|
시장보고서
상품코드
2134655
클라우드 기반 Drug Discovery 플랫폼 시장 : 시장 예측(2026-2032년)Cloud Based Drug Discovery Platform Market - Global Forecast 2026-2032 |
||||||
360iResearch
클라우드 기반 Drug Discovery 플랫폼 시장은 2032년까지 연평균 복합 성장률(CAGR) 13.40%로 성장이 전망되며, 39억 8,000만 달러 규모로 확대될 것으로 예측됩니다.
| 주요 시장 통계 | |
|---|---|
| 기준 연도 : 2025년 | 16억 5,000만 달러 |
| 추정 연도 : 2026년 | 18억 6,000만 달러 |
| 예측 연도 : 2032년 | 39억 8,000만 달러 |
| CAGR(%) | 13.40% |
클라우드 기반 Drug Discovery 플랫폼 : 요약 보고서
클라우드 기반 Drug Discovery 플랫폼은 연구 개발 팀에 원격으로 접근 가능한 계산 처리, 데이터 관리, 협업 및 워크플로우 기능을 제공합니다. 조직이 분산된 과학자 그룹을 연계하고, 복잡한 데이터 세트를 관리하며, 재현 가능한 워크플로우를 지원하고, 계산 기법을 실험실 활동과 통합하려는 과정에서 그 중요성은 더욱 커지고 있습니다. 도입을 검토할 때는 데이터 거버넌스, 상호 운용성, 검증, 사이버 보안, 규제 요건, 그리고 첨단 신약 개발 환경을 운영하기 위해 필요한 기술적 역량 등을 고려해야 합니다.
분산형 연구와 통합 워크플로가 신약 개발의 방식을 변화시키고 있습니다.
신약 개발은 고립된 로컬 설치형 도구에서 분자 모델링, 스크리닝, 생물정보학, 실험실 기록 및 협업을 통합할 수 있는 연결된 환경으로 전환되고 있습니다. 클라우드 기반 제공은 전문적인 컴퓨팅 리소스에 대한 접근성을 개선하고, 지리적으로 분산된 팀을 지원할 수 있습니다. 또한, 공유 데이터 환경은 업무 중복을 줄이고 추적성을 향상시킬 가능성이 있습니다. 동시에, 조직은 전환의 복잡성, 일관성 없는 데이터 표준, 레거시 시스템, 지적 재산권 보호, 그리고 규제 대상 의사 결정에 영향을 미치기 전에 계산 결과를 검증해야 할 필요성에 대처해야 합니다.
인공지능은 자동화를 촉진하는 한편, 검증 요건도 높이고 있습니다.
인공지능은 표적 식별, 분자 설계, 가상 스크리닝, 바이오마커 분석, 영상 분석 및 실험 우선순위 결정에 적용되고 있습니다. 클라우드 인프라는 이러한 용도에 필요한 저장, 처리 및 공동 개발을 지원할 수 있지만, 모델의 성능은 데이터의 품질, 대표성 있는 훈련 데이터 세트, 투명한 문서화 및 적절한 모니터링에 달려 있습니다. 업계 리더는 AI가 생성한 결과를 의사 결정 지원의 입력 자료로 활용하고, 인간에 의한 검토 및 감사 추적을 확립하며, 편향성과 재현성을 평가하고, 모델 거버넌스를 과학적 및 규제적 요구 사항에 부합하도록 해야 합니다.
지역별 인사이트 : 전 세계 각 연구 생태계마다 도입 우선순위가 다릅니다.
북미는 강력한 제약, 생명공학, 학술 및 기술 역량을 강점으로 삼고 있으며, 확장 가능한 컴퓨팅, 중개 연구, 사이버 보안 및 실험실 시스템과의 통합에 중점을 두고 있습니다. 유럽은 개인정보 보호, 데이터 거버넌스, 상호 운용성 및 국경을 초월한 협력을 특히 중시하고 있습니다. 아시아태평양에서는 확대되는 연구 역량과 다양한 디지털 성숙도가 결합되어 유연한 도입과 인재 양성에 대한 수요가 발생하고 있습니다. 라틴아메리카는 첨단 도구에 대한 접근성 개선, 연구 네트워크 강화, 인프라 제약 사항 해결에 주력하고 있습니다. 중동은 지식 집약적 부문과 디지털 연구 역량에 대한 투자를 추진하고 있는 반면, 아프리카의 우선순위에는 합리적인 가격의 접근성, 현지 전문 지식, 보건 연구 역량, 그리고 신뢰할 수 있는 연결성이 포함됩니다.
