs), som danner modulene som kan integreres sammen til hele forskningslaboratorier for høy‑gjennomstrømmende biologisk datagenerering.

Ginkgo måtte reformere sin forretningsmodell i 2024, etter en periode med ekspansjon og for mange geografiske lokasjoner. Dette har gjort det mulig for selskapet å kutte driftskostnadene (opex) fra $515 M per kvartal til $375 M, hovedsakelig ved å halvere overhead‑kostnadene.

Dette bør bringe dem nærmere lønnsomhet, samt videre fremgang i forskningsavtaler med tilsvarende betalingsmilepæler.

Utfordringer

Personvern

Hvis æraen med multiomics‑analyser og personlig medisin snart kommer, er den ikke uten utfordringer. Den aller første er spørsmålet om dataprivacy, et spesielt sensitivt tema når dataene ikke bare er vårt digitale liv, men våre egne kropper.

Det er klart at god sikkerhet, kun tilgang for autorisert personell, og anonymisering av data, samt å unngå at slike data brukes til å nekte medisinsk behandling eller forsikring, vil være et must for at folk skal omfavne denne teknologiske revolusjonen.

Bekymring for universelt innsamlede genetiske data, spesielt hvis de er tilgjengelige for ikke‑medisinske spesialister (for eksempel politiet eller statlige organer), må også adresseres.

Reguleringer

På grunn av den sensitive naturen til biologiske data, kan økt regulering forventes. Dette dekker først spørsmålet om personvern, men også andre temaer som:

• Risikoen for monopoler som oppstår, med ett eller få selskaper som gradvis tar kontroll over all vår biologiske data, ettersom mer data gjør AI‑baserte analyser mer effektive.
• Å finne en balanse mellom å forstå risikoer for enkeltpersoner eller hele befolkninger, og å unngå diskriminering eller urettferdig kommersiell praksis.
• Rettferdig behandling i forhold til presisjonsmedisin uavhengig av økonomisk status, men også håndtering av potensielle kollektive kostnader.

Tilgjengelighet

Fordi personlig medisin og multiomics‑data er ekstremt komplekse, vil de være vanskelige å forklare for ikke‑vitenskapsfolk eller leger. Kombinert med risikoen for urettferdighet og personvernbekymringer, er det sannsynlig at noe motstand eller til og med tilbakeslag vil oppstå.

På samme måte som politikken rundt massevaksinasjon med mRNA‑vaksine mot Covid ble høyt politisert, er et slikt utfall ikke usannsynlig for multiomics og AI‑drevet medisin.

På samme måte kan slik teknologi tidvis være kostbar i starten, og det vil være viktig å unngå at økonomisk ulikhet blir en biologisk og helsemessig kløft.

Fremtiden for AI‑drevet helsevesen

Kombinasjonen av en voksende mengde medisinske data, kraftig AI, automatiserte biologiske laboratorier, in‑silico‑simuleringer av proteiner, og til og med hele celler, skaper helt nye felt innen medisin og medisinsk forskning.

Det er også sannsynlig at dette kun er begynnelsen, ettersom mer fremgang hoper seg opp for å akselerere innovasjon enda mer:

• Bedre AI, med den radikale forbedringen i beregning av åpen kildekode‑prosjektet DeepSeek som det nyeste eksempelet, samt AlphaFold og open‑course OpenCRISPR‑1.
• Forbedret beregningskapasitet, med kvantedatabehandling som sannsynligvis blir et kraftig verktøy for å løse problemer som proteiners 3D‑konfigurasjon.
• Bedre analytiske verktøy, fra Next‑Generation Sequencing (NGS) til romlig biologi.
• Mer presise og sikre genmanipuleringsverktøy, inkludert CRISPR, rettet evolusjon, og syntetisk & programmerbar biologi.
• Nye anvendelser skaper ny skalaøkonomi for multiomics‑analyser, som flytende biopsi og tidlig kreftdeteksjon.

Til syvende og sist, i den ikke så fjerne fremtid, kan mesteparten av medisin bli skreddersydd til vår individuelle genetiske sammensetning, vi kan gjennomføre en årlig idiotsikker kreftkontroll fra en blodprøve, og være sunnere og mer energiske takket være den perfekte balansen mellom vår metabolisme, mikrobiom og genom.

Fra et investeringsperspektiv er det sannsynlig at de viktigste vinnerne i AI‑biotech‑kappløpet vil være selskaper som har evnen til å skape store biologiske datasett, mer enn å ha en unik proprietær algoritme eller beregningskraft, ettersom AI‑teknologi beveger seg svært raskt bort fra ultra‑store datasentre som gir en varig fordel, og mer mot en desentralisert åpen‑kilde‑modell.