Processamento de Sinais Genômicos em 2025: Transformando a Medicina de Precisão e a Bioinformática com Inovação Acelerada. Explore Como Algoritmos Avançados e IA Estão Impulsionando um Aumento de 18% no Mercado Até 2030.
- Resumo Executivo: O Estado do Processamento de Sinais Genômicos em 2025
- Tamanho do Mercado, Segmentação e Previsões de Crescimento 2025–2030 (CAGR de 18%)
- Principais Fatores: IA, Aprendizado de Máquina e Sequenciamento de Alto Rendimento
- Tecnologias Emergentes: Análise Genômica em Tempo Real e Plataformas Baseadas em Nuvem
- Cenário Competitivo: Principais Jogadores e Startups para Ficar de Olho
- Aplicações: Medicina de Precisão, Diagnósticos e Desenvolvimento Terapêutico
- Desafios Regulatórios e de Segurança de Dados no Processamento de Sinais Genômicos
- Tendências de Investimento e Perspectiva de Financiamento
- Perspectivas Futuras: Inovações Disruptivas e Oportunidades de Mercado Até 2030
- Fontes & Referências
Resumo Executivo: O Estado do Processamento de Sinais Genômicos em 2025
O Processamento de Sinais Genômicos (PSG) está na interseção da genômica, engenharia e ciência computacional, focando na análise, interpretação e manipulação de dados genômicos usando técnicas avançadas de processamento de sinais. Em 2025, o campo amadureceu significativamente, impulsionado pelo crescimento exponencial dos dados de sequenciamento, avanços em aprendizado de máquina e a crescente integração de conjuntos de dados multi-ômicos. O PSG agora desempenha um papel fundamental tanto em ambientes de pesquisa quanto clínicos, permitindo diagnósticos de doenças mais precisos, medicina personalizada e novas estratégias terapêuticas.
Os principais desenvolvimentos em 2025 incluem a ampla adoção de algoritmos de aprendizado profundo para reconhecimento de padrões em sequências genômicas, o uso de processamento de sinais em tempo real para rápida detecção de patógenos e a integração de ferramentas de PSG em fluxos de trabalho clínicos. Instituições de pesquisa importantes e prestadores de serviços de saúde, como os Institutos Nacionais de Saúde e Mayo Clinic, incorporaram plataformas baseadas em PSG para aprimorar a interpretação de dados genômicos e o cuidado ao paciente. Além disso, líderes da indústria como Illumina, Inc. e Thermo Fisher Scientific Inc. lançaram novas tecnologias de sequenciamento e conjuntos de software otimizados para aplicações de processamento de sinais, acelerando ainda mais o progresso do campo.
A convergência do PSG com computação em nuvem e hardware de alto desempenho permitiu a análise de conjuntos de dados em grande escala, apoiando projetos de genômica populacional de grande escala e vigilância epidemiológica em tempo real. Agências reguladoras, incluindo a Administração de Alimentos e Medicamentos dos EUA, começaram a estabelecer diretrizes para a validação clínica e implantação de ferramentas diagnósticas baseadas em PSG, refletindo o impacto crescente da tecnologia na saúde.
Apesar desses avanços, desafios permanecem. A privacidade dos dados, a padronização de pipelines analíticos e a interpretabilidade de modelos complexos continuam a ser preocupações. Esforços colaborativos liderados por organizações como a Aliança Global para Genômica e Saúde estão abordando essas questões promovendo padrões de compartilhamento de dados e estruturas éticas.
Em resumo, 2025 marca um período transformador para o Processamento de Sinais Genômicos, caracterizado pela inovação tecnológica, integração clínica e governança colaborativa. O campo está pronto para revolucionar ainda mais a pesquisa em genômica e a medicina de precisão nos próximos anos.
Tamanho do Mercado, Segmentação e Previsões de Crescimento 2025–2030 (CAGR de 18%)
O mercado global para Processamento de Sinais Genômicos (PSG) está posicionado para uma ampla expansão, com previsões indicando uma impressionante taxa de crescimento anual composta (CAGR) de 18% de 2025 a 2030. Esse crescimento é impulsionado pela crescente integração de métodos computacionais avançados em genômica, pela proliferação de tecnologias de sequenciamento de alto rendimento e pela crescente demanda por medicina de precisão. O PSG, que envolve a aplicação de técnicas de processamento de sinais a dados genômicos, está se tornando essencial para extrair padrões significativos de conjuntos de dados biológicos complexos, acelerando assim descobertas em diagnósticos, terapias e cuidados de saúde personalizados.
