Biotecnologia

Multiômicas e IA na Saúde: Uma Nova Fronteira para a Descoberta de Medicamentos

mm
Publicado em
Atualizado em
Adicione Securities.io às suas fontes preferidas no Google
Divulgação: Securities.io pode receber compensação quando você usa links para produtos que avaliamos. Isso não influencia nossas avaliações editoriais. Não somos consultores de investimentos registrados; isto não é aconselhamento de investimento. Leia nossa divulgação de afiliados.

Medicina de Precisão é o Futuro da Saúde

Quando se trata de ciências duras aplicadas, uma fonte de progresso tem sido medições e ferramentas mais precisas. Isso é especialmente verdadeiro em física e química, com ferramentas analíticas agora capazes de observar reações de átomos individuais a experimentos, impulsionando rápido progresso em energia limpa, ciências dos materiais, nanotecnologia, manufatura, e computação (siga os links para artigos sobre esses tópicos).

No entanto, um campo científico tem se mostrado mais difícil de medir com precisão: a biologia. Isso ocorre porque os organismos vivos não são “materiais simples” feitos de poucos elementos, mas sim máquinas moleculares ultra‑complexas compostas por milhões, senão bilhões, de partes diferentes.

Portanto, uma representação verdadeira de uma única célula humana seria quase incompreensivelmente complexa, como ilustrado por uma imagem gerada por computador de uma única célula humana que se tornou viral há alguns anos.

Fonte: Newsweek

Isso tornou a compreensão verdadeira dos fenômenos biológicos e bioquímicos um desafio persistente.

A genômica foi um passo importante inicial, explicando o modelo/instruções usadas pelas células para construir seus componentes internos. Outro fator crescente é o uso de IA, já que redes neurais avançadas conseguem lidar com a enorme quantidade de dados melhor do que a mente humana.

Juntos, esses fatores impulsionarão a transformação na saúde, com o surgimento de uma medicina de precisão verdadeiramente personalizada, adaptada à composição única de genes, metabolismo, histórico médico etc. de cada indivíduo.

Atualmente, a medicina de precisão é um mercado de US$ 500 bi, e inclui anticorpos monoclonais, (um mercado de US$ 222 bi em 2023), bem como os tratamentos contra o câncer mais avançados, como terapias CAR‑T.

O que é Multiômica?

A enorme complexidade dos sistemas vivos levou ao emergir da multiômica, um campo que reúne todos os sub‑segmentos -ômicos das ciências biológicas e é anunciado como o próximo passo na biotecnologia:

  • Genômica: a análise da sequência de DNA no núcleo das células.
  • Transcriptômica: a análise de mRNA que carrega 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‑tradução”).
  • Metabolômica: a análise de compostos químicos e do 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.

Novos campos estão surgindo, como, por exemplo, Agrigenômica (genômica para melhorar rendimentos agrícolas), Genômica ecológica (avaliando com precisão a saúde de um ecossistema e sua diversidade genética), ou Biologia sintética (criando novos genes, traços ou organismos inteiros com um propósito específico).

Cada um desses campos fez avanços tremendos graças a novos e aprimorados métodos analíticos, em grande parte impulsionados por progressos revolucionários em nanotecnologia, óptica, tecnologia de semicondutores e poder de computação.

Infelizmente, as ciências biológicas e a medicina começaram a ter dificuldade em lidar com todos esses novos dados, e ainda mais em entender as interações complexas de cada possível campo -ômico entre si.

Em grande parte, isso se deve a trilhões – ou talvez quadrilhões – de potenciais interações cruzadas entre genes individuais, proteínas, biomoléculas, bactérias etc.

E, em teoria, para uma medicina verdadeiramente personalizada, esses dados seriam coletados para cada indivíduo e conectados aos registros de seus dados de saúde digitais.

Queda de Custos & Uma Inundação de Dados

A melhoria tecnológica nas ferramentas analíticas colapsou os custos de coleta de novos dados. Isso é, por exemplo, verdadeiro para o sequenciamento de um genoma humano completo, cujos custos foram divididos por mais de um milhão em 30 anos, ou a síntese de DNA agora é 10 000 x mais barata.

Isso significa que, quando inicialmente custava US$ 450 mil para sequenciar apenas um genoma em 2001, agora podemos sequenciar 1,4 bilhão de genomas pelo mesmo preço, ou 17 % da população mundial.

Como resultado, genômica e outros dados -ômicos têm inundado os biólogos.

