全球顶级生科风投在投什么技术？

2022-11-15 03:11

市场起起落落，外界纷纷扰扰，但是“科学不关心市场在干什么，科学永远在前进。”Arch Venture的联合创始人Robert Nelsen先生如是说。

追求创新技术永不停止

在Bay Bridge Bio公司网站上有一项统计，他们根据自有的数据库统计了在2018年到2021年8月期间从退出中获利最多的风险投资公司的排名（主要指通过纳斯达克或纽交所IPO、上市后被收购的退出途径），排除掉在多个行业间投资的VC公司后，发现专注在医药领域的生物技术投资、且排名前列的VC公司有下面表格中的这八家。

图1 知名生科风投和它们最新的募资情况（各公司官网，丰硕创投整理）

这些VC公司短则拥有十年，长则拥有四十余年的发展历史；少则拥有六七十家，多则拥有二百余家公司的投资经验，在医药研发风险投资领域成果斐然。

居榜首之位的Flagship，早在2010年就开始投资孵化Moderna，到如今，仅Moderna一家公司所产生的回报，就已经远超其前前后后为百多家初创公司投入的资金总和。

而且，投资人对创新技术的渴求毫不逊色于人们对临床未满足医疗手段的需求。这些VC公司均于去年和今年完成了最新一期资金的筹集，弹药充裕。

对擅长孵化新技术的Flagship公司来说，它们筹集的33.7亿美元，计划在3年内的时间里创建20-25家新公司，平均下来每家初创公司将会投入超过1.3亿美元。

对于项目和阶段覆盖较全面的Orbimed公司来说，它比Flagship早3个月筹集完成35亿美元的基金，预计将在北美和欧洲投约40家新公司，在中国和印度投约20家新公司，平均下来每家公司也有超过5000万美元的投入，当然，地区和阶段的不同会使得金额不同。

而在今年6月份才完成募资的老牌公司Arch，在整体市场投资交易活动全面下行的背景下，募资额却逆势高涨达到29.75亿美元，比上一轮募资总额还高出10亿美元。

促使这些VC公司坚定投资的动力源于人类对于生命永不停止的追求，而他们支持的生物技术又在加速刷新人们对于疾病和健康的理解。正如Arch联合创始人Robert Nelsen先生所说“生物技术的所有基础创新都在不断加速，有巨大潜力为疾病的预防、治疗、甚至治愈带来新的手段。现在的机会更多，而不是更少。”

那么，这些顶级投资人都在投哪些技术，他们是如何思考的呢？我们把榜上排名前三的VC公司，它们近3年来投资的早期阶段的生物技术公司汇总在下面表格中，其中状元Flagship主攻自主孵化创新技术，榜眼Foresite兼具自主孵化+寻找发现新技术，探花Orbimed主打寻找发现新技术，正巧还颇具有代表性。

图2 排名前三生科风投投资的早期阶段公司的技术领域和进展（各公司官网和公开资料，丰硕创投整理）

大致看下来，相信你的脑海里就会留下一些关键词，像组学数据、AI计算/机器学习、原位/体内、细胞治疗、RNA药物等等，这些都勾勒出未来创新技术的大致轮廓，那么它们最底层的共性在哪里？

AI技术举足轻重

如果说Genetech开启的"biotechnology"时代是把工程技术和生物学原理相结合来创造新产品的时代，那么Flagship坚定地相信下一个时代将是"digital biology"的时代，复杂的生物问题终将被转化为数字计算问题，人工智能和生物学恰恰是我们这一代人最主要的、可相互促进的创新引擎。所以，Flagship近三年推出的公司无一例外全都涉及了AI技术，Foresite和Orbimed孵化/投资的此类早期公司的比重也在增大。

为什么AI技术如此重要？随着可观察到的、可测量出的信息越来越多，我们了解的生物学知识也越来越复杂，但即使这样，面对完整的生命系统我们依然在感慨所知甚少，这不由得让一些科学家思索：如果我们在生物学上也达到了一个基本的极限，不是传统意义上的尺度的极限，而是复杂度的极限呢？如果现代生物学的科学框架对我们大脑来说太过复杂，以至于通过“技术堆料”解析得到的蛋白质、细胞和身体的相互作用等等这些新信息并不能真正的提供新见解，反而在混淆视听呢？