그룹의 인사이트 : 정책의 일관성과 협력이 플랫폼 도입 준비 상태를 좌우합니다.
아세안(ASEAN) 국가들은 인프라, 규제 성숙도, 연구 전문화 측면에서 다양한 수준을 보이고 있어 상호 운용성과 지역적 기술 개발이 중요해지고 있습니다. 브릭스(BRICS) 회원국들은 상당한 과학적·산업적 역량을 보유하고 있으나, 다양한 데이터, 정책, 인프라 환경에 대응할 수 있는 접근 방식이 요구되고 있습니다. 유럽연합(EU)은 개인정보 보호, 국경을 초월한 데이터 활용, 연구 협력 및 책임 있는 AI를 중시하고 있습니다. G7 회원국들은 일반적으로 고도의 분석 능력, 견고한 디지털 인프라 및 엄격한 거버넌스를 우선시하고 있습니다. GCC 국가들은 기술을 활용한 연구 생태계를 구축하고 있으며, 국가적 역량 강화와 안전한 데이터 환경을 중시할 가능성이 있습니다. NATO 회원국들은 사이버 보안, 회복력, 신뢰할 수 있는 협력 관계, 그리고 기밀성이 높은 과학 정보의 보호를 특히 중시하고 있습니다.
국가별 인사이트 : 각국의 강점은 거버넌스와 기술 역량과 연계되어야 합니다.
미국과 캐나다는 성숙한 연구 생태계에 더해, 확장성이 뛰어난 분석, 안전한 협업, 워크플로우 통합에 대한 강력한 수요를 겸비하고 있습니다. 영국, 독일, 프랑스, 이탈리아, 스페인은 연구 파트너십, 데이터 거버넌스, 그리고 유럽의 요건 준수를 중시하고 있습니다. 호주는 분산된 기관 전반에 걸쳐 디지털 기술을 활용한 생의학 연구를 지원하고 있습니다. 중국, 일본, 한국, 인도는 탄탄한 과학적 역량과 각국 고유의 규제, 인프라, 데이터 거버넌스 환경을 모두 갖추고 있습니다. 브라질과 멕시코는 인프라, 자금, 전문 인력에 대한 수요를 충족시키면서 디지털 연구 역량을 확대되고 있습니다. 러시아의 도입 환경은 국내 기술적 고려 사항, 연구의 연속성, 그리고 전문적인 컴퓨팅 리소스에 대한 접근성에 의해 형성되어 있습니다. 이들 국가에서 도입을 성공적으로 이루어내기 위해서는 검증된 워크플로, 상호 운용 가능한 데이터, 사이버 보안, 그리고 지속적인 사용자 교육이 필수적입니다.
리더를 위한 행동 우선순위 : 거버넌스를 확립하고 상호 운용 가능한 발견의 기반을 구축합니다.
리더는 광범위한 기술 도입이 아니라, 명확하게 정의된 과학적 이용 사례와 측정 가능한 워크플로우 목표부터 시작해야 합니다. 기밀성이 높은 연구 데이터를 통합하기 전에 데이터 분류, ID 및 접근 제어, 암호화, 감사 가능성, 백업, 그리고 사고 대응 절차를 확립해야 합니다. 플랫폼 선정 시에는 개방형 인터페이스, 출처 추적성, 재현성, 실험실 및 분석 시스템과의 통합, 그리고 환경 간 이식성을 우선시해야 합니다. 조직은 관리된 시범 운영, 독립적인 검증, 문서화된 모델 거버넌스, 그리고 사람의 감독을 통해 AI를 도입해야 합니다. 마지막으로, 플랫폼 도입이 지속 가능한 과학적 가치를 창출할 수 있도록 계산 생물학, 데이터 엔지니어링, 클라우드 운영, 사이버 보안, 그리고 변경 관리에 투자해야 합니다.