Por exemplo, o UK Biobank, o maior banco de dados genômicos publicamente disponível, contém 27 x mais dados que alimentam um dos maiores LLM (Large Language Model), o AI Llama 405b construído pela Meta (FB ).

Se cada recém‑nascido no mundo tivesse seu genoma sequenciado – prática provável nos próximos anos – isso geraria 10 000 x mais dados do que o Llama usa a cada ano.

Afortunadamente, enquanto a quantidade de dados se multiplica por milhares, a eficiência das ferramentas de análise digital, especialmente IA, também aumenta, tornando‑se 1 000 x mais poderosa pelo mesmo custo.

Aplicações na Descoberta de Medicamentos

Células Virtuais

Até recentemente, para saber o efeito de um potencial novo fármaco, ou como uma proteína interage com outra, os biólogos precisavam conduzir o experimento manualmente, uma tarefa cara e demorada.

Isso naturalmente desacelerou a descoberta de novos medicamentos e aumentou os custos de saúde para tratamentos inovadores. Poderia ser feito in‑vitro (em laboratório) ou in‑vivo (em organismo vivo, geralmente um animal).

Uma nova opção apareceu recentemente, a abordagem in‑silico, onde uma ou várias células virtuais são simuladas em um computador. Essas células virtuais são então expostas ao potencial novo tratamento e a simulação calcula como reagiriam.

Simulação Aprimorada

Além dos dados completos de genoma e transcriptoma, outra ferramenta está entrando na simulação in‑silico: simuladores de dobramento de proteínas como AI AlphaFold da Google (GOOGL ).

Muitos medicamentos baseados em proteínas dependem das interações entre o fármaco e um receptor nas células do corpo, ou da superfície de bactérias ou células cancerígenas alvo.

Prever corretamente in‑silico a configuração 3D da proteína (dobramento) melhorará radicalmente a taxa de sucesso e a velocidade do desenvolvimento de fármacos, reduzindo custos.

À medida que o AlphaFold melhora em até 500 x desde 2018, as simulações in‑silico se tornarão uma tecnologia indispensável para a maioria das empresas de biotecnologia.

Outras empresas também trabalham em tecnologia semelhante ao AlphaFold, mas para moléculas não‑proteicas, como a Schrödinger (SDGR ) , que abordamos em “Top 5 AI & Digital Biotech Companies”.

Detecção de Câncer

A detecção precoce do câncer, mesmo quando não é visível em um scanner de ressonância magnética, pode muitas vezes ser uma questão de vida ou morte.

Uma nova técnica chamada biópsia líquida promete detectar precocemente esses cânceres invisíveis. Ela funciona usando ferramentas de sequenciamento genômico para detectar sequências de DNA típicas de câncer no sangue do paciente, mesmo que essas sequências sejam ultra‑raras.

As biópsias líquidas são muito menos invasivas que biópsias reais, exigindo apenas uma amostra de sangue. Elas também podem ser usadas para buscar múltiplos cânceres potenciais ao mesmo tempo.

Em junho de 2024, a Guardant Health (GH ) viu seu teste de triagem de câncer colorretal “Shield” aprovado pela FDA. A Grail (GRAL ), recente spin‑off da Illumina (ILMN ), também está desenvolvendo esse teste.

Além da biópsia líquida, o teste de doença residual mínima (MRD) está se tornando cada vez mais comum para verificar a remissão de pacientes com câncer. MRDs podem detectar a recorrência do câncer até 20 meses antes das imagens tradicionais.

Para MRD e biópsia líquida, o reembolso pelos sistemas de seguro‑saúde privados e nacionais será fundamental para acelerar sua adoção.

Laboratório Automatizado

À medida que mais e mais dados são necessários e as ferramentas de detecção ficam mais baratas, torna‑se cada vez mais o trabalho de humanos com qualificações de nível PhD o fator limitante (tanto em custos quanto em capacidade) para gerar mais dados multiômicos.

Isso é verdade tanto para o trabalho manual em si, como a extração de amostras, quanto para o design dos experimentos.

Um método alternativo emergente é o laboratório autônomo (SDL). Ele combina robótica e automação para substituir o trabalho manual tedioso e mais lento, criando experimentação de alta produtividade. Também adiciona LLMs para analisar dados e projetar o próximo conjunto de experimentos.

Um líder nesse novo método de descoberta de medicamentos é a Recursion Pharmaceuticals (RXRX ) (mais sobre esta empresa abaixo).

Insights de Investimento

Embora existam muitas empresas inovando na interseção de IA e multiômica, algumas se destacam pela importância ou ambição.

