1. Définir la décision d'acquisition
La question de la transaction est de savoir si la cible possède une capacité de découverte reproductible, un portefeuille d'actifs thérapeutiques, un ensemble de contrats conditionnels ou une combinaison des trois. Chaque composant a une base de données factuelles, un modèle de risque, une exigence de capital et un chemin d'intégration différents. L’acheteur doit les définir avant de choisir une méthode d’évaluation ou de négocier une contrepartie.
Une revendication de plate-forme doit décrire un système d'exploitation et non un ensemble de technologies attrayantes. Le système commence par une question biologique définie et des intrants gouvernés. Il génère des hypothèses ou des molécules, sélectionne des expériences, reçoit des commentaires de laboratoire humide ou cliniques, met à jour des modèles sous contrôle des modifications et produit une décision qui fait avancer, redessine ou arrête un programme. La répétabilité nécessite des preuves comparables entre les programmes et au fil du temps.
Les actifs du pipeline sont des droits thérapeutiques spécifiques. Leur valeur dépend de la cible, de la modalité, de l'indication, de la différenciation, des preuves précliniques et cliniques, de la propriété intellectuelle, du processus réglementaire, du paysage concurrentiel, du coût restant, du contrôle du développement et des droits commerciaux. Un candidat prometteur peut être précieux sans prouver que la plateforme de découverte sous-jacente est reproductible.
Les partenariats créent un troisième périmètre de valeur. Les frais initiaux, le financement de la recherche, les paiements d'options, les étapes de développement, les étapes de vente, les redevances, les droits de co-développement et les obligations de coûts doivent être séparés. Un gros titre divulgué peut représenter des paiements conditionnels sur de nombreux programmes et décennies. Il ne doit pas être traité comme un revenu contractuel ou une valeur d’entreprise.
La thèse d'acquisition doit indiquer quelle valeur est actuelle, protégée, financée, conditionnelle et spécifique à l'acheteur. Il doit également montrer où la plateforme et le pipeline interagissent. Les preuves de plate-forme peuvent affecter la probabilité, le coût et le calendrier attribués aux actifs du pipeline. Le pipeline ne doit pas ensuite recevoir une seconde fois la même amélioration de plate-forme.
2. Construire une architecture plateforme-pipeline-partenariat
L'acheteur doit créer trois grands livres liés. Le grand livre de la plateforme enregistre les droits sur les données, les familles de modèles, les flux de travail scientifiques, les systèmes de laboratoire, les logiciels, les contrôles qualité, le personnel, les preuves de productivité et l'adoption externe. Le grand livre du pipeline enregistre chaque programme, droits, indication, étape, preuve, coût, calendrier, probabilité et valeur. Le grand livre du partenariat enregistre les aspects économiques et les responsabilités contractuelles exécutées.
Cette architecture empêche le transfert narratif. Une présentation peut citer un candidat au stade clinique comme preuve de la qualité de la plateforme, inclure la valeur ajustée au risque de ce candidat dans le pipeline et capitaliser la même preuve dans un multiple de la plateforme. Les grands livres obligent l'équipe à identifier les preuves précises et leur utilisation autorisée pour l'évaluation.
L'architecture doit également distinguer les actifs internes, en partenariat et vendus. Une cible peut conserver tous les aspects économiques d'un programme, une redevance dans un autre, un droit d'option dans un troisième et aucun droit après le transfert d'une découverte dans un quatrième. Le nombre de programmes est donc une mesure de valeur faible.
Les trois registres interagissent, mais chaque avantage économique doit avoir un lieu d’évaluation principal.
| Composant | Unité de preuve | Méthode principale | Principal risque de double comptabilisation |
|---|---|---|---|
| plate-forme | programme et flux de travail indépendants | flux de trésorerie supplémentaires, exonération des redevances ou économie de remplacement | le succès du pipeline est considéré comme une preuve de plate-forme et une valeur d'actif |
| canalisation interne | actif, indication et juridiction | valeur actuelle nette ajustée du risque | avantage de la plateforme intégré deux fois en probabilité ou en coût |
| pipeline en partenariat | programme contractuel | flux de trésorerie contractuel attendu | nombre total d'étapes principales traitées comme valeur gagnée |
| logiciels et services | cohorte de clients et contrat | approche basée sur le revenu et preuves de marché étayées | revenus de recherche traités comme des logiciels récurrents |
| données et modèles | droit régi et utilisation productive | revenu supplémentaire ou preuve de remplacement | coût historique traité comme valeur économique |
| synergie d'acheteur | initiative nommée et propriétaire | flux de trésorerie actualisés spécifiques à l'acheteur | inclus dans la valeur individuelle du vendeur et la prime d'acquisition |
Architecture de transaction proposée ; les droits et l’économie nécessitent une vérification au niveau du contrat.
3. Définir une plateforme de découverte reproductible
Une plateforme reproductible produit des preuves à travers des programmes indépendants, et pas seulement une utilisation répétée du même logiciel. L'acheteur doit identifier le contexte d'utilisation de chaque modèle : identification de la cible, prédiction de la structure, génération de molécules, prédiction des propriétés, toxicité, stratification des patients, conception des essais ou autre décision. Le cadre basé sur les risques de la FDA pour AI soutenant les décisions de développement de médicaments relie la crédibilité au contexte spécifique d'utilisation.[1] L'EMA met également l'accent sur l'utilisation prévue, la gouvernance des données, les performances des modèles et le contrôle du cycle de vie.[2]
La répétabilité nécessite un système de mesure stable. Pour chaque programme, la cible doit enregistrer l'hypothèse de départ, les données d'entrée, le modèle et la version, l'ensemble des candidats, la règle de sélection, les expériences, les échecs, les cycles de conception, le temps écoulé, le coût et la décision de progression. Les réclamations rétrospectives rassemblées après succès fournissent des preuves plus faibles que les dossiers régis à l'époque.
Le comparateur compte. Une plateforme doit être comparée à une alternative crédible pour le même problème. Une cible facile, une série de prospects hérités ou un ensemble de données inhabituellement riche peuvent donner l’impression qu’un flux de travail est productif. Les comparaisons doivent tenir compte de la modalité, de la difficulté cible, du point final, de l'étape et du travail transféré aux partenaires.
Les preuves les plus solides couvrent plusieurs équipes, cibles, modalités et périodes. Il comprend également les programmes terminés. Les données d'échec révèlent si le système reconnaît l'incertitude et arrête les travaux faibles. Une plateforme qui génère plus de candidats sans améliorer la sélection peut déplacer les coûts vers le bas.
4. Reconstruire la boucle conception-réalisation-test-apprentissage
La boucle opérationnelle doit être retracée depuis la décision jusqu’aux preuves. La conception peut impliquer des hypothèses cibles, des structures moléculaires, des séquences, des propriétés ou des expériences. Make comprend la synthèse, l’expression, la préparation de tests et l’ingénierie des données. Le test couvre les expériences informatiques et physiques. Apprendre signifie que les résultats gouvernés changent les modèles, les règles de sélection ou les décisions scientifiques.
