AI nella Genomica — Recursion Pharmaceuticals e la Phenomics su Scala

Cos'è: Recursion Pharmaceuticals, fondata nel 2013 a Salt Lake City, è la più nota tra le aziende che hanno costruito la propria tesi di drug discovery sulla phenomics — l'osservazione automatizzata e su scala industriale di come le cellule reagiscono a perturbazioni genetiche e farmacologiche. Anziché partire da un bersaglio molecolare ipotizzato, Recursion parte dalla fotografia: milioni di immagini di cellule trattate con migliaia di composti diversi, processate da reti neurali che imparano a riconoscere quali interventi producono il fenotipo desiderato.

Map of Biology: il dataset proprietario da 70+ petabyte

Il cuore di Recursion è quello che l'azienda chiama Map of Biology: una mappa funzionale del comportamento cellulare costruita perturbando geneticamente migliaia di linee cellulari, trattandole con migliaia di composti chimici, e fotografandole automaticamente con microscopi ad alto rendimento. Il risultato è un dataset proprietario di oltre 70 petabyte di immagini cellulari, ciascuna etichettata con la perturbazione applicata e una codifica del fenotipo osservato.

Su questo dataset Recursion addestra modelli di computer vision che imparano una rappresentazione vettoriale del fenotipo cellulare — un embedding in cui cellule con comportamento simile sono vicine nello spazio latente, indipendentemente da come quel comportamento sia stato indotto. Una volta che esiste questo embedding, si possono fare ricerche del tipo: "trovami un composto che produca lo stesso fenotipo di questa mutazione genetica patologica, ma in direzione opposta". È un capovolgimento del paradigma classico target-based che ha dominato la farmacologia per quarant'anni.

L'acquisizione di Exscientia: phenomics più target design

Nell'agosto 2024 Recursion ha annunciato l'acquisizione di Exscientia, spinout di Oxford specializzata nel design di molecole con AI generativa, per circa 688 milioni di dollari. L'operazione è strategica: Recursion eccelle nella biologia (capire quale fenotipo cellulare voglio modificare e perché); Exscientia eccelle nella chimica (progettare la molecola che produrrà quell'effetto rispettando i vincoli di drug-likeness, ADMET, brevettabilità). L'integrazione genera un'azienda che copre l'intero workflow, dal target alla molecola candidata.

Exscientia aveva già al suo attivo i primi candidati progettati con AI a entrare in clinical trial — un primato che è valso all'azienda copertine importanti e fiducia degli investitori. Insieme, Recursion e l'ex Exscientia dichiarano una pipeline di circa 10 candidati farmacologici in vari stadi di sperimentazione clinica, su patologie che vanno dall'oncologia alle malattie rare neurologiche.

I partner industriali: Roche, Bayer, NVIDIA

La validazione esterna del modello di business arriva dai contratti con i grandi gruppi farmaceutici. Roche ha firmato con Recursion un accordo da 300 milioni di dollari upfront più milestones per identificare candidati in neuroscienze e oncologia. Bayer ha siglato un'intesa da 50 milioni di dollari su patologie cardiache. Le big pharma riconoscono di non poter replicare internamente la scala e la velocità della pipeline phenomics e preferiscono pagare per accedervi.

Sul fronte computazionale, la partnership con NVIDIA ha portato alla costruzione di BioHive-2, un supercomputer dedicato con 627 GPU H100 ospitato presso il datacenter di Recursion. È uno dei più grandi cluster privati al mondo dedicati esclusivamente alla biologia computazionale. Il messaggio implicito è che oggi un'azienda farmaceutica seria non si misura solo in laboratori e ricercatori, ma anche in capacità di calcolo proprietaria.

Il panorama competitivo: Insilico, Insitro, Tempus, Deep Genomics

Recursion non è sola. Lo spazio dell'AI applicata alla scoperta di farmaci e all'analisi genomica è popolato da diversi attori con approcci complementari. Insilico Medicine, fondata da Alex Zhavoronkov, ha il primo farmaco interamente generato da AI in trial di Fase 2 per la fibrosi polmonare idiopatica. Insitro, fondata da Daphne Koller (co-fondatrice di Coursera e veterana del ML), si concentra su modelli predittivi della risposta dei pazienti basati su grandi dataset clinici.

Deep Genomics applica deep learning all'interpretazione delle varianti genetiche, identificando candidati per terapie RNA-based contro malattie rare. Tempus AI, fondata da Eric Lefkofsky (già Groupon), ha costruito un business sull'integrazione di dati di sequenziamento oncologico con cartelle cliniche elettroniche, supportando decisioni terapeutiche personalizzate in oncologia. La quotazione in borsa di Tempus nel 2024 ha portato l'AI in genomica al grande pubblico finanziario.

Cosa accomuna tutti questi attori, al di là delle differenze di approccio? La convinzione che la fase limitante della medicina moderna non sia più la chimica ma l'informazione: sapere quale molecola somministrare a quale paziente per ottenere quale risultato. Tutto il resto — sintesi, produzione, distribuzione — è risolto da decenni. Il bottleneck è cognitivo, e per la prima volta abbiamo strumenti che possono affrontarlo su scala industriale.

---