Newsletter · · Ashutosh Agarwal

Ein Open-Source-Proteinmodell entwirft im Labor validierte Antikörper

AI-Drug-Discovery-Newsletter für die Woche vom 11. Juni 2026. Die Plattform-Debatte bewegte sich diese Woche anhand echter Insider-Erkenntnisse voran: Ein Protein-Sprachmodell des CZ Biohub entwarf per Kryo-EM validierte nanomolare Antikörper, NVIDIA bezeichnete Simulation als assay-tauglich und nannte Schrodinger als Beispiel, und das erste KI-formulierte orale Medikament trat in Phase 1 ein.

AI Drug Discovery Weekly

Woche vom 11. Juni 2026: Ein Open-Source-Proteinmodell entwirft im Labor validierte Antikörper

Diese Woche lieferte die Plattform-Debatte endlich reale Ergebnisse statt Präsentationsfolien. Das deutlichste Signal kam aus einem Insider-Gespräch außerhalb der gelisteten Coverage-Namen: ein Protein-Sprachmodell des CZ Biohub entwirft einkettige Antikörper mit nanomolarer Bindungsaffinität, per Kryo-Elektronenmikroskopie validiert. Darüber hinaus bezeichnete NVIDIAs Leiterin der Geschäftsentwicklung im Biopharma-Bereich die Simulation mittels freier Energieperturbation (FEP) als assay-tauglich und nannte Schrodinger als konkretes Beispiel, das erste selbsternannte KI-formulierte orale Medikament trat mit entgegenkommenden Regulierungsbehörden in Phase 1 ein, und ein Onkologie-Foundation-Model-Anbieter positionierte den kommerziellen Ansatzpunkt neu als Patientenselektion statt Molekülentwurf. Hier die Details.

Zusammenfassung

  • Bei No Priors erläuterten Mark Zuckerberg und Alex Rives vom CZ Biohub ein Open-Source-Protein-Sprachmodell, das nanomolare einkettige Antikörper entwirft, per Kryo-EM validiert, mit direkten Implikationen für Antikörperplattformen mit Fokus auf Laborvalidierung (ABCL, ABSI).
  • NVIDIAs Leiterin der Geschäftsentwicklung im Biopharma-Bereich erklärte, molekulare FEP-Simulation sei inzwischen "praktisch genauso gut und genauso vorhersagekräftig wie die Durchführung experimenteller Assays", und nannte Schrodingers Toxizitätspanel als konkretes Beispiel, die eindeutigste Bestätigung, die SDGRs physikbasierter Ansatz seit Wochen in einem Podcast erhalten hat.
  • Der CRDMO-Anbieter Quotient Sciences startete nach Zulassung durch die MHRA eine Phase-1-Studie zu dem, was das Unternehmen als erstes KI-formuliertes orales Medikament bezeichnet, während eine Umfrage der Pistoia Alliance zeigte, dass 42 % der Befragten aus dem Bereich klinischer Studien bereits einen frühen ROI sehen, auch wenn Vertrauen und regulatorische Unsicherheit weiterhin die größte Hürde bei der Einführung darstellen.

Was ist neu

1. Zuckerberg und CZ Biohub veröffentlichen als Open Source ein Proteinmodell, das validierte Antikörper entwirft. In der No-Priors-Folge Biohub: The Future of Biology is Open-Source (10. Juni) beschrieb Chief Science Officer Alex Rives (zuvor bei Evolutionary Scale) ein Protein-Sprachmodell, das mit Milliarden von Sequenzen trainiert wurde und State-of-the-Art-Ergebnisse bei der Strukturvorhersage erzielt, "insbesondere bei Protein-Protein- und Protein-Antikörper-Interaktionen, was für das therapeutische Design wirklich entscheidend ist", und das bereits zum Entwurf einkettiger Antikörper mit nanomolarer Bindungsaffinität eingesetzt wurde, validiert per Kryo-EM. Rives bezeichnete das Antikörperdesign als eine "emergente Eigenschaft" eines allgemeinen Proteinmodells. Warum das wichtig ist: Eine Open-Source-Engine, die "Hunderttausende oder Millionen von Antikörpern" in einem Screening durch eine einzige Compute-Instanz ersetzt, stellt eine strukturelle Bedrohung für das Burggraben-Narrativ von AbCellera und Absci dar. Mark Zuckerberg und Priscilla Chan positionierten die Veröffentlichung als eine für jedermann kostenlose Discovery-Engine.

