AIDD — Yapay zekâ destekli ilaç keşfi

AIDD (AI-driven drug discovery, yapay zekâ destekli ilaç keşfi), yeni bir ilaç adayının bulunmasında hastalığa yol açan hedef proteinin seçilmesinden molekülün tasarlanıp iyileştirilmesine kadar uzanan adımların makine öğrenmesi modelleri ve hesaplamalı yöntemlerle yürütülmesidir. Küçük moleküllerde, antikorlarda ve peptitlerde kullanılır. Önemi, ilaç geliştirmenin en uzun ve en belirsiz kısmını kısaltma vaadinden gelir. Alphabet’in Isomorphic Labs’i, Insilico Medicine, Recursion ve XtalPi bu vaadi milyar dolarlık lisans anlaşmalarına ve halka arzlara çevirdi. Dragonomi raporlarında terim adıyla geçmez. Konu, Çinli ilaç şirketlerinin yurt dışı lisans haberlerinde ve büyük ilaç şirketlerinin yapay zekâ yatırımlarını anlattığı telekonferanslarda dolaylı olarak işlenir.

Nasıl çalışır

Klasik ilaç keşfi bir eleme sürecidir. Önce hastalıkta rol oynayan bir hedef seçilir. Hedef çoğu zaman bir proteindir, bir enzim ya da bir hücre yüzeyi reseptörü olabilir. Sonra bu hedefe bağlanan başlangıç molekülleri aranır. Bunlara hit denir. Hit’ler kimyagerlerin elinde onlarca, bazen yüzlerce kez değiştirilerek öncü moleküle (lead) dönüşür. Öncü molekül etkinlik, seçicilik, emilim, vücuttan atılım ve toksisite açısından yeterince iyi hale gelince preklinik aday ilan edilir. Hayvan ve laboratuvar çalışmalarından sonra insanda ilk deneme başlar ve ilaç klinik çalışma fazlarına girer.

Yapay zekâ bu zincirin farklı halkalarına farklı biçimlerde girer. Beş ana yöntem ayırt edilir.

Hedef keşfi modelleri genetik veriyi, hasta dokularını ve bilimsel yayınları tarayarak hangi proteinin hastalığı sürdürdüğünü tahmin eder. Insilico’nun idiyopatik pulmoner fibrozda (IPF, akciğer dokusunun nedeni bilinmeden sertleştiği hastalık) seçtiği TNIK hedefi bu yolla bulundu. TNIK, hücre içi sinyal iletiminde görev alan bir kinaz enzimidir.

Üretken kimya modelleri, metin üreten dil modellerine benzer biçimde, istenen özellikleri taşıyan yeni moleküller önerir. Kimyager binlerce molekülü tek tek sentezlemek yerine modelin süzdüğü az sayıda adayı üretir ve test eder.

Protein yapı tahmini bir proteinin amino asit dizisinden üç boyutlu şeklini hesaplar. İlacın hedefe nasıl oturacağını görmek için bu şekil gerekir. Bu konu aşağıda ayrı bir bölümde ele alınıyor.

Fizik tabanlı hesaplama moleküllerin bağlanma enerjisini kuantum ve klasik mekanik denklemleriyle hesaplar. Schrödinger’in serbest enerji pertürbasyonu (FEP) yöntemi bu grubun en bilinen örneğidir. Bu yöntem makine öğrenmesinden eskidir ve çoğu zaman onunla birlikte kullanılır.

Fenomik, yani hücrelerin mikroskop görüntülerinden öğrenme, binlerce genin ya da molekülün hücre üzerindeki etkisini görüntü olarak kaydeder. Model, aynı görüntü değişimini yaratan molekülleri ve genleri eşleştirir. Recursion iş modelini bu yaklaşım üzerine kurdu.

Bu yöntemlerin ortak noktası, deney ile model arasında bir döngü kurmalarıdır. Model öneri yapar, laboratuvar sonucu ölçer, sonuç modeli yeniden eğitir. Sektörde bu döngüye "lab-in-the-loop" (döngüdeki laboratuvar) adı veriliyor.

