Multiomics en AI in de gezondheidszorg: een nieuwe grens voor medicijnontdekking

Precisiegeneeskunde is de toekomst van de gezondheidszorg

Als het gaat om toegepaste harde wetenschappen, is een bron van vooruitgang nauwkeurigere metingen en hulpmiddelen. Dit geldt met name voor natuurkunde en scheikunde, met analytische hulpmiddelen die nu in staat zijn om individuele atomen te observeren in reacties op experimenten, wat snelle vooruitgang in schone energie, materiaalwetenschappen, nanotechnologie, productieen computergebruik (volg de links voor artikelen over deze onderwerpen).

Eén wetenschappelijk vakgebied is echter een hardere noot om te kraken gebleken voor nauwkeurige metingen: biologie. Dit komt omdat levende organismen geen "eenvoudige" materialen zijn die uit een paar elementen bestaan, maar ultra-complexe moleculaire machines die uit miljoenen, zo niet miljarden, verschillende onderdelen bestaan.

Een waarheidsgetrouwe weergave van een enkele menselijke cel zou dus bijna onbegrijpelijk complex zijn, zoals blijkt uit een computergegenereerde afbeelding van een enkele menselijke cel die een paar jaar geleden viraal ging.

Bron: Newsweek

Hierdoor is het een blijvende uitdaging om biologische en biochemische verschijnselen echt te begrijpen.

Genomics is een belangrijke eerste stap geweest, in het uitleggen van de template/instructies die de cellen gebruiken om hun interne componenten te bouwen. Een andere groeiende factor is het gebruik van AI, aangezien geavanceerde neurale netwerken de enorme hoeveelheid data beter aankunnen dan de menselijke geest.

Samen zullen deze factoren de transformatie in de gezondheidszorg stimuleren, met de opkomst van werkelijk gepersonaliseerde precisiegeneeskunde, afgestemd op de unieke genen, stofwisseling, medische geschiedenis, etc. van ieder individu.

Momenteel Precisiegeneeskunde is een markt van $ 500 miljarden omvat monoklonale antilichamen(een markt van $ 222 miljard in 2023), evenals de meest geavanceerde kankerbehandelingen zoals CAR-T-therapieën.

Wat is multiomics?

De enorme complexiteit van levende systemen heeft geleid tot de opkomst van multiomics, een vakgebied dat alle -omics-subsegmenten van de biologische wetenschappen samenvoegt en wordt aangeprezen als de volgende stap in de biotechnologie:

• Genomica: de analyse van de DNA-sequentie in de celkern.
• transcriptomics: de analyse van mRNA dat de instructies van het DNA draagt.
• Epigenomica: de wijziging van het genoom zonder de genetische sequentie te beïnvloeden, oftewel “epigenetica”.
• proteomics: de analyse van eiwitten, inclusief de modificatie van eiwitten met suikers (“post-translationeel”).
• metabolomics: de analyse van chemische verbindingen en het metabolisme.
• Microbiomie: de analyse van alle microben die in of op het lichaam leven.
• Multiomics met één cel: de multiomics-analyse van individuele cellen.
• Ruimtelijke biologie: het in 3D analyseren van de locatie van specifiek mRNA, eiwitten of cellen.

Bron: Ark-onderzoek

Er ontstaan ​​nieuwe vakgebieden, zoals bijvoorbeeld: Agrigenomica (genomica om landbouwopbrengsten te verbeteren), Ecologisch genomica (het nauwkeurig evalueren van de gezondheid van een ecosysteem en zijn genetische diversiteit), of Synthetische biologie (het creëren van nieuwe genen, eigenschappen of hele organismen met een specifiek doel).

Elk van deze vakgebieden heeft enorme vooruitgang geboekt dankzij nieuwe en verbeterde analysemethoden, die voor een groot deel te danken zijn aan revolutionaire ontwikkelingen in nanotechnologie, optica, halfgeleidertechnologie en computerkracht.

Helaas hebben de biologische wetenschappen en de geneeskunde moeite met het verwerken van al deze nieuwe gegevens, en nog meer met het begrijpen van de complexe interacties van alle mogelijke -omics-velden met elkaar.

Dit komt voor een groot deel door letterlijk biljoenen of misschien wel biljoenen potentiële kruisinteracties tussen individuele genen, eiwitten, biomoleculen, bacteriën, etc.

In theorie zouden deze gegevens voor werkelijk gepersonaliseerde geneeskunde van elk individu worden verzameld en gekoppeld aan hun digitale gezondheidsgegevens.