L'acheteur doit mesurer le temps de cycle à chaque transition. Un modèle peut générer des structures en quelques minutes, tandis que la synthèse, la capacité d'analyse, la conservation des données ou l'examen scientifique prennent des mois. Le débit pertinent est constitué de décisions validées par unité de temps écoulé et de capital. La vitesse de calcul à elle seule ne garantit pas la productivité de l'entreprise.
L’intégration en laboratoire humide est un différenciateur potentiel et un centre de coûts. Les expériences automatisées peuvent créer des données propriétaires et raccourcir les itérations. Leur valeur dépend de la pertinence des tests, de la reproductibilité, de l’utilisation des capacités, de la maintenance, de la qualité des échantillons et de la capacité de transférer les opérations. Un laboratoire optimisé pour une modalité peut ne pas prendre en charge le portefeuille cible de l'acheteur.
L’apprentissage doit être démontré. L'équipe doit tester si l'erreur de prédiction, le taux de réussite, la sélectivité, la développabilité, le temps de cycle ou la qualité des décisions s'améliorent à mesure que les données gouvernées s'accumulent. Les versions de modèles et la lignée des expériences devraient permettre la reconstruction. Si chaque programme utilise des méthodes et des scientifiques sur mesure, l’entreprise pourrait devenir une organisation de recherche de haute qualité plutôt qu’une plateforme évolutive.
L’apprentissage productif nécessite des décisions, des expériences et des changements de modèles traçables sur des cycles complets.
5. Reproductibilité de la plateforme de test
La reproductibilité comporte des niveaux techniques, expérimentaux et organisationnels. La reproductibilité technique demande si les mêmes entrées, codes, artefacts de modèle et environnement produisent les mêmes résultats dans les limites d'une tolérance définie. La reproductibilité expérimentale demande si les résultats physiques peuvent être répétés selon des méthodes contrôlées. La reproductibilité organisationnelle demande si une autre équipe qualifiée peut faire fonctionner le système et prendre une décision étayée.
L’équipe de diligence doit reproduire un échantillon d’analyses matérielles, depuis les entrées brutes régies jusqu’aux sorties. Il devrait sélectionner les programmes qui ont réussi, qui ont échoué et qui sont actifs. La reproduction devrait utiliser une infrastructure documentée et du personnel ordinaire plutôt qu'une démonstration dirigée par le fondateur. Les différences doivent être classées et résolues.
Les récalcitrants potentiels fournissent des preuves plus solides de valeur prédictive que les références historiques reconstituées. Les ensembles de données publiques peuvent faciliter la comparaison, mais les fuites et la familiarité des références doivent être évaluées. Les données exclusives peuvent améliorer leur pertinence si elles sont légales, suffisamment volumineuses, bien annotées et représentatives. Le statut de propriété à lui seul ne garantit pas la qualité.
L'audit scientifique devrait remettre en question le seuil de décision. Un modèle peut améliorer une mesure tout en échouant au profil multiparamétrique requis pour un candidat-médicament. L’équipe doit examiner ensemble l’activité, la sélectivité, la pharmacocinétique, la sécurité, la fabricabilité et les exigences spécifiques à l’indication.
La construction de référence nécessite un soin particulier. Les composés de formation et de test peuvent partager des échafaudages, des cibles, des tests ou des antécédents de laboratoire d’une manière qui gonfle l’apparente généralisation. L’équipe de diligence doit examiner les divisions temporelles, les divisions d’échafaudage, les expériences prospectives et la réplication externe. Il doit conserver les données du dénominateur montrant chaque candidat généré, synthétisé, testé et avancé. Un taux de réussite calculé uniquement à partir de molécules sélectionnées ne peut établir la productivité de la plateforme.
L'incertitude devrait influencer l'action. La confiance calibrée, les contrôles du domaine d’applicabilité et l’abstention peuvent être plus précieux que les prédictions universelles. L'acheteur doit identifier comment l'incertitude modifie la sélection des expériences, la progression du programme et l'examen humain. Une plate-forme qui définit les limites et achemine les questions non prises en charge peut préserver le capital plus efficacement qu'une plate-forme qui produit des résultats confiants pour chaque cible.
| Couche | Test | Des preuves solides | Signal de panne |
|---|---|---|---|
| données | reconstruire la lignée et les droits | source gouvernée, transformations et autorisations | Corpus non documenté ou intransmissible |
| modèle | réexécuter les artefacts versionnés | sortie reproductible et incertitude calibrée | code, poids ou environnement indisponible |
| expérience | répéter les analyses de matériaux | répétition prédéfinie dans les limites de tolérance | résultat de laboratoire humide sélectif ou irréproductible |
| décision | reconstituer la sélection des candidats | critères et alternatives contemporains | récit de réussite assemblé après le résultat |
| programme | comparer des projets indépendants | amélioration sur des cibles variées | un vaisseau amiral porte la revendication de preuve |
| organisation | transférer le workflow vers une autre équipe | opération documentée sans secours par une personne clé | dépendance tacite du fondateur ou du scientifique |
Tableau de bord proposé ; les spécialistes scientifiques devraient définir des tests et des tolérances spécifiques au programme.
Notes de gestion illustratives de un à cinq ; les scores ne sont pas des références scientifiques ou des évaluations d’objectifs.
6. Les données de diligence comme atout économique
La valeur des données dépend des droits, de la pertinence, de la qualité, de l’unicité, de l’actualisation et de l’utilisation productive. L'acheteur doit identifier si les données sont détenues, sous licence, de source publique, générées pour les partenaires, dérivées du matériel du patient ou restreintes par consentement et contrat. Les droits d'utilisation des données pour une collaboration peuvent ne pas permettre la formation de modèles, la réutilisation commerciale ou le transfert en cas de changement de contrôle.
La provenance doit relier chaque enregistrement matériel à la source, à la méthode de collecte, au consentement ou à la licence, aux transformations, aux contrôles de qualité et aux obligations de suppression. Les données biologiques et chimiques nécessitent des unités, des conditions de test, des contrôles, des informations sur les lots et des résultats négatifs. Un vaste corpus avec des conditions expérimentales hétérogènes peut créer une fausse confiance.
Les données recueillies doivent être testées par ablation ou par des expériences comparatives lorsque cela est possible. La question est de savoir dans quelle mesure les performances ou la qualité des décisions changent lorsque l’ensemble de données différenciées est supprimé, vieilli ou appliqué à un autre programme. La valeur doit refléter la contribution productive et non le volume de stockage.
L'actualisation des données peut créer des coûts récurrents et une dépendance stratégique. Des bases de données externes, des partenaires cliniques, des laboratoires sous contrat et des fournisseurs de cloud peuvent être essentiels. L'acheteur doit modéliser les renouvellements, les changements de prix, la continuité du service, les droits d'exportation et la migration technique. Les modèles dérivés peuvent rester contractuellement contaminés même lorsque les données brutes sont supprimées.
