Biyoteknoloji

Multiomics ve AI Sağlıkta: İlaç Keşfi İçin Yeni Bir Sınır

mm
Yayınlandı
Güncellendi
Securities.io sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Açıklama: Securities.io, incelediğimiz ürünlerin bağlantılarını kullandığınızda ücret alabilir. Bu, editoryal değerlendirmelerimizi etkilemez. Kayıtlı bir yatırım danışmanı değiliz; bu bir yatırım tavsiyesi değildir. Bağlı kuruluş açıklamamızı okuyun.

Hassas Tıp, Sağlığın Geleceğidir

Uygulamalı fen bilimlerinde ilerlemenin kaynaklarından biri daha hassas ölçümler ve araçlar olmuştur. Bu özellikle fizik ve kimya için geçerlidir; analitik araçlar artık deneylerde tek tek atomların tepkilerini gözlemleyebilmekte ve temiz enerji, malzeme bilimleri, nanoteknoloji, üretim ve bilişim alanlarında hızlı ilerleme sağlamaktadır.

Ancak hassas ölçüm açısından çözülmesi daha zor olan bir bilim alanı vardır: biyoloji. Bunun nedeni, canlı organizmaların birkaç elementten oluşan “basit” malzemeler değil, milyonlarca hatta milyarlarca farklı parçadan oluşan son derece karmaşık moleküler makineler olmasıdır.

Bu nedenle tek bir insan hücresinin gerçeğe uygun temsili neredeyse kavranamayacak kadar karmaşık olurdu; birkaç yıl önce viral olan bilgisayar üretimi insan hücresi görseli bunu göstermektedir.

Kaynak: Newsweek

Bu durum, biyolojik ve biyokimyasal olguları gerçekten anlamayı süregelen bir zorluk hâline getirmiştir.

Genomik, hücrelerin iç bileşenlerini oluşturmak için kullandığı şablonu veya talimatları açıklayan önemli bir ilk adım olmuştur. Gelişmiş sinir ağları çok büyük veri miktarlarını insan zihninden daha iyi işleyebildiğinden, yapay zekâ kullanımı da giderek önem kazanmaktadır.

Bu gelişmeler birlikte, her bireyin genlerine, metabolizmasına, tıbbi geçmişine ve diğer özelliklerine göre uyarlanan gerçekten kişiselleştirilmiş hassas tıbbın ortaya çıkmasıyla sağlık hizmetlerini dönüştürecektir.

Günümüzde hassas tıp 500 milyar dolarlık bir pazardır. Buna monoklonal antikorlar —2023’te 222 milyar dolarlık bir pazar— ve CAR-T tedavileri gibi gelişmiş kanser tedavileri dahildir.

Multiomics Nedir?

Canlı sistemlerin olağanüstü karmaşıklığı, biyolojik bilimlerin tüm omik alt alanlarını birleştiren ve biyoteknolojinin sonraki adımı olarak görülen multiomik alanının ortaya çıkmasına yol açmıştır:

  • Genomics: hücre çekirdeğindeki DNA dizisinin analizi.
  • Transcriptomics: DNA talimatlarını taşıyan mRNA’nın analizi.
  • Epigenomics: genetik diziyi etkilemeden genomun modifikasyonu, yani “epigenetik”.
  • Proteomics: proteinlerin analizi, şekerlerle (post‑translasyonel) modifikasyonları dahil.
  • Metabolomics: kimyasal bileşiklerin ve metabolizmanın analizi.
  • Microbiomics: vücut içinde veya üzerinde yaşayan tüm mikropların analizi.
  • Single-cell multiomics: tek tek hücrelerde yapılan multiomics analizi.
  • Spatial biology: belirli mRNA, protein veya hücrelerin 3D konumunun analiz edilmesi.

Tarım verimini artırmak için genomiği kullanan tarımsal genomik, bir ekosistemin sağlığını ve genetik çeşitliliğini doğru biçimde değerlendiren ekolojik genomik ve belirli amaçlar için yeni genler, özellikler veya organizmalar yaratan sentetik biyoloji gibi yeni alanlar ortaya çıkmaktadır.

Bu alanların her biri, büyük ölçüde nanoteknoloji, optik, yarı iletken teknolojisi ve hesaplama gücündeki devrim niteliğindeki ilerlemelerin taşıdığı yeni ve gelişmiş analiz yöntemleri sayesinde büyük gelişme kaydetmiştir.