A segmentação do mercado revela vários domínios-chave que alimentam essa expansão. O maior segmento é o de diagnósticos clínicos, onde algoritmos de PSG são usados para interpretar dados de sequenciamento de próxima geração (NGS) para avaliação de risco de doenças e detecção precoce. As empresas farmacêuticas e de biotecnologia representam outro segmento significativo, aproveitando o PSG para descoberta de medicamentos e identificação de biomarcadores. Instituições acadêmicas e de pesquisa também contribuem substancialmente, utilizando ferramentas de PSG para pesquisa fundamental em genômica e desenvolvimento de novas metodologias computacionais.
Geograficamente, a América do Norte lidera o mercado, apoiada por investimentos substanciais em pesquisa em genômica, forte presença de empresas de biotecnologia líderes e iniciativas de organizações como os Institutos Nacionais de Saúde. A Europa segue de perto, com projetos colaborativos e financiamento de entidades como a Comissão Europeia. A região da Ásia-Pacífico deve testemunhar o crescimento mais rápido, impulsionado pela expansão da infraestrutura genômica em países como China, Japão e Coreia do Sul, assim como por iniciativas governamentais de genômica.
Olhando para 2030, o mercado de PSG deve se beneficiar dos avanços contínuos em inteligência artificial e aprendizado de máquina, que estão aprimorando a precisão e escalabilidade da análise de dados genômicos. A integração da computação em nuvem e plataformas de big data está ainda mais democratizando o acesso às ferramentas de PSG, permitindo que laboratórios menores e mercados emergentes participem da inovação em saúde impulsionada pela genômica. Colaborações estratégicas entre provedores de tecnologia, instituições de saúde e organismos reguladores—como a Administração de Alimentos e Medicamentos dos EUA—devem agilizar a adoção de soluções de PSG em ambientes clínicos.
Em resumo, o mercado de Processamento de Sinais Genômicos está preparado para um crescimento dinâmico até 2030, sustentado pela inovação tecnológica, aplicações em expansão e ambientes regulatórios e de financiamento favoráveis em todo o mundo.
Principais Fatores: IA, Aprendizado de Máquina e Sequenciamento de Alto Rendimento
A rápida evolução do processamento de sinais genômicos está sendo impulsionada por três fatores tecnológicos inter-relacionados: inteligência artificial (IA), aprendizado de máquina (ML) e sequenciamento de alto rendimento (HTS). Esses avanços estão reformulando fundamentalmente como os dados genômicos são adquiridos, analisados e interpretados, permitindo insights sem precedentes em sistemas biológicos complexos.
Os algoritmos de IA e ML agora são parte integrante da análise de vastos conjuntos de dados genômicos, automatizando tarefas como chamada de variantes, perfil de expressão gênica e identificação de elementos regulatórios. Modelos de aprendizado profundo, em particular, demonstraram desempenho superior em reconhecer padrões sutis dentro de sequências genômicas que podem ser imperceptíveis para métodos estatísticos tradicionais. Por exemplo, redes neurais convolucionais estão sendo cada vez mais usadas para prever o impacto funcional de variantes não-codificantes, enquanto redes neurais recorrentes se destacam na modelagem de dependências sequenciais em dados de DNA e RNA. Essas abordagens estão sendo ativamente desenvolvidas e implantadas por instituições de pesquisa e empresas de tecnologia líderes, incluindo Microsoft Research e Google DeepMind.
Simultaneamente, o advento das tecnologias de sequenciamento de alto rendimento—como aquelas pioneiras por Illumina, Inc. e Oxford Nanopore Technologies—aumentou exponencialmente o volume e a diversidade de dados genômicos disponíveis para análise. Sequenciadores modernos podem gerar terabytes de dados em uma única execução, capturando não apenas sequências de DNA, mas também modificações epigenéticas e perfis transcriptômicos. Este dilúvio de dados exige estruturas computacionais robustas para o processamento de sinais, onde IA e ML desempenham um papel crítico na filtragem de ruído, correção de erros e extração de sinais biologicamente significativos.