7. Modèles de diligence, logiciels et calcul
L'inventaire des modèles doit inclure des modèles de base, des modèles spécifiques à des tâches, des méthodes basées sur la physique, des règles, des systèmes de classement et des points de décision humains. Chaque élément nécessite un objectif, un propriétaire, des données de formation, une version, des performances, une incertitude, une utilisation de déploiement, des dépendances et des critères de retrait. Les étiquettes marketing ne doivent pas remplacer les frontières techniques.
Le code source, les pondérations, les pipelines de fonctionnalités, les outils de simulation et les composants tiers doivent être mappés à la propriété et à la licence. Les obligations open source, les licences de recherche et les conditions du marché du cloud peuvent limiter le déploiement commercial. L'acheteur doit tester si un modèle critique peut fonctionner dans l'environnement attendu et si les données requises peuvent légalement voyager avec lui.
L’économie du calcul appartient au modèle de plate-forme. La formation, la simulation, l’inférence, le stockage et le déplacement des données peuvent être importants. La baisse du coût unitaire de calcul peut accroître l’utilisation tout en affaiblissant les allégations de rareté. L'objectif doit montrer la productivité par dollar et par décision plutôt que le nombre brut de processeurs.
La cybersécurité et l’intégrité de la recherche sont des contrôles de valeur. Le vol de modèles, l'empoisonnement des données, les fuites d'accès et les blocs-notes non reproductibles peuvent endommager le pipeline et les partenariats. Les processus d'identité, de ségrégation de l'environnement, de journalisation, de sauvegarde, de réponse aux incidents et de publication validée doivent couvrir la recherche ainsi que les systèmes de production.
La concentration des fournisseurs doit être modélisée explicitement. Un flux de travail de recherche peut s'appuyer sur un seul fournisseur de cloud, une architecture d'accélérateur, un modèle de base, un package de chimie ou un cahier de laboratoire électronique. L'acheteur doit identifier la portabilité, le coût de sortie, la continuité de la licence, les engagements de niveau de service et les restrictions à l'exportation. Un modèle techniquement transférable peut rester économiquement captif lorsque le recyclage des données, les noyaux spécialisés ou l'orchestration des flux de travail ne peuvent pas évoluer dans des conditions raisonnables.
La dette technique doit être séparée de l’incertitude scientifique. Les bibliothèques non prises en charge, les environnements incohérents et les pipelines non documentés peuvent être corrigés grâce à l'ingénierie. Des étiquettes faibles, des expériences confuses ou des résultats négatifs absents peuvent nécessiter de nouvelles connaissances scientifiques. Leur coût, leur calendrier et leur effet sur les réclamations de la plateforme diffèrent et doivent être indiqués séparément dans le plan d'intégration.
8. Diligence propriété intellectuelle et liberté d’exploitation
La diligence en matière de brevets devrait séparer les méthodes de plate-forme, les systèmes de génération de données, les compositions de matière, les utilisations, les formulations et la fabrication. Les allégations relatives à la composition et à l'utilisation liées à un candidat thérapeutique ont souvent une force exécutoire et une durée différentes de celles relatives à la méthode informatique. Les secrets commerciaux peuvent protéger les données, les paramètres et le savoir-faire du laboratoire si les contrôles préservent le secret.
L’inventaire et la propriété nécessitent un examen au niveau du programme. Des employés, des fondateurs, des universités, des hôpitaux, des consultants, des organismes de recherche sous contrat et des partenaires peuvent y avoir contribué. Les lacunes d’affectation ou la propriété intellectuelle de base peuvent restreindre l’utilisation. L'invention assistée par AI soulève des questions supplémentaires en matière de politique et de preuve, alors que les systèmes de brevets actuels nécessitent généralement des inventeurs humains.[29][30]
La liberté d’exploitation doit couvrir le produit prévu et le plan de développement. Un brevet de plateforme ne confère pas la liberté de développer un candidat. À l’inverse, le patrimoine brevet d’un candidat ne prouve pas que l’acheteur peut continuer à utiliser les systèmes informatiques et de laboratoire de la cible.
La transaction doit identifier les délais de poursuite, de maintenance, d'opposition, de litige, de publication et de confidentialité. L'intégration peut changer qui accède aux secrets commerciaux et quelles licences s'appliquent. Une équipe de nettoyage et des contrôles d'accès peuvent être nécessaires avant la fermeture.
9. Valoriser les actifs du pipeline un par un
Chaque programme thérapeutique doit comporter une fiche d'actifs couvrant la cible, la modalité, l'indication, le profil du produit, le stade, les preuves, la propriété intellectuelle, les droits, la concurrence, la voie réglementaire, le développement restant, les hypothèses de fabrication et commerciales. Les indications associées peuvent être modélisées séparément lorsque les données probantes et les aspects économiques diffèrent.
La valeur actuelle nette ajustée au risque doit utiliser des probabilités explicites pour les transitions d'étape pertinentes. Les probabilités de développement publiées peuvent éclairer le défi mais ne doivent pas remplacer l’évaluation spécifique aux actifs.[35][36] L'acheteur doit tester si la plateforme de la cible modifie une probabilité de transition particulière et si les preuves soutiennent l'ampleur.
Le coût restant comprend les engagements de découverte, précliniques, cliniques, réglementaires, chimiques, de fabrication, de contrôle et post-approbation. Le calendrier doit refléter l’inscription, les points finaux, les régulateurs, la fabrication et le financement. Un processus de découverte plus rapide peut avoir un effet limité lorsque le développement clinique domine en termes de temps et de capital.
La valeur concurrentielle doit se concentrer sur le profil du produit cible. Les allégations de première et de meilleure qualité nécessitent des preuves par rapport aux normes actuelles et attendues. Les cibles surpeuplées, les contraintes liées aux biomarqueurs, les stratégies de sécurité, de livraison et de combinaison peuvent modifier considérablement la valeur.
La corrélation du portefeuille devrait rester visible. Plusieurs candidats peuvent dépendre de la même hypothèse cible, de la même modalité, du même test, de la même technologie d'administration ou du même biomarqueur. Les considérer comme des options indépendantes peut surestimer la diversification. L’acheteur doit cartographier les modes de défaillance scientifiques et opérationnels courants et exécuter des scénarios de portefeuille qui suppriment l’intégralité d’un mécanisme, d’un composant de plateforme ou d’un partenaire.
