John Beeler, Ph.D., SVP van Business Development, BPGbio – Interview Serie

John Beeler, Ph.D., SVP van Business Development bij BPGbio, heeft meer dan twee decennia ervaring in biotechnologie en business development, met uitgebreide expertise in nieuwe therapeutica. Voordat hij bij BPGbio kwam, was hij onlangs Business Development Search & Evaluation Lead bij Bristol-Myers Squibb (BMY ), waar hij een sleutelrol speelde bij het vinden en evalueren van licentie- en strategische partnershipkansen.

BPGbio is een toonaangevende biologie-georiënteerde AI-gepowered klinische fase biopharma die zich richt op mitochondriale biologie en proteïne homeostase. Het bedrijf heeft een diepe pijplijn van AI-ontwikkelde therapeutica die oncologie, zeldzame ziekten en neurologie omvatten, waaronder verschillende in late klinische trials. De innovatieve aanpak van BPGbio wordt ondersteund door NAi, zijn propriëtaire Interrogative Biology Platform, beschermd door meer dan 400 Amerikaanse en internationale octrooien; een van de grootste klinisch geannoteerde niet-gouvernementele biobanken met longitudinale monsters; en exclusieve toegang tot de meest krachtige supercomputer ter wereld.

Wat was de inspiratie achter het NAi Interrogative Biology®-platform, en hoe onderscheidt BPGbio zich van andere biopharma-bedrijven die AI gebruiken?

Sinds ik bij BPGbio ben, ben ik continu onder de indruk van de diepte van innovatie en langetermijnvisie die is gestoken in de bouw van het NAi Interrogative Biology®-platform. Als iemand die twee decennia in biotechnologie en business development heeft doorgebracht – waarin ik een breed scala aan platforms en bedrijven heb geëvalueerd – kan ik zeggen dat NAi zich onderscheidt door zijn biologie-georiënteerde fundament en de diepte van de data die het ondervraagt.

BPGbio was een van de eerste bedrijven die AI voor drugontdekking introduceerde. In de afgelopen 15 jaar heeft het team NAi verfijnd tot een platform dat propriëtaire multi-omics data en een van de grootste longitudinale biobanken ter wereld integreert. In tegenstelling tot andere bedrijven die afhankelijk zijn van smalle technologieën of openbare datasets voor een enkel ziekteontdekkingsprogramma, integreren wij multi-omics capaciteiten met onze eigen propriëtaire biobank die honderdduizenden longitudinale, klinisch geannoteerde monsters bevat en gebruiken wij causale Bayesiaanse AI, niet generatieve AI-modellering, om biologisch gebaseerde inzichten te ontdekken die vrijwel elk stadium van drugontdekking kunnen informeren en de kans op klinische ontwikkelingssucces kunnen vergroten. Wij identificeren niet alleen doelwitten; wij gebruiken AI om onze klinische trials te ontwerpen, de resultaten van onze klinische trials te begrijpen en onze behandelingen te verfijnen.

Onze resultaten spreken voor zich: wij hebben een van de meest geavanceerde en robuuste klinische pijplijnen in de AI-biotechindustrie. Deze pijplijn omvat twee actieve fase 2-trials voor agressieve kankers, meerdere fase 3-klaar programma’s en meer dan honderd nieuwe doelwitten en biomarkers die wij hebben geïdentificeerd met behulp van onze AI-modellen.

Kunt u ons meenemen door hoe BPGbio’s biologie-georiënteerde aanpak de drugontdekking versnelt en de-risict?

Drugontwikkeling heeft een succespercentage van ongeveer tien procent tot FDA-goedkeuring, wat de aanzienlijke risico’s en uitdagingen weerspiegelt die zijn verbonden aan het op de markt brengen van een nieuw geneesmiddel. Daarom is het niet zo belangrijk hoe snel en hoeveel doelwitten je ontdekt, maar wat telt is de kwaliteit.

Terwijl AI kan helpen om het ontdekkingsproces te versnellen, zal het toepassen van AI, vooral generatieve AI, op dezelfde openbare datasets die in het traditionele drugontdekkingsproces worden gebruikt, de klinische proefresultaten niet noodzakelijkerwijs veranderen, wat uiteindelijk het enige is dat telt.

Onze biologie-georiënteerde aanpak garandeert de kwaliteit, diepte, nauwkeurigheid, volledigheid en kwantiteit van de data die naar onze AI-modellen gaan. In onze multi-omicsanalyse gaan wij verder dan het analyseren van RNA en DNA. Naast genomics en transcriptomics profileren onze wetenschappers proteomics, lipidomics en metabolomics op alle lagen van humane biologie – orgaan, weefsel, cel en organel – en voeden wij de massive onbevooroordeelde multi-omicsdata aan onze causale AI-modellen voor nieuwe inzichten.

Deze brede, AI-gepowered aanpak stelt ons in staat om voorbij de ziektegebieden te kijken om de “worteloorzaak” sneller te vinden. Nadat AI heeft geholpen om de “worteloorzaak” te vinden en voordat wij naar klinische trials gaan, gaan wij terug naar het natte lab om te valideren of de inzichten van AI nauwkeurig zijn. De focus op humane biologie helpt ons om ons ontdekkings- en ontwikkelingsproces te versnellen en te de-risiceren.

Die gesloten aanpak vermindert onzekerheid en de-risicert uiteindelijk het ontwikkelingsproces. Vanuit mijn perspectief in business development is dit cruciaal om vertrouwen op te bouwen met potentiële partners – omdat onze aanpak de kans op succes vanaf het begin verbetert.

