Top 5 AI at Digital Biotech Companies (Hunyo 2026)

Rebolusyon ng AI sa Biotech

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

Ito ay dahil ang biyolohiya ang pinakamalabo sa mga matitibay na agham. Ang kimika o pisika ay maaaring humarap sa napaka-kontroladong kapaligiran, purong mga compound, atbp. Ang biyolohiya ay kailangang harapin ang umiiral nang napakakomplikado at patuloy na nagbabagong mga sistema. Bukod pa rito, kapag sinusuri ang isang protina lamang, tinitingnan ng mga biokimiko ang libu-libo o milyong atom. Kaya, napakahirap hulaan ang bawat posibleng kemikal na reaksyon.

Ang malalaking datos, mga modelo ng AI, at digitalisasyon ay lumilikha ng mga kundisyon para sa isang rebolusyon ng kaalaman sa pananaliksik ng biotech.

Ang unang panahon ng biomedisina ay subukan nang walang direksyon at tingnan kung ano ang gumagana.

Ngayon ay matatag na tayo sa panahon ng genomics, kung saan maaari tayong magtuon sa mga tiyak na target, tulad ng isang depektibong gene.

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

Ano ang Babaguhin Nito?

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.

Maaaring makagawa ng isang FDA-aprubadong gamot mula sa sampung libong kandidato. Ang bawat hakbang ay kailangang subukan sa laboratoryo, sa buhay na selula, hayop, o tao.

Kadalasan, ito ay kumakatawan sa isa hanggang dalawang dekada ng nawalang oras, pati na rin sa napakaraming bilyong dolyar na nasasayang.

Pinagmulan: Biosourcing

Ang pagsubok nang walang direksyon ay hindi na praktikal para sa pagtuklas ng gamot. Ito ang dahilan kung bakit kailangan ng mga mananaliksik ng mga digital na modelo na nakakapagpahiwatig bago pa man isagawa ang pisikal na pagsubok kung ang isang gamot ay isang magandang kandidato.

Kaya hindi nakakagulat na ang pagtuklas ng gamot ay nasa unahan ng modelo ng negosyo ng karamihan sa mga AI biotech na kumpanya.

Ang mga bagong pamamaraan tulad ng machine learning ay nagpapahintulot sa software na “hulaan” ang pinaka-posibleng sagot gamit ang isang probabilistikong pamamaraan sa halip na ganap na “mekanikal”/algorithmic na pamamaraan.

Tulad ng karamihan sa teknolohiyang machine learning, maraming gawain ang nagawa sa loob ng isang dekada, kung saan tanging ang mga eksperto sa larangan ang talagang nagbantay.

Ang tunay na rebolusyon na nagdala nito sa mainstream ay noong 2020 nang malutas ng Alphabet/Google DeepMind ang 50-taong lumang hamon sa pag-fold ng protina. Mula noon, ang programa ay nagmodelo ng karamihan sa kilalang mga protina ng lahat ng buhay na organismo, at lumilikha ang Google ng isang bagong kumpanya, Isomorphic Laboratories, upang makatulong sa pagtukoy ng mga bagong gamot.

Top 5 AI at Digital Biotech Companies

Para sa mga mamumuhunan, maaaring maging magandang pagkakataon ang Google sa AI sa pangkalahatan, ngunit ang aspeto ng biotech ay magiging maliit na bahagi lamang sa isang napakalaking kumpanya. Kaya, susuriin ng artikulong ito ang mga pampublikong nakalistang kumpanya na nakatuon lamang sa paksa ng AI at Virtual Biology.

Para sa parehong dahilan, hindi namin titingnan ang mga kumpanya na kasangkot sa AI hardware, tulad ng Nvidia at ang genomics library na Parabricks.

(ang mga kumpanya ay naka-ranggo batay sa market capitalization sa oras ng pagsulat ng artikulong ito)

1. Roivant Sciences Ltd.

(ROIV )

Ang kumpanya ay nagdadalubhasa sa pagkuha ng mga biotech startup at pagpapalakas ng kanilang tsansa na ma-komersyalisa sa pamamagitan ng mga subsidiary na tinatawag na -vant (dahil ang bawat isa ay magtatapos sa “vant” sa kanilang pangalan).

Bahagi ng mga pag-aakuisisyong ito ay ang pagbili ng Silicon Therapeutics sa halagang $450M. Salamat sa isang supercomputer at pasadyang hardware sa pagkompyut, ang Silicon Therapeutics ay bumubuo ng mga bagong molekula. Idinagdag ito sa umiiral nang AI biotech stack portfolio, VantAI.

