Inteligência artificial
Descoberta de Medicamentos com IA Está Desencadeando um Superciclo de Fusões e Aquisições em Biotecnologia
A Nova Era da Biotecnologia Impulsionada por IA
A indústria farmacêutica foi inicialmente construída sobre a capacidade da indústria química, que começou a criar produtos cada vez mais úteis, inclusive para fins médicos. A princípio, tratava‑se principalmente de isolar e purificar compostos químicos naturais como a aspirina da casca de salgueiro e a quinina de uma árvore tropical.
Depois passou a criar compostos totalmente novos que nunca existiram na natureza e os transformou em medicamentos. Essa abordagem, porém, começou a falhar nas últimas décadas.
Os produtos químicos mais fáceis de produzir ou descobrir já foram encontrados, e outras moléculas frequentemente não são boas o suficiente: muito instáveis, muito tóxicas, difíceis de fabricar, etc.
Como resultado, a indústria farmacêutica voltou‑se para a biotecnologia, que reaproveita moléculas biológicas como hormônios, proteínas ou DNA & RNA para criar medicamentos. Isso gerou insulina artificial, terapias monoclonais, terapias genéticas e muitos outros avanços impressionantes.
No entanto, aqui também o progresso começou a estagnar, pois o “fruto ao alcance da mão” já foi colhido: a maioria dos biológicos ativos já foi identificada e conhecida, restando os mecanismos biológicos mais complexos e difíceis de entender para curar doenças ainda resistentes ao tratamento.
Isso representa um problema sério para as grandes empresas farmacêuticas. Não apenas muitos de seus tratamentos baseados em química estão fora da proteção de patentes ou chegarão a esse ponto em breve, mas a estratégia de simplesmente comprar ou fazer parcerias com startups de biotecnologia já não é suficiente.
Essas empresas precisam adquirir inovação rapidamente, e o que funcionava antes simplesmente não está mais à altura.
Em grande parte, isso ocorre porque uma representação verdadeira de uma única célula humana seria quase incompreensivelmente complexa para uma pessoa só, como ilustrado por uma imagem gerada por computador de todos os componentes de uma única célula humana que se tornou viral há alguns anos.
Fonte: Newsweek
Felizmente, uma nova onda de inovação biotecnológica está surgindo a partir da implantação de IA nos biolabs. Isso vem combinado com uma revolução nos dados disponíveis a partir da chamada “revolução multiômica”, que cria uma quantidade sem precedentes de dados até o nível intracelular.
E a IA, com sua capacidade de analisar grandes conjuntos de dados muito além da mente humana, agora está ajudando a dar sentido a tudo isso.
Fonte: World Economic Forum
Ilustrativo dessa tendência é a parceria anunciada em 12th, 2026, entre Nvidia (NVDA ) e Eli Lilly (LLY ), planejando investir conjuntamente até US$ 1 bilhão ao longo de cinco anos em infraestrutura e pesquisa para descoberta de medicamentos com IA.
A Era da Biologia Digital
A biologia digital está mudando onde tempo, custo e risco de falha se acumulam ao longo do pipeline de descoberta de medicamentos — deslocando mais exploração e otimização para a computação antes que o trabalho de laboratório úmido mais caro comece.
Deslize para rolar →
| Fase de Descoberta | Gargalo Tradicional | Mudança IA / Biologia Digital | Impacto Econômico | Captura Primária de Valor |
|---|---|---|---|---|
| Identificação de Alvo | Sinais biológicos esparsos ou ruidosos; ciclos de hipótese lentos | Multiômica + ML priorizam vias causais e biomarcadores; classificação rápida de hipóteses | Mais tentativas com menos programas sem saída | Farmacêuticas ricas em dados e proprietários de conjuntos de dados exclusivos |
| Descoberta de Acertos | Triagem em laboratório úmido é cara e limitada pela capacidade | Triagem in-silico explora um espaço químico maior antes da síntese | Custo menor por acerto; ciclos de iteração mais rápidos | Plataformas de computação + modelo; fornecedores de automação de laboratório |
| Otimização de Leads | Falhas de ADME/tox no final do ciclo; ciclos lentos de química medicinal | Modelos generativos propõem candidatos otimizados para potência, seletividade e desenvolvibilidade | Menos ciclos de redesign; melhor desenvolvibilidade desde o início | Integradores farmacêuticos com fortes pipelines translacionais |
| Validação Pré‑clínica | Modelos animais não correspondem à biologia humana; validação lenta e alta variância | Melhor seleção de biomarcadores + modelos relevantes para humanos; ensaios automatizados e de alta capacidade | Qualidade de sinal mais alta ao entrar no trabalho de habilitação IND | Pilhas de automação e plataformas de ensaio; CROs com ferramentas de IA |
| Tradução Clínica | Resposta heterogênea dos pacientes; estratificação pobre aumenta as taxas de falha | Estratificação multiômica identifica subgrupos de respondedores e desfechos de ensaio mais cedo | Maior eficiência de ensaio; menor diluição da eficácia | Proprietários de medicamentos (farmacêuticas/biotecnologia) com execução clínica |
A Ascensão da Multiômica
A enorme complexidade dos sistemas vivos levou ao emergir da multiômica, um campo que reúne todos os sub‑segmentos “‑ômica” das ciências biológicas e é considerado o próximo passo na biotecnologia:
- Genômica: a análise da sequência de DNA no núcleo das células.
