Top 5 AI & Digital Biotech Companies (Abril 2024)

Rebolusyon sa AI sa Biotech

Walang sektor na hindi naapektuhan ng kapangyarihan ng AI at digital modeling, at ang Biotech ay hindi rin nakaligtas.

Ito ay dahil ang biyolohiya ay ang pinakamalikot na “marumi” sa mga mahihirap na agham. Ang kemika o pisika ay makakitungo sa mga kontroladong kapaligiran, mga purong compound, at iba pa. Ang biyolohiya ay kailangang makitungo sa mga preexisting na napakakomplikado at nagbabagong mga sistema. Kapag sinusuri ang isang protina, tinutungo ng mga biochemist ang libu-libong o milyun-milyong atom. Kaya’t, ito ay magiging napakahirap na hulaan ang bawat posibleng kimikal na reaksiyon.

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

Ang unang yugto ng biomedicina ay tumira sa kadiliman at tingnan kung ano ang gumana.

Ngayon, nakatayo na tayo sa yugto ng genomics, kung saan makakitungo tayo sa mga tiyak na target, tulad ng isang depektong gene.

Sa darating na digital na rebolusyon, makakagawa tayo ng mga kumpletong protina, mga cell, o kahit na mga buong organo at katawan sa isang virtual na kapaligiran.

Ano ang Magbabago?

Isang malaking bahagi ng dahilan kung bakit ang genomics at precision therapies ay sumusail sa “tradisyonal” na mga kemikal na gamot ay dahil sa isang napakababang rate ng tagumpay para sa mga bagong gamot sa nakaraang dekada.

Marahil, makakagawa ng isang FDA-aprubadong gamot para sa sampung libong kandidatong gamot. Bawat hakbang sa paggawa ng gamot ay kailangang subukan sa laboratoryo, sa buhay na mga cell, hayop, o tao.

Ito ay madalas na kumakatawan sa isang hanggang dalawang dekada ng nawalang oras, pati na rin milyun-milyong dolyar na nawala.

Source: Biosourcing

Ang pagtira sa kadiliman ay hindi na isang plano para sa pagtuklas ng gamot. Ito ang dahilan kung bakit kailangan ng mga mananaliksik ang mga digital na predictive model upang hulaan bago ang anumang pisikal na pagsusuri kung ang isang gamot ay isang mabuting kandidato.

Kaya’t, hindi nakakagulat na ang pagtuklas ng gamot ay nasa harapan ng modelo ng negosyo ng karamihan sa mga kumpanya ng AI biotech.

Ang mga bagong pamamaraan tulad ng machine learning ay nagpapahintulot sa software na “humula” ng pinakamalamang na sagot gamit ang isang probabilistikong pamamaraan imbes na isang ganap na “mekanikal”/algorithmikong pamamaraan.

Tulad ng karamihan sa mga teknolohiyang machine learning, maraming gawain ang ginawa sa loob ng isang buong dekada, na may mga eksperto lamang sa larangan ang tunay na nagbabantay.

Ang tunay na rebolusyon na nagpatanyag sa mga ito sa mainstream ay noong 2020 nang malutas ng Alphabet/Google DeepMind ang isang 50-taong hamon sa pagkakaayos ng protina. Ang programa ay nagmodelo na ng karamihan sa mga kilalang protina ng lahat ng buhay na organismo, at ang Google ay lumilikha ng isang bagong kumpanya, Isomorphic Laboratories, upang tulungan ang pagkilala ng mga bagong gamot.

Top 5 AI at Digital Biotech Companies

Para sa mga investor, ang Google ay maaaring isang magandang paglalaro sa AI sa pangkalahatan, ngunit ang aspetong biotech ay magiging isang maliit na bahagi sa isang napakalaking kumpanya. Kaya’t, ang artikulong ito ay titingin sa mga publikong kumpanya na nakatuon sa paksa ng AI at Virtual Biology.

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

(ang mga kumpanya ay niraranggo ayon sa market capitalization noong panahon ng pagsulat ng artikulong ito)

1. Roivant Sciences Ltd.

(ROIV )

Ang kumpanya ay nakatuon sa pagkuha ng mga startup sa biotech at pagpapalakas ng kanilang pagkakataon ng pagkamit ng komersyalisasyon sa pamamagitan ng mga subsidiary na tinatawag na -vant (dahil ang bawat isa ay may “vant” bilang huling bahagi ng kanilang pangalan).

