Top 5 Empresas de IA e Biotecnologia Digital (setembro 2026)

Revolução da IA na Biotecnologia

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

Isso ocorre porque a biologia é de longe a ciência “bagunçada” entre as ciências duras. A química ou a física podem lidar com ambientes muito controlados, compostos puros, etc. A biologia tem que lidar com sistemas pré‑existentes extremamente complexos e em constante mudança. Além disso, ao analisar apenas uma proteína, os bioquímicos observam milhares ou milhões de átomos. Portanto, pode ser muito difícil prever cada reação química possível.

Big data, modelos de IA e digitalização estão criando condições para uma revolução do conhecimento na pesquisa biotecnológica.

A primeira era da biomedicina consistia em disparar no escuro e ver o que funcionava.

Agora estamos firmemente estabelecidos na era da genômica, onde podemos focar em alvos específicos, como um gene defeituoso.

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

O que isso mudará?

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.

Talvez se possa produzir um medicamento aprovado pela FDA a partir de dez mil candidatos. Cada etapa precisa ser testada no laboratório, em células vivas, animais ou humanos.

Isso costuma representar de uma a duas décadas de tempo perdido, além de muitos, muitos bilhões de dólares desperdiçados.

Fonte: Biosourcing

Disparar às cegas não é mais um plano viável para a descoberta de medicamentos. Por isso, os pesquisadores precisam de modelos preditivos digitais para prever, antes de qualquer teste físico, se um fármaco é um bom candidato.

Portanto, não é surpreendente que a descoberta de medicamentos esteja na vanguarda do modelo de negócios da maioria das empresas de biotecnologia de IA.

Novos métodos como aprendizado de máquina permitem que o software “adivinhe” a resposta mais provável usando um método probabilístico em vez de um método totalmente “mecânico”/algorítmico.

Como a maioria das tecnologias de aprendizado de máquina, muito trabalho foi realizado ao longo de uma década inteira, com apenas os especialistas da área realmente prestando atenção.

A verdadeira revolução que a tornou reconhecida no mainstream foi em 2020 quando a Alphabet/Google DeepMind resolveu um desafio de 50 anos sobre o dobramento de proteínas (GOOG ). O programa desde então modelou a maioria das proteínas conhecidas de todos os organismos vivos, e o Google está criando uma nova empresa, Isomorphic Laboratories, para ajudar a identificar novos medicamentos.

Top 5 Empresas de IA e Biotecnologia Digital

Para investidores, o Google pode ser uma ótima aposta em IA em geral, mas o aspecto biotecnológico será um segmento pequeno em uma empresa muito grande. Portanto, este artigo analisará empresas listadas publicamente que se dedicam exclusivamente ao tema de IA e Biologia Virtual.

Pela mesma razão, não analisaremos empresas envolvidas em hardware de IA, como Nvidia e sua biblioteca de genômica Parabricks (NVDA ).

(as empresas são classificadas por capitalização de mercado no momento da redação deste artigo)

1. Roivant Sciences Ltd.

ROIV Gráfico de preços

A empresa se especializa em adquirir startups de biotecnologia e aumentar suas chances de alcançar a comercialização por meio de subsidiárias chamadas -vant (já que cada uma terá “vant” como a última parte de seu nome).

Parte dessas aquisições foi a compra da Silicon Therapeutics por $450M. Graças a um supercomputador e hardware de computação personalizado, a Silicon Therapeutics está desenvolvendo novas moléculas. Isso se somou a um portfólio pré‑existente de pilha de biotecnologia de IA, VantAI.

A Roivant também possuía o “vant” Datavant, uma solução de big data para saúde, vendendo para hospitais, empresas farmacêuticas, seguradoras, etc… com procedimentos em conformidade regulatória e respeitando a privacidade.

Outros “vant’s” também são orientados a dados ou simulação digital, como as “Simulações Precisas Baseadas em Física de Átomos Completos” da Psivant. Ou o software/plataforma de inteligência de ensaios clínicos Lokavant.

Fonte: Roivant

Ainda assim, a maior parte da receita da empresa provém das vendas farmacêuticas de produtos aprovados.

No geral, a Roivant pode ser uma forma de apostar no lado de dados da biotecnologia, não apenas biologia digital, mas também registros médicos, ensaios clínicos, etc….; ao mesmo tempo, tocando outras medicinas inovadoras, especialmente para cuidados com a pele, com Vtama para psoríase.

2. Schrödinger, Inc.

SDGR Gráfico de preços

A empresa se especializa em modelos baseados em física para encontrar a melhor molécula possível para um objetivo dado, equilibrando métricas conflitantes como potência, solubilidade, meia‑vida, sintetizabilidade, etc…

Ela também usa aprendizado de máquina, mas a adição de um modelo baseado em física permite que seja testado em campos totalmente novos para os quais não existe conjunto de dados para “treinar” a IA. Isso permite que a Schrödinger (SDGR ) passe de 1 bilhão de moléculas potenciais para apenas 8 candidatos sólidos em questão de dias, exclusivamente por cálculo digital.