2. NVIDIA erklärt, Simulation sei inzwischen dem Nasslabor ebenbürtig, und verweist auf Schrodinger. In Once a Scientist, Folge 95 (10. Juni) sagte Stacie Calad-Thomson, Leiterin der Geschäftsentwicklung für BioPharma Labs & Manufacturing bei NVIDIA, molekulare FEP-Simulationen seien "inzwischen praktisch genauso gut und genauso vorhersagekräftig wie die Durchführung experimenteller Assays", und verwies auf Schrodingers Toxizitätspanel, das rund 100 Off-Target-Toxizitätsvorhersagen rechnerisch durchführt. Sie beschrieb NVIDIA als Ökosystem-Enabler, der Open-Source-Modelle auf BioNeMo hostet, wobei Pharmaunternehmen "diese Modelle lizenzieren" und mit proprietären Daten feinabstimmen: "Wir haben dieses Jahr sehr viele Deals gesehen." Warum das wichtig ist: Dies ist eine Drittvalidierung von SDGRs zentraler Behauptung durch den glaubwürdigsten Compute-Anbieter der Branche. Sie wies zudem darauf hin, dass der eigentliche Engpass die Konnektivität von Laborgeräten sei, nicht die Rechenleistung, ein Hinweis darauf, wohin die nächsten Investitionen fließen werden.

3. Erstes "KI-formuliertes" orales Medikament tritt in Phase 1 ein; Regulierungsbehörden zeigen sich entgegenkommend. Im The Drug Discovery World Podcast, DDW Highlights, 9. Juni 2026 ergab eine Umfrage der Pistoia Alliance, dass 50 % der Befragten aus dem Bereich klinischer Studien Vertrauen und regulatorische Unsicherheit als größte Hürde für die KI-Einführung nennen, während 42 % bereits einen frühen ROI sehen. Der CRDMO-Anbieter Quotient Sciences startete nach Zulassung durch die MHRA eine Phase-1-Studie zu dem, was das Unternehmen als erstes KI-formuliertes orales Medikament bezeichnet; die MHRA sowie dänische und schwedische Regulierungsbehörden signalisierten Offenheit, wobei Dr. Becky Upton von Pistoia betonte, es brauche "validierte, überprüfbare und erklärbare Ansätze, keine Black-Box-Modelle". Warum das wichtig ist: Der Engpass für KI-Biotech-Bewertungen liegt in der regulatorischen Akzeptanz, und die Behörden zeigen sich nun öffentlich konstruktiv.

4. Ein pankarzinomatisches "Foundation Model" für die Anreicherung klinischer Studien. In BIO from the BAYOU, Folge 140 (10. Juni) beschrieb Dr. Rafael Rosengarten, CEO von Genialis, ein RNA-Sequenzierungs-basiertes Krebs-Foundation-Model, das Biologie in modulare "Legostein"-Modelle zerlegt und es klinischen Prädiktoren erlaubt, mit nur 50 Patienten trainiert zu werden, mit dem Ziel, "den hartnäckigsten Engpass in der Arzneimittelentwicklung" anzugehen: das Scheitern klinischer Studien. Warum das wichtig ist: Dies ist der kommerzielle Ansatzpunkt, KI wird genutzt, um die richtigen Patienten auszuwählen statt Moleküle zu entwerfen, und es ist die Version von "KI in der Pharmabranche" mit dem klarsten kurzfristigen Ergebnispfad.

Die Debatte

Bullen: Die Plattform liefert endlich reale Ergebnisse statt Präsentationsfolien. Validierte nanomolare Antikörper aus einem Modell, FEP-Simulation mit assay-tauglicher Genauigkeit, ein erstes KI-formuliertes Medikament in der Klinik, und Regulierungsbehörden, die aktiv am Regelwerk mitschreiben. Wenn die Kosten für einen glaubwürdigen Wirkstoffkandidaten weiter sinken, profitieren die börsennotierten Zulieferer-Titel (Compute, physikbasierte Software, Biosimulation) mit zusammengesetztem Wachstum, während sich die Discovery-Ökonomie branchenweit verbessert.

Bären: Die besten Belege der Woche kamen von einer gemeinnützigen Organisation (CZ Biohub) und einem Chiphersteller (NVIDIA), nicht von den gelisteten KI-Biotech-Namen, deren Aktien diese Erfolge dringend bräuchten. Die Open-Source-Veröffentlichung der Antikörper-Design-Engine ist genau das Kommodifizierungsrisiko, das den Burggraben von ABCL und ABSI aushöhlt. Und die Pistoia-Daten sind unmissverständlich: Die halbe Branche vertraut den Tools noch immer nicht. Validierte Binder und KI-Formulierungen sind keine zugelassenen Medikamente und kein Umsatz. Bei RXRX auf 3,15 US-Dollar und SDGR auf 14,60 US-Dollar, beide nahe am 52-Wochen-Tief und mit anhaltendem Cash-Verbrauch, preist der Markt Skepsis ein, keine Plattform-Neubewertung.