조사 방법 : 플랫폼 도입 조건에 대한 증거 기반 평가
본 경영진 요약에서는 클라우드 기반 Drug Discovery 플랫폼의 현황에 대해 구조화된 정성적 평가를 수행하고 있습니다. 본 분석에서는 기술적 역량, 신약 개발 워크플로우, AI 응용, 데이터 거버넌스, 상호 운용성, 사이버 보안, 규제 환경, 조직의 준비 상태 및 지역별 차이를 고려하고 있습니다. 확인된 지역, 국가별 그룹 및 각국에 걸친 인사이트를 통합하여, 반복적으로 나타나는 도입 촉진요인, 구현 장벽 및 전략적 우선순위를 파악하고 있습니다. 이 접근 방식은 근거 없는 수치적 주장을 피하고, 플랫폼의 도입과 효과적인 활용에 영향을 미치는 검증 가능한 구조적 요인에 초점을 맞추었습니다.
결론 : 책임 있는 클라우드 도입은 신약 개발 분야의 협력을 강화할 수 있습니다.
클라우드 기반 Drug Discovery 플랫폼은 연구 기관이 점점 더 분산되는 워크플로우에서 팀, 계산 자원 및 과학 데이터를 연계하는 데 도움이 됩니다. 그 효과는 인프라 자체보다 신뢰할 수 있는 데이터 관리 관행, 상호 운용 가능한 아키텍처, 검증된 분석 기법, 사이버 보안, 그리고 숙련된 사용자에 크게 좌우됩니다. 체계적인 거버넌스와 신중하게 선정된 AI 용도, 그리고 측정 가능한 과학적 목표를 결합한 조직은 운영상 및 규제상 위험을 관리하면서 협업, 재현성, 의사결정의 질을 향상시키는 데 있어 더 유리한 입장에 설 수 있을 것입니다.
자주 묻는 질문
목차
제1장 서문
제2장 조사 방법
제3장 주요 요약
제4장 시장 개요
제5장 시장 인사이트
제6장 AI의 누적 영향(2026년)
제7장 클라우드 기반 Drug Discovery 플랫폼 시장 : 기술 유형별
제8장 클라우드 기반 Drug Discovery 플랫폼 시장 : 서비스 모델별
제9장 클라우드 기반 Drug Discovery 플랫폼 시장 : 치료 영역별
제10장 클라우드 기반 Drug Discovery 플랫폼 시장 : 도입 모델별
제11장 클라우드 기반 Drug Discovery 플랫폼 시장 : 용도별
제12장 클라우드 기반 Drug Discovery 플랫폼 시장 : 최종 사용자별
제13장 클라우드 기반 Drug Discovery 플랫폼 시장 : 지역별
제14장 클라우드 기반 Drug Discovery 플랫폼 시장 : 그룹별
제15장 클라우드 기반 Drug Discovery 플랫폼 시장 : 국가별
제16장 경쟁 구도
제17장 기업 개요
제18장 주요 전문가
AJY 26.10.06The Cloud Based Drug Discovery Platform Market is projected to grow by USD 3.98 billion at a CAGR of 13.40% by 2032.
| KEY MARKET STATISTICS | |
|---|---|
| Base Year [2025] | USD 1.65 billion |
| Estimated Year [2026] | USD 1.86 billion |
| Forecast Year [2032] | USD 3.98 billion |
| CAGR (%) | 13.40% |
Cloud-Based Drug Discovery Platforms: Executive Summary
Cloud-based drug discovery platforms provide remotely accessible computational, data-management, collaboration, and workflow capabilities for research and development teams. Their relevance is increasing as organizations seek to connect distributed scientific groups, manage complex datasets, support reproducible workflows, and integrate computational methods with laboratory activity. Adoption considerations include data governance, interoperability, validation, cybersecurity, regulatory expectations, and the technical skills required to operate advanced discovery environments.
Distributed Research and Integrated Workflows Are Reshaping Discovery
Drug discovery is shifting from isolated, locally installed tools toward connected environments that can combine molecular modeling, screening, bioinformatics, laboratory records, and collaboration. Cloud delivery can improve access to specialized computing resources and support geographically distributed teams, while shared data environments may reduce duplication and improve traceability. At the same time, organizations must manage migration complexity, inconsistent data standards, legacy systems, intellectual-property protection, and the need to validate computational outputs before they influence regulated decisions.