La préparation à la fabrication peut devenir le risque majeur des actifs. Une molécule ou un produit biologique attractif sur le plan informatique nécessite toujours un processus robuste, des méthodes analytiques, des spécifications, une stabilité et un approvisionnement évolutif. Le plan de développement doit identifier le moment où les travaux de chimie, de fabrication et de contrôle entrent dans le chemin critique et si la cible possède le savoir-faire pertinent ou s'appuie sur un fournisseur contraint.
| Dimension | Preuve requise | Utilisation de la valorisation | Contrôle contre la double comptabilisation |
|---|---|---|---|
| droits | propriété, territoire, indication et charge | économie adressable | exclure les droits déjà accordés au partenaire |
| stade de développement | ensemble gouverné et interaction entre les régulateurs | probabilité de transition | utiliser la scène réelle, pas le récit de la plateforme |
| différenciation | profil du produit et preuves comparatives | prix, part et durée | séparer la qualité du candidat de la qualité du modèle |
| coût restant | plan d'étude, de fabrication et réglementaire | flux de trésorerie et financement | inclure les coûts d'exploitation de la plateforme une fois |
| timing | chemin critique et dépendances | période d'escompte et expiration de l'option | distinguer la vitesse de découverte du temps clinique |
| concours | alternatives approuvées et en développement | probabilité et valeur terminale | Actualisation à la date d'évaluation |
Structure proposée ; tous les apports scientifiques, probabilistes, financiers et commerciaux nécessitent un soutien spécifique aux actifs.
10. Séparez la preuve de plate-forme de la valeur du pipeline
Un événement de pipeline peut prendre en charge à la fois un candidat et la plateforme, mais les utilisations doivent être explicites. Un candidat atteint la nomination peut montrer qu'un flux de travail a terminé un cycle de découverte. Cela ne prouve pas le succès clinique ou la répétabilité. Une lecture clinique réussie affecte principalement cet actif à moins que la contribution causale de la plateforme à une décision de développement généralisable ne soit démontrée.
L'acheteur doit conserver un tableau d'attribution des preuves. Chaque événement reçoit un effet de valorisation principal et tout effet de plateforme secondaire est limité. Par exemple, une prédiction de structure validée peut renforcer la capacité d'un modèle tout en conservant la valeur commerciale de la molécule. Un exercice d'option de partenariat peut prendre en charge une validation externe et créer des flux de trésorerie contractuels ; la totalité du pool d’étapes futures reste conditionnelle.
La valeur de la plateforme peut être estimée à partir des données économiques incrémentielles du programme une fois que la valeur du pipeline a été calculée sans cet incrément. Si les preuves étayées indiquent moins de cycles de conception, un coût de synthèse inférieur ou une probabilité de qualité des candidats plus élevée, le bénéfice devrait figurer soit dans les hypothèses du programme, soit dans un flux de trésorerie distinct de la plateforme, et non dans les deux.
Lorsque les preuves restent rares, la plateforme peut être traitée comme une option ou un actif habilitant avec un examen par étapes. Cela préserve l'avantage sans convertir la répétabilité non vérifiée en valeur de clôture.
11. Reconstruire les partenariats et l’économie contingente
Les annonces de partenariat doivent être rapprochées des contrats signés. L'équipe doit identifier les programmes, les objectifs, l'exclusivité, la durée de la recherche, les travaux financés, les fenêtres d'options, le contrôle du développement, le partage des coûts, les étapes, les redevances, la résiliation, le retour des droits, la propriété des données et les dispositions en matière de changement de contrôle.
Les jalons potentiels principaux ne constituent pas des revenus contractuels. Ils peuvent exiger que chaque programme réalise chaque événement, inclure des seuils de vente lointains et exclure le coût des travaux. La valeur attendue doit utiliser les probabilités, le calendrier, les taxes, les coûts et le comportement des partenaires spécifiques au programme. Les droits d'option peuvent permettre à un partenaire de sélectionner uniquement les actifs les plus solides.
Le financement de la recherche doit être distingué de la marge. Il peut rembourser les scientifiques, les expériences et les infrastructures avec une contribution limitée. Les paiements initiaux peuvent compenser les licences, l’exclusivité, la recherche et les travaux antérieurs. La comptabilisation des revenus n'identifie pas en elle-même la valeur économique ou la pérennité de la trésorerie.
La concentration des partenaires est importante. Une plateforme avec plusieurs collaborations annoncées peut dépendre d’un groupe pharmaceutique ou d’un groupe restreint de décideurs. L'acheteur doit examiner les levées d'options, les extensions, les résiliations, les transferts de programmes, l'encaissement et la proportion de capacité interne réservée à chaque partenaire.
Montants entièrement hypothétiques en USD millions; les montants conditionnels sont pondérés par la probabilité et le temps et ne constituent pas des prévisions.
| Article économique | Preuve | Traitement de valorisation | Erreur courante |
|---|---|---|---|
| paiement initial | contrat, facture et espèces | reconnaître les droits et obligations acquis | traiter toutes les liquidités comme des revenus récurrents |
| financement de la recherche | plan de travail, coût et marge | contribution financée prévue | ignorer la capacité et les coûts de livraison |
| paiement d'option | termes de l'option et porte de décision | pondération de probabilité par programme | en supposant que chaque option soit exercée |
| étape de développement | définition et responsabilité de l'événement | probabilité et pondération temporelle | appliquer une probabilité de portefeuille |
| jalon des ventes | seuils et économie du produit | modèle après approbation et lancement | y compris le pool complet divulgué à la clôture |
| royauté | base, taux, déductions et durée | flux de trésorerie des produits ajustés au risque | application de redevances à une zone géographique sans propriétaire |
| droit au co-développement | partage des coûts et gouvernance | modéliser à la fois l’investissement et l’économie | valorisation de la participation aux bénéfices sans obligation de financement |
Carte de contrat proposée ; les examens comptables, juridiques et scientifiques doivent être conciliés.
12. Reconstruire l’économie des logiciels et des services de recherche
Certaines sociétés de découverte ont une activité commerciale de logiciels ; d'autres fournissent des services de recherche ou un accès à des plateformes. L'acheteur doit séparer les licences, les logiciels hébergés, les services professionnels, la recherche financée, les étapes importantes et les revenus liés au développement de médicaments. Leurs marges brutes, leurs schémas de renouvellement et leurs besoins en capital diffèrent.
Les rapports publics de Schrödinger séparent les segments des logiciels et ceux de la découverte de médicaments, illustrant pourquoi un multiple de chiffre d'affaires consolidé peut obscurcir l'économie.[12][13] L'acheteur doit rapprocher la valeur annuelle du contrat, les revenus reconnus, la facturation et la trésorerie par produit et par cohorte. Les transitions hébergées peuvent modifier le calendrier de reconnaissance sans modifier l’économie du contrat.
La concentration des clients, le renouvellement, l'expansion des sièges, l'utilisation, le coût du cloud, le support et les services scientifiques doivent être mesurés. Un produit logiciel utilisé dans les programmes clients peut prendre en charge la répétabilité et la validation du marché. Les projets sur mesure réalisés par des scientifiques peuvent évoluer différemment.
