燃石医学首份年报:营收、亏损规模同增,高瓴资本已清仓

本文主要是介绍燃石医学首份年报:营收、亏损规模同增,高瓴资本已清仓,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

3月11日,燃石医学(NASDAQ:BNR)发布截至2020年12月31日的2020年第四季度及全年财报,这也是其上市后的首份年报。财报显示,燃石医学的营收保持增长趋势,而净亏损也在同步扩大。

具体来看,燃石医学2020年度实现营业收入4.299亿元,同比2019年的3.817亿元增长12.6%。其中,2020年第四季度实现营收1.317亿元,环比增长6.3%,同比增长48.5%。

燃石医学首份年报:营收、亏损规模同增,高瓴资本已清仓

 

燃石医学创始人兼CEO汉雨生表示,“燃石医学专注于为肿瘤精准医疗提供具有临床价值的二代基因测序,通过自主研发与商业化合作并行,产品管线和服务能力不断提升,我们相信未来还将持续强劲的发展势头。”

按收入结构来看,燃石医学2020年度的中心实验室模式实现营收2.973亿元,同比增长7.6%;院内业务营收1.179亿元,同比增长34.4%;药品研发服务(药企合作)收入为1470万元,同比减少了17.2%。

不过,财报也显示,燃石医学的亏损规模持续扩大。2020年度,燃石医学归属于母公司普通股股东净利润为-4.72亿元,同比2019年的净亏损3.34亿元扩大约41.32%。

2020年第四季度,燃石医学归属母公司普通股股东的净亏损为1.56亿元,相较于2019年同期的9509.4万元扩大64.08%。分季度来看,燃石医学2020年Q1、Q2、Q3的归母净亏损分别为5257.2万元、7105.5万元、1.27亿元,逐渐增加。

燃石医学首份年报:营收、亏损规模同增,高瓴资本已清仓

 

亏损大幅增加,与燃石医学的营收规模较小,而支出费用较大有关。数据显示,其2020年度的经营费用合计7.263亿元,较2019年增长64.2%。其中,研发费用为2.639亿元,同比增长68.2%,占总营收的比例为61.4%。

2020年度,燃石医学用于销售和市场费用为1.686亿元,较2019年的1.533亿元增加9.9%,占总营收的比例为39.2%。同时,行政管理费用从2019年的1.322亿元增加至2.938亿元。

2020年第四季度,燃石医学的营业费用为2.445亿元,同比2019年同期的1.505亿元增长69.2%。其中,研发费用为8340万元,较2019年同期的5220万元增长59.7%。

资料显示,燃石医学创立于2014年,专注于为肿瘤精准医疗提供具有临床价值的二代测序(next generation sequencing, NGS)服务,业务及研发方向覆盖三大领域:肿瘤患病人群检测、癌症早诊以及肿瘤基因组大数据生态圈。

2020年6月12日,燃石医学在美国纳斯达克上市,募资约2.81亿美元。此前的招股书显示,2017年、2018年与2019年,燃石医学的收入分别为1.112亿元、2.089亿元与3.817亿元。

燃石医学首份年报:营收、亏损规模同增,高瓴资本已清仓

 

IPO前,汉雨生持有燃石医学20%股权,其首席运营官(COO)揣少坤持股3%。机构方面,北极光创投持股13.7%,红杉资本持股9.1%,CMB持股8.8%,LYFE Capital Stone (Hong Kong) Limited持股7.9%。

值得一提的是,燃石医学赴美上市时,清池资本、OrbiMed、济峰资本、招银国际等参与了认购。同样的,还包括高瓴资本(认购40万股,单价为16.50美元/ADS)。而在2020年第四季度,高瓴资本就选择了清仓。

根据灼识投资咨询(China Insights Consultancy,CIC)行业报告,在基于NGS检测选择癌症治疗药物的患者中,有26.7%选择了燃石医学的检测产品,肺癌患者则达到31%。

截至2020年3月31日,燃石医学已经将肿瘤NGS检测落地全国顶尖的44家医院病理科。最新财报显示,其签约合作医院数量从2019年12月31日的19家增加到2020年12月31日的29家。

根据介绍,燃石医学有多个产品正在NMPA的审批程序中。其中,燃石医学液体活检产品OncoCompassTM Target(覆盖101个基因、并可进行基于血液的微卫星不稳定状态检测)于2020年10月通过NMPA注册检验。

这篇关于燃石医学首份年报:营收、亏损规模同增,高瓴资本已清仓的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/408024

相关文章

如何将卷积神经网络(CNN)应用于医学图像分析:从分类到分割和检测的实用指南

引言 在现代医疗领域,医学图像已经成为疾病诊断和治疗规划的重要工具。医学图像的类型繁多,包括但不限于X射线、CT(计算机断层扫描)、MRI(磁共振成像)和超声图像。这些图像提供了对身体内部结构的详细视图,有助于医生在进行准确诊断和制定个性化治疗方案时获取关键的信息。 1. 医学图像分析的挑战 医学图像分析面临诸多挑战,其中包括: 图像数据的复杂性:医学图像通常具有高维度和复杂的结构

佰朔资本:沪指跌0.23%,金融板块集体上扬,半导体等板块下挫

6日早盘,沪指盘中轰动回落,深证成指、创业板指弱势下探,上证50指数逆市上扬,场内超4400股飘绿。 到午间收盘,沪指跌0.23%报2782点,深证成指跌1.01%,创业板指跌1.29%,上证50指数微涨0.05%,两市合计成交3502亿元。 盘面上看,半导体、家居、医药、酿酒、地产等板块走低,保险、券商、银行板块团体上扬,汽车拆解、海南自贸概念等生动。  5月下旬以来,大盘阶段性轰动整固,

佰朔资本:股票为什么会跌?跌了还会涨回来吗?

