Yapay Zekâ
AI İlaç Keşfi Biyoteknoloji M&A Süper Döngüsünü Tetikliyor
AI Destekli Biyoteknolojinin Yeni Dönemi
The pharmaceutical industry was initially built on the prowess of the chemical industry, which started to create ever more useful products, including those for medical purposes. At first, it was mostly about isolating and purifying natural chemical compounds like aspirin from willow bark and quinine from a tropical tree.
Ardından, doğada hiç var olmayan tamamen yeni bileşikler yaratıp bunları ilaç haline getirmeye başladı. Ancak bu yaklaşım son on yıllarda başarısız olmaya başladı.
Üretmesi ya da keşfetmesi en kolay kimyasallar zaten bulunmuş durumda ve diğer moleküller çoğu zaman yeterli değil: çok kararsız, çok toksik, üretimi çok zor vb.
Sonuç olarak, ilaç endüstrisi biyotekniğe yöneldi; biyotekniğin hormonlar, proteinler veya DNA & RNA gibi biyolojik molekülleri ilaç haline getirmesiyle yapay insülin, monoklonal tedaviler, gen tedavileri ve birçok başka etkileyici ilerleme ortaya çıktı.
Bununla birlikte, burada da ilerleme durma noktasına geldi; çünkü kolay elde edilebilecek fırsatlar tüketildi: en etkili biyolojik ürünler zaten tanımlanmış ve biliniyor, bu da hastalıkların tedavisine direnç gösteren daha karmaşık, anlaşılması zor biyolojik mekanizmaları geride bırakıyor.
Bu, büyük ilaç şirketleri için ciddi bir sorun. Birçok kimyasal temelli tedavileri ya patent koruması dışına çıkmış ya da yakında çıkacak; ayrıca sadece biyoteknoloji girişimlerini satın alma ya da ortaklık kurma stratejisi artık yeterli değil.
Bu şirketlerin yeniliği hızlı bir şekilde satın almaları gerekiyor ve daha önce işe yarayan yöntemler artık yetersiz.
Bunun büyük bir kısmı, tek bir insan hücresinin gerçek bir temsiliğinin tek bir kişi için neredeyse anlaşılmaz derecede karmaşık olmasıdır; bu, birkaç yıl önce viral olan tek bir insan hücresinin tüm bileşenlerini gösteren bilgisayar tarafından oluşturulmuş bir resimle örneklenmiştir.
Kaynak: Newsweek
Şans eseri, biyoteknoloji yeniliğinin yeni bir dalgası, AI’nın biyolablar içinde kullanılmasından geliyor. Bu, sözde “multiomik devrimi” olarak adlandırılan veri devrimiyle birleşerek hücre içi seviyeye kadar benzeri görülmemiş bir veri miktarı yaratıyor.
Ve AI, büyük veri setlerini insan zihninin çok ötesinde analiz etme kapasitesiyle, tüm bu verileri anlamamıza yardımcı oluyor.
Kaynak: World Economic Forum
Bu trendin örnek bir göstergesi, 12 Ocak 2026’da duyurulan Nvidia ve Eli Lilly arasındaki ortaklıktır; bu ortaklık, AI ilaç keşfi için altyapı ve araştırmaya beş yıl içinde 1 milyar dolara kadar ortak yatırım yapmayı planlamaktadır.
Dijital Biyoloji Çağı
Digital biology is changing where time, cost, and failure risk accrue across the drug discovery pipeline—shifting more exploration and optimization into computation before the most expensive wet‑lab work begins.
Kaydırarak kaydırın →
| Keşif Aşaması | Geleneksel Dar Boğaz | AI / Dijital Biyoloji Kayması | Ekonomik Etki | Birincil Değer Yakalama |
|---|---|---|---|---|
| Hedef Tanımlama | Seyrek veya gürültülü biyolojik sinyaller; yavaş hipotez döngüleri | Multiomikler + ML, nedensel yolları ve biyobelirteçleri önceliklendirir; hızlı hipotez sıralaması | Daha fazla atış daha az çıkmaz programla | Veri zengini ilaç firmaları ve özel veri seti sahipleri |
| Vuruş Keşfi | Wet‑lab taraması pahalıdır ve verimlilikle sınırlıdır | In‑silico tarama, sentezden önce daha geniş kimyasal uzayı keşfeder | Vuruş başına daha düşük maliyet; daha hızlı yineleme döngüleri | Hesaplama + model platformları; laboratuvar otomasyon satıcıları |
| Lider Optimizasyonu | ADME/tox başarısızlıkları döngünün ilerleyen aşamalarında; yavaş tıbbi kimya döngüleri | Üretken modeller, potansiyel, seçicilik ve geliştirilebilirlik için optimize edilmiş adaylar önerir | Daha az yeniden tasarım döngüsü; önceden daha iyi geliştirilebilirlik | İlaç entegratörleri güçlü çevirimsel hatlarla |
| Preklinik Doğrulama | Hayvan modelleri insan biyolojisiyle uyumsuz; yavaş doğrulama ve yüksek varyans | Daha iyi biyobelirteç seçimi + insanla ilgili modeller; otomatik, yüksek verimli testler | Daha yüksek sinyal kalitesi IND‑uyumlu çalışmaya girerken | Otomasyon yığınları ve test platformları; AI araçlarıyla CRO’lar |
| Klinik Çeviri | Heterojen hasta yanıtı; yetersiz sınıflandırma başarısızlık oranlarını artırıyor | Multiomik sınıflandırma, yanıt veren alt grupları ve deneme son noktalarını daha erken tanımlar | Daha iyi deneme verimliliği; etkinliğin daha az seyrelmesi | İlaç sahipleri (ilaç/biyotek) klinik yürütme ile |
Multiomiklerin Yükselişi
The sheer complexity of living systems has led to the emergence of multiomics, a field merging together all the -omics sub-segments of biological sciences and touted as the next step in biotechnology:
- Genomik: hücre çekirdeğindeki DNA dizisinin analizi.