Artificial Intelligence Is Increasing Automation While Raising Validation Requirements
Artificial intelligence is being applied to target identification, molecular design, virtual screening, biomarker analysis, image interpretation, and prioritization of experiments. Cloud infrastructure can support the storage, processing, and collaborative development required by these applications, but model performance depends on data quality, representative training sets, transparent documentation, and appropriate monitoring. Industry leaders should treat AI-generated results as decision-support inputs, establish human review and audit trails, assess bias and reproducibility, and align model governance with scientific and regulatory requirements.
Regional Insights: Adoption Priorities Differ Across Global Research Ecosystems
North America benefits from strong pharmaceutical, biotechnology, academic, and technology capabilities, with emphasis on scalable computation, translational research, cybersecurity, and integration with laboratory systems. Europe places particular importance on privacy, data governance, interoperability, and cross-border collaboration. Asia-Pacific combines expanding research capacity with varied digital maturity, creating demand for flexible deployment and workforce development. Latin America is focused on improving access to advanced tools, strengthening research networks, and addressing infrastructure constraints. The Middle East is investing in knowledge-intensive sectors and digital research capabilities, while Africa's priorities include affordable access, local expertise, health-research capacity, and reliable connectivity.
Group Insights: Policy Alignment and Collaboration Shape Platform Readiness
ASEAN economies show diverse levels of infrastructure, regulatory maturity, and research specialization, making interoperability and regional skills development important. BRICS members bring substantial scientific and industrial capabilities but require approaches that accommodate varied data, policy, and infrastructure environments. The European Union emphasizes privacy, cross-border data use, research collaboration, and responsible AI. G7 members generally prioritize advanced analytics, resilient digital infrastructure, and rigorous governance. GCC countries are developing technology-enabled research ecosystems and may emphasize national capability building and secure data environments. NATO members place added importance on cybersecurity, resilience, trusted collaboration, and protection of sensitive scientific information.
Country Insights: National Strengths Must Be Matched With Governance and Skills
The United States and Canada combine mature research ecosystems with strong demand for scalable analytics, secure collaboration, and workflow integration. The United Kingdom, Germany, France, Italy, and Spain emphasize research partnerships, data governance, and alignment with European requirements. Australia supports digitally enabled biomedical research across dispersed institutions. China, Japan, South Korea, and India combine substantial scientific capabilities with distinct regulatory, infrastructure, and data-governance environments. Brazil and Mexico are expanding digital research capacity while addressing infrastructure, funding, and specialist-workforce needs. Russia's adoption environment is shaped by domestic technology considerations, research continuity, and access to specialized computational resources. Across these countries, successful implementation depends on validated workflows, interoperable data, cybersecurity, and sustained user training.
Action Priorities for Leaders: Build a Governed, Interoperable Discovery Foundation
Leaders should begin with clearly defined scientific use cases and measurable workflow objectives rather than broad technology deployment. They should establish data classification, identity and access controls, encryption, auditability, backup, and incident-response procedures before consolidating sensitive research data. Platform selection should prioritize open interfaces, provenance, reproducibility, integration with laboratory and analytics systems, and portability across environments. Organizations should introduce AI through controlled pilots, independent validation, documented model governance, and human oversight. Finally, they should invest in computational biology, data engineering, cloud operations, cybersecurity, and change management so that platform adoption produces durable scientific value.
Research Methodology: Evidence-Led Assessment of Platform Adoption Conditions
This executive summary uses a structured qualitative assessment of the cloud-based drug discovery platform landscape. The analysis considers technology capabilities, discovery workflows, AI applications, data governance, interoperability, cybersecurity, regulatory context, organizational readiness, and regional variation. Insights are synthesized across the specified regions, country groupings, and countries to identify recurring adoption drivers, implementation barriers, and strategic priorities. The approach avoids unsupported numerical claims and focuses on verifiable structural factors that influence platform deployment and effective use.
Conclusion: Responsible Cloud Adoption Can Strengthen Discovery Collaboration
Cloud-based drug discovery platforms can help research organizations connect teams, computational resources, and scientific data across increasingly distributed workflows. Their effectiveness will depend less on infrastructure alone than on trusted data practices, interoperable architecture, validated analytics, cybersecurity, and skilled users. Organizations that combine disciplined governance with carefully selected AI applications and measurable scientific objectives will be better positioned to improve collaboration, reproducibility, and decision quality while managing operational and regulatory risk.