- Transcriptômica: a análise de mRNA que transporta as instruções do DNA.
- Epigenômica: a modificação do genoma sem afetar a sequência genética, ou “epigenética”.
- Proteômica: a análise de proteínas, incluindo a modificação de proteínas com açúcares (“pós‑traducional”).
- Metabolômica: a análise de compostos químicos e metabolismo.
- Microbiômica: a análise de todos os micróbios que vivem dentro ou sobre o corpo.
- Multiômica de célula única: a análise multiômica em células individuais.
- Biologia espacial: análise em 3D da localização de mRNA, proteínas ou células específicas.
Fonte: Ark Research
A multiômica também surgiu graças a ferramentas analíticas muito mais poderosas, desde sequenciadores genéticos até biologia espacial.
O problema, porém, é que isso gera uma inundação de dados tal que, pela primeira vez, o desafio dos biólogos não é finalmente encontrar um ponto de dados interessante para usar em aplicações práticas, mas decidir quais dados são realmente relevantes para um determinado problema.
Se cada recém‑nascido no mundo tivesse seu genoma sequenciado, prática provável nos próximos anos, isso geraria 10.000 vezes os dados usados por uma IA como Llama a cada ano.
Fonte: Ark Research
O que é Biologia Digital?
Uma nova opção para a pesquisa biotecnológica apareceu recentemente: a abordagem in‑silico, onde uma ou várias células virtuais são simuladas em um computador.
“Em 2026, a identificação de alvos de doenças dependerá da exploração in silico antes de qualquer validação em laboratório úmido começar.
Isso reduzirá o número de programas que estagnam durante o desenvolvimento pré‑clínico.
Veronica DeFelice – Diretora de Biológicos na Sapio Sciences.”
Essas células virtuais são então expostas ao potencial novo tratamento, e a simulação calcula como elas reagiriam.
Fonte: Ark Research
Outra opção é simular a configuração 3D de uma proteína, que determina sua função biológica.
Um simulador de dobramento de proteínas como o AlphaFold da IA da Google (GOOGL ) melhorou até 500 vezes desde 2018.
Fonte: Ark Research
Portanto, é provável que simulações in‑silico se tornem uma tecnologia indispensável para a maioria das empresas farmacêuticas & biotecnológicas.
Outra forma de biologia digital é o uso de um sistema avançado de detecção para identificar marcadores de câncer em uma amostra de sangue, substituindo biópsias caras e menos eficientes, levando à descoberta mais precoce de potenciais cânceres.
Por fim, automação, robótica e IA estão se combinando para criar laboratórios automatizados que podem executar experimentos sem mão de obra humana, e analisar milhões de moléculas ou compostos potencialmente úteis a um custo menor e 100 vezes a velocidade dos métodos de pesquisa tradicionais.
Investindo em Descoberta de Medicamentos com IA
(LLY )
Visão Geral da Eli Lilly
Eli Lilly é uma enorme empresa farmacêutica que construiu seu império médico com quinina e depois insulina.
O tratamento da diabetes permaneceu como o núcleo da empresa, com uma longa série de moléculas descobertas e aprovadas nas últimas três décadas para essa doença. Isso incluiu tirzepatide, comercializado sob a marca Mounjaro.
Na década de 2010, a Eli Lilly também investiu fortemente em oncologia (tratamentos contra o câncer) com uma série de aquisições e parcerias no campo, bem como esforços internos de desenvolvimento de medicamentos para construir um portfólio robusto de fármacos oncológicos.