Recursion Pharmaceuticals

RXRX Gráfico de preços

A Recursion é uma empresa que, desde sua fundação, focou em usar IA para acelerar a descoberta de novos medicamentos. Para isso, combina laboratório seco (in‑silico) e laboratório úmido (amostras biológicas) com:

  • Uma biblioteca de 1,7 milhão de pequenas moléculas.
  • Culturas celulares, edição gênica CRISPR, fatores solúveis, vírus vivos, etc.
  • Um fluxo de trabalho de robótica de laboratório automatizado que permite até 2,2 milhão de experimentos por semana.
  • Microscópios de alta taxa de captura e sistemas de sequenciamento.
  • Fluxos de vídeo contínuos de câmeras, registrando medições holísticas de comportamentos animais.
  • Recursos computacionais avançados, que geraram >21 petabytes de dados proprietários de alta dimensão.
  • Dados ADMET (absorção, distribuição, metabolismo, excreção e toxicologia).

A Recursion também possui um dos supercomputadores mais rápidos do mundo para treinar seus LLMs e IAs para descoberta de medicamentos. Os modelos de IA foram treinados em uma biblioteca de mais de 2 bilhões de imagens e inferiram 6 trilhões de relações entre todas as possíveis combinações de genes e compostos.

Em agosto de 2024, a Recursion se fundiu com Exscientia, empresa focada em terapias de precisão e que usa sua própria “automação robótica abrangente em todo o ciclo de experimentação”. A Recursion também adquiriu em maio de 2023 as startups pré‑clínicas focadas em química de fármacos, Cyclica e Valance, totalizando US$ 87,5 M.

Com essas empresas recém‑adquiridas integradas aos conjuntos de dados centrais da Recursion, a empresa agora é uma biotech totalmente integrada, lidando com tudo, desde a identificação de alvos, previsões in‑silico, validação in‑vivo e ensaios clínicos.

Fonte: Recursion

A Recursion tem mais de 20 moléculas em vários estágios de desenvolvimento em seu pipeline de P&D, das quais 7 estão nos estágios 1/2 de ensaios clínicos, principalmente em oncologia (câncer) e doenças raras.

Esses programas incluem mais de 10 programas parceiros com até US$ 20 bi em pagamentos potenciais por marcos de P&D, dos quais US$ 450 mi já foram pagos.

No geral, a nova Recursion, ampliada por aquisições e por um movimento precoce de alavancar IA para descoberta de medicamentos, está se posicionando como parceira chave para grandes empresas farmacêuticas que buscam repor seus pipelines de P&D.

Illumina

Embora os outros -ômicos sejam importantes, quase todos giram em torno da genômica, o “manual de instruções” central de toda célula viva.

E, de longe, a maior produtora de máquinas de sequenciamento genômico é a Illumina. A empresa foca na leitura de sequências genéticas curtas, usadas para detecção de câncer. Atualmente possui mais de 22 000 sequenciadores instalados em 165 países.

Cerca de metade dos consumíveis das máquinas de sequenciamento da Illumina são usados em aplicações clínicas, e a outra metade em laboratórios de pesquisa públicos e privados. Nas aplicações clínicas, metade da demanda vem da oncologia.

Fonte: Illumina

À medida que a genômica e a multiômica se tornam o centro do processo de descoberta de medicamentos, bem como dos diagnósticos de câncer, espera‑se que os equipamentos da Illumina estejam em alta demanda. A empresa prevê que a demanda por NGS (Sequenciamento de Nova Geração) crescerá 18 % CAGR para aplicações clínicas e 6 % CAGR para pesquisa, ampliando o TAM (mercado total endereçável) de US$ 100 bi para clínicos e US$ 25 bi para pesquisa até 2033.

Fonte: Illumina

A Illumina teve uma história complicada com a empresa de biópsia líquida Grail (GRAL ), que foi um spin‑off da Illumina, posteriormente readquirido, e agora forçado a se tornar novamente um spin‑off por autoridades de concorrência nos EUA e na UE.

Com esse obstáculo resolvido, a Illumina pode retomar seu crescimento de longo prazo e a valorização de suas ações, especialmente porque, em última análise, os testes de biópsia líquida da Grail provavelmente dependerão dos sequenciadores da Illumina.

Ginkgo Bioworks

A maioria das empresas focadas em multiômica está presente no espaço farmacêutico/biotecnológico devido ao potencial de lucratividade de tratamentos de câncer em grande escala ou cura de doenças raras.

Mas isso ignoraria o incrível potencial dos biosistemas para inúmeras outras aplicações, incluindo produção química, agricultura, materiais, biocombustíveis etc.