或许导致股票下跌的原因: 1、遭到商场环境要素影响,商场环境要素是指影响股票商场整体走势的要素,比如宏观经济、政策法规、商场资金、商场心境等。假如商场环境出现改变,比如经济添加放缓、政策收紧、资金紧张、商场不确定性添加等,那么投资者对股票的需求和持股决心就会下降,然后导致股价下跌。 2、遭到个股基本面要素影响,基本面要素是指影响股票内在价值的要素,比如企业的财务情况、成果表现、发展战略、管理水

HBase实践 | HBase TB级数据规模不停机迁移最佳实践

背景 有关HBase集群如何做不停服的数据迁移一直都是云HBase被问的比较多的一个问题,目前有许多开源的工具或者HBase本身集成的方案在性能、稳定性、使用体验上都不是很好,因此阿里云提供了BDS迁移服务,可以帮助云上客户实现TB级数据规模不停机迁移 支持场景 HBase大版本升级, 1.x升级2.x集群配置升级,8核16G升级为16核32G集群网络环境变更,经典网络迁移到VPC异地跨机房迁

讯飞医疗持续亏损:客户数量有所波动,应收账款账龄较长

《港湾商业观察》黄懿 近期,讯飞医疗科技股份有限公司(简称"讯飞医疗")再度递表港交所并更新招股书,华泰国际、广发融资(香港)及建银国际担任联席保荐人。 讯飞医疗为了此番递表,母公司与其做了十足的准备,那么最新更新的招股书又如何为其资本化道路加持呢?​ 持续亏损,业务结构出现变化 7月26日,科大讯飞(002230.SZ)发布公告称,控股子公司讯飞医疗收到中国证券监督管理委员会出具

电商企业借助精益六西格玛培训提升资产周转率——从资本困局到效率跃升

随着市场日益饱和,电商企业的增长模式被迫从粗放式扩展向精细化运营转型。这个过程许多电商企业遭遇了资产周转率低下的瓶颈,资金流动性不足直接影响企业的扩展能力与市场竞争力。面对这一困境,越来越多的电商企业开始借助精益六西格玛这一强大的管理工具来优化运营流程,提升资产周转率,从而实现企业的高效可持续发展。 资产周转率是企业一定时期内的销售收入与平均资产总额的比率,反映了企业利用资产创造销售收入的效率。

佰朔资本:人民币涨超百点,“牛市旗手”拉涨!创业板指、深成指低开高走

9月4日早盘,受昨夜欧美股市和今早日韩股市大跌影响,A股三大指数集体低开。 之后,股市全体跌幅有所收窄,创业板指继续走高翻红,盘初一度跌超1%;深证成指也随后翻红。 离岸人民币兑美元短线走高,日内涨幅扩展至超130点,报7.1074元。 银行间现券全体走强,中端体现亮眼,5年期“24附息国债08”下行1.75bp报1.75%,7年期“24附息国债13”下行1bp报2.005%。 商业连锁板

如何刷题,如何用输入规模,反推算法

这个是最近看的花花视频截图,总结的很有道理,刷三遍,基本上无敌! 这是根据LC的TLE的特性,输入size反着推算应该是什么算法; 这个是分析记忆化搜索的算法复杂度思路

保隆科技半年报:净利同比下滑近两成,ADAS/空悬业务仍亏损

2024年上半年,在全球产业链调整、局部战争仍未平息等事件长期影响下,叠加主要经济体货币政策调整、债务风险上升等周期性因素,全球经济复苏面临较大不确定性,汽车市场尚处在缓慢恢复阶段。 这也导致不少汽车零部件上市公司的半年报财务数据普遍出现营收增速下滑,甚至是负增长;净利润大幅下滑,甚至是亏损的情况。同时,持续增长的研发投入、人力成本以及终端车企降本效应的凸显,企业经营压力仍在持续上升。

RDMA over Ethernet用于Meta规模的分布式AI训练

摘要: 近年来,AI模型的计算密度和规模迅速增长,推动了构建高效可靠专用网络基础设施的需求。本文介绍了Meta公司基于RDMA over Converged Ethernet(RoCE)的分布式AI训练网络的设计、实施和运营。 我们的设计原则涉及对工作负载的深入理解,并将这些见解转化为各种网络组件的设计:网络拓扑 - 为支持AI硬件平台的世代快速演进,我们将基于GPU的训练分离到专门的"后端"