John Beeler, Ph.D., SVP of Pengembangan Bisnis, BPGbio – Seri Wawancara

John Beeler, Ph.D., SVP of Pengembangan Bisnis di BPGbio, membawa lebih dari dua dekade pengalaman di bidang bioteknologi dan pengembangan bisnis, dengan keahlian yang luas dalam terapi baru. Sebelum bergabung dengan BPGbio, dia baru-baru ini menjabat sebagai Pemimpin Pencarian dan Evaluasi Pengembangan Bisnis di Bristol-Myers Squibb (BMY ) di mana dia memainkan peran penting dalam mencari dan mengevaluasi kesempatan lisensi dan kemitraan strategis.

BPGbio adalah perusahaan bioteknologi klinis yang dipimpin oleh biologi dan ditenagai oleh kecerdasan buatan, yang fokus pada biologi mitokondria dan homeostasis protein. Perusahaan ini memiliki pipa besar terapi yang dikembangkan oleh kecerdasan buatan, yang mencakup onkologi, penyakit langka, dan neurologi, termasuk beberapa yang sedang dalam percobaan klinis lanjutan. Pendekatan baru BPGbio didukung oleh NAi, Platform Biologi Interogatif yang dipatenkan, yang dilindungi oleh lebih dari 400 paten AS dan internasional; salah satu biobank non-pemerintah terbesar di dunia dengan sampel longitudinal; dan akses eksklusif ke superkomputer terkuat di dunia.

Apa yang menginspirasi platform Biologi Interogatif NAi, dan bagaimana itu membedakan BPGbio dari perusahaan bioteknologi lain yang menggunakan kecerdasan buatan?

Sejak bergabung dengan BPGbio, saya terus-menerus terkesan dengan kedalaman inovasi dan visi jangka panjang yang digunakan untuk membangun platform Biologi Interogatif NAi. Sebagai seseorang yang telah menghabiskan dua dekade di bioteknologi dan pengembangan bisnis—mengevaluasi berbagai platform dan perusahaan—saya dapat mengatakan bahwa NAi menonjol karena fondasi biologinya dan kedalaman data yang diinterogasinya.

BPGbio adalah salah satu perusahaan pertama yang mempelopori kecerdasan buatan untuk penemuan obat. Selama 15 tahun terakhir, tim telah menyempurnakan NAi menjadi platform yang mengintegrasikan data multi-omik dan biobank longitudinal terbesar di dunia. Tidak seperti perusahaan lain yang mengandalkan teknologi sempit atau dataset publik untuk program penemuan penyakit tunggal, kami mengintegrasikan kemampuan multi-omik dengan biobank milik kami yang menampung ratusan ribu sampel longitudinal yang telah dianotasi secara klinis dan menggunakan kecerdasan buatan Bayesian, bukan model kecerdasan buatan generatif untuk mengungkapkan wawasan biologis yang dapat menginformasikan hampir semua tahap penemuan obat dan meningkatkan kemungkinan keberhasilan pengembangan klinis. Kami tidak hanya mengidentifikasi target; kami menggunakan kecerdasan buatan untuk merancang percobaan klinis kami, memahami hasil percobaan klinis kami, dan memperbaiki pendekatan pengobatan kami.

Hasil kami berbicara untuk diri mereka sendiri: Kami memiliki salah satu pipa klinis paling maju dan kuat di industri bioteknologi kecerdasan buatan. Pipa ini termasuk dua percobaan fase 2 yang aktif pada kanker agresif, beberapa program fase 3 yang siap, dan lebih dari seratus target dan biomarker baru yang telah kami identifikasi menggunakan model kecerdasan buatan kami.

Bagaimana BPGbio mempercepat dan mereduksi risiko proses penemuan obat dengan pendekatan biologi-terlebih-dahulu?