Table of Contents
1. Preface
- 1.1. Objectives of the Study
- 1.2. Market Definition
- 1.3. Market Segmentation & Coverage
- 1.4. Years Considered for the Study
- 1.5. Currency Considered for the Study
- 1.6. Language Considered for the Study
- 1.7. Key Stakeholders
2. Research Methodology
- 2.1. Introduction
- 2.2. Research Design
- 2.2.1. Primary Research
- 2.2.2. Secondary Research
- 2.3. Research Framework
- 2.3.1. Qualitative Analysis
- 2.3.2. Quantitative Analysis
- 2.4. Market Size Estimation
- 2.4.1. Top-Down Approach
- 2.4.2. Bottom-Up Approach
- 2.5. Data Triangulation
- 2.6. Research Outcomes
- 2.7. Research Assumptions
- 2.8. Research Limitations
3. Executive Summary
- 3.1. Introduction
- 3.2. CXO Perspective
- 3.3. New Revenue Opportunities
- 3.4. Next-Generation Business Models
- 3.5. Industry Roadmap
4. Market Overview
- 4.1. Introduction
- 4.2. Industry Ecosystem & Value Chain Analysis
- 4.2.1. Supply-Side Analysis
- 4.2.2. Demand-Side Analysis
- 4.2.3. Stakeholder Analysis
- 4.3. Market Dynamics
- 4.3.1. Key Drivers
- 4.3.2. Key Restraints
- 4.3.3. Key Opportunities
- 4.3.4. Key Challenges
- 4.4. Porter's Five Forces Analysis
- 4.5. PESTLE Analysis
- 4.6. Market Outlook
- 4.6.1. Near-Term Market Outlook (0-2 Years)
- 4.6.2. Medium-Term Market Outlook (3-5 Years)
- 4.6.3. Long-Term Market Outlook (5-10 Years)
- 4.7. Go-to-Market Strategy
5. Market Insights
- 5.1. Consumer Insights & End-User Perspective
- 5.2. Consumer Experience Benchmarking
- 5.3. Opportunity Mapping
- 5.4. Distribution Channel Analysis
- 5.5. Pricing Trend Analysis
- 5.6. Regulatory Compliance & Standards Framework
- 5.7. ESG & Sustainability Analysis
- 5.8. Disruption & Risk Scenarios
- 5.9. Return on Investment & Cost-Benefit Analysis
6. Cumulative Impact of Artificial Intelligence 2026
7. Cloud Based Drug Discovery Platform Market, by Technology Type
- 7.1. Introduction
- 7.2. Artificial Intelligence
- 7.2.1. Deep Learning
- 7.2.2. Neural Networks
- 7.2.3. Predictive Analytics
- 7.3. Bioinformatics
- 7.3.1. Genomics
- 7.3.2. Metabolomics
- 7.3.3. Proteomics
- 7.4. High Performance Computing
- 7.4.1. Distributed Computing
- 7.4.2. GPU Computing
- 7.5. Machine Learning
- 7.5.1. Reinforcement Learning
- 7.5.2. Supervised Learning
- 7.5.3. Unsupervised Learning
- 7.6. Molecular Modeling
- 7.6.1. Docking
- 7.6.2. QSAR
- 7.6.3. Simulation
8. Cloud Based Drug Discovery Platform Market, by Service Model
- 8.1. Introduction
- 8.2. Infrastructure as a Service
- 8.2.1. Compute Services
- 8.2.2. Storage Services
- 8.3. Platform as a Service
- 8.3.1. Container Platform
- 8.3.2. Microservices
- 8.4. Software as a Service
- 8.4.1. Mobile Platform
- 8.4.2. Web Portal
9. Cloud Based Drug Discovery Platform Market, by Therapeutic Area
- 9.1. Introduction
- 9.2. Cardiovascular
- 9.2.1. Heart Failure
- 9.2.2. Hypertension
- 9.3. Immunology
- 9.3.1. Autoimmune Disorders
- 9.3.2. Immunodeficiency
- 9.4. Infectious Diseases
- 9.4.1. Bacterial Infection
- 9.4.2. Fungal Infection
- 9.4.3. Viral Infection
- 9.5. Neurology
- 9.5.1. Alzheimer Disease
- 9.5.2. Parkinson Disease
- 9.6. Oncology
