Niven Narain, CEO und Präsident von BERG Health – Interview-Serie

Niven Narain ist CEO und Präsident von BERG Health, einem klinischen, AI-gestützten Biotechnologieunternehmen, das einen mutigen “Back to Biology^™“-Ansatz im Gesundheitswesen verfolgt. Durch die Nutzung einer proprietären Intelligenzplattform – Interrogative Biology^® – soll die Krankheit kartiert und die Behandlungsmöglichkeiten für Patienten auf der ganzen Welt revolutioniert werden.

Sie sind einer der Mitgründer von BERG Health. Was hat Sie dazu inspiriert, ein Startup zu gründen, das AI mit Biotech verbindet?

Wahrhaftig, meine Inspiration und Vision kamen aus der Frustration über den methodischen, vorhersehbaren und langen, teuren Prozess der Arzneimittelentwicklung, der 12-14 Jahre und über 2,6 Milliarden Dollar kostet, um ein Arzneimittel auf den Markt zu bringen. Darüber hinaus wollte Berg die Vorurteile aus dem Prozess entfernen und einen patientenorientierten Weg definieren. Unser Ansatz kombiniert die Daten eines Patienten, die tief für die vollständigen biologischen Schichten durchsucht wurden, mit einem bayesschen AI-System, um Hypothesen zu generieren.

Welche Krankheiten oder Krebsarten werden derzeit angegriffen?

Wir zielen derzeit auf Krankheiten in den Bereichen Onkologie, Neurologie und seltene Krankheiten ab, darunter:

• Immunologie/Entzündungskrankheiten (LUPUS)
• Kardiovaskuläre und metabolische Krankheiten (Diabetes, NASH/NAFLD)
• Neurologische Krankheiten (Parkinson-Krankheit, Alzheimer-Krankheit und Autismus-Spektrum-Störungen)
• Seltene Krankheiten (Epidermolysis bullosa)
• Mehrere Krebsarten (Glioblastom, Pankreas-, Brust-, Prostata- und andere aggressive Krebsarten)

BERG Health nutzt seine proprietäre Plattform Interrogative Biology^®, um Krankheiten und Behandlungsmöglichkeiten zu kartieren. Können Sie uns genauer erklären, was Interrogative Biology^® ist?

Die Plattform umfasst einen Prozess, bei dem ein krankheitsspezifisches Modell aus humanen Biospecimen (was es für die menschliche Krankheit und nicht für Surrogat-Tiermodelle relevant macht) erstellt wird. Das Krankheitsmodell wird einer umfassenden molekularen Profilierung (multi-omische Defragmentierung – Genomik, Transkriptomik, Proteomik, Lipidomik, Metabolomik) unterzogen, um Billionen von molekularen Datenpunkten zu generieren. Diese Daten werden mit den individuellen Patienteninformationen (klinischen und realen Weltinformationen) mithilfe von BERGs proprietärer bayesscher KI-Algorithmen (Artificial Intelligence) kombiniert, um molekulare Karten von Krankheiten zu generieren, die mit nicht-kranken Kontrollen verglichen werden, um die neue Biologie zu identifizieren, die der Krankheit zugrunde liegt. Das Ergebnis wird dann strengen Nasslabor-Validierungstechniken für krankheitsspezifische funktionale Modelle und CRISPR unterzogen.

Können Sie uns erklären, wie BERG Health Innovationen crowdsourct?

BERG arbeitet mit akademischen und klinischen/medizinischen Einrichtungen zusammen, um Biobanken von hochwertigen, klinisch annotierten Biospecimen für krankheitsspezifische Programme zu generieren. BERG hat ein Team von internen Experten aufgebaut, die sich auf einige der multi-omischen Fähigkeiten spezialisiert haben. Das Team arbeitet auch mit Gruppen mit spezifischen Experten für zusätzliche Datenprofile zusammen, z. B. genetische und transkriptomische Profile, die mit Mitarbeitern generiert werden. Wir arbeiten mit führenden klinischen/medizinischen Einrichtungen und staatlichen/behördlichen Einrichtungen zusammen, einschließlich des US-Verteidigungsministeriums und des Energieministeriums finanzierten Oak Ridge National Lab (ORNL) und anderen. Wir haben die Bedeutung der Zusammenarbeit und ihre Rolle bei der Generierung von hochwertigen Daten, die durch Patientenmedizingeschichten und reale Weltinformationen unterstützt werden, gesehen, was ein entscheidender Schritt für die Integration in die biologischen Modelle ist. Akademische Zusammenarbeiten sind für die Nasslabor-Validierung der In-silico-Ausgaben von entscheidender Bedeutung, um eine neue wissenschaftliche Grundlage für spezifische molekulare Erkenntnisse zu generieren, die durch die Plattform definiert werden. Berg bindet auch die Erkenntnisse und Feedback von KOLs (Key Opinion Leaders) bei der Erstellung von AI-Modellen ein und nutzt diese Zusammenarbeiten, um eine unabhängige Validierung der Plattformausgaben durchzuführen.

Können Sie uns beschreiben, wie AI verwendet wird, um Elemente zu entdecken, die Krankheiten oder Krebs auslösen?

