مقابلات
جون بيلر، دكتوراه في الفلسفة، نائب الرئيس الأول لتطوير الأعمال، BPGbio – سلسلة المقابلات
جون بيلر، دكتوراه في الفلسفة، نائب الرئيس الأول لتطوير الأعمال في BPGbio، يأتي مع أكثر من عقدين من الخبرة في التكنولوجيا الحيوية وتطوير الأعمال، مع خبرة واسعة في العلاجات الجديدة. قبل انضمامه إلى BPGbio، كان قد شغل منصب最近 قائد البحث والتقييم لتطوير الأعمال في بريستول-مايرز سكويب حيث كان له دور حاسم في البحث عن فرص الترخيص والشراكات الاستراتيجية.
BPGbio هي شركة رائدة في مجال التكنولوجيا الحيوية السريرية التي تعتمد على علم الأحياء والبروتينات، وتُركز على علم الأحياء الخلوي والتوازن البروتيني. تتمتع الشركة بpipeline عميق من العلاجات التي طُوِّرت بواسطة الذكاء الاصطناعي، وتشمل هذه العلاجات أورامًا نادرة وأمراضًا عصبية، بما في ذلك عدة تجارب سريرية في المراحل المتأخرة. يعتمد نهج BPGbio الجديد على منصة Interrogative Biology الخاصة بها، المحمية ب أكثر من 400 براءة اختراع أمريكية ودولية؛ واحدة من أكبر البنوك البيولوجية غير الحكومية مع عينات طويلة الأمد؛ والوصول الحصري إلى أقوى كمبيوتر في العالم.
ما الذي ألهم منصة NAi Interrogative Biology، وكيف تتميز BPGbio عن شركات التكنولوجيا الحيوية الأخرى التي تعتمد على الذكاء الاصطناعي؟
منذ انضمامي إلى BPGbio، كنت مستمرًا في الإعجاب بالعمق في الابتكار والرؤية الطويلة الأمد التي ذهبت إلى بناء منصة NAi Interrogative Biology. كما شخص قضى عقدين في التكنولوجيا الحيوية وتطوير الأعمال – قيمًا مجموعة واسعة من المنصات والشركات – يمكنني القول أن NAi تبرز بأساسها البيولوجي وعمق البيانات التي تفتشها.
كان BPGbio من بين أوائل من روَّجوا للذكاء الاصطناعي لاكتشاف الأدوية. على مدار 15 عامًا، قام الفريق بتحسين NAi إلى منصة تدمج بيانات الomics الخاصة مع واحدة من أكبر البنوك البيولوجية الطويلة الأمد في العالم. على عكس الشركات الأخرى التي تعتمد على تقنيات ضيقة أو مجموعات بيانات عامة لبرنامج اكتشاف مرض واحد، ندمج قدرات الomics المتعددة مع بنكنا البيولوجي الخاص الذي يحتوي على مئات الآلاف من العينات الطويلة الأمد والسريرية المُحكمة، ونستخدم الذكاء الاصطناعي البيزياني، وليس نمذجة الذكاء الاصطناعي التوليدية، لاكتشاف رؤى بيولوجية قائمة على الأسباب، والتي يمكن أن تخبر أي مرحلة من مراحل اكتشاف الأدوية وزيادة احتمالية نجاح التطوير السريري. نحن لا نكتشف فقط الأهداف؛ نحن نستخدم الذكاء الاصطناعي لتصميم تجاربنا السريرية، وفهم نتائج تجاربنا السريرية، وضبط نهج علاجنا.
تتكلم نتائجنا عن نفسها: لدينا واحدة من أنجح وأكثر خطوط الإنتاج السريرية تقدمًا في صناعة التكنولوجيا الحيوية التي تعتمد على الذكاء الاصطناعي. يتضمن هذا الخط两个 تجربة سريرية نشطة من المرحلة 2 في الأورام العدوانية، وبرامج جاهزة للمرحلة 3، ومئات الأهداف والbiosignatures الجديدة التي قدمناها باستخدام نماذج الذكاء الاصطناعي الخاصة بنا.