Neden ortaya çıktı

İlaç sektörünün verimlilik sorunu eski bir şikâyettir. Harcanan her Ar-Ge dolarına düşen yeni ilaç sayısı on yıllardır geriler. Bu gerilemeye, bilgisayar yongalarındaki Moore yasasının tersten yazılışı olarak Eroom yasası adı verilir. Başarısızlığın büyük kısmı klinikte, yani molekül insanda denendiğinde ortaya çıkar. Yanlış hedef seçimi ya da beklenmedik toksisite yılların emeğini boşa çıkarır.

Makine öğrenmesinin bu soruna uygulanması 2010’ların ikinci yarısında hız kazandı. Kırılma anı protein yapı tahmininde yaşandı. DeepMind’ın AlphaFold 2 modeli, proteinlerin şeklini deneysel yöntemlere yakın doğrulukla tahmin ederek biyolojinin en eski problemlerinden birini büyük ölçüde çözdü. 2024 Nobel Kimya Ödülü bu çalışma nedeniyle Demis Hassabis ve John Jumper’a, protein tasarımı çalışmaları nedeniyle David Baker’a verildi.

Piyasa tarafında ilk büyük başlık 2020’de geldi. Exscientia ile Sumitomo’nun DSP-1181 molekülü "insanda denenen ilk yapay zekâ tasarımı ilaç" olarak duyuruldu. Molekül Faz 1’den sonra 2022’de durduruldu. Yapay zekâ keşif hızını artırabiliyor, ama ilacın insanda işe yarayıp yaramayacağını garanti etmiyor. Sonraki yılların klinik verisi de bu ayrımı doğruladı.

Protein yapı tahmini

Bir protein, amino asit denen yapı taşlarının uzun bir zinciridir. Zincir suda kendiliğinden katlanır ve belirli bir üç boyutlu şekil alır. Proteinin işlevi bu şekle bağlıdır. İlaç molekülü de proteinin yüzeyindeki bir cebe, yani bağlanma bölgesine oturarak etki eder. Şekil bilinmeden hangi molekülün cebe uyacağını tasarlamak zordur.

Şekli bulmanın klasik yolları X-ışını kristalografisi ve kriyo-elektron mikroskobudur. Bu yöntemler pahalı ve yavaştır. Bazı proteinler hiç kristallenmez. AlphaFold 2 ise yalnızca diziden yola çıkarak tahmin üretir. DeepMind ile Avrupa Biyoenformatik Enstitüsü’nün (EMBL-EBI) kurduğu AlphaFold Protein Yapı Veritabanı 2021’deki ilk sürümünde yaklaşık 350 bin model içeriyordu. Temmuz 2022 genişlemesiyle kayıt sayısı 214.684.311’e çıktı.

AlphaFold 2 tek bir proteinin şeklini tahmin ediyordu. İlaç keşfi için asıl gereken, proteinin ilaç molekülüyle birlikte nasıl durduğunu görmektir. Bu nedenle sonraki nesil ortak katlama (co-folding) modelleri, proteini, küçük molekülü, DNA’yı ya da başka bir proteini aynı anda modelleyerek bütün kompleksin yapısını tahmin eder. AlphaFold 3 bu nesli temsil eder. Kodu ve ağırlıkları Kasım 2024’te, Nobel’den birkaç hafta sonra yayımlandı.

Yayımlanma koşulları yatırımcı açısından önemlidir. Google DeepMind’ın kullanım şartlarına göre AlphaFold 3’ün kodu herkese açıktır. Model ağırlıkları ise yalnızca ticari olmayan kuruluşlara, başvuru üzerine verilir. Şartlar ticari kullanımı, ağırlıkların kurum dışına paylaşılmasını ve modelin çıktılarıyla başka yapı tahmin modelleri eğitilmesini yasaklar. Yani bir ilaç şirketi AlphaFold 3’ü kendi keşif hattında serbestçe kullanamaz. Ticari erişimin yolu Alphabet’in ilaç şirketi Isomorphic Labs’ten geçer.

Bu boşluğu açık kaynaklı rakipler doldurmaya başladı. Boltz-2 (Haziran 2025) yapı tahminine bağlanma gücü tahminini ekledi. Ön baskısı 20 Kasım 2025’te yayımlanan BoltzGen yeni bağlayıcı proteinler ve peptitler tasarlayabiliyor. İkisi de ticari kullanıma izin veren MIT lisansıyla dağıtılıyor. OpenFold3 Apache lisansına sahip. Chai Discovery’nin Chai-2 modeli ise sıfırdan antikor tasarımına odaklanıyor.