Pag-aari din ng Roivant ang “vant” na Datavant, isang solusyon sa malaking datos para sa pangangalagang pangkalusugan, na nagbebenta sa mga ospital, kumpanya ng parmasya, insurance, atbp… na sumusunod sa regulasyon at iginagalang ang privacy.

Ang iba pang “vant” ay nakatuon din sa datos o digital na simulasyon, tulad ng “Accurate All-Atom Physics-Based Simulations” ng Psivant. O ang software/platform para sa intelihensiya ng clinical trial na Lokavant.

Pinagmulan: Roivant

Gayunpaman, ang karamihan ng kita ng kumpanya ay nagmumula sa benta ng mga aprubadong produktong parmasyutiko.

Sa pangkalahatan, maaaring maging paraan ang Roivant upang pasukin ang data side ng biotech, hindi lamang digital biology kundi pati na rin mga medikal na rekord, clinical trial, atbp….; habang kasabay nito ay sumasaklaw sa iba pang makabagong medisina, lalo na para sa pangangalaga ng balat, gamit ang Vtama para sa psoriasis.

2. Schrödinger, Inc.

(SDGR )

Ang kumpanya ay nagdadalubhasa sa mga physics-based na modelo upang mahanap ang pinakamahusay na posibleng molekula para sa isang layunin, na binabalanse ang magkasalungat na sukatan tulad ng potency, solubility, half-life, synthesizability, atbp…

Gumagamit din ito ng machine learning, ngunit ang pagdagdag ng physics-based na modelo ay nagpapahintulot na subukan ito sa ganap na bagong mga larangan kung saan walang data set na magagamit para “sanayin” ang AI. Pinapayagan nito ang Schrödinger na magbawas mula sa 1 bilyong posibleng molekula hanggang sa walong solidong kandidato sa loob ng ilang araw, eksklusibong sa pamamagitan ng digital na kalkulasyon.

Pinagmulan: Schrodinger

Ang Schrödinger ay lumagda ng 5-taong kasunduan sa pakikipagtulungan sa Bayer noong 2020 para sa kita na $10M. Ang layunin ng kasunduan ay gamitin ang teknolohiya ng Schrödinger kasama ang mga in-silico prediction model ng Bayer.

Isa pang kamakailang pakikipagtulungan ay sa Lilly, na may hanggang $425M na kabuuang milestone payments para sa matagumpay na pagtuklas.

Kasama sa mga nakaraang pakikipagtulungan ang Takeda, Sanofi Bristol Myers Squibb, at iba pang mas maliliit na kumpanya ng parmasyutiko.

Pinagmulan: Schrodinger

Sa pangkalahatan, ang Schrödinger ay nagtatayo ng lumalawak na portfolio, na kinabibilangan ng mas marami pang proprietary at ganap na pagmamay-ari na mga molekula. Bagaman hindi pa pre-revenue, ang kumpanya ay hindi pa kumikita, nakatuon sa pagpapalawak at gastusin sa R&D upang mapabuti ang teknolohiya nito.

Nagbabalak din ang kumpanya na palawakin ang saklaw patungo sa mga bagong segment lampas sa pagtuklas ng gamot, tulad ng kumplikadong biopharmaceuticals o kahit mga materyales tulad ng kemikal, baterya, o polymer.

Pinagmulan: Schrodinger

Ang mga mamumuhunan ay nais na subaybayan ang mga bagong pakikipagtulungan, dahil ipapakita nito ang mga pag-unlad ng teknolohiya ng Schrödinger, ayon sa pagsusuri ng mga lider sa industriya, pati na rin ang posibleng tagumpay sa pagpapalawak ng pangunahing teknolohiya sa mga bagong merkado.

3. Exscientia

(EXAI )

Ang kumpanya ay gumagamit ng AI upang bumuo ng precision therapies. Pinapatakbo nito ang isang “full stack” na AI drug discovery technology na may dedikadong software sa bawat yugto ng proseso ng pagtuklas ng gamot.

Pinagmulan: Exscientia

Ang teknolohiya ng Exscientia ay nagbabawas ng 70% ng oras na kinakailangan mula sa isang biological target hanggang sa makahanap ng kaukulang gamot at 80% na mas kaunting kapital na proseso.