A sinergia entre análises impulsionadas por IA e plataformas HTS também está acelerando o ritmo da descoberta em áreas como medicina de precisão, genômica populacional e genômica funcional. Por exemplo, pipelines alimentados por IA estão permitindo a identificação rápida de variantes associadas a doenças e a previsão de respostas a medicamentos específicas para pacientes, como demonstrado por iniciativas no Broad Institute e Genomics England. À medida que essas tecnologias continuam a amadurecer, espera-se que democratizem ainda mais o acesso a insights genômicos e impulsionem a inovação em pesquisa biomédica e prática clínica em 2025 e além.
Tecnologias Emergentes: Análise Genômica em Tempo Real e Plataformas Baseadas em Nuvem
O campo do processamento de sinais genômicos (PSG) está evoluindo rapidamente, com tecnologias emergentes em análises em tempo real e plataformas baseadas em nuvem transformando a forma como os dados genômicos são processados, interpretados e aplicados tanto em ambientes de pesquisa quanto clínicos. Tradicionalmente, a análise de dados genômicos tem sido intensiva em computação, muitas vezes exigindo tempo significativo e infraestrutura local. No entanto, a integração de análises em tempo real permite o processamento imediato de dados de sequenciamento à medida que são gerados, possibilitando decisões mais rápidas em aplicações como detecção de patógenos, genômica do câncer e medicina personalizada.
As plataformas baseadas em nuvem são centrais para essa transformação. Ao aproveitar recursos de computação distribuída e escaláveis, essas plataformas permitem que pesquisadores e clínicos analisem vastos conjuntos de dados genômicos sem a necessidade de clusters de computação de alto desempenho locais. Provedores de nuvem líderes, como Google Cloud Genomics e Amazon Web Services Genomics, oferecem ferramentas e pipelines especializadas para armazenamento, processamento e compartilhamento de dados genômicos. Esses serviços suportam fluxos de trabalho em tempo real, pesquisa colaborativa e conformidade com regulamentos de privacidade de dados.
As análises genômicas em tempo real são ainda mais aprimoradas por avanços em algoritmos de streaming e computação de borda. Por exemplo, dispositivos de sequenciamento de nanopores da Oxford Nanopore Technologies podem transmitir dados brutos de sequenciamento diretamente para pipelines de análise baseadas em nuvem, permitindo chamadas de variantes e identificação de patógenos quase instantaneamente. Essa capacidade é particularmente valiosa em ambientes clínicos e de campo, onde resultados rápidos podem informar decisões de tratamento ou respostas a surtos.
A interoperabilidade e padronização também estão avançando, com organizações como a Aliança Global para Genômica e Saúde (GA4GH) desenvolvendo estruturas e APIs para facilitar a troca de dados segura e padronizada entre plataformas. Isso promove um ecossistema mais conectado, onde dados e insights podem ser compartilhados de forma contínua entre instituições e através de fronteiras.
Olhando para 2025, espera-se que a convergência de análises em tempo real e plataformas baseadas em nuvem democratize ainda mais o acesso a ferramentas avançadas de processamento de sinais genômicos. Isso acelerará descobertas, melhorará os resultados dos pacientes e apoiará a integração da genômica na assistência médica de rotina e na vigilância em saúde pública.
Cenário Competitivo: Principais Jogadores e Startups para Ficar de Olho
O cenário competitivo do processamento de sinais genômicos (PSG) em 2025 é caracterizado por uma dinâmica interação entre líderes tecnológicos estabelecidos e startups inovadoras. Principais players no campo aproveitam sua experiência em genômica, bioinformática e inteligência artificial para desenvolver ferramentas avançadas para analisar e interpretar dados genômicos complexos. A Illumina, Inc. permanece uma força dominante, integrando algoritmos de PSG em suas plataformas de sequenciamento para melhorar a precisão e a taxa de produção de dados. Da mesma forma, a Thermo Fisher Scientific Inc. continua a expandir seu portfólio com soluções habilitadas por PSG para aplicações clínicas e de pesquisa, com foco em medicina de precisão e diagnósticos.
No domínio do software, a IBM e a Microsoft são notáveis por suas plataformas de genômica baseadas em nuvem, que incorporam técnicas de processamento de sinais para acelerar a análise de dados genômicos e facilitar colaborações em larga escala. Essas empresas investem pesadamente em abordagens de aprendizado de máquina e aprendizado profundo para melhorar a detecção de variantes genéticas e padrões dentro de conjuntos de dados massivos.