Aktien im Fokus

  • Recursion (RXRX), 3,15 US-Dollar, +3,6 % am Tag, Marktkapitalisierung ca. 1,4 Mrd. US-Dollar, nahe am 52-Wochen-Tief von 2,77 US-Dollar (Hoch: 7,18 US-Dollar). Bullen: Skaliertes Phenomics-Verfahren plus Compute, Optionalität bei Pipeline-Ergebnissen. Bären: Cash-Verbrauch gegenüber einem EPS-Verlust unter 1,50 US-Dollar; die Open-Source-Modell-Nachricht wirkt sich negativ auf proprietäre Datenburggraben aus. Nächster Katalysator: Ergebnisse aus der klinischen Pipeline und etwaige Partnerschaftserneuerungen.
  • Schrodinger (SDGR), 14,60 US-Dollar, +3,2 %, Marktkapitalisierung ca. 1,1 Mrd. US-Dollar, 52-Wochen-Spanne 10,95–26,45 US-Dollar. Bullen: NVIDIA hat FEP als Assay-Ersatz öffentlich validiert und SDGRs Toxizitätspanel namentlich genannt; Modell aus Software plus eigener Pipeline. Bären: Aktie nahe am Tief; Wert der proprietären Programme weiterhin unbewiesen; Aussagen zur Simulationsparität nützen eher der Kategorie insgesamt als zwangsläufig dem Lizenzgeber. Nächster Katalysator: Tempo der Software-Bestellungen und Fortschritt bei der proprietären Pipeline.
  • Eli Lilly (LLY), 1.160,95 US-Dollar, +2,2 %, Marktkapitalisierung ca. 1,09 Bio. US-Dollar. Bullen: Retatrutide zeigte in der TRIUMPH-1-Studie nach 80 Wochen einen Gewichtsverlust von rund 28,3 % sowie Nutzen bei Knie-Arthrose und Schlafapnoe; Jefferies hob das Kursziel auf 1.350 US-Dollar an (Kaufempfehlung); Lizenzdeal mit AlzeCure im Bereich Alzheimer im Wert von über 1 Mrd. US-Dollar; Zulassung von Ebglyss bei atopischer Dermatitis. Bären: Die Nachrichtenlage der Woche drehte sich um GLP-1 und Lizenzierung, nicht um KI; Kürzungen der Arbeitgeber-Versicherungsdeckung für GLP-1 ab 2027 (bei rund 10 % der versichernden Arbeitgeber) belasten die Nachfrage. Nächster Katalysator: Politik zur Versicherungsdeckung von GLP-1-Präparaten und etwaige Offenlegungen zu externen TuneLab-Partnern.
  • NVIDIA (NVDA), das verbindende Element der Woche: BioNeMo-Hosting, "sehr viele Deals dieses Jahr" und die Aussage zur FEP-Parität machen NVDA zum Mautstellenbetreiber für jeden KI-Biotech-Workflow. Beobachten: Deal-Volumen bei Modelllizenzierungen als Frühindikator für die Kategorie.

Auswirkungen auf verwandte Bereiche

  • Antikörper-Discovery-Plattformen (ABCL, ABSI): Das Open-Source-Antikörpermodell des CZ Biohub ist die beachtenswerte Auswirkung auf den Wettbewerb, generatives Design als kostenloses Werkzeug setzt differenzierte Datenburggraben unter Druck.
  • Compute und Infrastruktur (NVDA): Positionierung als Ökosystem-Enabler und steigendes Volumen bei Modelllizenzierungen; Konnektivität von Laborgeräten als nächster Engpass identifiziert (mit Auswirkungen auf Anbieter von Laborautomatisierung und Informatik).
  • Physikbasierte Verfahren und Biosimulation (SDGR): Die Validierung von FEP als Assay-Ersatz stärkt das Narrativ der gesamten Kategorie.
  • KI-Diagnostik und Anreicherung klinischer Studien: Der klarste kurzfristige Umsatzpfad liegt in der Patientenselektion und im Studiendesign, nicht in der Neuentwicklung von Molekülen, so der Ansatz von Genialis' Krebs-Foundation-Model.

Was sich gegenüber der Vorwoche geändert hat

Dies ist die erste Ausgabe von AI Drug Discovery Weekly, es gibt also keine vorherige Ausgabe, mit der abgeglichen werden könnte; diese Ausgabe dient als Ausgangsbasis. Ein Rahmen, den man im Blick behalten sollte: Der bedeutsamste Fortschritt im Bereich KI-Biotech kam diese Woche von einer gemeinnützigen Organisation (CZ Biohub) und einem Compute-Anbieter (NVIDIA), während sich die Tür zur Regulierung mit dem ersten KI-formulierten Medikament in der Klinik öffnet. Wir werden in der kommenden Woche beobachten, ob die börsennotierten Namen diese Plattform-Dynamik in offengelegte Erfolge umsetzen können, oder ob die Open-Source-Kommodifizierung die Wertschöpfung weiterhin oberhalb der Aktien hält.