Fonte: Schrodinger

Schrödinger assinou com a Bayer um acordo de colaboração de 5 anos em 2020 com receita de $10M. A ideia do acordo é usar a tecnologia Schrödinger junto com os modelos de predição in‑silico da Bayer.

Outra parceria recente é com a Lilly, com até $425M em pagamentos de marcos totais por descobertas bem‑sucedidas.

Colaborações passadas incluíram Takeda, Sanofi (SNW.DE ) (SNY ), Bristol Myers Squibb e outras empresas farmacêuticas menores.

Fonte: Schrodinger

No geral, a Schrödinger está construindo um portfólio em crescimento, incluindo cada vez mais moléculas proprietárias e totalmente próprias. Embora ainda não seja pré‑receita, a empresa ainda não é lucrativa, focando na expansão e nos gastos de P&D para melhorar sua tecnologia.

A empresa também está buscando expandir para novos segmentos além da descoberta de medicamentos, como biofármacos complexos ou até materiais como produtos químicos, baterias ou polímeros.

Fonte: Schrodinger

Os investidores vão querer ficar de olho nas novas colaborações, pois elas refletirão os avanços da tecnologia da Schrödinger, conforme avaliado pelos líderes da indústria, bem como o possível sucesso na expansão da tecnologia central para novos mercados.

3. Exscientia

A empresa está usando IA para desenvolver terapias de precisão. Ela opera uma tecnologia de descoberta de medicamentos de IA “full stack” com software dedicado em cada etapa do processo de descoberta de medicamentos.

Fonte: Exscientia

A tecnologia da Exscientia reduz em 70% o tempo necessário para passar de um alvo biológico a encontrar um medicamento correspondente e diminui em 80% o processo de capital.

Isso resultou em 4 compostos em estágios clínicos iniciais, 30 programas no total, e $6.5B em receitas provenientes de marcos com parceiros. O foco principal tem sido oncologia (câncer) e doenças inflamatórias.

Fonte: Exscientia

A empresa está em uma posição financeira muito confortável para uma empresa de descoberta de medicamentos em estágio inicial, com $625M no Q3 2022, com um consumo líquido de caixa de apenas $15M.

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 Gráfico de preços

A empresa foi fundada em 2011, com sedes em Vancouver, Nova Iorque e Zug, Suíça. Ela adicionou à sua tecnologia inicial a propriedade intelectual de 2 aquisições de IA‑biologia em 2021, Totient (anticorpos) e Denovium (linhas celulares).

A empresa está principalmente focada no design de anticorpos, criando novos anticorpos do zero (“anticorpos de novo”), e testando‑os em laboratórios em um processo de 6 semanas.

Eles foram os primeiros, em março de 2023, a conseguir desenhar um anticorpo funcional sem nenhum dado pré‑existente, um método também chamado “zero‑shot.”

Absci estabeleceu colaboração com Merck (total de $610M em taxas iniciais e pagamento potencial futuro de marcos) e Astellas para descoberta de novos produtos, bem como uma parceria com a Nvidia para melhorar a arquitetura de hardware por trás da tecnologia Absci.

Absci ainda está em estágio inicial, mas já demonstrou um potencial tremendo e inovador. Investidores na empresa precisarão estar alinhados com o ethos “nada é impossível” da empresa e seu fundador brilhante e esperar que os recentes acordos de colaboração sejam os primeiros de uma longa série.

5. e-therapeutics plc

e-therapeutics está focada no desenvolvimento in‑silico de novas terapias de RNAi (interferência por RNA). Ela espera que a combinação de tecnologia emergente, RNAi e descoberta computacional de medicamentos lhe dê uma vantagem significativa sobre seus concorrentes.

Ela também está monetizando a descoberta em sua plataforma com outras empresas farmacêuticas, sendo a maior a gigante Novo Nordisk.

A empresa está em um estágio muito precoce pré‑receita e precisou levantar £13,5 million no verão de 2022. A empresa registrou um prejuízo líquido de £2,8 million no H1 2022m para um saldo de caixa na época de £21,8 million.

Investidores na e-therapeutics precisarão ficar de olho no caixa disponível e esperar que novas descobertas e receitas de parcerias tornem a empresa lucrativa no final.

Construindo um Portfólio de Biologia Digital

Este é um setor difícil de investir, pois combina 2 tecnologias muito complexas: IA + biotecnologia avançada. Isso o torna praticamente uma “caixa preta” para investidores, mesmo que tenham alguma expertise em um dos 2 campos.

Além disso, a maioria das empresas do setor está focada nos mesmos mercados, principalmente descobertas de pequenas moléculas e design de anticorpos, possivelmente também linhas celulares.

Portanto, a diversificação seria uma estratégia de investimento mais segura, pois muito poucas pessoas poderão ter certeza de ter escolhido o “vencedor”. Além disso, espera‑se que o mercado cresça muito rapidamente, com um CAGR de 45% entre 2022 e 2027.

Assim, uma exposição ampla tem mais chances de captar esse crescimento sem depender excessivamente de modelos ou métodos matemáticos específicos em um cenário que muda rapidamente e é altamente competitivo.