BERGs bayessche KI verwendet intern generierte/curatierte Daten für die Entdeckung von krankheitsspezifischen Auslösern – Identifizierung von Zielen für die Behandlung, Biomarkern für die Diagnose, Stadien/Stratifizierung, Begleitdiagnostika für die Reaktion/Ausgang und longitudinale molekulare Kartierung für die Generierung von Fingerabdrücken von Reaktionen und unerwünschten Ereignissen. Die KI vergleicht Modelle von Krankheiten mit nicht-kranken Populationen und die “Delta”-Netzwerkinferenz identifiziert die Auslöserpunkte der Krankheit.

Welche Möglichkeiten gibt es, um Biomarker bei Patienten zu identifizieren, die nicht auf bestimmte Therapien oder Impfstoffe ansprechen?

Indem die vollständige Erzählung der Patientenbiologie durch multi-omische Analyse erfasst und bayessche kausale Inferenz aus longitudinalen Patientenproben angewendet wird, kann BERG kausale Signale für die Reaktion auf bekannte Therapien, Wiederverwendungsgelegenheiten und Signaturen molekularer Einheiten identifizieren, die die Gesundheitsergebnisse beeinflussen. Multi-omische Analyse geht weit über das Genom hinaus und ermöglicht es, zirkulierende Faktoren zu identifizieren, die die Gesundheitsergebnisse beeinflussen.

Welche aktuellen Arzneimittel sind derzeit in Ihrer Pipeline?

BERG hat mehrere Programme in klinischer und präklinischer Entwicklung, wobei die reifsten Vermögenswerte in Onkologie und neurologischen Krankheiten liegen.

• In der Onkologie ist BPM 31510-IV ein neues kleines Molekül, das den Stoffwechsel von Krebszellen angreift und erfolgreich eine Phase-1-Studie (Sicherheit/Verträglichkeit) bei soliden Tumoren und Hirnkrebs (GBM) abgeschlossen hat. BPM 31510-IV Phase 2 (Wirksamkeit, Pankreaskrebs). Dieses ist derzeit in klinischer Entwicklung für GBM (Ph2/3) und Ph3 Pankreaskrebs.
• BPM 31510-Topical – Erfolgreicher Abschluss der Ph1 bei Epidermolysis bullosa (seltene Krankheit/ Waisenmedikament-Bezeichnung), Planung der Ph2/3 klinischen Entwicklung.
• BPM 31510-Oral – Erfolgreicher Abschluss der Ph1 oral bei gesunden Menschen, in den frühen Planungsstadien der Ph2 klinischen Entwicklung für Onkologie/nicht-Onkologie-Indikationen.
• BPM 31543 ist ein kleines Molekül zur Verhinderung von chemotherapieinduzierter Alopecia. Sicherheit und Verträglichkeit sowie ein anfängliches Signal der Wirksamkeit wurden in einer Phase-1-Studie etabliert. Dieses Vermögenswert ist derzeit in Planung für Ph2/3 klinische Entwicklung.
• BPM 42522 – 1. in der Klasse kleines Molekül, das ein neues Ziel im Ubiquitin-Proteasom-Weg angreift, das von der BERG-Plattform identifiziert wurde, in Studien zur Erlangung der ersten klinischen Studie (FIH) in Onkologie im 1. Quartal 2021.
• Ein neues Ziel für die Parkinson-Krankheit ist derzeit in der Arzneimittelentdeckung.

BERG Health hat kürzlich eine Partnerschaft mit dem Energieministeriums Oak Ridge National Lab geschlossen. Können Sie uns einige Details über diese Partnerschaft geben?

Die Plattform von BERG hat die Fähigkeit, eine Liste von potenziellen Zielen für die Krankheitsintervention zu generieren. Der Summit-Supercomputer von ORNL hat die Fähigkeit, umfassende molekulare Strukturen dieser Ziele zu analysieren und kleine, arzneimittelähnliche Moleküle zu identifizieren, die für die schnelle Validierung der Ziele verwendet werden können, was die Zeit für die Arzneimittelentdeckung und -entwicklung von neuen Therapien verkürzt. Die Rechenleistung von Summit reduziert den Arzneimittelentdeckungsprozess von mehreren Monaten/Jahren auf einige Stunden/Tage, um anfängliche hochwertige “Treffer” von arzneimittelähnlichen Molekülen zu generieren. Die BERG-ORNL-Zusammenarbeit bildet die Grundlage für die schnelle Identifizierung neuer, krankheitsspezifischer Ziele und des damit verbundenen Arzneimittelentdeckungsprozesses. Sie ermöglicht auch die nahtlose Generierung von krankheitsspezifischen Produkt-Pipelines, die für die klinische Entwicklung vorbereitet sind. Der größte Einfluss dieser Zusammenarbeit liegt in der Zeit- und Kostenersparnis bei der Entdeckung und Entwicklung neuer Arzneimittel.

COVID-19 ist offensichtlich in aller Munde, wie unterstützt BERG Health diese Bemühungen?

Die AI-gestützte Interrogative-Biology-Plattform von BERG wurde genutzt, um ein COVID-19-spezifisches Modell zu generieren, das zur Identifizierung mehrerer bekannter und neuer Ziele mit dem Potenzial, den Zeitverlauf der Infektion und die Wiederverwendung von zugelassenen Arzneimitteln zur Minimierung/Milderung der klinischen Ergebnisse, geführt hat. Durch unsere aktive Zusammenarbeit mit ORNL sind wir derzeit an der Entdeckung und Entwicklung von kleinen Molekülen gegen neue Ziele für die potenzielle Behandlung von COVID-19 beteiligt.

Vielen Dank für das Interview. Leser, die mehr erfahren möchten, sollten BERG Health besuchen.