İş modelleri ve kimler yapıyor

AIDD şirketleri gelirini üç farklı yoldan kazanır. Bir şirket çoğu zaman bunların ikisini birden dener.

Platform ve hizmet modelinde şirket yazılım lisansı satar ya da müşterisi için ücret karşılığı molekül tasarlar. Schrödinger yazılım satıcısıdır, Çinli XtalPi ise robotik laboratuvarlarıyla CRO (sözleşmeli araştırma kuruluşu) modeline yakın bir hizmet şirketidir. Gelir daha düzenli, ama tavanı sınırlıdır.

Pipeline modelinde şirket kendi ilaç adaylarını geliştirir ve onları ya kendisi kliniğe taşır ya da bir büyük ilaç şirketine lisanslar. Recursion ve Insilico bu gruptadır. Değer, pipeline içindeki adayların klinik başarısına bağlıdır. Gelir parça parça ve öngörülemez biçimde akar.

Ortaklık modelinde şirket büyük ilaç şirketlerinin seçtiği hedefler üzerinde çalışır ve karşılığında peşin ödeme, kilometre taşı ödemesi ve royalti alır. Isomorphic Labs’in Ocak 2024’te Eli Lilly ve Novartis’le imzaladığı anlaşmalar bu modelin örneğidir. Novartis anlaşması Şubat 2025’te üç yeni programla genişledi. Ocak 2026’da Johnson & Johnson’ın üçüncü ortak olduğu bildirildi, koşulları açıklanmadı.

Büyük ilaç şirketleri de hesaplama gücünü kendi bünyesine çekiyor. Lilly ile NVIDIA, Ocak 2026’daki JP Morgan sağlık konferansında beş yılda 1 milyar dolara kadar yetenek, altyapı ve hesaplama yatırımı içeren bir ortak laboratuvar duyurdu. İki şirket deney ile modeli aynı döngüde birleştiren "lab-in-the-loop" yaklaşımını bu laboratuvarın merkezine koydu. Roche yönetimi 23 Nisan 2026’daki birinci çeyrek telekonferansında NVIDIA ile sektörün en büyük yapay zekâ fabrikasını kurduğunu söyledi. Bu yatırımların hammaddesi GPU kapasitesidir. Bu yüzden AIDD haberleri zaman zaman yarı iletken ve hiper ölçekleyici haberleriyle iç içe geçer.

Sermaye akışı da hız kesmedi. Isomorphic Labs 12 Mayıs 2026’da 2,1 milyar dolarlık B serisi yatırım turunu duyurdu. Turu Thrive Capital yönetti, Alphabet ve GV mevcut yatırımcı olarak katıldı, MGX, Temasek, CapitalG ve Birleşik Krallık’ın Egemen Yapay Zekâ Fonu yeni yatırımcı olarak girdi. Şirket parayı ilaç tasarım motoru IsoDDE’ye, küresel büyümeye ve kendi aday portföyüne harcayacağını açıkladı.

Klinik kanıt rakamlarla

AIDD’nin vaadini sınamanın en doğrudan yolu, bu yöntemle bulunan moleküllerin klinikte nasıl performans gösterdiğine bakmaktır. En çok alıntılanan çalışma Boston Consulting Group (BCG) ile Wellcome’un Nisan 2024’te Drug Discovery Today dergisinde yayımladığı analizdir (Jayatunga ve arkadaşları). Çalışma 2015-2023 arasında kliniğe giren yaklaşık 75 yapay zekâ kaynaklı molekülü inceledi.

Tablodaki ilk satır güçlü görünür. Faz 1 ağırlıklı olarak güvenliği ölçer. Yapay zekâ toksik molekülleri ayıklamada başarılı görünüyor. İkinci satır ise sınırı gösterir. Faz 2, ilacın hastalıkta işe yarayıp yaramadığını ilk kez sınar ve burada yapay zekâ kaynaklı moleküller sektör ortalamasından ayrışmıyor. Yazarlar örneklemin küçük olduğunu açıkça belirtiyor. Uçtan uca başarı olasılığının %5-10’dan %9-18’e çıkabileceği tahmini de ölçülmüş bir sonuç olmayıp bir modelleme çıktısıdır.

