数据分析与知识发现
    主页 > 综合新闻 >

大数据时代下的“华生态” 华大基因的全产业链

长江商报消息近日,基因测序龙头企业华大基因(300676)三项增持计划均已完成,成近期增持最多的上市公司,备受市场关注。据悉,三项增持涉及公司实际控制人、部分董事、监事、高级管理人员、核心骨干人员及控股股东华大控股核心管理团队,总增持金额超过1.9亿元,实际控制人、董事长汪建增持超过1亿元。华大基因此次在A股市场波动之际,基于对公司未来发展前景的坚定信心以及对公司价值的认可,管理层们以实际行动,用“真金白银”向投资者传递信心。

为什么华大人如此看好公司未来发展?或许我们可以从分析华大基因投资布局这个角度得到部分的答案。 要深入了解华大基因目前的投资布局进展及其未来可能取得的成效,我们可以从“被投企业情况总结”以及“华大基因投资之道的归纳”两个方面进行剖析。

首先我们可以从分析被投企业的特点着手,通过详细的梳理后我们得到如下几个关键词:华生态、行业颠覆者、业务协同。

向初创公司吉因加科技投1.28亿

华大在基因行业有着“黄埔军校”的美誉,18年来,近百名怀揣梦想的前华大人,从华大成功毕业后,加入基因行业的创业大军,建立了大大小小的“华创”。想要为老百姓提供更好更多的健康解决方案,仅凭华大一己之力是远远不够的,唯有联合产业内其他优秀企业,一同打造多赢的行业生态圈才是最佳解决之道。华大对于 “华创” 始终秉持开放、合作、共赢态度,并以实际行动给予大力呵护与扶持。华大通过投资“华创”开始构建“华生态”,比如华大基因已累计向“肿瘤基因检测领域的明星初创公司--吉因加科技”投资1.28亿元;另向“消费级基因组领域的明星初创公司-早知道科技(WeGene)”投资3,500万元等等。华大基因要构建自己的生态圈,一方面通过投资前华大人创立的优质新创企业,另一方面我们也看到华大基因的投资不止步于华大人,而是从华大人这个小圈不断往外延伸,投资更趋于开放之势。

收购基因合成领域标杆企业青兰生物

上述两家明星初创企业在自身细分领域均属于行业颠覆者,另外我们也留意到,华大基因在2018年宣布收购了基因合成领域的标杆企业青兰生物,青兰生物是参与合成酵母基因组计划的中国企业,而合成酵母基因组计划曾入选2017年中国科学十大进展,该计划是合成生物学以及生物技术领域的一个重要里程碑,标志着真核生物人工合成的重大突破,合成生物学是继“DNA双螺旋发现”和“人类基因组测序计划”之后,以基因组设计合成为标志的第三次生物技术革命,作为引领生物技术产业化发展的核心技术。毫无疑问,这项收购无疑巩固了华大基因作为行业颠覆者的地位。

共建全基因组智能云端数据生产线

产业战略投资者并非像单纯的基金财务投资人只是追求简单的财务回报,而是更多带着基于战略业务协同的考量。华大基因的战略投资亦不例外。

2017年5月,华大基因战略投资英国知名生物信息分析服务提供商康剑尼科(Congenica)后,并与其达成战略合作协议。华大基因还将在其基因云平台BGI Online?上部署康剑尼科研发的在线临床基因组分析软件系统Sapientia?,此次整合将为BGI Online?平台增加国际领先的基因数据解读能力, 配合BGI Online?上成熟的基因组极速分析流程,将为BGI Online?的用户提供一站式完成基因数据分析解读的完整体验,实现从基因信息到临床知识的转化,为罕见病研究者及临床工作者们提供新的解决方案。

2017年12月,华大基因战略投资“业界领先的精准医疗数据平台公司-聚道科技”, 聚道科技与华大基因签署基因组解码计划战略合作协议,将结合双方在测序技术和数据技术上的优势,共建超大规模全基因组测序智能化云端数据生产线。

同在12月,华大基因战略投资何氏眼科,之后何氏眼科与华大基因正式联合宣布,就RPE65基因突变相关的遗传性视网膜疾病基因治疗方面展开深度合作。

华大基因除了向被投企业注入资金外,也在品牌背书、研发协同、市场推广、渠道资源共享等多方面为被投企业提供支持,提升被投企业行业竞争力并实现共赢。

以上通过总结被投企业的特征,我们以此来推测华大基因的投资之道,可以将其归纳为全产业链、 全球化及前瞻性布局。

全产业链不同细分领域均有投资

华大基因聚焦主营业务,持续加大在“生育、肿瘤、感染”等细分领域的投入;加强推广国产测序仪平台,发展科技服务业务;利用大数据驱动精准医疗;继续推进民生项目,让精准医学普及更多家庭。据悉,华大基因累积提供的临床级基因检测服务已达近千万例,系目前全球最大的基因组学研究机构及临床基因检测机构之一。而在数据库与系统自动化建设方面,已构建了100余种常见遗传病疾病数据库及其突变位点数据库,超过260种新生儿常见遗传病疾病数据库,升级完善了感染自动化数据库,BGI Online云平台在今年完成了2万例全基因组数据(WGS)分析,成功应对了超大规模计算量和存储量带来的挑战。