Niven Narain, administrerende direktør og præsident for BERG Health – Interviewserie

Niven Narain er administrerende direktør og præsident for BERG Health, et klinisk bioteknologisk firma, der anvender en revolutionerende ‘Tilbage til biologi^™‘-tilgang til sundhedspleje. Ved at udnytte en proprietær intelligensplattform – Interrogative Biology^®, er målet at kortlægge sygdomme og revolutionere behandlinger for patienter over hele verden.

De er en af medstifterne af BERG Health. Hvad inspirerede dem til at lancere en startup, der kombinerer AI med bioteknologi?

Sandheden er, at min inspiration og vision kom fra frustration over den metodiske, forudsigelige og lange, dyre proces for udvikling af lægemidler, der tager 12-14 år og over 2,6 milliarder dollars at udvikle en lægemiddelbehandling til markedet. Derudover var Berg ivrig efter at fjerne fordomme fra processen og ønskede at definere en vej, der ville være patientcentreret. Vores tilgang kombinerer en patients egne data, der er blevet dybt screenet for fulde lag af biologi, med en bag-end Bayesian AI-system til at kanalisere alle patientdata og derefter drive hypoteser.

Hvilke sygdomme eller kræftformer er i fokus?

Vi er i øjeblikket fokuseret på sygdomme inden for onkologi, neurologi og sjældne sygdomme, herunder:

• Immunologi/inflammatoriske sygdomme (LUPUS)
• Kardiovaskulær og metabolisk sygdom (diabetes, NASH/NAFLD)
• Neurologiske sygdomme (Parkinsons sygdom, Alzheimers sygdom og autisme)
• Sjælden sygdom (Epidermolysis Bullosa)
• Flere kræftformer (Glioblastom, pancreas, bryst, prostata og andre aggressive kræftformer)

BERG Health anvender sin proprietære platform Interrogative Biology^® til at kortlægge sygdomme og behandlingsmuligheder. Kan de forklare, hvad Interrogative Biology^® præcis er?

Platformen omfatter en proces, hvor en sygdomsspecifik model bygges fra menneskeafledte biospecimener (gør det relevant for menneskesygdomme i stedet for surrogate dyremodeller). Sygdomsmodellen undergår omfattende molekylær profilering (multi-omik defragmentering – genomik, transkriptomik, proteomik, lipidomik, metabolomik) for at generere billioner af molekylære data punkter. Disse data kombineres med individuel patientinformation (klinisk og virkelighedsinformation) ved hjælp af BERG’s proprietære Bayesian kunstig intelligens (AI)-algoritmer for at generere molekylære kort over sygdom, der sammenlignes med ikke-syge kontroller for at identificere ny biologi under sygdommen. Outputtet undergår derefter strenge våde laboratorievalideringsteknikker for sygdomsrelevante funktionelle modeller og CRISPR.

Kan de forklare, hvordan BERG Health crowdsourcer innovation?

BERG samarbejder med akademiske og kliniske/medicinske institutioner for at generere biobanker af højkvalitets-, klinisk-annoterede biospecimener til sygdomsspecifikke programmer. BERG har bygget et hold af interne eksperter, der specialiserer sig i nogle af de multi-omiske funktioner. Holdet samarbejder også med grupper med specifikke ekspertiser for yderligere dataproduktion, f.eks. genetiske og transkriptionelle profiler, der genereres med samarbejdspartnere. Vi samarbejder med førende kliniske/medicinske institutioner og stats-/føderale myndigheder, herunder det amerikanske forsvarsministerium og det energiministeriumsfinansierede Oak Ridge National Lab (ORNL), blandt andre. Vi har set førstehånds, hvor vigtigt samarbejde er, og dens rol i at generere højfidusdata, der er bakket op af patienters medicinske historier og virkelighedsdata, et afgørende skridt for integration til biologiske modeller. Akademiske samarbejder er afgørende for våde laboratorievalidering af in-silico-output for at generere en ny, videnskabelig grundlag for specifikke molekylære indsighter, der er afgrænset af platformen. Berg involverer også indsigt og feedback fra KOL’er (Key Opinion Leaders) ved starten af opbygning af AI-modeller og bruger disse samarbejder til at uafhængigt validere platformoutputtet.

Kan de beskrive, hvordan AI anvendes til at opdage elementer, der udløser sygdomme eller kræft?