يمكنك أن تشرح لنا كيف يسرع نهج BPGbio المبني على البيولوجيا وتخفيف مخاطر عملية اكتشاف الأدوية؟
تتمتع عملية تطوير الأدوية بنسبة نجاح تقريبية تبلغ 10٪ إلى الموافقة على إدارة الأغذية والأدوية، مما يعكس المخاطر والتحديات الكبيرة المرتبطة بإدخال دواء جديد إلى السوق. لذلك، ليس سرعة اكتشاف الأهداف وعدد الأهداف المهم؛ ما يهم هو الجودة.
في حين أن الذكاء الاصطناعي قد يساعد في تسريع عملية الاكتشاف، تطبيق الذكاء الاصطناعي، خاصة الذكاء الاصطناعي التوليدي، على نفس مجموعات البيانات العامة المستخدمة في عملية اكتشاف الأدوية التقليدية، لن يغير بالضرورة نتائج التجارب السريرية، وهو الشيء الوحيد الذي يهم في النهاية.
يضمن نهجنا المبني على البيولوجيا جودة وعمق ودقة وشمولية وكمية البيانات التي تذهب إلى نماذج الذكاء الاصطناعي الخاصة بنا. في تحليلنا الomics المتعدد، نذهب إلى أبعد من تحليل RNA وDNA. بالإضافة إلى الجينوميات والنسخ الجيني، يقوم علماؤنا بتحليل البروتينات والليبيدات والأيض في جميع طبقات البيولوجيا البشرية – العضو والنسيج والخلايا والغشاء – ونغذي بيانات الomics الكبيرة غير المحايدة إلى نماذج الذكاء الاصطناعي البيزياني من أجل رؤى جديدة.
سمح لنا هذا النهج الواسع القائم على الذكاء الاصطناعي أن ننظر إلى أبعد من منطقة المرض لfinding “السبب الجذري” بشكل أسرع. بعد أن يساعد الذكاء الاصطناعي في العثور على “السبب الجذري”، وقبل أن نذهب إلى التجارب السريرية، نعود إلى المختبر الرطب لتأكيد دقة رؤى الذكاء الاصطناعي. يُسهم تركيزنا على البيولوجيا البشرية في تسريع وتخفيف مخاطر عملية الاكتشاف والتنمية الخاصة بنا.
يقلل هذا النهج الدوري من عدم اليقين ويهون في النهاية من عملية التطوير. من منظوري في تطوير الأعمال، هذا هو المفتاح لبناء الثقة مع الشركاء المحتملين – لأن نهجنا يحسن من احتمالية النجاح من البداية.
كيف يُحسن دمج الذكاء الاصطناعي مع أسرع كمبيوتر في العالم، Frontier، قدرةكم على تحليل بيانات المرضى وتحديد أهداف الأدوية؟
من خلال شراكة مع وزارة الطاقة الأمريكية، لدينا وصول حصري إلى كمبيوتر Frontier السريع في مختبر أوك ريدج الوطني لتحليل تطوير الأدوية. يمكن لهذا الكمبيوتر السريع أداء 1.35 كوينتيليون حساب في الثانية.
تُمكِّننا هذه القوة الحاسوبية من استخدام مجموعة بياناتنا الكبيرة لتحديد الأنماط والارتباطات والعلاقات السببية والرؤى القابلة للتنفيذ التي ستظل مخفية في تحليلات ذات نطاق أصغر، وتقليل الوقت اللازم من أشهر إلى ساعات.
على سبيل المثال، خلال جائحة كوفيد-19، قمنا بتحليل سجلات المرضى الإلكترونية (EMR) ل 280,000 مريض جنبًا إلى جنب مع معلوماتهم السريرية. قمنا بتحديد عوامل الخطر الجينية لفرق عرقية معينة، مما مهد الطريق للطب الشخصي. قمنا بتحليل 1.2 مليار مادة لاكتشاف علاجات محتملة لمرض كوفيد-19 في غضون ساعات فقط.
من منظور تجاري، تُمكِّننا هذه القوة الحاسوبية من فتح رؤى بشكل أسرع وأكثر فعالية من الآخرين، مما يسرع الوقت حتى الشراكة والتجارب السريرية والمنفعة المرضية في النهاية.