Dalende kosten en een vloed aan data

De technologische verbetering in analytische tools heeft de kosten voor het verzamelen van nieuwe data doen instorten. Dit geldt bijvoorbeeld voor het sequencen van een volledig menselijk genoom, waarvan de kosten in 30 jaar met meer dan een miljoen zijn gedeeld, of DNA-synthese is nu 10,000x goedkoper.

Bron: Ark-onderzoek

Dit betekent dat we nu voor dezelfde prijs 450,000 miljard genomen kunnen sequencen, terwijl het in 2001 nog $ 1.4 kostte om slechts één genoom te sequencen. Dat is 17% van de wereldbevolking.

Biologen worden hierdoor overspoeld met genomica- en andere -omics-gegevens.

De UK Biobank, de grootste openbaar beschikbare genomica-database, bevat bijvoorbeeld 27x zoveel gegevens als een van de grootste LLM's (Large Language Model), de AI Llama 405b die is gebouwd door Meta (FB + 1.01%).

Als van iedere pasgeborene ter wereld het genoom in kaart zou worden gebracht, wat in de komende jaren waarschijnlijk zal gebeuren, zou dit 10,000 keer zoveel gegevens opleveren als de lama's jaarlijks gebruiken.

Bron: Ark-onderzoek

Gelukkig neemt de hoeveelheid data niet alleen met duizenden tegelijk toe, maar worden ook de digitale analysetools, met name AI, steeds efficiënter. Ze worden 1,000x krachtiger voor dezelfde kosten.

Bron: Ark-onderzoek

Toepassingen bij het ontdekken van geneesmiddelen

Virtuele cellen

Tot voor kort moesten biologen het experiment handmatig uitvoeren om te weten wat het effect was van een potentieel nieuw medicijn, of hoe een eiwit met een ander eiwit interageert. Dat was een dure en tijdrovende klus.

Dit vertraagde natuurlijk de ontdekking van nieuwe medicijnen en verhoogde de kosten voor innovatieve behandelingen in de gezondheidszorg. Het kon gedaan worden in-vitro (in een laboratorium) of in vivo (in een levend organisme, meestal een dier).

Er is onlangs een nieuwe optie verschenen, de in silico benadering, waarbij een of meerdere virtuele cellen worden gesimuleerd in een computer. Deze virtuele cellen worden vervolgens blootgesteld aan de potentiële nieuwe behandeling en de simulatie berekent hoe ze zouden reageren.

Bron: Ark-onderzoek

Verbeterde simulatie

Naast volledige genoom- en transcriptoomgegevens vindt er nu ook een ander hulpmiddel zijn weg naar in-silico-simulatie: eiwitvouwingssimulatoren zoals De AI AlphaFold van Google (GOOGL + 0.79%).

Veel geneesmiddelen op basis van eiwitten zijn afhankelijk van de interactie tussen het geneesmiddel en een receptor in de cellen van het lichaam, of op het oppervlak van de beoogde bacteriën of kankercellen.

Door de 3D-configuratie (vouwing) van het eiwit in silico correct te voorspellen, kunnen we het succespercentage en de snelheid van de medicijnontwikkeling drastisch verbeteren en de kosten verlagen.

Omdat AlphaFold sinds 500 tot wel 2018x is verbeterd, worden in-silico-simulaties een onmisbare technologie voor de meeste biotechbedrijven.

Bron: Ark-onderzoek

Andere bedrijven werken ook aan een soortgelijke technologie als AlphaFold, maar dan voor niet-proteïnemoleculen, zoals Schrödinger, waar we het over hadden in “Top 5 AI- en digitale biotechbedrijven'.

Kankerdetectie

Het vroegtijdig opsporen van kanker, zelfs als deze niet zichtbaar is op een MRI-scanner, kan vaak een kwestie van leven of dood zijn.

Een nieuwe techniek genaamd vloeibare biopsie biedt de belofte om dergelijke onzichtbare kankers vroegtijdig te detecteren. Het werkt zo: het gebruikt genoomsequentietools om DNA-sequenties te detecteren die kenmerkend zijn voor kanker in het bloed van de patiënt, zelfs als deze sequenties extreem zeldzaam zijn.

Vloeibare biopsieën zijn veel minder invasief dan echte biopsieën, ze vereisen alleen een bloedmonster. Ze kunnen ook worden gebruikt om te zoeken naar meerdere potentiële kankers tegelijk.

Bron: Ark-onderzoek

In juni 2024 heeft Guardant Health (GH -1.83%) zag zijn “Shield” colorectale kanker screeningstest goedgekeurd door de FDA. Grail (GRAL -1.78%), de recente spin-off van Illumina (ILMN + 1.17%) is ook een bedrijf dat een dergelijke test ontwikkelt.