Pengembangan obat memiliki tingkat keberhasilan sekitar 10 persen untuk persetujuan FDA, yang mencerminkan risiko dan tantangan yang signifikan yang terkait dengan membawa obat baru ke pasar. Oleh karena itu, bukan seberapa cepat dan seberapa banyak target yang ditemukan yang penting; itu adalah kualitas yang penting.

Sementara kecerdasan buatan dapat membantu mempercepat proses penemuan, menerapkan kecerdasan buatan, terutama kecerdasan buatan generatif, pada dataset publik yang sama yang digunakan dalam proses penemuan obat tradisional, tidak akan secara signifikan mengubah hasil percobaan klinis, yang pada akhirnya merupakan satu-satunya hal yang penting.

Pendekatan biologi-terlebih-dahulu kami memastikan kualitas, kedalaman, akurasi, kelengkapan, dan kuantitas data yang masuk ke model kecerdasan buatan kami. Dalam analisis multi-omik kami, kami melampaui analisis RNA dan DNA. Selain genomika dan transkriptomik, ilmuwan kami memprofilkan proteomika, lipidomika, dan metabolomika pada semua lapisan biologi manusia—organ, jaringan, sel, dan organel—dan kami memberi makan data multi-omik besar yang tidak bias pada model kecerdasan buatan Bayesian kami untuk wawasan baru.

Pendekatan luas dan ditenagai kecerdasan buatan ini memungkinkan kami untuk melihat melampaui area penyakit untuk menemukan “penyebab akar” lebih cepat. Setelah kecerdasan buatan membantu menemukan “penyebab akar”, dan sebelum kami pergi ke percobaan klinis, kami kembali ke laboratorium basah untuk memvalidasi wawasan dari kecerdasan buatan bahwa mereka akurat. Fokus pada biologi manusia membantu kami mempercepat dan mereduksi risiko proses penemuan dan pengembangan kami.

Pendekatan tertutup ini mengurangi ketidakpastian dan pada akhirnya mereduksi risiko proses pengembangan. Dari perspektif saya di pengembangan bisnis, ini adalah kunci untuk membangun kepercayaan dengan mitra potensial—karena pendekatan kami meningkatkan kemungkinan keberhasilan dari awal.

Bagaimana integrasi kecerdasan buatan dengan superkomputer tercepat di dunia, Frontier, meningkatkan kemampuan Anda untuk menganalisis data pasien dan mengidentifikasi target obat?

Melalui kemitraan dengan Departemen Energi AS, kami memiliki akses eksklusif ke superkomputer Frontier di Laboratorium Nasional Oak Ridge untuk analisis pengembangan obat. Superkomputer ini dapat melakukan 1,35 kuadriliun perhitungan per detik.

Kemampuan komputasi ini memungkinkan kami untuk menggunakan dataset besar kami untuk mengidentifikasi pola, korelasi, kausalitas, dan wawasan yang dapat ditindaklanjuti yang akan tetap tersembunyi dalam analisis skala kecil. Ini mengurangi waktu yang dibutuhkan dari bulan menjadi jam.

Sebagai contoh, selama COVID, kami menganalisis catatan medis elektronik (EMR) dari 280.000 pasien bersama dengan informasi klinis mereka. Kami mengidentifikasi faktor risiko genetik untuk kelompok etnis tertentu, membuka jalan untuk pengobatan personalisasi. Kami menganalisis 1,2 miliar bahan berbeda untuk menemukan potensi pengobatan untuk COVID hanya dalam beberapa jam.

Dari perspektif komersial, kemampuan komputasi ini memungkinkan kami untuk membuka wawasan lebih cepat dan lebih efektif daripada yang lain, mempercepat waktu untuk kemitraan, percobaan klinis, dan, pada akhirnya, manfaat pasien.

BPGbio memiliki program klinis pada glioblastoma dan kanker pankreas. Apa wawasan unik yang telah ditemukan platform NAi dalam area ini, dan bagaimana mereka membentuk percobaan klinis Anda?