تتمتع BPGbio ببرامج سريرية في سرطان الدماغ وسرطان البنكرياس. ما هي الرؤى الفريدة التي كشفت عنها منصة NAi في هذه المجالات، وكيف قادها إلى تجاربك؟
تجرى BPGbio حاليًا تجربة المرحلة 2ب لسرطان الدماغ (GBM) وأكملت تجربة المرحلة 2أ لسرطان البنكرياس، وكلا التجربتين مع مرشح دواءنا الصغير BPM31510.
من خلال منصة NAi، تفهمنا أن معظم الأورام الصلبة العدوانية تسببها عيوب في الوظيفة الميتوكوندرية في بيئة الورم. BPM31510 هو دواء يحتوي على يوبيديكارينون مع تأثيرات مضادة للسرطان التي تُحفَّز بواسطة آليات جزيئية في الميتوكوندريا التي تُحفز عملية موت الخلية المُختبَر. قمنا بتشغيل دراسة مفتوحة مع 128 مريضًا في المرحلة 1 على BPM31510، وأكدت نتائج التجربة السريرية الرؤى التي اكتشفتها NAi. ساعدت NAi لاحقًا في تحسين几乎 كل جانب من جوانب هذه العلاجات، من الجرعة المثلى وتوقيتها إلى اختيار المرضى. تجربة GBM الخاصة بنا目前 في مرحلة التسجيل وننتظر أن نشر نتائج تجربة GBM المرحلة 2 في نهاية هذا العام.
الأمراض النادرة مثل نقص CoQ10 الأولي ومتلازمة جلدية نادرة هي محور تركيز BPGbio. ما هي التحديات والفرص التي تريها في معالجة هذه الحالات؟
الأمراض النادرة لدى الأطفال غالبًا ما تفتقر إلى خيارات علاجية فعالة بسبب تعقيدها وانخفاض انتشارها، وغالبًا ما يواجه الأطفال الذين يعانون من هذه الحالات أمدًا حياتيًا قصيرًا. هذا يطرح تحديات للتجنيد السريري والملاحة التنظيمية وتطوير العلاجات.
في BPGbio، نفخر بتولي هذه التحديات المعقدة. مرشح دوائنا الرائد، BPM31510، حصل على عدة تصنيفات من إدارة الأغذية والأدوية، بما في ذلك تصنيف دواء الأورفان وتصنيف مرض الأطفال النادر، لكلا من نقص CoQ10 الأولي ومتلازمة جلدية نادرة (EB). هذه هي الأميال الهامة التي تعكس الإمكانات السريرية لبرامجنا وتفتح الباب لمكافآت المراجعة الأولوية عند الموافقة.
نخطط لتجربة المرحلة 3 لنقص CoQ10 الأولي ونفكر نشطًا في الشراكات لتطوير برنامج EB. هذا يشمل تقييم التركيبات الموضعية كخيارات علاجية. نعتقد أن منصة BPGbio يمكن أن تؤثر بشكل كبير في هذا المجال.
يلعب الذكاء الاصطناعي البيزياني دورًا مهمًا في منصتكم. كيف يساعد بشكل خاص في تحديد أهداف أو biomarkers جديدة؟
يسمح لنا الذكاء الاصطناعي البيزياني بانتقال منصة NAi إلى أبعد من تحديد الارتباطات لاكتشاف علاقات السبب والنتيجة التي تدفع الأمراض. يُحاكي عدم اليقين، ويعطي حسابًا لتنوع البيانات، ويُنتج تنبؤات قوية جدًا توجيه اكتشاف العلاجات والbiosignatures.
من خلال دمج البيانات الomics الطويلة الأمد والسريرية، يمكن لنا النماذج تحديد الآليات البيولوجية وراء تقدم المرض ونقاط التدخل المثلى. هذا يجعل عملية الاكتشاف أكثر دقة والتنمية اللاحقة أكثر قابلية للتوقع.
من منظور استراتيجي، هذا قيمة بشكل لا يصدق. التحقق من ما يجب استهدافه ولماذا يهم بيولوجيًا يغير كيفية تقديم البرامج، وتصميم التجارب، والتعامل مع الشركاء. يبني الثقة في العلوم.