Mayıs 2026 itibarıyla molekülü ağırlıklı olarak üretken yapay zekâyla keşfedilmiş bir ilaç FDA onayı almış değil. Bu tanımla keşfedilmiş küçük moleküller içinde en ileri aday Insilico’nun TNIK inhibitörü rentosertibdir ve Faz 2a verisi açıklanmıştır. Biyolojik ilaçlarda Generate Biomedicines’in yapay zekâyla geliştirilmiş monoklonal antikoru GB-0895 Aralık 2025’te Faz 3’e girdi. Antikor, astımda iltihabı tetikleyen sinyal proteini TSLP’yi (timik stromal lenfopoietin) hedefliyor. "Kliniğe giren yapay zekâ ilacı" sayısı ise tanıma göre değişir. BCG’nin 75 civarındaki sayısı, hangi molekülün "yapay zekâ kaynaklı" sayılacağına dair kendi örnekleme kuralına dayanır.

Yapı tahmininin sınırları ve veri hendeği

AlphaFold’a verilen Nobel, kamuoyunda ilaç tasarımının çözüldüğü izlenimini yarattı. Akademik karşılaştırmalar daha temkinli bir tablo çiziyor. Sorun genelleme, yani modelin eğitim verisinde benzeri olmayan bir molekül ya da bağlanma cebiyle karşılaştığında ne yaptığıdır.

2025’te arXiv’de ön baskı olarak yayımlanan Runs N' Poses karşılaştırması, 2.600 protein-ligand kompleksini eğitim verisine benzerliklerine göre gruplara ayırdı. Benzerlik düştükçe ortak katlama modellerinin doğruluğu da düştü. Aralık 2025 tarihli bir bioRxiv çalışması, yeni ligand ve yeni ceplerde AutoDock Vina ve Attracting Cavities gibi fizik tabanlı yerleştirme (docking) yöntemlerinin ortak katlama modellerini geride bıraktığını buldu. Çalışmalara göre modeller cebi çoğu zaman doğru buluyor, ama molekülün cep içindeki duruşunu (pozunu) yanlış kuruyor. İlacın etkisi ise tam bu duruşa bağlıdır.

Sektörün sık alıntıladığı PoseBusters testinde ortak katlama modelleri tahminlerin yaklaşık dörtte üçünde molekülün duruşunu 2 angströmden küçük hatayla buluyor. PoseBusters ayrıca 18 ölçütle tahminin kimyasal olarak mümkün olup olmadığını denetler. Bu başarı oranı ağırlıkla bilinen ceplerden geliyor. Daha önce hiç ilaç bağlanmamış, sınıfında ilk (first-in-class) bir hedefte aynı oran beklenmemeli. Deep Origin adlı şirket de AlphaFold 3 makalesindeki ligand benzerlik eşiğinin makalede 0,85, teknik dokümanda 0,5 olarak verildiğine dikkat çekti. Eşik ne kadar gevşekse test seti eğitim setine o kadar benzer kalır ve doğruluk o kadar yüksek görünür. Bu eleştiri bir şirket blogundan geliyor ve hakemli bir yayın sayılmaz. Yine de bildirilen doğruluğu test setinin nasıl kurulduğunun da belirlediğini gösteriyor.

Bu sınırlar değerin nerede oluştuğunu da gösteriyor. Algoritmalar hızla açık kaynağa dönüşüyor. Kıt olan şey, ilaç şirketlerinin yıllar içinde biriktirdiği ve hiç yayımlamadığı deneysel yapı verisidir. Apheris’in yürüttüğü AISB Network bunun en somut örneği. AbbVie ve Johnson & Johnson kurucu üyeler, Astex, Bristol Myers Squibb ve Takeda Ekim 2025’te katıldı. Her şirket OpenFold3’ü kendi verisiyle kendi sunucusunda ince ayardan geçiriyor. Merkeze yalnızca model parametreleri gidiyor. Böylece 20.000’i aşkın özel yapı, hiçbir şirket verisini rakibine göstermeden ortak bir modeli eğitiyor. Apheris bu modelin kamuya açık modelleri ve tek şirketin ince ayarını geçtiğini söylüyor, ancak bu bir satıcı iddiası.