- 9.6.1. Hematologic Cancers
- 9.6.2. Solid Tumors
10. Cloud Based Drug Discovery Platform Market, by Deployment Model
- 10.1. Introduction
- 10.2. Hybrid Cloud
- 10.2.1. Integrated Cloud
- 10.2.2. Multi Cloud
- 10.3. Private Cloud
- 10.3.1. Hosted Private Cloud
- 10.3.2. On Premise
- 10.4. Public Cloud
- 10.4.1. AWS
- 10.4.2. Azure
- 10.4.3. Google Cloud
11. Cloud Based Drug Discovery Platform Market, by Application
- 11.1. Introduction
- 11.2. ADMET Prediction
- 11.2.1. Absorption
- 11.2.2. Distribution
- 11.2.3. Excretion
- 11.2.4. Metabolism
- 11.2.5. Toxicity
- 11.3. Clinical Trial Design
- 11.3.1. Patient Stratification
- 11.3.2. Trial Simulation
- 11.4. Drug Repositioning
- 11.4.1. Computational Screening
- 11.4.2. Similarity Analysis
- 11.5. Lead Discovery
- 11.5.1. Hit Identification
- 11.5.2. Hit Optimization
- 11.6. Target Identification
- 11.6.1. Gene Validation
- 11.6.2. Protein Identification
12. Cloud Based Drug Discovery Platform Market, by End User
- 12.1. Introduction
- 12.2. Academic Research Institutes
- 12.2.1. Research Institutes
- 12.2.2. Universities
- 12.3. Biotechnology Companies
- 12.3.1. Established Biotech
- 12.3.2. Startup Biotech
- 12.4. Contract Research Organizations
- 12.4.1. Full Service
- 12.4.2. Niche Service
- 12.5. Pharmaceutical Companies
- 12.5.1. Generics
- 12.5.2. Large Pharma
- 12.5.3. Mid Size Pharma
13. Cloud Based Drug Discovery Platform Market, by Region
- 13.1. Introduction
- 13.2. Asia-Pacific
- 13.3. North America
- 13.4. Latin America
- 13.5. Europe
- 13.6. Middle East
- 13.7. Africa
14. Cloud Based Drug Discovery Platform Market, by Group
- 14.1. Introduction
- 14.2. ASEAN
- 14.3. GCC
- 14.4. European Union
- 14.5. BRICS
- 14.6. G7
- 14.7. NATO
15. Cloud Based Drug Discovery Platform Market, by Country
- 15.1. Introduction
- 15.2. United States
- 15.3. Canada
- 15.4. Mexico
- 15.5. Brazil
- 15.6. United Kingdom
- 15.7. Germany
- 15.8. France
- 15.9. Russia
- 15.10. Italy
- 15.11. Spain
- 15.12. China
- 15.13. India
- 15.14. Japan
- 15.15. Australia
- 15.16. South Korea
16. Competitive Landscape
- 16.1. Market Share Analysis, 2025
- 16.2. Market Concentration Analysis, 2025
- 16.2.1. Concentration Ratio (CR)
- 16.2.2. Herfindahl Hirschman Index (HHI)
- 16.3. Recent Developments & Impact Analysis, 2025
- 16.4. Product Portfolio Analysis, 2025
- 16.5. Benchmarking Analysis, 2025
17. Company Profiles
- 17.1. Accenture PLC
- 17.2. Acelot, Inc.
- 17.3. Amazon Web Services, Inc.
- 17.4. Atomwise, Inc.
- 17.5. Benchling, Inc.
- 17.6. BioSymetrics Inc.
- 17.7. BioXcel Corporation
- 17.8. Certara, L.P.
- 17.9. Cloud Pharmaceuticals, Inc.
- 17.10. Collaborative Drug Discovery, Inc.
- 17.11. Cyclica Inc.
- 17.12. Dassault Systemes SE
- 17.13. Deep Genomics, Inc.
- 17.14. Google LLC
- 17.15. IBM Corporation
- 17.16. Insilico Medicine, Inc.
- 17.17. Microsoft Corporation
- 17.18. Numerate, Inc.
- 17.19. Oracle Corporation
- 17.20. PerkinElmer, Inc.
- 17.21. Recursion Pharmaceuticals, Inc.
- 17.22. SAS Institute Inc.
- 17.23. Schrodinger, Inc.
- 17.24. Tata Consultancy Services Limited
- 17.25. WuXi AppTec (Shanghai) Co., Ltd.