于是科学家们在探索一个新的框架，一个能用新的原则和新的语言来解开生物学复杂性的框架，而这种突破很可能来自于机器学习所释放出的AI力量。

虽然现在的AI技术参与制药的小打小闹在传统医药研发产业这艘庞大航母面前依然不太起眼，人们还不太愿意为它买单。但是有些AI技术正在做的事情足以点燃我们的热情和兴趣，因为它们将可能告诉我们：人类的免疫系统从年富力强走向衰老的时间轨迹是怎样的，一个人体内的每一个TCR是如何与相关抗原进行识别的（Repertoire Immune）；在超高分辨荧光显微镜下活细胞内每个蛋白质的实时运动数据会带来哪些新的生物学见解（Eikon）；如果打破历史教条重新定义疾病，转向根据潜在的生物机制，以及它们在个体身上几十年来的出现和转变方式来开发药物，那么伴随项目启动就可以确定了哪些人群在2期临床最能受益（Valo），等等。

一个明显的趋势，这些AI+ biotech都在产生属于自己的数据，它们对大药企筑起的“数据藩篱”不屑一顾，并且在试图打破它。就像Valo的数据科学和人工智能负责人Brandon Allgood所说“对这个行业产生颠覆性影响的唯一方法就是，我们从头到尾做一遍！”（The only way to have a transformative effect on this industry is to do it soup to nuts）。

可以说，AI+ biotech的星辰大海是，在未来，真正未满足的医疗需求，就是解决人类大脑无法单独解决的问题！

成功不再是概率游戏

本月18日，拜登政府发布了《国家生物防御战略与实施计划》，在这个五年期规划中提到的几个时间值得我们关注，一是关于预防性疫苗，在确定潜在重大生物威胁后的100天内研发出可应对人类或动物病原体的疫苗；二是关于治疗性药品，须能随时启动项目，90天内找到可应对新威胁的老药，或者6个月内开发出新药。

这些明确的时间背后反映的是对药物研发所需的时间和成功率的把握，也印证了顶级风投们在近几年的投资方向，新的药物发现技术要在研发时间和成功率上拥有理性的确定性。

图3 不同药物形式从临床到上市的成功率（DOI: 10.1111/cts.12980）

众所周知，传统的药物发现模式是一个比拼概率的游戏，从进入临床试验到最终获批的成功率总体上在12.8%左右，几十年来也没有多大的波动，如果算上临床前的成功率，那可更是千里挑一。

这是因为，虽然我们挺早就知道生命元件DNA到RNA，以及RNA到蛋白质的编码程序，但是还不清楚蛋白质到免疫反应，或者说从化学结构到生物反应，RNA序列到细胞反应的编码程序。如果我们能找到和阐明这部分缺失的信息拼图（Generate，Cellarity），那么将来药物的开发可能就像编程一样，依照需求给出代码指令即可，结果是什么，我们明确知道，到那时，研发成功率就是质的飞跃。

在这样的场景下，biotech公司能根据不同疾病的需求，以高效的方式可重复地开发多款疗法。一旦它们的先锋项目成功了，后续高度相关的项目的成功率就会大大增加，而且可以快速启动新的项目，来应对突发事件。同时，每个项目的技术改进和生物学数据的学习效应又能推动下一轮创新和优化的良性循环。这些特点中的每一个都有助于降低公司的发展风险，提高潜在回报。

这就是理想的技术平台公司。现在比较成功的平台型biotech有大家熟悉的开发RNAi疗法的Alnylam、应用CRISPR-Cas9技术的CRISPR、开发反义寡核苷酸的Ionis，开发mRNA疫苗的Moderna等。虽然还有很多公司为自己冠上“平台”的称号，但如果按照上述的几个特点仔细想想，应该就会有判断了。

结语

说起来，我国的biotech发展时间还很短，还有很大的空间去做更有价值的研发，价值总在研发过程中创造。就算在公开市场上生物技术表现得有如惊弓之鸟，但这样的表现并不能说明生物技术领域寻找价值的全部故事。不管是稳妥思维下的相邻发现，还是大胆思维下的重大突破，都应那句话，科学永远在前进！

来源：丰硕创投

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章