BPGbio secara aktif menjalankan percobaan fase 2b pada glioblastoma (GBM) dan telah menyelesaikan percobaan fase 2a untuk kanker pankreas, kedua percobaan dengan kandidat obat molekul kecil BPM31510 kami.

Melalui platform NAi, kami memahami bahwa sebagian besar tumor padat agresif disebabkan oleh disfungsi mitokondria di lingkungan tumor. BPM31510 adalah nanodispersi yang mengandung ubidekarenon dengan efek anti-kanker yang dimediasi oleh mekanisme molekuler di mitokondria yang memicu proses kematian sel kanker yang teratur. Kami menjalankan studi fase 1 terbuka dengan 128 pasien pada BPM31510, dan hasil percobaan klinis memastikan wawasan yang ditemukan oleh NAi. NAi kemudian membantu kami mengoptimalkan hampir semua aspek terapi ini, dari dosis optimal dan waktu hingga seleksi pasien. Percobaan GBM kami saat ini sedang merekrut dan kami berharap melaporkan hasil fase 2 kami kemudian tahun ini.

Penyakit langka seperti defisiensi CoQ10 primer dan epidermolisis bullosa adalah fokus utama bagi BPGbio. Apa tantangan dan peluang yang Anda lihat dalam menangani kondisi ini?

Penyakit langka pada anak-anak seringkali kekurangan pilihan pengobatan yang efektif karena kompleksitas dan prevalensi rendah, dan anak-anak dengan kondisi ini biasanya menghadapi harapan hidup yang pendek. Ini menyajikan tantangan untuk perekrutan percobaan, navigasi regulasi, dan pengembangan terapi.

Di BPGbio, kami bangga untuk mengambil tantangan kompleks ini. Kandidat obat utama kami, BPM31510, telah menerima beberapa penunjukan dari FDA—termasuk Penunjukan Obat Orphan dan Penyakit Langka Pediatrik—baik untuk defisiensi CoQ10 primer maupun epidermolisis bullosa (EB). Ini adalah tonggak penting yang mencerminkan potensi klinis dari program kami dan membuka pintu untuk voucher tinjauan prioritas atas persetujuan.

Kami merencanakan percobaan fase 3 untuk defisiensi CoQ10 primer dan secara aktif menjelajahi kemitraan untuk memajukan program EB kami. Ini termasuk mengevaluasi formulasi topikal sebagai pilihan pengobatan. Kami percaya bahwa platform BPGbio dapat membuat dampak transformasional di ruang ini.

Bagaimana kecerdasan buatan Bayesian memainkan peran penting dalam platform Anda, dan bagaimana itu membantu dalam mengidentifikasi target obat atau biomarker baru?

Kecerdasan buatan Bayesian memungkinkan platform kami untuk melampaui identifikasi asosiasi dan mengungkapkan hubungan sebab-akibat yang mendorong penyakit. Ini memodelkan ketidakpastian, mempertimbangkan variabilitas data, dan menghasilkan prediksi yang sangat kuat yang membimbing penemuan terapi dan biomarker.

Dengan mengintegrasikan data multi-omik longitudinal dan klinis, model kami dapat mengidentifikasi mekanisme biologis di balik progresi penyakit dan titik intervensi optimal. Ini membuat proses penemuan lebih presisi dan pengembangan hilir lebih dapat diprediksi.

Dari sudut pandang strategis, ini sangat berharga. Memvalidasi apa yang harus dijadikan target dan mengapa itu penting secara biologis mengubah cara Anda memprioritaskan program, merancang percobaan, dan berbicara dengan mitra. Ini membangun kepercayaan dalam sains.

Penelitian Anda tentang enzim E2 untuk degradasi protein yang ditargetkan sangat inovatif. Bagaimana platform NAi mengatasi tantangan tradisional dalam menargetkan protein “tidak dapat diobati”?