عملك على انزيمات E2 من أجل تدهور البروتين المستهدف هو رائد. كيف تفوقت منصة NAi على التحديات التقليدية في استهداف بروتينات “غير قابلة للعلاج”؟
برنامج BPGbio لتحلل البروتين المستهدف القائم على انزيم E2 هو واحد من أكثر مجالات خط أنابيبنا إثارةً وإبداعًا. تعتمد نهج التدهور التقليدي على انزيمات E3، مما يحد من نطاق الهدف ويمكن أن يؤدي إلى مقاومة الدواء. نهجنا يستخدم مركبات انزيم E2 المعدلة بعد الترجمة – التي كشف عنها منصة NAi – لتوسيع بروتوم قابل للعلاج.
هذا هو نهج من الدرجة الأولى، والزخم المبكر الذي نحصل عليه قد جذب الانتباه عبر صناعات الدواء والتكنولوجيا الحيوية. نحن نطبق حاليًا هذا النهج على الأورام والطب العصبي والأمراض النادرة. إنه مثال رائع على كيف لا تدعم NAi فقط الاكتشاف – بل تمكننا من إعادة التفكير في ما هو ممكن في تطوير الأدوية.
كيف توازن BPGbio بين رؤى الذكاء الاصطناعي والإشراف البشري لضمان صحة الاكتشافات؟
في BPGbio، نرى الذكاء الاصطناعي كأداة قوية – ولكن ليس بديلاً – للخبرة البشرية. رؤى الذكاء الاصطناعي الخاصة بنا تُبنى على بيانات بيولوجية عالية الجودة وتُحقق بشكل مستمر من قبل فرقنا من الأحيائيين والأطباء وعلماء البيانات.
يضمن هذا التعاون أن كل رؤية تُوضع في السياق البيولوجي والسريري. إنه واحد من الأسباب التي تجعل BPGbio تحقق نسبة نجاح عالية في التجارب السريرية – نجمع بين سرعة ونطاق الذكاء الاصطناعي مع الدقة العلمية والاحكام التي يمكن أن يأتي بها فقط الخبراء ذوو الخبرة.
ما هو الإمكانات التي تريها لاكتشاف biomarkers بواسطة الذكاء الاصطناعي لثورة التشخيص المبكر في أمراض مثل مرض باركنسون؟
قوة منصتنا تكمن في khảية استجواب البيولوجيا على نطاق واسع وعميق – لذلك عندما يكتشف NAi هدفًا علاجيًا، يمكن استخدامه تشخيصيًا أيضًا.
في مرض باركنسون، بنينا نماذج علم الأحياء باستخدام عينات مريض من معهد باركنسون تقريبًا 400 فرد، وحددنا N-acetylputrescine (NAP) كbiosignature دمية جديدة. قمنا بتحقق من صحتها من خلال لوحة تشخيصية معتمدة من CLIA، وتبين دراستنا المنشورة أن لوحة NAP، عندما تم دمجها مع الميزات السريرية مثل فقدان حاسة الشم واضطراب النوم REM، تحسنت بشكل كبير من الدقة التشخيصية وتقييم المخاطر المبكر. هذا له إمكانات تمكين التدخل المبكر وتحسين نتائج المرضى.
ما هو الدور الذي تريه ل BPGbio في تشكيل مستقبل الطب الدقيق؟
لا يوجد نهج شامِل لجميع المرضى. الذكاء الاصطناعي القائم على البيولوجيا له إمكانات تحويل الطب الدقيق باكتشاف رؤى جديدة تساعد في تصنيف المرضى، وبالتالي تحسين تصميم التجارب وتصنيف المرضى ومعدلات نجاح العلاج. ستؤدي هذه الرؤى إلى تطوير أكثر كفاءة للأدوية والتشخيصات لمرض نادر ومعقد.
من خلال استغلال الذكاء الاصطناعي لاستجواب البيولوجيا بدقة، يمكن للصناعة فتح إمكانات الذكاء الاصطناعي بالكامل لتحويل تطوير الأدوية وتقديم اختراقات ت满ي الاحتياجات الطبية غير الملباة. الفصل التالي من الطب الدقيق سيكتب بواسطة من يمكنهم ربط الابتكار بالتأثير، و BPGbio جاهزة لتولي هذا الدور.