Aynı mantık açık modellerin iş modelini de şekillendiriyor. Boltz kamu yararı şirketi olarak kuruldu, Zetta, Amplify ve a16z’nin katıldığı 28 milyon dolarlık tohum turu topladı ve Pfizer’la çok yıllı bir ortaklık imzaladı. Ortaklıkta Boltz-2 ve BoltzGen Pfizer’ın verisiyle ince ayardan geçiriliyor. Boltz, kullanıcılarıyla rekabet etmemek için kendi ilacını geliştirmeyeceğini açıkladı. Bu bilgiler ikincil kaynaklara dayanıyor. Chai Discovery ise Haziran 2025’te Chai-2 için 52 hedefte, hedef başına en fazla 20 tasarımla yaklaşık %16 isabet oranı bildirdi. Önceki hesaplamalı yöntemlerde bu oran yaklaşık %0,1’di. Şirket 8 Ocak 2026’da Lilly’yle mali koşulları açıklanmayan bir ortaklık duyurdu. İsabet burada hedefe bağlanmak anlamına gelir. Antikorun üretilebilir olması, bağışıklık tepkisi yaratmaması ve hastalıkta işe yaraması ayrı sınavlardır ve %16’lık oran bunları ölçmez. Oran ayrıca hakemli bir dergide yayımlanmış değil.

AIDD lisans anlaşmaları ve kilometre taşı ödemeleri

AIDD şirketlerinin gelir tablosundaki en büyük kalem çoğu zaman büyük ilaç şirketleriyle yaptıkları lisans ve ortaklık anlaşmalarıdır. Bu anlaşmalar dört parçadan oluşur. Peşin ödeme (upfront) imza anında el değiştirir ve geri alınmaz. Kilometre taşı ödemeleri (milestones) belirli olaylara bağlıdır. Bunlar bir klinik fazın başlaması, ruhsat onayı ya da yıllık satışın belirli bir eşiği geçmesi olabilir. Royalti, ilaç satıldıkça satışın belli bir yüzdesi olarak ödenir. Opsiyon ise alıcıya bir adayı ileride lisanslama hakkı verir, ama zorunluluk getirmez. Basında duyurulan toplam değer, sektör dilinde "biobucks", bu parçaların hepsinin başarı halinde ödenecek tavanıdır.

Aşağıdaki tablo, kamuya açıklanmış başlıca AIDD anlaşmalarında peşin ödemenin başlık değerine oranını gösteriyor. Oran, peşin ödemenin peşin ödeme ile kilometre taşlarının toplamına bölünmesiyle bulundu. Royaltiler tutar olarak açıklanmadığı için hesaba girmedi. Tek istisna Menarini anlaşmasıdır, orada duyurulan toplam royaltileri de kapsıyor.

Hesapların ikisi örnek olarak açılabilir. Lilly’nin Isomorphic’e ödediği 45 milyon dolar, 1,7 milyar dolarlık kilometre taşlarıyla toplandığında başlık 1,745 milyar dolar olur. 45 bölü 1.745 yaklaşık 0,026, yani %2,6 eder. Insilico-Lilly anlaşmasında 115 bölü 2.750 yaklaşık 0,042, yani %4,2 eder.

Tablodan üç kalıp çıkıyor. Birincisi, platform erişimine dayanan anlaşmalarda peşin ödeme 30-50 milyon dolar bandında toplanıyor, başlık ise 1 milyar doları aşıyor. VLS’in anlaşma izleyicisi bu kümelenmeyi belgeliyor. İkincisi, belirli bir molekülün lisanslandığı anlaşmalarda oran yükseliyor. Insilico-Lilly anlaşmasındaki %4,2, Isomorphic anlaşmalarının yaklaşık 1,5 katı. Bunun nedeni, Lilly’nin Mart 2026’da platform erişiminin yanında preklinik aşamadaki ağızdan alınan moleküllerin dünya çapındaki münhasır lisansını da satın almasıdır. İki şirketin ilişkisi 2023’te araç erişimiyle başlamıştı. Üç yıl içinde varlık lisansına dönüştü. Üçüncüsü, en büyük başlıklar en düşük oranları taşıyor. XtalPi-DoveTree’nin 5,99 milyar dolarlık başlığı bilinen yapay zekâ anlaşmalarının en büyüklerinden biri, peşin ödemesi ise başlığın %1’inin altında. Alıcı DoveTree de büyük bir ilaç şirketi olmayıp özel bir yatırım aracıdır.