Naast vloeibare biopsie wordt Minimal Residual Disease (MRD)-testen ook steeds gebruikelijker om de remissie van kankerpatiënten te controleren. MRD's kunnen de terugkeer van kanker tot 20 maanden eerder detecteren dan traditionele beeldvorming.

Bron: Ark-onderzoek

Voor zowel MRD als vloeibare biopsie is vergoeding door particuliere en nationale zorgverzekeraars van cruciaal belang om de invoering ervan te versnellen.

Geautomatiseerd laboratorium

Omdat er steeds meer gegevens nodig zijn en de detectietools steeds goedkoper worden, worden de inspanningen van mensen met een PhD-kwalificatie steeds vaker de beperkende factoren (zowel qua kosten als qua capaciteit) voor het genereren van meer multiomics-gegevens.

Dit geldt zowel voor het handmatige werk zelf, zoals het nemen van monsters, als voor het opzetten van de experimenten.

Een opkomende alternatieve methode is het self-driving lab (SDL). Dit combineert robotica en automatisering om saaie en tragere handmatige arbeid te vervangen, wat resulteert in experimenten met een hoge doorvoer. Het voegt ook LLM's toe om gegevens te analyseren en de volgende reeks experimenten te ontwerpen.

Bron: Ark-onderzoek

Een leider in deze nieuwe methode voor medicijnontdekking is Recursion Pharmaceuticals (RXRX + 1.1%) (meer over dit bedrijf hieronder).

Investeringsinzichten

Hoewel er veel bedrijven zijn die innoveren op het snijvlak van AI en multiomics, zijn er een paar die opvallen door hun belang of hun ambities.

Recursie Geneesmiddelen

Recursion is een bedrijf dat zich vanaf het begin richtte op het gebruik van AI om de ontdekking van nieuwe medicijnen te versnellen. Om dit te doen, combineert het een droog lab (in-silico) en nat lab (biologische monsters) met:

• Een bibliotheek van 1.7 miljoen kleine moleculen.
• Celculturen, CRISPR-genbewerking, oplosbare factoren, levende virussen, enz.
• Een geautomatiseerde workflow voor laboratoriumrobotica die wekelijks tot 2.2 miljoen experimenten mogelijk maakt.
• Microscopen en sequencingsystemen met hoge doorvoer.
• Continue videofeeds van camera's, waarbij holistische metingen van het gedrag van dieren worden vastgelegd.
• Geavanceerde computerbronnen, die >21 petabytes aan bedrijfseigen hoogdimensionale gegevens hebben gegenereerd.
• ADMET-gegevens (absorptie, distributie, metabolisme, uitscheiding en toxicologie).

Recursion bezit ook een van 's werelds snelste supercomputers om hun LLM's en AI's te trainen voor medicijnontdekking. De AI-modellen werden getraind op een bibliotheek van meer dan 2 miljard afbeeldingen en leidden 6 biljoen relaties af tussen alle mogelijke combinaties van genen en verbindingen.

Bron: Ark-onderzoek

In augustus 2024 fuseerde Recursion met exscientia, een bedrijf dat zich richt op precisietherapieën en gebruikmaakt van zijn eigen “uitgebreide robotautomatisering gedurende de gehele experimentcyclus'. Recursion nam in mei 2023 ook de op geneesmiddelenchemie gerichte preklinische startups Cyclica en Valance over, voor een totaal van $ 87.5 miljoen.

Nu deze nieuw verworven bedrijven zijn samengevoegd met de kerndatasets van Recursion, is het bedrijf een volledig geïntegreerd biotechnologiebedrijf dat alles afhandelt, van doelwitidentificatie, in-silicovoorspellingen, in-vivovalidatie en klinische proeven.

Bron: Recursie

Recursie heeft 20+ moleculen in verschillende stadia van ontwikkeling in de R&D-pijplijn, waarvan er 7 zich in de helft van de klinische proeven bevinden, voornamelijk in oncologie (kanker) en zeldzame ziekten.

Bron: Recursie Geneesmiddelen

Deze programma's omvatten meer dan 10 partnerprogramma's met een potentiële betaling van maximaal $ 20 miljard voor R&D-mijlpalen, waarvan $ 450 miljoen al is betaald.

Bron: Recursie Geneesmiddelen

Het nieuwe Recursion, dat is ontstaan ​​door overnames en een vroege stap in het benutten van AI voor medicijnontwikkeling, ontwikkelt zich tot een belangrijke partner voor grote farmaceutische bedrijven die hun R&D-pijplijn willen aanvullen.