BERG’s Bayesian AI anvender internt genererede/ kuraterede data til de novo-opdagelse af sygdomsspecifikke udløsere – identificerer mål for behandling, biomarkører for diagnose, stadie-/stratificering, ledsagende diagnostik for respons/ outcome og longitudinelle molekylære kort for at generere fingeraftryk af respons og uønskede begivenheder. AI’en sammenligner modeller af sygdom vs. ikke-syge populationer, og “delta”-netværket slutninger udløserpunkter for sygdom.

Hvilke måder anvender AI til at lokalisere biomarkører hos patienter, der ikke responderer på bestemte terapier eller vacciner?

Ved at fange den fulde narrativ om patientens biologi gennem multi-omisk analyse og anvende Bayesian årsagsinference fra longitudinelle patientprøver, er BERG i stand til at identificere årsags-signaler for respons til kendte terapier, genanvendelsesmuligheder og signaturer af molekylære enheder, der påvirker sundhedsresultater. Multi-omik går langt ud over genomet og tillader dig at identificere cirkulerende faktorer, der påvirker sundhedsresultater.

Hvilke lægemidler er i øjeblikket i pipelinen?

BERG har flere programmer i klinisk og præklinisk udvikling, med de mest modne aktiver i onkologi og neurologisk sygdom.

• I onkologi er BPM 31510-IV et nyt lille molekyle, der targetter kræftcellernes metabolisme, og som har gennemført en fase 1 (sikkerhed/tolerabilitet) i solide tumorer og hjernekræft (GBM). BPM 31510-IV Fase 2 (efficacitet, pancreas kræft). Dette er i øjeblikket i klinisk udvikling for GBM (Fase 2/3) og Fase 3 pancreas kræft.
• BPM 31510-Topical – Succesfuld afslutning af Fase 1 i Epidermolysis Bullosa (sjælden sygdom/orphan designation), planlægning af Fase 2/3 klinisk udvikling.
• BPM 31510-Oral – Succesfuld afslutning af Fase 1 oral i sunde menneskelige frivillige, i tidlige planlægningsfaser af Fase 2 klinisk udvikling for onkologi/non-onkologi-indikationer.
• BPM 31543 er et lille molekyle til forebyggelse af kemoterapi-induceret alopeci. Sikkerhed og tolerabilitet med initialt signal af efficacitet er etableret i Fase 1 klinisk prøve. Dette aktivum er i øjeblikket i planlægning af Fase 2/3 klinisk udvikling.
• BPM 42522 – 1. klasse lille molekyle, der targetter et nyt BERG-platform-identificeret mål i Ubiquitin Proteosome Pathway i IND-aktiveringsstudier for FIH-studier i onkologi Q1FY2021.
• Et nyt mål identificeret for Parkinsons sygdom er i øjeblikket i lægemiddel-opdagelsesindsats.

BERG Health har nyligt samarbejdet med det amerikanske energiministeriums Oak Ridge National Lab. Kan de give os nogle detaljer om, hvad dette samarbejde indebærer?

BERG’s platform har kapaciteten til at generere en liste over flere potentielle mål for sygdomsintervention. Summit-supercomputeren på ORNL har kapaciteten til at analysere omfattende molekylære strukturer af disse mål og identificere små lægemiddel-lignende molekyler, der kan anvendes til hurtig validering af målene, hvilket fører til forkortede målvaliderings-/lægemiddeludviklingstider for nye terapeutiske midler. Den kombinerede BERG-ORNL-samarbejde giver grundlag for hurtig identificering af nye sygdomsspecifikke mål og tilhørende lægemiddeludviklingsprocesser. Det muliggør også ubesværet generering af sygdomsspecifikke produkt-pipelines, der er klar til klinisk udvikling. Det største indflydelse af dette samarbejde er på tiden/omkostningerne for opdagelse og udvikling af nye lægemidler.

COVID-19 er åbenbart på alles tanker, hvordan hjælper BERG Health med denne indsats?

BERG’s AI-aktiverede Interrogative Biology Platform er blevet anvendt til at generere en COVID-19-specifik model, hvilket har ført til identificering af flere kendte og nye mål med potentiale til at påvirke forløbet af infektionen og mulig genanvendelse af godkendte lægemidler for at minimere/mitigere kliniske resultater. Gennem vores aktive samarbejde med ORNL er vi i øjeblikket engageret i opdagelsen og udviklingen af små molekyler mod nye mål for potentiel behandling af COVID-19.

Tak for interviewet, læsere, der ønsker at lære mere, skal besøge BERG Health.