Başlık değerini parçalara ayırmak

Bir analistin bu anlaşmalarda yaptığı ilk iş, garanti nakdi koşullu nakitten ayırmaktır. Bunun için üç tuzağa bakılır.

İlk tuzak yakın vadeli ödemelerdir. XtalPi-DoveTree anlaşmasında 51 milyon dolarlık peşin ödemenin yanında 180 gün içinde ödenmesi beklenen 49 milyon dolarlık yakın vadeli ödeme var. İkisi birlikte 100 milyon dolar eder ve başlığın %1,7’sine çıkar. Ancak yakın vadeli ödeme belirli koşullara bağlıdır ve peşin ödemeyle aynı şey sayılmaz. Servier anlaşmasında açıklanan 32 milyon dolar da peşin ve yakın vadeli Ar-Ge ödemelerinin toplamı olarak verildi. Servier ayrıca Ar-Ge maliyetlerini paylaşıyor. Yani Insilico’nun kasasına giren paranın bir kısmı aslında birlikte yürütülen işin gider karşılığıdır.

İkinci tuzak satış kilometre taşlarıdır. AstraZeneca-CSPC anlaşmasının 5,33 milyar dolarlık toplamı 110 milyon dolar peşin, 1,62 milyar dolar geliştirme kilometre taşı ve 3,6 milyar dolar satış kilometre taşından oluşuyor. 3,6 bölü 5,33 yaklaşık 0,68 eder. Yani başlığın %68’i, ilacın onaydan sonra büyük satış eşiklerini de geçmesine bağlı. Bir ilacın klinikte başarılı olması bu paranın açılması için yetmez. İlacın çok satan bir ürüne dönüşmesi gerekir. Üstelik AstraZeneca anlaşmada adaylar için münhasır küresel lisans opsiyonları tutuyor, yani her adayı almak zorunda değil.

Üçüncü tuzak başarı olasılığıdır. Koşullu ödemelerin değeri, rNPV (risk ayarlı net bugünkü değer) yöntemindeki gibi gerçekleşme olasılığıyla çarpılarak bulunur. BCG’nin modellemesindeki %9-18’lik uçtan uca klinik başarı olasılığı kaba bir ölçü sağlar. AstraZeneca-CSPC’nin 3,6 milyar dolarlık satış kilometre taşlarını bu olasılıkla çarpmak bir üst sınır verir. 3,6 milyar dolar çarpı 0,18, 648 milyon dolar eder. 3,6 milyar dolar çarpı 0,09 ise 324 milyon dolar eder. Bu rakamlar henüz zamana göre indirgenmemiştir ve onaydan sonra satış eşiklerinin aşılma olasılığını hesaba katmaz. Gerçek beklenen değer bunların da altındadır. Aynı mantıkla, 5,33 milyar dolarlık başlığın garanti kısmı yalnızca 110 milyon dolardır.

Muhasebe tarafında bir ayrıntı daha var. Peşin ödeme her zaman imza çeyreğinde gelir yazılmaz. Şirketin karşılığında yerine getirmesi gereken bir iş varsa, örneğin ortak Ar-Ge yürütüyorsa, ödeme iş ilerledikçe dönemlere yayılarak gelir kaydedilir. Kilometre taşları ise gerçekleştikleri anda tek seferde gelir yazılır. Bu yüzden AIDD şirketlerinin çeyreklik gelirleri sert dalgalanır.

Başarısızlıklar ve tanım tartışması

Recursion, Exscientia ile birleşmesini Kasım 2024’te hisse takasıyla tamamladı. Birleşmeden yaklaşık altı ay sonra, Mayıs 2025’te portföyü gözden geçirdi. Fenomik platformundan çıkan iki klinik programı, serebral kavernöz malformasyon için REC-994’ü ve nörofibromatoz tip 2 için REC-2282’yi orta evre verilerinin ardından durdurdu. Clostridioides difficile enfeksiyonu için REC-3964’ü ise dışarıya lisanslamak üzere kenara ayırdı. Hisse 5 Mayıs 2025’te yaklaşık %13 düştü.