Illumina

Hoewel de andere -omics belangrijk zijn, zijn ze bijna allemaal op de een of andere manier gebaseerd op genomica, de belangrijkste 'gebruiksaanwijzing' van elke levende cel.

En veruit de grootste producent van genoomsequentiemachines is Illumina. Het bedrijf richt zich op het lezen van korte genetische sequenties, die worden gebruikt voor kankerdetectie. Het heeft momenteel 22,000+ geïnstalleerde sequencers in 165 landen.

Ongeveer de helft van de verbruiksartikelen van Illumina's sequencingmachines wordt gebruikt in klinische toepassingen, terwijl de andere helft wordt gebruikt in openbare en particuliere onderzoekslaboratoria. In klinische toepassingen komt de helft van de vraag uit de oncologie.

Bron: Illumina

Nu genomics en multiomics het middelpunt worden van het proces van medicijnontdekking, evenals kankerdiagnostiek, wordt verwacht dat de apparatuur van Illumina erg in trek zal zijn. Het bedrijf verwacht dat de vraag naar NGS (Next Generation Sequencing) met 18% CAGR zal groeien voor klinische toepassingen en met 6% CAGR voor onderzoek, waardoor de totale adresseerbare markt (TAM) van de sector zal stijgen van $ 100 miljard voor klinische toepassingen en naar $ 25 miljard voor onderzoek in 2033.

Bron: Illumina

Illumina had een ingewikkelde geschiedenis met het vloeibare biopsiebedrijf Grail (GRAL -1.78%), dat oorspronkelijk voortkwam uit Illumina, later werd teruggekocht en nu door de mededingingsautoriteiten in de VS en de EU weer tot een spin-off wordt gedwongen.

Nu deze problemen achter de rug zijn, zou Illumina zijn langetermijngroei en de aandelenkoers weer kunnen oppakken. Dit komt vooral doordat de vloeibare biopsietests van Grail uiteindelijk waarschijnlijk afhankelijk zullen zijn van Illumina-sequencers.

Ginkgo Bioworks

De meeste bedrijven die zich richten op multiomics zijn actief in de farmaceutische/biotechnologische sector vanwege de potentiële winstgevendheid van baanbrekende kankerbehandelingen of de genezing van zeldzame ziekten.

Maar hiermee negeren we het ongelooflijke potentieel van biosystemen voor talloze andere toepassingen, waaronder chemische productie, landbouw, materialen, biobrandstoffen, enzovoort.

Dit is precies de focus van Gingko Bioworks, met een innovatief model voor het bouwen van “organismen op aanvraag” om te voldoen aan specifieke industriële behoeften, waardoor het een leider is geworden in het opkomende veld van de synthetische biologie (zie “Top 5 overheidsbedrijven op het gebied van synthetische biologie").

Op deze manier kan Gingko elk niveau van samenwerking aanbieden, van het simpelweg verkopen van de hulpmiddelen om nieuwe organismen te produceren tot het uitbesteden van zijn oplossingen tot volwaardige partnerschappen.

Onder de verschillende onderzoeksprogramma's en partnerschappen van Gingko vallen onder meer:

• Cannabinoïden
• Productie van mRNA-vaccins en nucleïnezuurgeneeskunde
• Voedsel eiwitten
• Biologische mestproductie in samenwerking met Bayer
• Programmeerbare microben voor darmziekten
• Bioremediatie van microplastics
• Bioveiligheid en detectie van pathogenen
• Recycling van afval en verontreinigingen

De expertise van Gingko blijkt uit de zeer uiteenlopende klanten en partners die het bedrijf de afgelopen jaren heeft mogen verwelkomen, van wereldwijde industriële en agrarische bedrijven tot toonaangevende farmaceutische bedrijven.

Bron: Gingko Biofabriek

De onderzoekshardware van het bedrijf is gestructureerd rond de Reconfigurable Automation Carts (RAC's). Deze modules kunnen worden geïntegreerd tot complete onderzoekslaboratoria voor het genereren van biologische gegevens met een hoge doorvoersnelheid.

Gingko moest zijn bedrijfsmodel in 2024 hervormen, na een periode van expansie en te veel geografische locaties. Hierdoor kon het bedrijf zijn operationele uitgaven (opex) terugbrengen van $ 515 miljoen per kwartaal naar $ 375 miljoen, voornamelijk door overheadkosten te halveren.

Dit zou het bedrijf dichter bij winstgevendheid moeten brengen en verdere voortgang moeten boeken met betrekking tot onderzoeksafspraken en de bijbehorende betalingsmijlpalen.