L’utilisation d’un pipeline interne ne devrait pas générer de revenus externes. Le modèle doit répartir les coûts d'exploitation de la plate-forme entre les clients commerciaux, les programmes en partenariat et les actifs internes à l'aide d'un pilote documenté. Cela permet de comparer l’économie du programme et la marge logicielle sans cacher les coûts dans la recherche centrale.
13. Concevoir le test de valorisation de la plateforme
La valeur de la plateforme doit être soutenue par un ou plusieurs canaux économiques observables. Les flux de trésorerie externes liés aux logiciels ou aux services peuvent être valorisés directement. La productivité interne peut être valorisée grâce à des réductions de temps, de coûts ou d'attrition dans un portefeuille de programmes défini. La création de partenariats peut créer une économie contractuelle. Le coût de remplacement peut éclairer la négociation lorsqu’il reflète les données légales, l’infrastructure, les personnes, le temps et le risque d’échec.
L’exonération des redevances nécessite une base et un taux de redevances crédibles. Cela peut être approprié pour une technologie pouvant faire l’objet d’une licence, mais une plate-forme utilisée uniquement en interne n’a pas de marché automatique de redevances. Les dépenses de recherche historique ne sont pas une valeur ; c'est une preuve d'investissement. Recréer le même code sans données, flux de travail, équipe et historique d'apprentissage peut s'avérer impossible, tandis qu'un travail coûteux peut toujours manquer d'utilité commerciale.
Le revenu supplémentaire doit être lié à la performance mesurée. Si une plateforme réduit de six mois un cycle de découverte défini, le modèle doit identifier les programmes concernés, les coûts d'exploitation requis, la probabilité de transfert et les conséquences économiques. Les avantages devraient cesser lorsque la technologie devient standard ou que l’avantage s’érode.
La valeur terminale de la plateforme nécessite des droits durables, des talents, la génération de données, l'adoption par le client ou le partenaire et la maintenance du modèle. Une évolution technique rapide peut raccourcir la durée de vie utile même lorsque le logiciel reste opérationnel. L'acheteur doit éviter d'appliquer un multiple logiciel perpétuel à une capacité de recherche dont l'avantage dépend d'un investissement scientifique continu.
La discipline en matière de date d’évaluation est essentielle. Les informations cliniques, brevets, concurrentielles, réglementaires et de partenariat peuvent évoluer rapidement. Le modèle doit distinguer les informations connues lors de la signature des événements ultérieurs et spécifier le processus de mise à jour avant la clôture. Un échec ultérieur du programme ne doit pas être caché par une remise générale sur la plateforme ; l’actif concerné et toute véritable lecture de la répétabilité doivent être réévalués séparément.
La reconnaissance comptable et la tarification des transactions répondent à différentes questions. La répartition du prix d'achat peut identifier la technologie, les contrats, la recherche et le développement en cours, les relations avec les clients ou la bonne volonté après la conclusion de l'accord commercial. Ces catégories peuvent éclairer l’analyse de la durée d’utilité et de la dépréciation, mais elles n’établissent pas le montant qu’un acheteur devrait payer ni ne suppriment la nécessité de tester le chevauchement entre les composants de valeur.
14. Construire la valorisation combinée
Le modèle combiné devrait commencer par des logiciels autonomes et des flux de trésorerie pour les services. Il devrait ajouter une valeur ajustée au risque du pipeline, actif par actif, des flux de trésorerie de partenariat par contrat et une économie incrémentielle de plate-forme non encore intégrée. Les actifs hors exploitation, les dettes, les droits de préférence et les obligations de transaction complètent le pont vers le produit des capitaux propres.
Le cas tout à fait hypothétique contient USD 22 million de revenus de logiciels et de recherche, dont USD 9 million représente des revenus de licences récurrents. Il compte six programmes internes, dont deux candidats au développement, et quatre collaborations. Après frais de livraison, de calcul, de laboratoire et de support imputables, l'activité commerciale contribue à USD 5 million avant recherche centrale, impôts et capital.
Le cas central attribue USD 42 million aux flux de trésorerie commerciaux pris en charge, USD 74 million aux actifs de pipeline internes, USD 28 million aux aspects économiques attendus du partenariat et USD 24 million à la productivité de la plate-forme qui n'est pas intégrée dans ces composants. La trésorerie nette ajoute USD 31 million. Le coût d'intégration et l'infrastructure dupliquée réduisent la valeur de USD 16 million. La valeur nette illustrative est USD 183 million.
Chaque montant est hypothétique. L’exemple est conçu pour exposer les hypothèses et le double comptage. Il ne s’agit pas d’une référence de marché, d’une prévision ou d’une opinion d’évaluation.
Montants entièrement hypothétiques en USD millions; chaque avantage possède un emplacement principal dans la valorisation.
15. Testez la sensibilité sans cacher la corrélation
Les risques liés à la plate-forme et au pipeline sont corrélés. Une mauvaise provenance des données peut affecter plusieurs programmes. La perte d’une équipe scientifique peut ralentir les actifs internes et le travail des partenaires. Un échec du modèle peut nuire à l’origination future. La sensibilité devrait donc inclure les cas négatifs partagés plutôt que de faire varier chaque programme indépendamment.
Les variables clés de la plate-forme incluent la reproductibilité, le taux de transfert, le débit du programme, les coûts d'exploitation et la durée de vie utile. Les variables du pipeline comprennent la probabilité de transition, le calendrier, les coûts de développement, la différenciation des produits et la durée du marché. Les variables du partenariat comprennent l'exercice des options, le calendrier des étapes, la résiliation du partenaire et le coût de livraison.
La sensibilité hypothétique fait varier la valeur du pipeline interne et l'incrément de plate-forme pris en charge. Il maintient constants les flux de trésorerie commerciaux, l’économie du partenariat, la trésorerie nette et les coûts d’intégration. Les cellules sont des scénarios arithmétiques et n’ont aucune implication sur le marché.
| Valeur du pipeline interne ; millions de dollars | Plateforme USD 10m | USD 20m | USD 30m | USD 40m |
|---|---|---|---|---|
| 45 | 140 | 150 | 160 | 170 |
| 60 | 155 | 165 | 175 | 185 |
| 75 | 170 | 180 | 190 | 200 |
| 90 | 185 | 195 | 205 | 215 |
Montants entièrement hypothétiques en USD millions; aucune cellule ne constitue une prévision ni une référence de marché.
Les cas de baisse devraient également montrer la liquidité et le financement. Un programme retardé peut nécessiter un nouveau tour avant un événement actif. Les droits de préférence et l’anti-dilution peuvent affecter le produit du vendeur. Le modèle d'acquisition doit indiquer quelle partie finance chaque plan de développement.
16. Choisissez une considération qui suit les preuves
La contrepartie finale doit refléter la valeur soutenue lors de la signature. La contrepartie conditionnelle peut concerner les événements du pipeline, les options de partenaires, le transfert de plateforme ou la rétention commerciale. Chaque étape nécessite un actif défini, un ensemble de preuves, un pouvoir de décision, une période d'observation et un processus de règlement des différends.