Startups estão impulsionando a inovação ao desenvolver ferramentas de PSG especializadas que abordam desafios específicos, como redução de ruído, extração de características e monitoramento genômico em tempo real. A DNAnexus oferece uma plataforma baseada em nuvem que integra pipelines avançados de processamento de sinais, permitindo que pesquisadores processem e interpretem sinais genômicos de forma eficiente. A biomodal (anteriormente conhecida como Cambridge Epigenetix) está pioneira na análise de sinais multi-ômicos, combinando dados genômicos, epigenômicos e transcriptômicos para insights abrangentes.
Empresas emergentes como Seer, Inc. e Quantapore, Inc. estão explorando novos métodos de processamento de sinais para sequenciamento de próxima geração e análise de moléculas únicas, visando melhorar a sensibilidade e reduzir custos. Enquanto isso, spin-offs acadêmicos e startups impulsionadas por pesquisa estão colaborando com players da indústria estabelecidos para traduzir pesquisas de PSG de ponta em produtos comerciais.
O cenário competitivo é ainda moldado por parcerias estratégicas, fusões e aquisições, à medida que as empresas buscam integrar tecnologias complementares e expandir seu alcance no mercado. À medida que o campo amadurece, a convergência do PSG com inteligência artificial, computação em nuvem e multi-ômicas deve acelerar a inovação e impulsionar a adoção do processamento de sinais genômicos em setores de saúde, agricultura e biotecnologia.
Aplicações: Medicina de Precisão, Diagnósticos e Desenvolvimento Terapêutico
O processamento de sinais genômicos (PSG) está se tornando cada vez mais fundamental na promoção da medicina de precisão, diagnósticos e desenvolvimento terapêutico. Aplicando técnicas matemáticas e computacionais a dados genômicos, o PSG possibilita a extração de padrões significativos a partir de sinais biológicos complexos, facilitando uma caracterização mais precisa de doenças e estratégias de tratamento personalizadas.
Na medicina de precisão, algoritmos de PSG analisam dados de sequenciamento de alto rendimento para identificar variantes genéticas associadas ao risco de doenças e respostas a medicamentos individuais. Isso permite que os clínicos adaptem intervenções com base no perfil genômico único de um paciente, melhorando resultados e minimizando efeitos adversos. Por exemplo, a análise orientada por PSG de perfis de expressão gênica pode ajudar oncologistas no Memorial Sloan Kettering Cancer Center a selecionar terapias direcionadas para pacientes com câncer, otimizando a eficácia e reduzindo tratamentos desnecessários.
Os diagnósticos também se beneficiam do PSG ao melhorar a sensibilidade e especificidade dos testes moleculares. Técnicas de processamento de sinais, como redução de ruído, extração de características e reconhecimento de padrões, são usadas para interpretar dados de sequenciamento de próxima geração e plataformas de microarray. Isso leva à detecção mais precoce e precisa de distúrbios genéticos, doenças infecciosas e câncer. Organizações como a Illumina, Inc. integram métodos de PSG em suas tecnologias de sequenciamento, permitindo que clínicos detectem mutações raras e variantes estruturais que podem ser perdidas por análises convencionais.
No desenvolvimento terapêutico, o PSG acelera a identificação de novos alvos de medicamentos e biomarcadores. Ao modelar redes regulatórias gênicas e vias de sinalização, os pesquisadores podem prever os efeitos de perturbações genéticas e simular respostas a medicamentos in silico. Essa abordagem em nível de sistema, adotada por instituições como o Broad Institute, agiliza o pipeline de descoberta de medicamentos e apoia o desenvolvimento de terapias mais eficazes e geneticamente informadas.
Além disso, o PSG é essencial na integração de dados multi-ômicos—combinando genômica, transcriptômica, proteômica e metabolômica—para fornecer uma visão holística dos mecanismos da doença. Essa análise integrativa é crucial para condições complexas como doenças neurodegenerativas e distúrbios autoimunes, onde múltiplas camadas moleculares interagem. À medida que as metodologias de PSG continuam a evoluir, sua aplicação na medicina de precisão, diagnósticos e desenvolvimento terapêutico deve se expandir, impulsionando a inovação e melhorando o cuidado ao paciente em diversos campos médicos.