Nagresulta ito sa 4 na compound sa maagang yugto ng klinikal, 30 programa sa kabuuan, at $6.5B na kita mula sa mga milestone kasama ang mga kasosyo. Ang pangunahing pokus ay oncology (kanser) at mga inflammatory disease.

Pinagmulan: Exscientia

Ang kumpanya ay nasa napakakomportableng posisyon pinansyal para sa isang early-stage na kumpanya ng drug discovery, na may $625M sa Q3 2022, para sa net cash burn na $15M lamang.

Maaaring ito ay isang kawili-wiling opsyon para sa mga mamumuhunan na naghahanap ng isang matatag na AI drug discovery company na may napakalaking cash runway at maraming patuloy na pakikipagtulungan para sa karagdagang seguridad.

4. Absci Corporation

(ABSI )

Itinatag ang kumpanya noong 2011, na may mga lokasyon sa Vancouver, New York, at Zug, Switzerland. Idinagdag nito sa orihinal na teknolohiya ang IP ng 2 AI-biology na pag-aakuisisyon noong 2021, ang Totient (antibodies) at Denovium (cell lines).

Ang kumpanya ay pangunahing nakatuon sa disenyo ng antibody, paglikha ng mga bagong antibody mula sa simula (“de novo antibodies”), at pagsubok sa mga ito sa laboratoryo sa loob ng 6 na linggo.

Sila ang unang, noong Marso 2023, na nakagawa ng disenyo ng functional antibody nang walang anumang pre-existing data, isang metodong tinatawag ding “zero-shot.”

Nagkaroon ang Absci ng pakikipagtulungan sa Merck (kabuuang $610M sa upfront fees at potensyal na future milestone payments) at Astellas para sa bagong pagtuklas ng produkto, pati isang pakikipagtulungan sa Nvidia upang mapabuti ang hardware architecture sa likod ng teknolohiya ng Absci.

Nasa maagang yugto pa lamang ang Absci ngunit nagpakita na ng napakalaking potensyal at inobasyon. Ang mga mamumuhunan sa kumpanya ay kailangang sumang-ayon sa ethos na “walang imposible” ng kumpanya at ng kanyang mahusay na tagapagtatag, at umaasa na ang mga kamakailang kasunduan sa pakikipagtulungan ay magiging una sa mahabang serye.

5. e-therapeutics plc

Ang e-therapeutics ay nakatuon sa pagbuo ng in-silico na mga bagong RNAi (RNA interference) therapies. Umaasa ito na ang pagsasama ng umuusbong na teknolohiya, RNAi, at computational drug discovery ay magbibigay ng malaking kalamangan laban sa mga kakumpitensya.

Kini monetize din nito ang pagtuklas sa platform nito kasama ang iba pang mga kumpanya ng parmasyutiko, kung saan ang pinakamalaking ay ang kilalang blue chip na Novo Nordisk.

Nasa napaka-early na pre-revenue stage ang kumpanya at kinailangan mag-raise ng £13.5 milyon noong tag-init ng 2022. Nagrehistro ang kumpanya ng net loss na £2.8 milyon sa H1 2022 para sa cash balance na £21.8 milyon noong panahong iyon.

Kailangang bantayan ng mga mamumuhunan sa e-therapeutics ang magagamit na cash at umasa sa mga bagong pagtuklas at kita mula sa pakikipagtulungan upang sa huli ay gawing kumikita ang kumpanya.

Pagbuo ng Portfolio ng Digital Biology

Isa itong mahirap na sektor para mamuhunan, dahil pinagsasama nito ang 2 napaka-komplikadong teknolohiya: AI + advanced biotechnology. Ginagawa nitong halos isang “black box” para sa mga mamumuhunan, kahit na may ilang kaalaman sila sa isa sa dalawang larangan.

Dagdag pa rito, karamihan sa mga kumpanya sa sektor ay nakatuon sa parehong mga merkado, karamihan ay sa pagtuklas ng maliliit na molekula at disenyo ng antibody, at maaaring pati mga cell line din.

Kaya ang diversification ay magbibigay ng mas ligtas na estratehiya sa pamumuhunan dahil napakakaunting tao ang makakasiguro na napili nila ang “winner.” Dagdag pa, inaasahang mabilis na lalaki ang merkado, sa CAGR na 45% mula 2022 hanggang 2027.

Kaya, ang malawak na exposure ay mas malamang na masaklaw ang paglago na ito nang hindi labis na umaasa sa mga tiyak na matematikal na modelo o pamamaraan sa isang napakabilis na nagbabagong at kompetitibong arena.