Bahagi ng mga pagkuha na ito ay ang pagkuha ng Silicon Therapeutics sa halagang $450M. Salamat sa isang supercomputer at custom computing hardware, ang Silicon Therapeutics ay nagtatrabaho sa pagbuo ng mga bagong molecule. Ito ay nagdagdag sa isang umiiral nang AI biotech stack portfolio, VantAI.

Ang Roivant ay may-ari rin ng “vant” Datavant, isang solusyon sa big data para sa pangangalaga sa kalusugan, na ibinebenta sa mga ospital, kompanya ng gamot, seguro, at iba pa, na may mga pamamaraan na sumusunod sa regulasyon at respeto sa pribasiya.

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

Source: Roivant

Gayunpaman, ang karamihan sa kita ng kumpanya ay nagmula sa mga benta ng mga aprubadong gamot.

Sa kabuuan, ang Roivant ay maaaring isang paraan upang makipaglaro sa data side ng biotech, hindi lamang digital na biyolohiya kundi pati na rin ang mga rekord sa medisina, mga pagsubok sa klinika, at iba pa.

2. Schrödinger, Inc.

(SDGR )

Ang kumpanya ay nakatuon sa paggamit ng mga modelong base sa pisika upang makahanap ng pinakamahusay na molecule para sa isang ibinigay na layunin, na pinagbabalanse ang mga kontra na metric tulad ng potensya, solubilidad, half-life, synthesizability, at iba pa.

Ito ay gumagamit rin ng machine learning, ngunit ang pagdaragdag ng isang modelong base sa pisika ay nagpapahintulot sa kumpanya na ito ay masubukan sa mga ganap na bagong larangan kung saan walang datos na umiiral upang “sanayin” ang AI. Ito ay nagpapahintulot sa Schrödinger na magpunta mula sa 1 bilyong potensyal na molecule hanggang sa 8 solido na kandidato sa loob ng ilang araw, eksklusibong sa pamamagitan ng digital na pagkalkula.

Source: Schrodinger

Ang Schrödinger ay pumirma ng isang 5-taong kasunduan sa pagtutulungan sa Bayer noong 2020 para sa kita ng $10M. Ang ideya sa kasunduan ay gamitin ang teknolohiya ng Schrödinger kasama ang mga modelong in-silico ng Bayer.

Isa pang kamakailang pakikipagtulungan ay sa Lilly, na may hanggang $425M sa mga pagbabayad ng milestone para sa matagumpay na pagtuklas.

Ang mga nakaraang pakikipagtulungan ay kasama ang Takeda, Sanofi Bristol Myers Squibb, at iba pang mga kumpanya ng gamot.

Source: Schrodinger

Sa kabuuan, ang Schrödinger ay nagtatayo ng isang lumalagong portfolio, kasama ang mga pag-aari ng kumpanya at mga molecule. Bagaman hindi pa ito kumikita, ang kumpanya ay hindi pa rin kumikita, na nakatuon sa pagpapalawak at paggasta sa pananaliksik at pag-unlad upang mapabuti ang teknolohiya nito.

Ang kumpanya ay tumitingin rin sa pagpapalawak sa mga bagong segmento bukod sa pagtuklas ng gamot, tulad ng mga kompleks na biyopharmaceuticals o kahit na mga materyales tulad ng mga kemikal, baterya, o polymers.

Source: Schrodinger

Ang mga investor ay gustong magpatuloy sa pagbabantay sa mga bagong pakikipagtulungan, dahil ito ay magpapakita ng mga pag-unlad ng teknolohiya ng Schrödinger, gayundin ang mga posibleng tagumpay sa pagpapalawak ng teknolohiya sa mga bagong merkado.

3. Exscientia

(EXAI )

Ang kumpanya ay gumagamit ng AI upang magbuo ng precision therapies. Ito ay tumatakbo ng isang “full stack” AI drug discovery technology na may dedikadong software sa bawat yugto ng pagtuklas ng gamot.

Source: Exscientia

Ang teknolohiya ng Exscientia ay nakagagawa ng 70% na pagbabawas sa oras na kinakailangan upang magpunta mula sa isang biolohikal na target hanggang sa paghanap ng isang korrespondiyenteng gamot at 80% na mas mabilis na proseso.

