John Beeler, Ph.D., SVP of Business Development, BPGbio – Interview Series

John Beeler, Ph.D., SVP of Business Development 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, ia baru-baru ini menjabat sebagai Pemimpin Pencarian dan Evaluasi Pengembangan Bisnis di Bristol-Myers Squibb di mana ia memainkan peran kunci dalam mencari dan mengevaluasi peluang lisensi dan kemitraan strategis.

BPGbio adalah perusahaan bioteknologi yang memimpin dalam biologi dan kecerdasan buatan yang berfokus pada biologi mitokondria dan homeostasis protein. Perusahaan ini memiliki pipa yang dalam dari terapi yang dikembangkan oleh kecerdasan buatan yang meliputi onkologi, penyakit langka, dan neurologi, termasuk beberapa yang sedang dalam uji klinis tahap akhir. Pendekatan baru BPGbio didukung oleh NAi, platform biologi interogatif proprietary, 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 paling kuat 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 oleh kedalaman inovasi dan visi jangka panjang yang masuk ke dalam pembangunan 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 berdiri out karena fondasi biologinya dan kedalaman data yang diinterogasinya.

BPGbio adalah salah satu yang pertama kali mempelopori kecerdasan buatan untuk penemuan obat. Selama 15 tahun terakhir, tim telah menyempurnakan NAi menjadi platform yang mengintegrasikan data multi-omik proprietary dan salah satu 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 proprietary 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 mempengaruhi hampir semua tahap penemuan obat dan meningkatkan kemungkinan keberhasilan pengembangan klinis. Kami tidak hanya mengidentifikasi target; kami menggunakan kecerdasan buatan untuk merancang uji klinis kami, memahami hasil uji 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 uji klinis tahap 2 yang aktif pada kanker agresif, beberapa program siap tahap 3, dan lebih dari seratus target dan biomarker baru yang kami identifikasi menggunakan model kecerdasan buatan kami.

Bagaimana BPGbio mempercepat dan mengurangi risiko proses penemuan obat dengan pendekatan biologi-awal?

Pengembangan obat memiliki tingkat keberhasilan sekitar sepuluh persen untuk persetujuan FDA, 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 uji klinis, yang pada akhirnya adalah satu-satunya hal yang penting.

Pendekatan biologi-awal 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 genomics dan transkriptomik, ilmuwan kami memprofil proteomik, lipidomik, dan metabolomik 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 yang luas dan didukung 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 uji klinis, kami kembali ke laboratorium basah untuk memvalidasi bahwa wawasan dari kecerdasan buatan akurat. Fokus pada biologi manusia membantu kami mempercepat dan mengurangi risiko proses penemuan dan pengembangan.

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

Bagaimana mengintegrasikan 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.

Kekuatan komputasi ini memungkinkan kami untuk menggunakan dataset besar kami untuk mengidentifikasi pola, korelasi, kausal, dan wawasan yang dapat digunakan yang lainnya akan tetap tersembunyi dalam analisis skala kecil dan mengurangi waktu yang dibutuhkan dari bulan ke jam.

Misalnya, 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 yang berbeda untuk menemukan pengobatan potensial untuk COVID dalam beberapa jam.

Dari perspektif komersial, kekuatan komputasi ini memungkinkan kami untuk membuka wawasan lebih cepat dan lebih efektif daripada yang lain, mempercepat waktu ke kemitraan, uji 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 uji klinis Anda?

BPGbio secara aktif menjalankan uji klinis tahap 2b pada glioblastoma (GBM) dan telah menyelesaikan uji klinis tahap 2a untuk kanker pankreas, keduanya 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 ubidecarenon yang memiliki efek anti-kanker yang dimediasi oleh mekanisme molekuler di mitokondria yang memicu proses kematian sel kanker yang teratur. Kami menjalankan studi uji klinis tahap 1 terbuka dengan 128 pasien pada BPM31510, dan hasil uji klinis memastikan bahwa wawasan yang ditemukan NAi akurat. NAi telah membantu kami mengoptimalkan hampir semua aspek terapi ini, dari dosis optimal dan waktu hingga seleksi pasien. Uji klinis GBM kami saat ini sedang merekrut dan kami berharap untuk melaporkan hasil uji klinis GBM tahap 2 kami kemudian tahun ini.

Penyakit langka seperti defisiensi CoQ10 primer dan epidermolisis bulosa adalah fokus utama untuk 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 singkat. Ini menyajikan tantangan untuk rekrutmen uji klinis, navigasi regulasi, dan pengembangan terapi.

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

Kami merencanakan uji klinis tahap 3 untuk defisiensi CoQ10 primer dan secara aktif menjajaki kemitraan untuk memajukan program EB kami. Ini termasuk mengevaluasi formulasi topikal sebagai pilihan pengobatan. Kami percaya bahwa platform BPGbio dapat memiliki dampak transformasional di ruang ini.

Kecerdasan buatan Bayesian memainkan peran signifikan dalam platform Anda. Bagaimana itu secara khusus membantu dalam mengidentifikasi target obat atau biomarker baru?

Kecerdasan buatan Bayesian memungkinkan platform kami untuk melampaui identifikasi asosiasi untuk mengungkapkan hubungan sebab-akibat yang mendorong penyakit. Ini memodelkan ketidakpastian, memperhitungkan 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 di target dan mengapa itu penting secara biologis mengubah cara Anda memprioritaskan program, merancang uji klinis, dan berbicara dengan mitra. Ini membangun kepercayaan dalam sains.

Pekerjaan Anda pada 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 mengandalkan 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 biotek. 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 juga memungkinkan kami untuk memikirkan kembali apa yang mungkin dalam pengembangan obat.

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

Di BPGbio, kami melihat kecerdasan buatan sebagai alat yang kuat—tetapi tidak sebagai pengganti—keahlian manusia. Wawasan yang didorong 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 uji klinis—kami menggabungkan kecepatan dan skala kecerdasan buatan dengan ketat sains dan penilaian yang hanya dapat dibawa oleh ahli berpengalaman.

Apa potensi yang Anda lihat untuk biomarker yang ditemukan 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 menemukan target untuk tujuan terapi, itu juga dapat digunakan diagnostik.

Pada penyakit Parkinson, kami membangun model biologi sistem menggunakan sampel pasien dari hampir 400 individu oleh Institut Parkinson dan kami mengidentifikasi N-acetylputrescine (NAP) sebagai biomarker berbasis darah baru. Kami telah memvalidasi 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 penilaian risiko dini. Ini memiliki potensi untuk memungkinkan intervensi lebih awal dan memperbaiki hasil pasien.

Apa peran yang Anda lihat BPGbio mainkan dalam membentuk masa depan pengobatan presisi?

Tidak ada satu ukuran yang sesuai untuk semua dalam mengobati pasien. Kecerdasan buatan berbasis biologi memiliki potensi untuk mengubah pengobatan presisi dengan menemukan wawasan baru yang membantu mensubtip pasien, sehingga meningkatkan desain uji klinis, stratifikasi pasien, dan tingkat keberhasilan terapi. Wawasan ini akan memimpin pengembangan diagnostik dan pengobatan yang lebih efisien untuk berbagai penyakit langka dan kompleks.

Dengan menggunakan kecerdasan buatan untuk menginterogasi input biologis dan model translasional dengan ketat, 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 serangan itu.

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