Ne yazık ki biyoloji ve tıp, yeni verilerin tamamını işlemekte ve farklı omik alanları arasındaki karmaşık etkileşimleri anlamlandırmakta zorlanmaya başlamıştır.

Bunun önemli bir nedeni, tek tek genler, proteinler, biyomoleküller ve bakteriler arasında trilyonlarca, hatta katrilyonlarca olası çapraz etkileşim bulunmasıdır.

Gerçek anlamda kişiselleştirilmiş tıp için bu veriler teoride her bireyden toplanacak ve dijital sağlık kayıtlarıyla ilişkilendirilecektir.

Maliyetlerin Düşüşü & Veri Seli

Analitik araçlardaki teknolojik gelişmeler yeni veri toplama maliyetini büyük ölçüde düşürmüştür. Örneğin tam bir insan genomunu dizilemenin maliyeti 30 yılda bir milyon kattan fazla azalırken DNA sentezi de artık 10.000 kat daha ucuzdur.

2001’de yalnızca bir genomu dizilemek 450.000 dolara mal olurken bugün aynı bedelle teorik olarak 1,4 milyar genom, yani dünya nüfusunun %17’si dizilenebilir.

Sonuç olarak genomik ve diğer omik veriler biyologları adeta veri seline maruz bırakmaktadır.

Örneğin halka açık en büyük genomik veri tabanı olan UK Biobank, Meta’nın (FB ) geliştirdiği büyük dil modeli Llama 405B’yi destekleyen verinin 27 katını içerir.

Dünyadaki her yenidoğanın genomu dizilenseydi, önümüzdeki yıllarda yaygınlaşabilecek bu uygulama her yıl Llama’da kullanılan verinin 10.000 katını üretirdi.

Neyse ki veri miktarı binlerce kat artarken dijital analiz araçlarının, özellikle de yapay zekânın verimliliği de artmakta ve aynı maliyetle 1.000 kat daha fazla güç sunmaktadır.

İlaç Keşfinde Uygulamalar

Sanal Hücreler

Yakın zamana kadar potansiyel bir ilacın etkisini veya bir proteinin diğeriyle nasıl etkileştiğini öğrenmek isteyen biyologların pahalı ve zaman alan deneyleri elle yürütmesi gerekiyordu.

Bu durum yeni ilaçların keşfini yavaşlatıyor ve yenilikçi tedavilerin sağlık maliyetlerini artırıyordu. Deneyler laboratuvarda in vitro ya da genellikle bir hayvan olan canlı organizmada in vivo yapılabiliyordu.

Yakın zamanda yeni bir seçenek ortaya çıktı: bir veya birkaç sanal hücrenin bilgisayarda simüle edildiği in silico yaklaşım. Sanal hücreler potansiyel tedaviye maruz bırakılıyor ve simülasyon nasıl tepki vereceklerini hesaplıyor.

Geliştirilmiş Simülasyon

Tam genom ve transkriptom verilerinin yanı sıra başka bir araç da in-silico simülasyonlara girmektedir: Google’ın AlphaFold yapay zekâsı (GOOGL ) gibi protein katlanma simülatörleri.

Protein temelli birçok ilaç, ilaç ile vücut hücrelerindeki veya hedeflenen bakteri ya da kanser hücrelerinin yüzeyindeki reseptör arasındaki etkileşime bağlıdır.

Proteinin üç boyutlu yapısını veya katlanmasını in silico olarak doğru tahmin etmek, ilaç geliştirme başarısını ve hızını kökten artırırken maliyetleri düşürecektir.

AlphaFold 2018’den bu yana 500 kata kadar geliştiğinden, in-silico simülasyonlar çoğu biyoteknoloji şirketi için vazgeçilmez bir teknoloji olacaktır.

Schrödinger (SDGR ) gibi başka şirketler de protein dışı moleküller için AlphaFold’a benzer teknolojiler üzerinde çalışmaktadır. Bu konuyu “En İyi 5 Yapay Zekâ ve Dijital Biyoteknoloji Şirketi” yazısında ele aldık.

Kanser Tespiti

Kanserin MRI taramasında henüz görünmediği dönemde erken teşhis edilmesi çoğu zaman yaşam ile ölüm arasındaki fark olabilir.

Sıvı biyopsi adı verilen yeni bir teknik, görünmeyen kanserleri erken saptama vaadi taşır. Bu yöntem, çok nadir olsalar bile hastanın kanındaki kansere özgü DNA dizilerini bulmak için genom dizileme araçlarını kullanır.