BenevolentAI ise halka açık bir AIDD platformunun nasıl özel şirkete dönebileceğini gösterdi. Şirket iki yıldan kısa sürede iki yeniden yapılanma geçirdi. 30 Haziran 2024 itibarıyla nakdi 38,1 milyon sterline inmişti. Osaka Holdings ile birleşmesi hissedarların %95’inden fazlasının onayını aldı ve hisse 13 Mart 2025’te Euronext Amsterdam’dan çıkarıldı.

Insilico’nun rentosertib verisi de dikkatli okunmayı gerektirir. Nature Medicine’de 2025’te yayımlanan GENESIS-IPF Faz 2a çalışması Çin’deki 22 merkezde 71 hastayla 12 hafta sürdü. Dört kol vardı, günde bir kez 30 mg, günde iki kez 30 mg, günde bir kez 60 mg ve plasebo. En yüksek doz kolunda akciğer kapasitesini ölçen FVC (zorlu vital kapasite) ortalama 98,4 mL arttı, plasebo kolunda 20,3 mL azaldı. Ancak çalışmanın birincil sonlanım noktası güvenlilikti, FVC keşifsel bir ölçüydü. Kol başına hasta sayısı da yaklaşık 15-18 idi. En sık yan etkiler ishal ve karaciğer fonksiyon bozukluğuydu, her biri %14,8 oranında görüldü. Bu sonuç etkinliği kanıtlamaz, bir sinyal olarak okunur. Şirketin 2024’te Nature Biotechnology’de yayımladığı makaleye göre molekül hedeften preklinik adaya yaklaşık 18 ayda ve yaklaşık 79 molekül sentezlenerek ulaştı. Bu hız iddiası yalnızca keşif aşamasını kapsar ve bağımsız olarak denetlenmiş değil. Klinikteki eleme oranını değiştirdiğine dair bir kanıt sunmaz.

Tanım sorunu da tartışmanın parçası. Takeda’nın TYK2 (tirozin kinaz 2) inhibitörü zasocitinib (TAK-279), Nimbus Therapeutics tarafından Schrödinger’in fizik tabanlı FEP platformu kullanılarak tasarlandı. Takeda molekülü 2023’te 4 milyar dolar peşin ödemeyle satın aldı. Sedef hastalığındaki olumlu Faz 3 sonuçları Ocak 2026 itibarıyla kamuya açıktı. Molekül onay alırsa "bilgisayarla tasarlanmış ilk ilaç" sayılabilir. Ama tasarımda üretken yapay zekâ yerine fizik tabanlı hesaplama kullanıldı. Generate’in GB-0895’i de benzer bir soruyu doğurur. TSLP, astımda başka ilaçlarla zaten doğrulanmış bir hedeftir. Yapay zekâ burada molekülü iyileştiriyor, yılda iki kez dozlamaya olanak veren uzun etkili bir antikor üretiyor, ama hedef riskini ortadan kaldırmıyor. Bir şirketin "ilk yapay zekâ ilacı" iddiası okunurken hangi adımın yapay zekâyla yapıldığı sorulmalıdır.

Mali tablolardaki tuzaklar

Insilico Medicine 30 Aralık 2025’te Hong Kong Borsası’nda (3696.HK) hisse başına 24,05 Hong Kong doları fiyatla işlem görmeye başladı ve yaklaşık 2,28 milyar Hong Kong doları, yani yaklaşık 293 milyon dolar topladı. Bireysel yatırımcı dilimi yaklaşık 1.427 kat fazla talep gördü. Bu, şirketin dördüncü halka arz denemesiydi. Şirketin 29 Mart 2026’da açıkladığı 2025 sonuçlarında UFRS’ye (Uluslararası Finansal Raporlama Standartları) göre net zarar 352,32 milyon dolar, 2024’te ise 17,10 milyon dolardı. Zarardaki bu sıçramanın yaklaşık 296,7 milyon doları, halka arzda hisseye dönüşen imtiyazlı payların gerçeğe uygun değer kaybıdır. Bu kalem nakit çıkışı doğurmayan bir muhasebe kaydıdır. Şirketin düzeltilmiş zararı 43,83 milyon dolar.