Uitdagingen

Privacy

Als het tijdperk van multiomics-analyses en gepersonaliseerde geneeskunde eraan komt, is dat niet zonder uitdagingen. De allereerste is de kwestie van dataprivacy, een bijzonder gevoelig onderwerp als de data niet alleen ons digitale leven zijn, maar ook ons ​​eigen lichaam.

Het is duidelijk dat goede beveiliging, toegang alleen voor geautoriseerd personeel en anonimisering van gegevens, en het voorkomen dat dergelijke gegevens worden gebruikt om medische zorg of verzekeringen te weigeren, essentieel zijn om mensen te laten kiezen voor deze technologische revolutie.

Ook moet er aandacht worden besteed aan de bezorgdheid over universeel verzamelde genetische gegevens, vooral als deze toegankelijk zijn voor niet-medische specialisten (bijvoorbeeld leden van de politie of het staatsapparaat).

reglement

Vanwege de gevoelige aard van biologische data, zijn er meer regels te verwachten. Dit omvat eerst de kwestie van privacy, maar ook andere onderwerpen zoals:

• Er ontstaat een monopolie, waarbij één of enkele bedrijven geleidelijk de controle over al onze biologische gegevens overnemen. Want hoe meer gegevens, hoe efficiënter de op AI gebaseerde analyses worden.
• Het vinden van een evenwicht tussen het begrijpen van de risico's voor individuen of hele bevolkingsgroepen en het vermijden van discriminatie of oneerlijke handelspraktijken.
• Een eerlijke behandeling van gepersonaliseerde geneeskunde, ongeacht uw vermogen, maar ook het beheersen van de mogelijke collectieve kosten.

Toegankelijkheid

Omdat gepersonaliseerde geneeskunde en multiomics-data extreem complex zijn, zullen ze moeilijk uit te leggen zijn aan niet-wetenschappers of artsen. Gecombineerd met de risico's van oneerlijkheid en zorgen over privacy, is het waarschijnlijk dat er weerstand of zelfs tegenreactie zal optreden.

Op dezelfde manier waarop het beleid van massavaccinatie met mRNA-vaccin tegen Covid sterk gepolitiseerd was, is een dergelijke uitkomst niet onwaarschijnlijk voor multiomics en door AI aangestuurde geneeskunde.

Tegelijkertijd kan dergelijke technologie in eerste instantie soms duur zijn, en het is belangrijk om te voorkomen dat de ongelijkheid in welvaart ook een biologische en gezondheidskloof wordt.

De toekomst van AI-gestuurde gezondheidszorg

De combinatie van een groeiend volume aan medische data, krachtige AI, geautomatiseerde biologische laboratoria, in silico Simulaties van eiwitten en zelfs hele cellen creëren geheel nieuwe vakgebieden in de geneeskunde en het medisch onderzoek.

Het is waarschijnlijk nog maar het begin, want er wordt nog meer vooruitgang geboekt om innovaties nog verder te versnellen:

• Betere AI, met de radicale verbetering in de berekening van open source DeepSeek als meest recente voorbeeld, evenals AlphaFold  en open cursus OpenCRISPR-1.
• Verbeterde rekencapaciteit, met Quantum computing is waarschijnlijk een krachtig hulpmiddel voor het oplossen van problemen zoals de 3D-configuratie van eiwitten.
• Betere analytische hulpmiddelen, van Sequencing van de volgende generatie (NGS) naar ruimtelijke biologie.
• Nauwkeurigere en veiligere genmanipulatietools, waaronder CRISPR, gerichte evolutie, en synthetische en programmeerbare biologie.
• Nieuwe toepassingen creëren nieuwe schaalvoordelen voor multiomics-analyses, zoals vloeibare biopsie en vroege kankerdetectie.

Uiteindelijk, in de niet zo verre toekomst, zal het grootste deel van de geneeskunde wellicht afgestemd zijn op onze individuele genetische samenstelling, kunnen we misschien jaarlijks een onfeilbaar kankeronderzoek laten uitvoeren op basis van een bloedtest en zullen we gezonder en energieker zijn dankzij de perfecte balans van ons metabolisme, microbioom en genoom.

Vanuit een investeringsperspectief is het waarschijnlijk dat de belangrijkste winnaars in de AI-biotechnologierace bedrijven zullen zijn die in staat zijn om grote biologische datasets te creëren, meer dan bedrijven die beschikken over een uniek, gepatenteerd algoritme of rekenkracht. AI-technologie ontwikkelt zich namelijk razendsnel en gaat verder dan ultragrote datacenters, wat een duurzaam voordeel oplevert, en steeds meer richting een gedecentraliseerd open-sourcemodel.