Sıvı biyopsiler gerçek biyopsilerden çok daha az invaziftir ve yalnızca kan örneği gerektirir. Aynı anda birden fazla olası kanser türünü aramak için de kullanılabilir.

Haziran 2024’te Guardant Health’in (GH ) kolorektal kanser tarama testi “Shield” FDA onayı aldı. Illumina’dan (ILMN ) yakın zamanda ayrılan Grail (GRAL ) de böyle bir test geliştirmektedir.

Sıvı biyopsinin yanı sıra minimal rezidüel hastalık (MRD) testleri de kanser hastalarının remisyonda kalıp kalmadığını kontrol etmek için giderek daha yaygınlaşmaktadır. MRD, kanserin nüksetmesini geleneksel görüntülemeden 20 aya kadar önce saptayabilir.

Hem MRD hem de sıvı biyopsi için özel ve ulusal sağlık sigortası sistemlerinin ödeme kapsamı, benimsenmeyi hızlandırmada kilit rol oynayacaktır.

Otomatik Laboratuvar

Daha fazla veriye ihtiyaç duyuldukça ve tespit araçları ucuzladıkça, doktora düzeyinde niteliklere sahip insanların emeği daha fazla multiomik veri üretmenin hem maliyet hem kapasite açısından sınırlayıcı unsuru hâline gelmektedir.

Bu durum numune çıkarma gibi elle yapılan işler için de deney tasarımı için de geçerlidir.

Ortaya çıkan bir alternatif, kendi kendini yöneten laboratuvardır (SDL). Robotik ve otomasyonu birleştirerek yavaş ve tekdüze el işinin yerini alır, yüksek hacimli deneyler yürütür; ayrıca verileri analiz etmek ve sonraki deneyleri tasarlamak için büyük dil modelleri kullanır.

Bu yeni ilaç keşfi yönteminin öncülerinden biri Recursion Pharmaceuticals’tır (RXRX ) (şirket hakkında aşağıda daha fazla bilgi bulunmaktadır).

Yatırım İçgörüleri

Yapay zekâ ile multiomiğin kesişiminde yenilik yapan birçok şirket olsa da bazıları önemleri veya hedefleriyle öne çıkmaktadır.

Recursion Pharmaceuticals

RXRX Fiyat Grafiği

Recursion kuruluşundan beri yeni ilaç keşfini hızlandırmak için yapay zekâ kullanmaya odaklanmıştır. Bunun için kuru laboratuvarı (in silico) ve ıslak laboratuvarı (biyolojik numuneler) şu unsurlarla birleştirir:

  • 1,7 milyon küçük molekülden oluşan bir kütüphane.
  • Hücre kültürleri, CRISPR gen düzenleme, çözünebilir faktörler, canlı virüsler ve diğerleri.
  • Haftada 2,2 milyona kadar deney yapabilen otomatik laboratuvar robotik iş akışı.
  • Yüksek kapasiteli mikroskoplar ve dizileme sistemleri.
  • Hayvan davranışlarının bütünsel ölçümlerini kaydeden kesintisiz kamera görüntüleri.
  • 21 petabayttan fazla özel, yüksek boyutlu veri üreten gelişmiş hesaplama kaynakları.
  • ADMET (emilim, dağılım, metabolizma, atılım ve toksikoloji) verileri.

Recursion ayrıca büyük dil modellerini ve ilaç keşfi yapay zekâlarını eğitmek için dünyanın en hızlı süper bilgisayarlarından birine sahiptir. Modeller iki milyardan fazla görüntüden oluşan bir kütüphaneyle eğitilmiş ve genler ile bileşiklerin tüm olası birleşimleri arasında altı trilyon ilişki çıkarmıştır.

Recursion Ağustos 2024’te Exscientia ile birleşti. Exscientia hassas tedavilere odaklanıyor ve “tüm deney döngüsü boyunca kapsamlı robotik otomasyon” kullanıyor. Recursion, ilaç kimyasına odaklanan klinik öncesi girişimler Cyclica ve Valance’ı da Mayıs 2023’te satın aldı; toplam bedel 87,5 milyon dolardı.

Yeni satın alınan şirketlerin Recursion’ın temel veri kümeleriyle birleşmesi sonucunda şirket, hedef belirlemeden in-silico tahminlere, in-vivo doğrulamadan klinik deneylere kadar tüm süreci yöneten tam entegre bir biyoteknoloji şirketi hâline geldi.