- Transkriptomik: DNA talimatlarını taşıyan mRNA’nın analizi.
- Epigenomik: genetik diziyi etkilemeden genomun modifikasyonu, yani “epigenetik”.
- Proteomik: proteinlerin analizi, şekerlerle (post‑translasyonel) modifikasyonu dahil.
- Metabolomik: kimyasal bileşiklerin ve metabolizmanın analizi.
- Mikrobiyomik: vücut içinde veya üzerinde yaşayan tüm mikropların analizi.
- Tek hücreli multiomik: bireysel hücrelerde multiomik analiz.
- Uzamsal biyoloji: belirli mRNA, protein veya hücrelerin 3D konumunun analizi.
Kaynak: Ark Research
Multiomikler, genetik sekansörlerden uzamsal biyolojiye kadar çok daha güçlü analiz araçları sayesinde de ortaya çıktı.
Sorun şu ki, bu durum o kadar veri seli yaratıyor ki, biyologlar için ilk kez ilginç bir veri noktasını bulmak değil, belirli bir probleme gerçekten hangi verilerin ilgili olduğunu belirlemek sorunu ortaya çıkıyor.
Dünyadaki her yeni doğan bebek genomu sekanslansaydı, önümüzdeki yıllarda muhtemel bir uygulama, bu her yıl Llama gibi bir AI tarafından kullanılan verinin 10.000 katını üretirdi.
Kaynak: Ark Research
Dijital Biyoloji Nedir?
A new option for biotech research had recently appeared: the in‑silico approach, where one or several virtual cells are simulated in a computer.
“In 2026, identifying disease targets will rely on in silico exploration before any wet‑lab validation begins.
This will reduce the number of programs that stall during preclinical development.
Veronica DeFelice – Biyolojik Ürünler Direktörü at Sapio Sciences.”
These virtual cells are then exposed to the potential new treatment, and the simulation calculates how they would react.
Kaynak: Ark Research
Another option is to simulate the 3D configuration of a protein, which ultimately determines its biological function.
A protein folding simulator like Google’s AI AlphaFold (GOOGL ) has improved by up to 500x since 2018.
Kaynak: Ark Research
Bu nedenle, in‑silico simülasyonların çoğu ilaç ve biyotek şirketi için vazgeçilmez bir teknoloji haline gelmesi muhtemeldir.
Dijital biyolojinin bir başka biçimi, kan örneğinde kanser belirteçlerini tanımlamak için gelişmiş bir tespit sistemi kullanmak; bu, maliyetli ve daha az verimli biyopsileri değiştirerek potansiyel kanserlerin daha erken keşfine yol açar.
Son olarak, otomasyon, robotik ve AI bir araya gelerek insan emeği olmadan deneyler yürütebilen otomatik laboratuvarlar oluşturuyor ve potansiyel olarak faydalı milyonlarca molekülü ya da bileşiği daha düşük maliyetle ve geleneksel araştırma yöntemlerinin 100 katı hızla kontrol ediyor.
AI İlaç Keşfine Yatırım
(LLY )
Eli Lilly Genel Bakış
Eli Lilly, tıbbı imparatorluğunu kinine ve ardından insülin üzerine kurmuş dev bir ilaç şirketidir.
Şirketin çekirdeği diyabet tedavisi olmaya devam ediyor; son 30 yılda bu hastalık için keşfedilen ve onaylanan uzun bir molekül serisi var. Bu seride Mounjaro markası altında ticarileştirilen tirzepatide de bulunuyor.
