人工智能在生物技术中的革命
没有任何行业能够免受人工智能
该公司专门通过收购生物技术初创企业并借助子公司（以“vant”结尾命名）提升其商业化的可能性。
其中一项收购是以4.5亿美元收购Silicon Therapeutics
该公司专注于基于物理的模型，以找到最适合某一目标的分子，平衡诸如效力、溶解度、半衰期、可合成性等相互冲突的指标。
它也使用机器学习，但加入基于物理的模型后，即使没有数据集来“训练”AI，也可以在全新领域进行测试。这让薛定谔能够在几天内将10亿种潜在分子筛选为仅8种可靠的候选者，完全通过数字计算实现。
来源：薛定谔
薛定谔于2020年与拜耳签订了一份为期五年的合作协议，价值1000万美元。协议的目标是将薛定谔的技术与拜耳的计算机预测模型结合使用。
另一项近期合作是与礼来公司达成的，里程碑付款总额高达4.25亿美元。
过去的合作伙伴包括武田、赛诺菲、百时美施贵宝等较小的制药公司。
来源：薛定谔
总体而言，薛定谔正在建立一个不断增长的组合，包括越来越多的专有和完全拥有的分子。虽然尚未盈利，但公司专注于扩张和研发投入，以改进其技术。
该公司还计划扩展到药物发现以外的新领域，如复杂的生物制药，甚至化学品、电池或聚合物等材料。
来源：薛定谔
投资者需要密切关注新的合作，因为它们将反映薛定谔技术的进步，并评估行业领导者对其核心技术扩展到新市场的成功可能性。
3. Exscientia
该公司利用AI开发精准疗法
该公司成立于2011年，总部位于温哥华、纽约和瑞士楚格。2021年，公司通过收购两家AI生物技术公司Totient（抗体）和Denovium（细胞系）进一步扩展了其初始技术。
公司主要专注于抗体设计，从零开始创建新抗体（“de novo抗体”），并在实验室中通过六周的流程进行测试。
2023年3月，他们首次实现了在没有任何预存数据的情况下设计功能性抗体，这种方法也被称为“零样本”。
Absci与[默克公司（前期费用和未来里程碑总支付金额达6.1亿美元）](
Absci仍处于早期阶段，但已经显示出巨大的潜力和创新能力。投资者需要接受公司及其杰出创始人的“一切皆有可能”精神，并希望最近的合作协议只是长期系列合作的开端。
5. [e-therapeutics plc](
e-therapeutics专注于开发基于计算机模拟的新RNAi（RNA干扰）疗法。它希望结合新兴技术、RNAi和计算药物发现，从而在竞争中占据显著优势。
它还在其平台上与其他制药公司合作进行发现，其中最大的合作伙伴是大型蓝筹公司诺和诺德。
该公司处于非常早期的无收入阶段，2022年夏季筹集了1350万英镑资金。2022年上半年，公司净亏损280万英镑，现金余额为2180万英镑。
投资e-therapeutics的人需要密切关注可用现金，并希望新的发现和合作伙伴关系的收入最终能让公司盈利。
构建数字生物学投资组合
这是一个难以投资的领域，因为它结合了两种非常复杂的技术：AI和高级生物技术。这使得即使是具有一定专业知识的投资者，也很难看清这一“黑箱”。
此外，该领域的大多数公司都专注于相同的市场，主要是小分子发现和抗体设计，可能还包括细胞系。
因此，分散投资将是更安全的策略，因为很少有人能确定地选出“赢家”。此外，[预计该市场将在2022年至2027年间以45%的复合年增长率快速增长](
因此，广泛的投资更有可能抓住这一增长，而不必过度依赖特定数学模型或方法，在快速变化和竞争激烈的领域中更具灵活性。
(全文结束)