Kaynak: Recursion

Recursion’ın Ar-Ge hattında farklı geliştirme aşamalarında 20’den fazla molekülü bulunmaktadır. Bunların yedisi çoğunlukla onkoloji ve nadir hastalıklarda yürütülen faz 1/2 klinik deneylerdedir.

Bu programlar, Ar-Ge kilometre taşlarına bağlı olarak 20 milyar dolara kadar potansiyel ödeme içeren ondan fazla ortak programı kapsar; 450 milyon dolar hâlihazırda ödenmiştir.

Satın almalarla büyüyen ve ilaç keşfinde yapay zekâdan erken yararlanan yeni Recursion, Ar-Ge hattını yenilemek isteyen büyük ilaç şirketleri için önemli bir ortak olmaya yönelmektedir.

Illumina

Diğer omik alanları önemli olsa da neredeyse hepsi bir şekilde her canlı hücrenin temel “kullanım kılavuzu” olan genomik etrafında şekillenir.

Genom dizileme makinelerinin açık ara en büyük üreticisi Illumina’dır. Şirket, kanser tespitinde kullanılan kısa genetik dizileri okumaya odaklanır ve 165 ülkede kurulu 22.000’den fazla dizileyiciye sahiptir.

Illumina dizileme makinelerinin sarf malzemelerinin yaklaşık yarısı klinik uygulamalarda, diğer yarısı kamu ve özel araştırma laboratuvarlarında kullanılır. Klinik talebin yarısı onkolojiden gelir.

Kaynak: Illumina

Genomik ve multiomik ilaç keşfi ile kanser teşhisinin merkezine yerleştikçe Illumina ekipmanına talebin yüksek olması beklenmektedir. Şirket, NGS talebinin klinik uygulamalarda yıllık %18, araştırmada %6 büyümesini ve sektörün toplam adreslenebilir pazarının 2033’e kadar klinikte 100 milyar, araştırmada 25 milyar dolara ulaşmasını öngörmektedir.

Kaynak: Illumina

Illumina’nın sıvı biyopsi şirketi Grail ile karmaşık bir geçmişi vardır (GRAL ). Grail önce Illumina’dan ayrıldı, daha sonra yeniden satın alındı ve ABD ile AB rekabet kurumları tarafından tekrar ayrılmaya zorlandı.

Bu sorun ortadan kalktığına göre Illumina uzun vadeli büyümesine ve hisse fiyatındaki yükselişe yeniden başlayabilir; özellikle Grail’in sıvı biyopsi testlerinin büyük olasılıkla Illumina dizileyicilerine dayanacak olması bunu destekler.

Ginkgo Bioworks

Multiomiğe odaklanan şirketlerin çoğu, çok satan kanser tedavilerinin veya nadir hastalıkları iyileştirmenin potansiyel kârlılığı nedeniyle ilaç ve biyoteknoloji alanındadır.

Ancak bu bakış açısı biyolojik sistemlerin kimyasal üretim, tarım, malzemeler ve biyoyakıtlar dahil sayısız uygulamadaki olağanüstü potansiyelini göz ardı eder.

Ginkgo Bioworks tam olarak bu alana odaklanır. Belirli endüstriyel ihtiyaçlara yanıt vermek üzere “talep üzerine organizmalar” üreten yenilikçi modeli, şirketi gelişmekte olan sentetik biyoloji alanında lider yapmaktadır (bkz. “En İyi 5 Halka Açık Sentetik Biyoloji Şirketi”).

Bu sayede Ginkgo, yeni organizmalar üretmeye yönelik araç satmaktan sözleşmeli çözümlere ve tam kapsamlı ortaklıklara kadar her düzeyde iş birliği sunabilir.

Ginkgo’nun çeşitli araştırma programları ve ortaklıkları arasında şunlar sayılabilir:

Ginkgo’nun uzmanlığı, son yıllarda küresel sanayi ve tarım şirketlerinden önde gelen ilaç şirketlerine kadar uzanan çok çeşitli müşteri ve ortaklarla çalışmış olmasından anlaşılmaktadır.

Şirketin araştırma donanımı, yüksek hacimli biyolojik veri üretimi için eksiksiz laboratuvarlara birleştirilebilen modüller oluşturan Yeniden Yapılandırılabilir Otomasyon Arabaları (RAC) etrafında kuruludur.