Un dépôt réglementaire est une activité ; l’acceptation, l’autorisation ou l’approbation est un événement plus fort. La nomination des candidats peut être définie par un profil de produit et un package reproductible. Les jalons de la plateforme peuvent nécessiter une reproduction indépendante du programme, une amélioration du cycle validée ou un renouvellement des partenaires. Les étapes de revenus doivent utiliser les liquidités collectées et la répartition des coûts convenue lorsque la marge est importante.
La valeur conditionnelle ne doit pas récompenser une accélération dangereuse ou un sous-investissement. Les clauses d'exploitation doivent préserver les décisions scientifiques, cliniques, de qualité et réglementaires appropriées. Les protections des vendeurs peuvent définir des ressources et des consultations minimales tout en conservant le pouvoir de l'acheteur d'arrêter un programme pour des raisons documentées.
La prise en compte des actions peut aligner la valeur à long terme, mais transfère les risques de marché et d’intégration. Escrow peut concerner le titre, les droits, la provenance des données ou l’exposition contractuelle connue. Une licence, une option ou une acquisition par étapes peuvent être appropriées lorsque la répétabilité de la plateforme reste à prouver.
17. Traduire la diligence en protections des transactions
Les représentations doivent couvrir l'autorité de l'entreprise, la propriété intellectuelle, la qualité d'inventeur, les droits sur les données, la confidentialité, l'open source, les dossiers scientifiques, le statut réglementaire, les travaux cliniques, les partenariats, les subventions, la cybersécurité, les contrôles des exportations et les mesures financières. Les calendriers doivent identifier les versions du programme et du modèle plutôt que de s'appuyer sur des qualificatifs de connaissances généraux.
Les conditions peuvent inclure la cession des droits essentiels, le consentement du partenaire ou du concédant de licence, la livraison d'objets modèles, la fermeture d'un écart de provenance matérielle, la reproductibilité d'une analyse définie et la rétention du personnel critique. Les conditions devraient se concentrer sur les questions requises pour une propriété légale ou une exploitation viable.
Les clauses provisoires devraient contrôler les versions de modèles importants, la publication, les actions en matière de brevets, la résiliation du programme, les nouvelles charges, les modifications des partenaires, l'accès inhabituel aux données et la perte d'infrastructure clé. Le travail scientifique ordinaire devrait se poursuivre dans un cadre de changement convenu.
L’indemnisation et l’assurance doivent refléter la récupérabilité et la durée. Le risque connu lié au pipeline appartient au prix ou à la contrepartie conditionnelle. Le titre, la faute délibérée et les données spécifiées ou l'exposition au brevet peuvent nécessiter un traitement distinct. Le comité doit cartographier chaque lacune matérielle en une seule réponse principale afin que le même problème ne soit pas déduit, séquestré et exclu de la valeur sans explication.
| Lacune en matière de preuves | Réponse à la valorisation | Protection | Communiquer des preuves |
|---|---|---|---|
| plateforme éprouvée sur un seul programme | limiter l'incrément de la plateforme | examen par étapes | reproduction indépendante du programme |
| droits peu clairs sur les données de formation | exclure l'utilisation concernée | état, séquestre et indemnité | droits transférables vérifiés |
| preuve du candidat incomplète | actif pondéré en probabilité | étape importante du programme | paquet de développement gouverné |
| les grandes étapes sont très contingentes | flux de trésorerie du contrat à valeur attendue | complément de prix lié à l'événement collecté | paiement du partenaire reçu |
| flux de travail d'une personne clé | remise de continuité | plan de rétention et de transfert | une équipe qualifiée fonctionne de manière indépendante |
| dépendance de calcul ou de laboratoire | inclure le coût de la migration | engagement de service et soutien à la transition | environnement de remplacement testé |
| réclamations de valeur qui se chevauchent | attribuer l'avantage une seule fois | calendrier d'évaluation | grands livres rapprochés approuvés |
Matrice proposée ; la rédaction juridique et les recours restent spécifiques à la transaction.
18. Concevoir l’intégration autour de la continuité scientifique
L'intégration peut détruire la base de données probantes en modifiant l'accès aux données, l'environnement du modèle, les méthodes de laboratoire, les équipes scientifiques ou les priorités des programmes. La conception dès le premier jour doit préserver les systèmes critiques et les enregistrements de décisions. Une synergie de coûts devrait suivre un remplacement validé.
L'architecture cible doit classer les fonctionnalités comme conservées, connectées, migrées ou retirées. Preserve s’applique là où la plateforme et les contrôles qualité restent productifs. Connect utilise des interfaces gouvernées et des droits de décision partagés. Migrez les modèles de transfert, les données ou les expériences après des tests correspondants. La retraite fait suite à la confirmation que les obligations, la provenance et les documents scientifiques restent accessibles.
La migration des données doit conserver les identifiants, les unités, les conditions de test, la lignée, les autorisations, l'état de suppression et les résultats négatifs. La migration du modèle doit conserver le code, les poids, les dépendances, les graines, les hypothèses matérielles et les performances. La migration des laboratoires doit comparer les protocoles, les équipements, les contrôles et les résultats.
La gouvernance du programme doit rester spécifique aux actifs. Un comité de portefeuille combiné peut prioriser le capital, mais il doit enregistrer si une décision d'arrêt reflète une faiblesse scientifique, un chevauchement stratégique, un financement ou une capacité. Cette distinction est importante pour l’apprentissage sur plateforme et les paiements conditionnels.
L’intégration destinée aux partenaires nécessite un flux de travail distinct. Les partenaires pharmaceutiques peuvent disposer de droits d'audit, de sécurité, de personne clé, de sous-traitance, de publication et de changement de contrôle. L'acheteur doit présenter un plan de continuité, conserver les équipes convenues et obtenir les consentements avant de déplacer des données ou des travaux. Une sauvegarde d’intégration qui entraîne l’arrêt du programme peut détruire plus de valeur qu’elle n’en libère.
Les dossiers de recherche doivent rester prêts à être inspectés. Les cahiers électroniques, les identifiants d'expériences, les échantillons, les artefacts de modèles, les décisions, les écarts et les approbations doivent survivre à la migration avec une piste d'audit. L'organisation combinée doit tester la récupération d'un programme actif, d'un programme terminé et d'un programme terminé avant de déclarer le transfert d'enregistrement terminé.
19. Conserver le système d’exploitation scientifique
La valeur de la plateforme peut dépendre des scientifiques qui relient la biologie, la chimie, le calcul, les expériences et le développement. L'acheteur doit cartographier les décisions critiques, les relations et les connaissances tacites. Les titres de poste et le nombre de publications sont insuffisants.
La rétention doit être associée au transfert. Le plan doit documenter la conception du modèle, les décisions en matière de données, l'historique des tests, les hypothèses infructueuses, les engagements des partenaires, la justification du programme et les interactions réglementaires. L'autorité, l'accès et les droits de signature doivent être soumis à des procédures contrôlées.