Program degradasi protein yang ditargetkan (TPD) berbasis E2 dari BPGbio adalah salah satu area pipa kami yang paling menarik dan inovatif. Pendekatan TPD tradisional bergantung pada ligase E3, yang membatasi cakupan target dan dapat menyebabkan resistensi obat. Pendekatan kami menggunakan kompleks enzim E2 yang dimodifikasi pasca-translasi—yang ditemukan oleh platform NAi—untuk memperluas proteom yang dapat diobati.

Ini adalah pendekatan kelas pertama, dan traksi awal yang kami lihat telah menarik perhatian di seluruh industri farmasi dan bioteknologi. Kami saat ini menerapkan ini pada onkologi, neurologi, dan penyakit langka. Ini adalah contoh yang sangat baik tentang bagaimana NAi tidak hanya mendukung penemuan—tetapi memungkinkan kami untuk memikirkan kembali apa yang mungkin dalam pengembangan obat.

Bagaimana BPGbio mengimbangkan wawasan yang ditenagai kecerdasan buatan dengan pengawasan manusia untuk memastikan validitas penemuan Anda?

Di BPGbio, kami melihat kecerdasan buatan sebagai alat yang kuat—tetapi tidak sebagai pengganti—untuk keahlian manusia. Wawasan yang ditenagai kecerdasan buatan kami didasarkan pada data biologis berkualitas tinggi dan terus-menerus divalidasi oleh tim biolog, klinisi, dan ilmuwan data kami.

Kolaborasi ini memastikan bahwa setiap wawasan ditempatkan dalam konteks biologis dan klinis. Ini adalah salah satu alasan BPGbio telah mencapai tingkat keberhasilan yang sangat tinggi dalam percobaan klinis—kami menggabungkan kecepatan dan skala kecerdasan buatan dengan ketat dan penilaian yang hanya dapat dibawa oleh ahli berpengalaman.

Apa potensi yang Anda lihat untuk biomarker yang ditemukan oleh kecerdasan buatan untuk merevolusi diagnosis dini pada penyakit seperti Parkinson?

Kekuatan platform kami terletak pada kemampuannya untuk menginterogasi biologi secara luas dan dalam—jadi ketika NAi mengungkapkan target untuk tujuan terapi, itu juga dapat digunakan secara diagnostik.

Pada penyakit Parkinson, kami membangun model biologi sistem menggunakan sampel pasien dari hampir 400 individu oleh Institut Parkinson dan kami mengidentifikasi N-asetilputresin (NAP) sebagai biomarker berbasis darah baru. Kami telah memvalidasi ini melalui panel diagnostik yang disertifikasi CLIA, dan studi kami yang dipublikasikan menunjukkan bahwa ketika digabungkan dengan fitur klinis seperti kehilangan olfaktori dan gangguan tidur REM, panel ini secara signifikan meningkatkan akurasi diagnostik dan evaluasi risiko dini. Ini memiliki potensi untuk memungkinkan intervensi lebih awal dan memperbaiki hasil pasien.

Peran apa yang Anda lihat BPGbio memainkan dalam membentuk masa depan pengobatan presisi?

Tidak ada satu ukuran yang cocok untuk semua pasien. Kecerdasan buatan yang dipimpin oleh biologi memiliki potensi untuk mengubah pengobatan presisi dengan menemukan wawasan baru yang membantu mensubtip pasien, sehingga memperbaiki desain percobaan, stratifikasi pasien, dan tingkat keberhasilan terapi. Wawasan ini akan mengarah pada pengembangan diagnostik dan pengobatan yang lebih efisien untuk berbagai penyakit langka dan kompleks.

Dengan menggunakan kecerdasan buatan untuk menginterogasi input biologis dan model translasional, industri dapat membuka potensi penuh kecerdasan buatan untuk mengubah pengembangan obat dan menghasilkan terobosan yang menangani kebutuhan medis yang belum terpenuhi. Bab berikutnya dari pengobatan presisi akan ditulis oleh mereka yang dapat menggabungkan inovasi dengan dampak, dan BPGbio siap untuk memimpin upaya tersebut.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi BPGbio.