2010’larda Eli Lilly, alanda bir dizi satın alma ve ortaklıkla onkoloji (kanser tedavileri) alanında da büyük adımlar attı; ayrıca iç geliştirme çabalarıyla güçlü bir onkoloji ilaç portföyü oluşturdu.
tirzepatide molekülü, Zepbound markası altında anti‑obezite ilacı olarak yeniden kullanıldı; bu, Ozempic’in en büyük rakibi. Bu durum Eli Lilly için bir cankurtaran oldu; çünkü birçok eski ilacı patent süresi doldu ve artık jenerik üreticiler de bunları üretebilir ve fiyatla rekabet edebilir.
Yine de, tek bir patentli peptit ve potansiyel türevlerine büyük ölçüde güvenmek riskli bir konum ve uzun vadede sürdürülebilir değil. Çoğu ilaç şirketi gibi, çeşitlendirilmiş yeniliğe dönme ihtiyacı büyük. Ancak sektördeki birçok diğer şirketin aksine, Eli Lilly’nin bir planı var ve bu plan AI ve dijital biyolojiye tam olarak yönelmeye dayanıyor.
Eli Lilly AI İlaç Keşfi
The largest and most recent announcement around AI drug discovery & Eli Lilly is its partnership with Nvidia.
“NVIDIA ve Lilly, endüstrilerimizin en iyisini bir araya getirerek ilaç keşfi için yeni bir şablon icat ediyor — bilim insanlarının tek bir molekül üretilmeden önce in silico olarak geniş biyolojik ve kimyasal uzayları keşfedebildiği bir şablon.”
Jensen Huang, kurucu ve NVIDIA CEO’su.
The plan will combine Lilly’s agentic wet labs with computational dry labs, enabling 24/7 AI-assisted experimentation. This combines with a previously announced AI supercomputer using 1,000 NVIDIA Blackwell Ultra GPUs for an AI factory that will train large biomedical foundation and frontier models for identifying, optimizing, and validating new molecules.
“Temel modellerimiz, kimyagerlerimiz için yeni olasılıklar yaratıyor; onlara geleneksel yöntemlerle ulaşılamayan yeni motif ve atom konfigürasyonlarını keşfetmelerine yardımcı oluyor.”
Thomas Fuchs – Eli Lilly Baş AI Sorumlusu.
This $1B partnership is just the latest (and largest) move of the pharmaceutical company into AI drug discovery. Previously, it notably:
- Insilico Medicine ile bir araştırma iş birliğine girdi; araştırma kilometre taşlarına bağlı olarak girişime 100 Milyon dolara kadar ödeme yapılacak.
- Circle Pharma ile ortaklık; Eli Lilly’nin AI’larını kullanarak makrosiklik tedavileri geliştirmek, tarihsel olarak ilaçlanamayan hedefler dahil.
- İlaç keşfi ve geliştirmede makine öğreniminin öncüsü insitro ile makine öğrenimi modelleri geliştirmek.
- OpenAI ile iş birliği; ilaç dirençli bakterileri tedavi etmek için yeni ilaçlar keşfetmek.
- Genetic Leap’in AI modellerini RNA hedefli ilaç keşfi için 409 Milyon dolarlık bir anlaşmada kullanmak.
- Google/Alphabet’ın dijital biyotek şirketi Isomorphic Labs ile AI ortaklığı; ön ödeme olarak 45 Milyon dolar alacak ve performansa dayalı kilometre taşları için 1,7 Milyar dolara kadar hak kazanacak.
- Genesis Therapeutics ile şirketin moleküler AI platformu için 670 Milyon dolara kadar bir anlaşma.
- AI destekli, G‑protein‑bağlı reseptörleri (GPCR) hedefleyen özel platformu sayesinde obezite ilaçları keşfetmek için Superluminal ile 1,3 Milyar dolarlık bir anlaşma; bu, Eli Lilly’nin obezite pazarındaki lider konumunu güçlendirmeyi amaçlıyor.
- BigHat Biosciences ile AI‑destekli antikor terapötiklerinin keşfini ilerletmek için Milliner platformu sayesinde bir anlaşma.
Eli Lilly ayrıca, yaşam bilimleri Ar‑G için tasarlanmış bulut tabanlı bir yazılım platformu olan Benchling ile ortaklık kurdu; bu, biyotek girişimlerine Lilly’nin on yıllık özel araştırma verileriyle eğitilmiş modellere erişim sağlıyor.
TuneLab adlı bu platform, Eli Lilly’nin “Catalyze360” programı kapsamında erken aşama yaşam bilimleriyle ortaklık kurmasına yardımcı olmalı.
Genel olarak, bu AI ilaç keşfi ortaklıkları ve her yönde altyapı inşası, Eli Lilly’nin keşif hattını yeniden inşa edecek ve antibiyotikler, kanser ilaçları, nadir hastalıklar ve obezite alanlarındaki konumunu güçlendirecek.
En Son Eli Lilly (LLY) Hisse Senedi Haberleri ve Gelişmeler