Ginkgo, genişleme ve çok sayıda coğrafi konumun ardından 2024’te iş modelini yeniden düzenlemek zorunda kaldı. Bu sayede işletme giderlerini çeyrek başına 515 milyon dolardan 375 milyon dolara düşürdü; bunu ağırlıklı olarak genel giderleri yarıya indirerek başardı.

Bu değişiklik, araştırma anlaşmalarındaki ilerleme ve bunlara bağlı kilometre taşı ödemeleriyle birlikte şirketi kârlılığa yaklaştırmalıdır.

Zorluklar

Gizlilik

Multiomik analizler ve kişiselleştirilmiş tıp dönemi yakında gelecekse bile bunun zorlukları vardır. İlk sorun veri gizliliğidir; çünkü söz konusu veriler yalnızca dijital yaşamımızı değil, doğrudan bedenimizi tanımlar.

İnsanların bu teknolojik devrimi benimsemesi için güçlü güvenlik, yalnızca yetkili kişilerin erişimi, verilerin anonimleştirilmesi ve verilerin sağlık hizmeti ya da sigorta reddi için kullanılmasının önlenmesi şarttır.

Özellikle polis veya devlet görevlileri gibi tıp dışı uzmanların erişebileceği, evrensel biçimde toplanmış genetik verilere ilişkin kaygılar da giderilmelidir.

Düzenlemeler

Biyolojik verilerin hassas niteliği nedeniyle daha sıkı düzenlemeler beklenmelidir. Bunlar öncelikle gizlilik konusunu, ayrıca şu başlıkları kapsar:

  • Bir veya birkaç şirketin tüm biyolojik verilerimizi giderek kontrol etmesiyle tekel oluşması riski; çünkü veri arttıkça yapay zekâ analizleri daha etkili olur.
  • Bireyler veya tüm nüfuslar için riskleri anlamak ile ayrımcılığı ve adil olmayan ticari uygulamaları önlemek arasında denge kurulması.
  • Servetten bağımsız olarak kişiselleştirilmiş tıbba adil erişim sağlanırken toplumsal maliyetlerin de yönetilmesi.

Erişilebilirlik

Kişiselleştirilmiş tıp ve multiomik veriler son derece karmaşık olduğundan bilim insanı olmayan kişilere veya doktorlara açıklanmaları zor olacaktır. Adaletsizlik ve gizlilik kaygılarıyla birleştiğinde bunun direniş, hatta tepki doğurması muhtemeldir.

Covid’e karşı mRNA aşılarıyla kitlesel aşılama politikasının son derece siyasallaşması gibi, multiomik ve yapay zekâ destekli tıp için de benzer bir sonuç olasıdır.

Bu tür teknolojiler başlangıçta pahalı da olabilir; servet eşitsizliğinin biyolojik ve sağlıkla ilgili bir uçuruma dönüşmesi önlenmelidir.

AI Tabanlı Sağlık Hizmetlerinin Geleceği

Artan tıbbi veri hacmi, güçlü yapay zekâ, otomatik biyoloji laboratuvarları ve proteinlerin, hatta bütün hücrelerin in-silico simülasyonları tıp ve tıbbi araştırmada tamamen yeni alanlar yaratmaktadır.

Bunun yalnızca başlangıç olması muhtemeldir; yeni gelişmeler yeniliği daha da hızlandırmaktadır:

Çok uzak olmayan gelecekte tıbbın büyük bölümü bireysel genetik yapımıza göre uyarlanabilir, yıllık ve son derece güvenilir bir kan testiyle kanser taraması yaptırabilir, metabolizma, mikrobiyom ve genomumuzun kusursuz dengesi sayesinde daha sağlıklı ve enerjik olabiliriz.

Yatırım açısından yapay zekâ-biyoteknoloji yarışının başlıca kazananları, yalnızca benzersiz bir özel algoritmaya veya hesaplama gücüne sahip olanlardan ziyade büyük biyolojik veri kümeleri oluşturabilen şirketler olacaktır. Yapay zekâ teknolojisi, kalıcı avantaj sağlayan dev veri merkezlerinden hızla uzaklaşıp merkezsiz, açık kaynaklı bir modele yönelmektedir.

mm

Jonathan, genetik analiz ve klinik deneylerde çalışan eski bir biyokimyacı araştırmacıdır. Şu anda yenilik, piyasa döngüleri ve jeopolitik konulara odaklanan bir hisse senedi analisti ve finans yazarıdır ve yayınında 'The Eurasian Century'.