Esse é exatamente o foco da Ginkgo Bioworks , com um modelo inovador de construir “organismos sob demanda” para atender necessidades industriais específicas, tornando‑a líder no campo emergente da biologia sintética (veja “Top 5 Synthetic Biology Public Companies”).

Dessa forma, a Ginkgo pode oferecer qualquer nível de colaboração, desde simplesmente vender as ferramentas para produzir novos organismos até contratar suas soluções em parcerias completas.

O hardware de pesquisa da empresa é estruturado em torno dos Reconfigurable Automation Carts (RACs), que formam os módulos que podem ser integrados em laboratórios de pesquisa completos para geração de dados biológicos de alta produtividade.

A Ginkgo precisou reformular seu modelo de negócios em 2024, após um período de expansão e muitas localizações geográficas. Isso permitiu à empresa reduzir seu gasto operacional (opex) de US$ 515 M por trimestre para US$ 375 M, principalmente dividindo os custos gerais ao meio.

Isso deve aproximá‑la da lucratividade, bem como avançar ainda mais nos acordos de pesquisa com seus respectivos marcos de pagamento.

Desafios

Privacidade

Se a era das análises multiômicas e da medicina personalizada está chegando em breve, não está isenta de desafios. O primeiro deles é a questão da privacidade dos dados, um tópico especialmente sensível quando os dados não são apenas nossa vida digital, mas nossos próprios corpos.

É claro que boa segurança, acesso apenas a pessoal autorizado e anonimização dos dados, bem como evitar que esses dados sejam usados para negar cuidados médicos ou seguros, serão imprescindíveis para que as pessoas adotem essa revolução tecnológica.

Preocupações sobre a coleta universal de dados genéticos, especialmente se acessíveis a não‑especialistas médicos (por exemplo, membros da polícia ou do aparato estatal), também precisarão ser abordadas.

Regulamentações

Devido à natureza sensível dos dados biológicos, espera‑se um aumento nas regulamentações. Isso cobre, primeiro, a questão da privacidade, mas também outros tópicos como:

  • Os riscos de surgimento de monopólios, com uma ou poucas empresas progressivamente tomando controle de todos os nossos dados biológicos, já que mais dados tornam as análises baseadas em IA mais eficientes.
  • Gerenciar um equilíbrio entre entender os riscos para indivíduos ou populações inteiras e evitar discriminações ou práticas comerciais injustas.
  • Tratamento justo em relação à medicina personalizada, independentemente da riqueza, mas também gerenciar os custos coletivos potenciais.

Acessibilidade

Porque a medicina personalizada e os dados multiômicos são extremamente complexos, será difícil explicá‑los a não‑cientistas ou médicos. Combinado com os riscos de injustiça e preocupações de privacidade, é provável que ocorra alguma resistência ou até mesmo reação negativa.

Da mesma forma que a política de vacinação em massa com vacina de mRNA contra a Covid foi altamente politizada, esse desfecho não é improvável para a medicina baseada em multiômica e IA.

Similarmente, essa tecnologia pode, às vezes, ser inicialmente cara, e será importante evitar que a desigualdade de riqueza se torne também uma divisão biológica e de saúde.

O Futuro da Saúde impulsionada por IA

A combinação de um volume crescente de dados médicos, IA poderosa, laboratórios biológicos automatizados, in‑silico simulações de proteínas e até de células inteiras está criando campos totalmente novos de medicina e pesquisa médica.

É também provável que seja apenas o começo, à medida que mais progressos se acumulam para acelerar ainda mais as inovações:

Em última análise, num futuro não tão distante, a maior parte da medicina poderá ser adaptada ao nosso perfil genético individual, poderemos fazer um check‑up anual à prova de falhas contra o câncer a partir de um exame de sangue, e estaremos mais saudáveis e energéticos graças ao equilíbrio perfeito do nosso metabolismo, microbioma e genoma.

Do ponto de vista de investimento, é provável que os principais vencedores na corrida AI‑biotech sejam empresas com a capacidade de criar grandes conjuntos de dados biológicos, mais do que possuir um algoritmo proprietário único ou poder computacional, já que a tecnologia de IA está avançando muito rápido além de datacenters ultra‑grandes que fornecem vantagem durável, e se dirige cada vez mais a um modelo descentralizado de código aberto.

mm

Jonathan é um ex‑pesquisador bioquímico que trabalhou em análise genética e ensaios clínicos. Ele agora é analista de ações e escritor financeiro com foco em inovação, ciclos de mercado e geopolítica em sua publicação 'The Eurasian Century'.