Desafios Regulatórios e de Segurança de Dados no Processamento de Sinais Genômicos
O Processamento de Sinais Genômicos (PSG) envolve a análise e interpretação de dados genômicos usando técnicas avançadas de processamento de sinais. À medida que as tecnologias de PSG se tornam cada vez mais integradas em ambientes clínicos e de pesquisa, os desafios regulatórios e de segurança de dados surgiram como preocupações críticas. A natureza sensível dos dados genômicos, que pode revelar informações sobre a saúde, ascendência e predisposição a doenças de um indivíduo, exige frameworks robustos para proteção de dados e conformidade.
Um dos principais desafios regulatórios no PSG é navegar pelo complexo panorama das leis de privacidade de dados. Nos Estados Unidos, o Departamento de Saúde e Serviços Humanos dos EUA aplica a Lei de Portabilidade e Responsabilidade em Seguros de Saúde (HIPAA), que estabelece normas para a proteção de informações de saúde, incluindo dados genômicos. Na Europa, a Comissão Europeia aplica o Regulamento Geral sobre a Proteção de Dados (GDPR), que impõe requisitos rigorosos sobre a coleta, armazenamento e processamento de dados pessoais. Essas regulamentações exigem que as organizações implementem medidas como anonimização de dados, armazenamento seguro e consentimento explícito para uso de dados.
A segurança dos dados é outro desafio significativo, pois conjuntos de dados genômicos são alvos atraentes para ciberataques devido ao seu alto valor e sensibilidade. Organizações como o Instituto Nacional de Pesquisa do Genoma Humano enfatizam a importância da criptografia, controles de acesso e auditorias regulares de segurança para proteger informações genômicas. Além disso, o uso crescente de plataformas baseadas em nuvem para armazenamento e análise de dados genômicos introduz novas vulnerabilidades, exigindo conformidade com normas de segurança locais e internacionais.
Interoperabilidade e compartilhamento de dados apresentam mais obstáculos regulatórios. Iniciativas como a Aliança Global para Genômica e Saúde estão trabalhando para estabelecer padrões internacionais para o compartilhamento de dados seguro e ético, equilibrando a necessidade de pesquisa colaborativa com o imperativo de proteger a privacidade individual. No entanto, diferenças nas regulamentações nacionais e interpretações variadas do consentimento complicam a troca de dados transfronteiriços.
Em resumo, o panorama regulatório e de segurança de dados para o Processamento de Sinais Genômicos em 2025 é caracterizado por requisitos legais em evolução, riscos de segurança aumentados e esforços contínuos para harmonizar padrões. Abordar esses desafios é essencial para garantir o uso responsável das tecnologias de PSG, mantendo a confiança pública e protegendo os direitos individuais.
Tendências de Investimento e Perspectiva de Financiamento
O Processamento de Sinais Genômicos (PSG) está atraindo crescente atenção de investidores e agências de financiamento à medida que suas aplicações em medicina de precisão, diagnósticos e biotecnologia se tornam mais aparentes. Em 2025, o panorama de investimentos para PSG é moldado pela convergência de genômica, inteligência artificial e análise de dados de alto rendimento, impulsionando tanto capital de risco quanto financiamento público para o setor.
As empresas de capital de risco estão particularmente interessadas em startups que utilizam PSG para diagnósticos clínicos, descoberta de medicamentos e medicina personalizada. Empresas que desenvolvem algoritmos avançados para interpretar dados genômicos, como aqueles que usam aprendizado profundo para identificar marcadores de doenças ou prever respostas terapêuticas, estão garantindo rodadas de financiamento significativas. Por exemplo, empresas como Illumina, Inc. e Thermo Fisher Scientific Inc. expandiram seus braços de investimento para apoiar empresas em estágio inicial que estão inovando em plataformas habilitadas por PSG.
Agências de financiamento público, incluindo os Institutos Nacionais de Saúde (NIH) e a Comissão Europeia, continuam a priorizar o PSG em suas iniciativas de genômica e saúde digital. Em 2025, novos programas de concessão visam à integração do PSG com fluxos de trabalho clínicos, visando acelerar a translação da pesquisa em soluções de saúde. Essas iniciativas frequentemente enfatizam padrões de dados abertos e interoperabilidade, incentivando a colaboração entre academia, indústria e prestadores de serviços de saúde.