Insilico’nun geliri 2024’teki yaklaşık 85,8 milyon dolardan 2025’te 56,24 milyon dolara, yani %34,5 geriledi. Gelir karması da değişti. Pipeline geliştirme geliri %68,8 düşüşle 23,89 milyon dolara indi, ilaç keşif hizmet ücretleri 3,14 milyon dolardan 24,95 milyon dolara çıktı, yazılım geliri %23,8 artışla 4,91 milyon dolar oldu. Şirket 2025’i 393,34 milyon dolar nakitle kapattı. Gelirdeki dalgalanmayı büyük ölçüde dış lisans kilometre taşlarının hangi yıla düştüğü belirliyor.

XtalPi 25 Mart 2026’da açıkladığı 2025 sonuçlarında 802,6 milyon yuan gelir bildirdi, artış %201,2. İlaç keşif çözümleri 537,9 milyon yuana, yapay zekâ ve bilim çözümleri 264,7 milyon yuana ulaştı. Şirket 2024’teki 1,51 milyar yuanlık zarardan 134,6 milyon yuan net kâra geçti. Ancak şirketin kendi açıklaması bu dönüşün bir kısmının gerçeğe uygun değer kazancından geldiğini söylüyor. Faaliyet kârı 55,2 milyon yuanda kaldı. Şirket yılı 7,07 milyar yuan nakitle kapattı, 2026’daki dönüştürülebilir tahvil ihracından da 2,54 milyar yuan net kaynak sağladı.

Schrödinger 25 Şubat 2026’da 2025 için yaklaşık 256 milyon dolar toplam gelir açıkladı, artış %23. Bunun yaklaşık 200 milyon doları yazılımdan geldi, yazılım brüt marjı %74. İlaç keşif geliri 27,2 milyon dolardan 56,4 milyon dolara çıktı. Şirket 2026 için yazılımda 218-228 milyon dolar yıllık sözleşme değeri (ACV) rehberliği verdi, bu %10-15 artış demek. Şirket müşterilerini barındırılan (hosted) lisansa geçiriyor. Bu modelde gelir sözleşme süresine yayılarak kaydediliyor. Sonuç olarak raporlanan gelir büyümesi, ACV büyümesinin altında kalabiliyor. Fizik tabanlı bu şirket gelirinin çoğunu yazılımdan elde ediyor.

Recursion 6 Mayıs 2026’da açıkladığı 2026 birinci çeyrek sonuçlarında 6,5 milyon dolar gelir ve 87,9 milyon dolar Ar-Ge gideri bildirdi. Ar-Ge gideri bir yıl önceki 129,6 milyon dolardan %32, genel yönetim giderleri 54,7 milyon dolardan 34,6 milyon dolara, yani %37 geriledi. Net zarar 202,5 milyon dolardan 117,5 milyon dolara daraldı. Daralma maliyet kesintisinden geldi. Nakit ve kısıtlı nakit 31 Aralık 2025’teki 753,9 milyon dolardan 31 Mart 2026’da 665,2 milyon dolara indi, yani bir çeyrekte 88,7 milyon dolar azaldı. Şirket 2026 nakit yakımını 390 milyon doların altında tutmayı ve nakdin 2028 başına yetmesini hedefliyor. Şirketin kuruluşundan bu yana ortaklardan aldığı peşin ve kilometre taşı ödemelerinin toplamı 500 milyon doları aşıyor. Bu, şirketin tek yıllık yakımından biraz fazlası demektir. Pipeline’da kayıt amaçlı (registrational) çalışma henüz yok. En ileri aday REC-4881, ailesel adenomatöz polipozda (FAP) polip yükünü 13. haftada ortanca %43, 25. haftada %53 azalttı, 3. derece tedaviyle ilişkili yan etki oranı %15,8. Şirket düzenleyici yol için güncellemeyi 2026’nın ikinci yarısına bıraktı. REC-617 ve REC-3565 verileri 2027’nin ilk yarısında bekleniyor.