Les fondateurs peuvent incarner la crédibilité externe et l’arbitrage interne. L'acheteur doit tester si la gouvernance scientifique fonctionne sans son intervention. Un examen indépendant, des enregistrements reproductibles et des droits de décision clairs réduisent la concentration.
Les incitations doivent préserver un arrêt rigoureux ainsi qu’une progression. Les équipes récompensées uniquement pour les nominations de candidats peuvent augmenter le débit de mauvaise qualité. Des mesures équilibrées peuvent inclure la reproductibilité, l’amélioration du cycle, la qualité du programme, la prestation des partenaires, la documentation et la discipline du capital.
20. Attribuer une synergie avec des preuves
Une synergie spécifique à l'acheteur peut résulter des cibles, des données, des laboratoires, du développement clinique, de la distribution, de la fabrication et du capital. Chaque synergie a besoin d'un propriétaire nommé, permettant l'investissement, les preuves, le calendrier et le risque. L’accès à un large portefeuille ne prouve pas que la plateforme cible puisse le servir.
L’accélération du programme doit identifier le goulot d’étranglement exact supprimé. Le test, la bibliothèque de molécules ou l'expertise d'un acheteur en matière de maladies peuvent améliorer une étape définie. Le modèle devrait éviter d’affirmer à la fois un développement plus rapide et une probabilité plus élevée sans preuves distinctes.
La combinaison de données nécessite des droits et une compatibilité. Des données plus volumineuses peuvent améliorer l’apprentissage, révéler l’hétérogénéité ou créer une charge d’intégration. L'équipe doit tester un cas d'utilisation limité et mesurer l'amélioration des décisions avant de capitaliser sur un vaste effet de réseau de données.
La synergie des coûts devrait distinguer les coûts dupliqués pour l’entreprise de la capacité productive de la plateforme. La suppression des rôles de laboratoire, d'ingénierie ou scientifiques peut réduire le débit et la prestation des partenaires. Le grand livre de synergie doit montrer le contrôle ou le processus qui remplace chaque activité supprimée.
21. Gouverner les risques liés à la réglementation et au cycle de vie des modèles
AI utilisé pour soutenir les décisions réglementaires doit être régi en fonction de son contexte d’utilisation et de son risque. Le projet de lignes directrices de la FDA propose un cadre de crédibilité, et les principes FDA-EMA mettent l'accent sur une conception centrée sur l'humain, un contexte clair, une gouvernance des données, une évaluation des performances et une gestion du cycle de vie.[1][3] L'acheteur doit déterminer quels modèles génèrent des preuves utilisées dans les soumissions et comment les modifications sont contrôlées.
Les modèles utilisés uniquement à des fins de recherche exploratoire peuvent toujours affecter la sélection des candidats et l'allocation du capital. La gouvernance doit être proportionnée et doit préserver la traçabilité des données, la gestion des versions, les performances, l'incertitude, l'examen humain et les enregistrements de décisions. Un label de recherche ne doit pas excuser l’irreproductibilité.
Les résultats génératifs nécessitent une validation scientifique. Les molécules ou les hypothèses doivent être examinées en termes de faisabilité, de nouveauté, de sécurité et de fabricabilité. Le système doit enregistrer les résultats rejetés et les raisons. Cela protège l’apprentissage et permet de distinguer la productivité de la plateforme de la présentation sélective.
La gouvernance post-regroupement devrait établir des propriétaires pour chaque modèle matériel, ensemble de données, programme et livrable de partenaire. Le contrôle des changements doit identifier les conséquences en matière de validation, de réglementation, de brevet, de contrat et d’évaluation. Une plateforme reste précieuse grâce à une évolution contrôlée plutôt qu’à une technologie figée.
22. Exécuter un programme de 180 jours fondé sur des preuves
Les jours un à trente devraient préserver les données, les modèles, les opérations de laboratoire, la livraison des partenaires, les décisions de programme, les délais de brevet et la cybersécurité. La gouvernance, l’accès, les restrictions de changement et la couverture des personnes critiques doivent être établis. L’argent liquide, les contrats et les droits sur les programmes doivent être conciliés.
Les jours trente à soixante-dix devraient reproduire des analyses et des expériences sélectionnées, compléter les registres de la plate-forme et du pipeline, valider les droits, reconstruire l'économie du partenariat et confirmer les plans de développement au niveau des actifs. L’équipe doit identifier les domaines dans lesquels l’évaluation s’appuie sur des preuves partagées.
Les jours soixante-dix à cent vingt devraient tester l'intégration limitée : une connexion de données, un environnement modèle, un transfert de laboratoire et une décision de programme conjointe. Les défauts doivent être résolus avant une migration à grande échelle. Les cohortes commerciales et de services de recherche devraient être examinées pour déterminer les coûts de prestation et de renouvellement.
Les jours cent vingt à cent quatre-vingts devraient assaisonner les flux de travail transférés, confirmer les performances des partenaires, mettre à jour les probabilités du programme, valider la synergie et libérer la valeur contingente uniquement lorsque les preuves convenues sont transmises. Le conseil d’administration devrait recevoir un rapprochement des valeurs et un plan de capital.
Le calendrier doit suivre les dépendances scientifiques, contractuelles, réglementaires et opérationnelles.
| Grille | Preuve | Décision | Réponse à l'échec |
|---|---|---|---|
| continuité | systèmes, droits, personnes et prestation des partenaires stables | préserver les opérations | restreindre les modifications et activer le repli |
| reproduction | modèles sélectionnés et expériences répétées | accepter la base de preuves | réduire la valeur de la plateforme et remédier |
| allocation | rapprochement des grands livres de la plateforme, du pipeline et des contrats | approuver la cartographie de valorisation | supprimer l'avantage en double |
| intégration limitée | le flux de travail transféré répond à la tolérance | étendre la migration | isoler et repenser |
| assaisonnement | les résultats du programme, des partenaires et commerciaux persistent | libérer la synergie | prolonger l'observation ou retarifier |
| libération de valeur | preuves d'étapes contractuelles terminées | payer une valeur conditionnelle | contester ou refuser selon les conditions convenues |
Séquence de gouvernance proposée ; la responsabilité spécifique à la transaction doit être documentée.
23. Décision et conclusion
AI Les acquisitions liées à la découverte de médicaments nécessitent une séparation disciplinée des capacités, des actifs et des contrats. Une plateforme est précieuse lorsqu’elle convertit de manière répétée des questions biologiques gouvernées en décisions mieux validées dans le cadre de programmes indépendants. Un candidat est précieux lorsque ses droits, ses preuves, sa différenciation, son plan de développement et ses aspects économiques soutiennent des flux de trésorerie ajustés au risque. Un partenariat est précieux dans la mesure où les conditions exécutoires créent des travaux financés, des paiements d'options, des jalons, des redevances ou des droits stratégiques.