Parcerias corporativas também estão aumentandose, com grandes empresas farmacêuticas e de biotecnologia formando alianças com desenvolvedores de tecnologia de PSG para aprimorar seus pipelines de P&D. Por exemplo, a F. Hoffmann-La Roche Ltd e a Novartis AG anunciaram colaborações focadas no uso de PSG para agilizar a descoberta de biomarcadores e otimizar o design de ensaios clínicos.
Olhando para o futuro, a perspectiva de financiamento para PSG em 2025 permanece robusta, com interesse sustentado de setores privados e públicos. O crescente reconhecimento do papel do PSG na habilitação da saúde de precisão, juntamente com avanços na infraestrutura computacional, deve impulsionar ainda mais investimentos. No entanto, a concorrência por financiamento está se intensificando, e os empreendimentos de sucesso provavelmente serão aqueles que demonstrem utilidade clínica clara, conformidade regulatória e modelos de negócios escaláveis.
Perspectivas Futuras: Inovações Disruptivas e Oportunidades de Mercado Até 2030
O futuro do processamento de sinais genômicos (PSG) está posicionado para um crescimento transformador, impulsionado por inovações disruptivas e oportunidades expandidas no mercado até 2030. À medida que a integração de métodos computacionais avançados com a genômica acelera, espera-se que o PSG desempenhe um papel fundamental na medicina de precisão, descoberta de medicamentos e saúde personalizada. A convergência de inteligência artificial (IA), aprendizado de máquina e tecnologias de sequenciamento de alto rendimento está permitindo a extração de padrões complexos de vastos conjuntos de dados genômicos, facilitando a detecção precoce de doenças e intervenções terapêuticas mais eficazes.
Uma das inovações mais significativas no horizonte é a aplicação de algoritmos de aprendizado profundo a dados multi-ômicos, que combinam informações genômicas, transcriptômicas, proteômicas e metabolômicas. Essa abordagem holística é antecipada para gerar insights sem precedentes sobre os mecanismos de doenças e estratégias de tratamento específicas para pacientes. Empresas como Illumina, Inc. e Thermo Fisher Scientific Inc. estão investindo pesadamente em plataformas que integram PSG com análises impulsionadas por IA, visando agilizar fluxos de trabalho desde a aquisição de dados brutos até insights clínicos acionáveis.
Outra tendência disruptiva é a democratização da análise de dados genômicos através de plataformas baseadas em nuvem. Ao aproveitar recursos de computação escaláveis, organizações como Google Cloud Healthcare estão tornando viável para pesquisadores e clínicos em todo o mundo acessar e processar conjuntos de dados genômicos em grande escala sem a necessidade de uma extensa infraestrutura local. Essa mudança deve baixar barreiras de entrada, fomentar colaboração global e acelerar o ritmo da descoberta.
As oportunidades de mercado também estão se expandindo no domínio do monitoramento genômico em tempo real e diagnósticos no ponto de atendimento. Dispositivos de sequenciamento portáteis e soluções de computação em borda estão sendo desenvolvidos para permitir análises rápidas e on-site de material genético, o que poderia revolucionar a vigilância de doenças infecciosas, triagem de câncer e diagnóstico de doenças raras. Os esforços contínuos da Oxford Nanopore Technologies plc exemplificam esse movimento em direção à análise genômica descentralizada e em tempo real.
Olhando para 2030, espera-se que o mercado de PSG se beneficie de avanços regulatórios e maior adoção em ambientes clínicos. À medida que os padrões de interoperabilidade e privacidade de dados amadurecem, e à medida que os modelos de reembolso evoluem, a integração do PSG na assistência médica rotineira deve se tornar mais ampla, desbloqueando um novo valor para pacientes, provedores e a indústria das ciências biológicas em geral.
Fontes & Referências
- Institutos Nacionais de Saúde
- Mayo Clinic
- Illumina, Inc.
- Thermo Fisher Scientific Inc.
- Aliança Global para Genômica e Saúde
- Comissão Europeia
- Microsoft Research
- Google DeepMind
- Oxford Nanopore Technologies
- Broad Institute
- Genomics England
- Google Cloud Genomics
- Amazon Web Services Genomics
- IBM
- DNAnexus
- biomodal
- Seer, Inc.
- Quantapore, Inc.
- Memorial Sloan Kettering Cancer Center
- F. Hoffmann-La Roche Ltd
- Novartis AG