Ito ay nagresulta sa 4 na compound sa mga unang yugto ng klinika, 30 na programa sa kabuuan, at $6.5B sa mga kita mula sa mga milestone sa mga pakikipagtulungan. Ang pangunahing pagtuon ay sa onkologia (kanser) at mga sakit sa pamamagitan.

Source: Exscientia

Ang kumpanya ay nasa isang napakaginhawa na posisyon sa pananalapi para sa isang kumpanya ng pagtuklas ng gamot sa maagang yugto, na may $625M sa Q3 2022, para sa isang netong pagkasunog ng $15M.

Ito ay maaaring isang interesanteng pagpipilian para sa mga investor na tumitingin sa isang matatag na kumpanya ng AI drug discovery na may malaking cash runway at maraming mga pakikipagtulungan sa mga pakikipagtulungan.

4. Absci Corporation

(ABSI )

Ang kumpanya ay itinatag noong 2011, na may mga lokasyon sa Vancouver, New York, at Zug, Switzerland. Ito ay nagdaragdag sa mga IP ng 2 AI-biology acquisitions noong 2021, Totient (antibodies) at Denovium (cell lines).

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

Silang mga unang nakagawa ng isang functional antibody na walang anumang pre-existing na datos, isang pamamaraan na tinatawag na “zero-shot.”

Ang Absci ay pumirma ng isang kasunduan sa pakikipagtulungan sa Merck (kabuuang $610M sa mga bayad sa unahan at mga pagbabayad ng milestone sa hinaharap) at Astellas para sa pagtuklas ng mga bagong produkto, pati na rin ang isang pakikipagtulungan sa Nvidia upang mapabuti ang arkitektura ng hardware sa likod ng teknolohiya ng Absci.

Ang Absci ay nasa isang maagang yugto ngunit ipinakita na ang napakalaking potensyal at inobasyon. Ang mga investor sa kumpanya ay kailangang makipag-ugnayan sa “walang imposible” na ethos ng kumpanya at ng tagapagtatag nito at umasa sa mga kamakailang kasunduan sa pakikipagtulungan upang maging ang unang sa isang mahabang serye.

5. e-therapeutics plc

Ang e-therapeutics ay nakatuon sa pagbuo ng mga bagong terapiya sa RNAi (RNA interference) sa pamamagitan ng digital. Umaasa ito na ang pagsasama ng mga umuusbong na teknolohiya, RNAi, at computational drug discovery ay magbibigay sa kumpanya ng isang mahalagang edge laban sa mga kompetidor nito.

Ito ay nagpapalit rin ng mga pagtuklas sa platform nito sa iba pang mga kumpanya ng gamot, kung saan ang pinakamalaki ay ang malaking blue chip na Novo Nordisk.

Ang kumpanya ay nasa isang napakamaagang yugto ng pre-revenue at kailangang magtaas ng £13.5 milyon noong tag-init ng 2022. Ang kumpanya ay nakarehistro ng isang netong pagkawala ng £2.8 milyon sa H1 2022, para sa isang balanseng pera ng £21.8 milyon.

Ang mga investor sa e-therapeutics ay kailangang magpatuloy sa pagbabantay sa pera na magagamit at umasa sa mga bagong pagtuklas at mga kita mula sa mga pakikipagtulungan upang gawing kumikita ang kumpanya sa huli.

Pagbuo ng isang Digital Biology Portfolio

Ito ay isang mahirap na sektor upang mamuhunan, dahil ito ay pagsasama ng 2 napakomplikadong teknolohiya: AI + advanced biotechnology. Ito ay ginagawa itong isang “black box” para sa mga investor, kahit na sila ay may kaalaman sa isa sa mga larangan.

Dahil dito, ang mga kumpanya sa sektor ay nakatuon sa mga parehong merkado, pangunahin sa mga pagtuklas ng mga maliliit na molecule at disenyo ng antibody, na may mga cell line din.

Kaya’t, ang pagkakaiba-iba ay magiging isang ligtas na estratehiya sa pamumuhunan, dahil hindi maraming tao ang makakatiyak na nakapili ng “winner.” Bukod dito, ang merkado ay inaasahang lalago ng napakabilis, sa isang CAGR ng 45% sa pagitan ng 2022 at 2027.

Kaya’t, ang malawak na pagkakalantad ay mas malamang na mahuli ang paglago nito nang hindi lubos na umaasa sa mga tiyak na mga modelong matematikal o mga pamamaraan sa isang napakabilis na nagbabagong at mapanghamong arena.