L'acheteur doit reconstruire la boucle conception-réalisation-test-apprentissage, reproduire le travail sélectionné, valider les données et les droits de propriété intellectuelle et mesurer la productivité du cycle complet. Il devrait évaluer chaque programme thérapeutique séparément et concilier chaque partenariat, du contrat à l'argent collecté. Les avantages de la plateforme doivent être intégrés au modèle une seule fois.
La valeur de clôture peut inclure les flux de trésorerie commerciaux pris en charge, la valeur ajustée en fonction du risque du pipeline, les paramètres économiques attendus du partenariat et un incrément limité de la plateforme. La répétabilité non prouvée, les indications futures et les effets de réseau étendus peuvent être préservés grâce à des jalons, des options ou une propriété échelonnée.
L'intégration doit protéger le système d'exploitation scientifique avant de rechercher des économies de coûts. Les données, les modèles, les méthodes de laboratoire, les personnes, l'historique des décisions et les obligations des partenaires nécessitent un transfert contrôlé. Les arrêts de programme doivent rester traçables scientifiquement et contractuellement.
La question décisive n’est pas de savoir si l’intelligence artificielle a contribué au succès d’une molécule. Il s'agit de savoir si le système acquis peut légalement et de manière reproductible créer de meilleures décisions dans l'ensemble du futur portefeuille de l'acheteur, après avoir pris en compte le coût des données, du calcul, des expériences, des personnes, de la gouvernance et du capital. Ces preuves déterminent si l’acheteur acquiert une plateforme, un pipeline ou un récit coûteux reliant les deux.
Sources
- Food and Drug Administration des États-Unis, Considérations sur l'utilisation de l'intelligence artificielle pour soutenir la prise de décision réglementaire relative aux médicaments et aux produits biologiques Lire la source principale
- Agence européenne des médicaments, Document de réflexion sur l'utilisation de l'intelligence artificielle dans le cycle de vie des médicaments Lire la source principale
- Food and Drug Administration des États-Unis, Principes directeurs de bonnes pratiques AI en matière de développement de médicaments Lire la source principale
- L'Agence européenne des médicaments, l'EMA et la FDA établissent des principes communs pour AI dans le développement de médicaments Lire la source principale
- Food and Drug Administration des États-Unis, Utilisation de l'intelligence artificielle et de l'apprentissage automatique dans le développement de médicaments et de produits biologiques Lire la source principale
- Conseil international pour l'harmonisation, E6 Bonnes pratiques cliniques Lire la source principale
- Conseil international pour l'harmonisation, E8 Considérations générales pour les études cliniques Lire la source principale
- Conseil international pour l'harmonisation, E9 Principes statistiques pour les essais cliniques Lire la source principale
- Securities and Exchange Commission des États-Unis, Recursion Pharmaceuticals 2024, formulaire 10-K Lire la source principale
- Exposition d'achèvement de la combinaison de la Securities and Exchange Commission des États-Unis, de Recursion et d'Exscientia Lire la source principale
- Présentation des transactions Recursion et Exscientia de la Securities and Exchange Commission des États-Unis Lire la source principale
- Securities and Exchange Commission des États-Unis, formulaire Schrödinger 2025 10-K Lire la source principale
- Schrödinger, résultats financiers annuels 2025 Lire la source principale
- Securities and Exchange Commission des États-Unis, rapport annuel de l'Absci et divulgations de la plateforme intégrée de création de médicaments Lire la source principale
- Securities and Exchange Commission des États-Unis, prospectus d'offre publique d'Absci Lire la source principale
- Isomorphic Labs, collaboration de recherche stratégique avec Novartis Lire la source principale
- Isomorphic Labs, collaboration de recherche stratégique avec Eli Lilly Lire la source principale
- Google DeepMind, AlphaFold Lire la source principale
- Instituts nationaux de la santé, PubChem Lire la source principale
- Institut européen de bioinformatique, ChEMBL Lire la source principale
- Banque de données sur les protéines RCSB Lire la source principale
- Définitions de la Food and Drug Administration des États-Unis, développement et examen des médicaments Lire la source principale
- Food and Drug Administration des États-Unis, demande de nouveau médicament expérimental Lire la source principale
- Agence européenne des médicaments, Conseil scientifique et assistance protocolaire Lire la source principale
- ClinicalTrials.gov, registre des études Lire la source principale
- Organisation mondiale de la santé, Plateforme d'enregistrement international des essais cliniques Lire la source principale
- Organisation mondiale de la propriété intellectuelle, Intelligence artificielle et propriété intellectuelle Lire la source principale
- Organisation Mondiale de la Propriété Intellectuelle, PATENTSCOPE Lire la source principale
- Office des brevets et des marques des États-Unis, Inventorship Guidance for AI-Assisted Inventions Lire la source principale
- Office européen des brevets, Intelligence artificielle et apprentissage automatique Lire la source principale
- Commission fédérale du commerce des États-Unis et ministère de la Justice, Lignes directrices sur les fusions 2023 Lire la source principale
- Commission européenne, Lignes directrices sur l'évaluation des fusions horizontales Lire la source principale
- Autorité britannique de la concurrence et des marchés, Lignes directrices pour l'évaluation des fusions Lire la source principale
- Commission fédérale du commerce des États-Unis, programme de notification préalable à la fusion Lire la source principale
- Wong, Siah et Lo, Estimation des taux de réussite des essais cliniques et des paramètres associés, Biostatistique Lire la source principale
- Organisation d'innovation en biotechnologie, taux de réussite du développement clinique et facteurs contributifs Lire la source principale
- Administration américaine des produits alimentaires et pharmaceutiques, Projet Optimus Lire la source principale
- Food and Drug Administration des États-Unis, programme de réunions jumelées pour le développement de médicaments fondés sur des modèles Lire la source principale
- Institut national des normes et technologies, AI Cadre de gestion des risques Lire la source principale
- Organisation internationale de normalisation, systèmes de gestion de l'intelligence artificielle ISO IEC 42001 Lire la source principale
- Organisation internationale de normalisation, systèmes de gestion de la sécurité de l'information ISO 27001 Lire la source principale
- Fondation IFRS, IFRS 3 Regroupements d'entreprises Lire la source principale
- Fondation IFRS, IAS 38 Immobilisations incorporelles Lire la source principale
- Fondation IFRS, IFRS 13 Évaluation de la juste valeur Lire la source principale
- Conseil des normes de comptabilité financière, Regroupements d'entreprises, sujet 805 Lire la source principale
- Conseil des normes internationales d’évaluation, Normes internationales d’évaluation Lire la source principale
- OCDE, Recommandation du Conseil sur l'intelligence artificielle Lire la source principale
- OCDE, Recommandation sur la gouvernance des données de santé Lire la source principale
- Union européenne, Loi sur l'intelligence artificielle Lire la source principale
- Union européenne, Règlement général sur la protection des données Lire la source principale