A molécula tirzepatide foi desde então reaproveitada como um medicamento anti‑obesidade, sob a marca Zepbound, o maior concorrente do Ozempic. Isso tem sido um salva‑vidas para a Eli Lilly, já que muitas de suas drogas mais antigas perderam a patente, permitindo que fabricantes de genéricos também as produzam e concorram em preço.
Ainda assim, depender massivamente de um único peptídeo patenteado e seus potenciais derivados é uma posição arriscada e não sustentável a longo prazo. Como a maioria das empresas farmacêuticas, há uma necessidade urgente de retornar à inovação diversificada. Mas, ao contrário de muitas outras no setor, a Eli Lilly tem um plano, e ele depende de apostar tudo em IA e biologia digital.
Descoberta de Medicamentos com IA da Eli Lilly
O maior e mais recente anúncio sobre descoberta de medicamentos com IA e a Eli Lilly é sua parceria com a Nvidia.
“NVIDIA e Lilly estão reunindo o melhor de nossas indústrias para inventar um novo plano para a descoberta de medicamentos — onde os cientistas podem explorar vastos espaços biológicos e químicos in silico antes que uma única molécula seja feita.”
O plano combinará os laboratórios úmidos autônomos da Lilly com laboratórios secos computacionais, permitindo experimentação assistida por IA 24/7. Isso se combina com um supercomputador de IA anunciado anteriormente usando 1.000 GPUs NVIDIA Blackwell Ultra para uma fábrica de IA que treinará grandes modelos de base e de fronteira biomédicos para identificar, otimizar e validar novas moléculas.
“Nossos modelos de base estão gerando novas possibilidades para nossos químicos, ajudando‑os a descobrir novos motivos e configurações de átomos que estavam fora de alcance com métodos tradicionais.”
Esta parceria de US$ 1 bilhão é apenas a mais recente (e maior) iniciativa da empresa farmacêutica na descoberta de medicamentos com IA. Anteriormente, destacou‑se:
- Iniciou uma colaboração de pesquisa com a Insilico Medicine, com até US$ 100 milhões a serem pagos à startup dependendo dos marcos de pesquisa.
- Parceria com a Circle Pharma para aproveitar as IAs da Eli Lilly e melhorar suas terapias de macrociclos, incluindo alvos historicamente indrogáveis.
- Desenvolver modelos de aprendizado de máquina com a insitro, pioneira em aprendizado de máquina para descoberta e desenvolvimento de medicamentos.
- Colaboração com a OpenAI para descobrir novos medicamentos para tratar bactérias resistentes a drogas.
- Uso dos modelos de IA da Genetic Leap para a descoberta de medicamentos direcionados a RNA em um acordo de US$ 409 milhões.
- Parceria de IA com a empresa de biotecnologia digital da Google/Alphabet, Isomorphic Labs, que receberá US$ 45 milhões adiantados e é elegível a até US$ 1,7 bilhão em marcos baseados em desempenho.
- Um acordo de até US$ 670 milhões com a Genesis Therapeutics para a plataforma molecular de IA da empresa.
- Um acordo de US$ 1,3 bilhão com a Superluminal para descobrir medicamentos para obesidade usando IA, graças à sua plataforma proprietária impulsionada por IA que tem como alvo receptores acoplados à proteína G (GPCR), com o objetivo de reforçar a já dominante presença da Eli Lilly no mercado de obesidade.
- Um acordo com a BigHat Biosciences para avançar a descoberta de terapêuticos de anticorpos impulsionados por IA graças à sua plataforma Milliner.
Eli Lilly também fez parceria com a Benchling, uma plataforma de software baseada em nuvem projetada para P&D em ciências da vida, para fornecer às startups de biotecnologia acesso a modelos treinados com décadas de dados de pesquisa proprietários da Lilly.
Chamado TuneLab, esta plataforma deve ajudar a Eli Lilly a fazer parcerias com ciências da vida em estágio inicial sob seu programa “Catalyze360”.
No geral, essas parcerias de descoberta de medicamentos com IA e a construção de infraestrutura em todas as direções provavelmente reconstruirão o pipeline de descoberta da Eli Lilly e impulsionarão sua posição em antibióticos, medicamentos contra o câncer, doenças raras e obesidade.
Últimas Notícias e Desenvolvimentos das Ações da Eli Lilly (LLY)