Hoe verhoogt het integreren van AI met de snelste supercomputer ter wereld, Frontier, uw vermogen om patiëntgegevens te analyseren en geneesmiddeldoelwitten te identificeren?

Door een partnerschap met het Amerikaanse ministerie van Energie hebben wij exclusieve toegang tot de Frontier-supercomputer in het Oak Ridge National Lab voor drugontwikkelingsanalyse. Deze supercomputer kan 1,35 quintiljoen berekeningen per seconde uitvoeren.

Deze rekenkracht stelt ons in staat om onze massive dataset te gebruiken om patronen, correlaties, oorzakelijke verbanden en actiegerichte inzichten te identificeren die anders verborgen zouden blijven in kleinere analyses en reduceert de tijd die nodig is van maanden tot uren.

Als voorbeeld analyseerden wij tijdens COVID-19 de elektronische medische dossiers (EMR) van 280.000 patiënten, evenals hun klinische informatie. Wij identificeerden genetische risicofactoren voor specifieke etnische groepen, wat de weg vrijmaakte voor persoonlijke geneeskunde. Wij analyseerden 1,2 miljard verschillende materialen om potentiële behandelingen voor COVID-19 te ontdekken in slechts enkele uren.

Vanuit een commercieel perspectief stelt deze rekenkracht ons in staat om inzichten sneller en effectiever te ontgrendelen dan anderen, waardoor de tijd tot partnership, klinische trials en uiteindelijk patiëntenvoordeel wordt versneld.

BPGbio heeft klinische programma’s voor glioblastoma en alvleesklierkanker. Wat zijn de unieke inzichten die het NAi-platform heeft ontdekt in deze gebieden, en hoe hebben zij uw trials gevormd?

BPGbio voert momenteel een fase 2b-trial uit voor glioblastoma (GBM) en heeft een fase 2a-trial voor alvleesklierkanker voltooid, beide trials met onze kleine moleculaire geneesmiddelkandidaat BPM31510.

Door het NAi-platform begrepen wij dat de meeste agressieve solide tumoren worden veroorzaakt door mitochondriale disfunctie in de tumoromgeving. BPM31510 is een ubidecarenon-bevattende nanodispersie met anti-kankereffecten die worden gemedieerd door moleculaire mechanismen in mitochondriën die het proces van gereguleerde kankerceldood activeren. Wij voerden een open-label 128-patiënt fase 1-studie uit met BPM31510, en de klinische proefresultaten bevestigden de inzichten die NAi had ontdekt. NAi heeft ons vervolgens geholpen om vrijwel elk aspect van deze therapieën te optimaliseren, van de optimale dosering en timing tot patiëntselectie. Onze GBM-trial is momenteel in aanbouw en wij verwachten onze GBM-fase 2-proefresultaten later dit jaar te melden.

Zeldzame ziekten zoals primaire CoQ10-gebrek en epidermolysis bullosa zijn een belangrijke focus voor BPGbio. Wat zijn de uitdagingen en kansen die u ziet bij het aanpakken van deze aandoeningen?

Zeldzame pediatrische ziekten ontbreken vaak effectieve behandelmogelijkheden vanwege hun complexiteit en lage prevalentie, en kinderen met deze aandoeningen hebben meestal een korte levensverwachting. Dit brengt uitdagingen met zich mee voor trialwerving, regelgevende navigatie en therapeutische ontwikkeling.

Bij BPGbio zijn wij trots om deze complexe uitdagingen aan te pakken. Ons leidende verbinding, BPM31510, heeft meerdere benoemingen van de FDA ontvangen, waaronder Orphan Drug en Rare Pediatric Disease-benoemingen, voor zowel primaire CoQ10-gebrek als epidermolysis bullosa (EB). Dit zijn belangrijke mijlpalen die het klinische potentieel van onze programma’s weerspiegelen en de deur openen voor prioritaire beoordelingsvoucher bij goedkeuring.

Wij plannen een fase 3-trial voor primaire CoQ10-gebrek en onderzoeken actief partnerships om ons EB-programma te ontwikkelen. Dit omvat het evalueren van topische formuleringen als behandelmogelijkheden. Wij geloven dat het platform van BPGbio een transformatieve impact kan hebben in deze ruimte.

Bayesiaanse AI speelt een belangrijke rol in uw platform. Hoe helpt het specifiek bij het identificeren van nieuwe geneesmiddeldoelwitten of biomarkers?

Bayesiaanse AI stelt ons platform in staat om verder te gaan dan het identificeren van associaties en oorzakelijke verbanden te ontdekken die ziekten aandrijven. Het modelleert onzekerheid, houdt rekening met gegevensvariabiliteit en genereert zeer robuuste voorspellingen die therapeutische en biomarkerontdekking leiden.

Door longitudinale multi-omics en klinische gegevens te integreren, kunnen onze modellen de biologische mechanismen achter ziekteprogressie en optimale interventiepunten identificeren. Dit maakt het ontdekkingsproces preciezer en de downstreamontwikkeling voorspelbaarder.

Vanuit een strategisch perspectief is dit enorm waardevol. Valideren van wat te targeten en waarom het biologisch belangrijk is, verandert hoe u programma’s prioriteert, trials ontwerpt en met partners praat. Het bouwt vertrouwen in de wetenschap.

Uw werk aan E2-enzymen voor gerichte proteïneafbraak is baanbrekend. Hoe overwon het NAi-platform de traditionele uitdagingen bij het targeten van “ongeneesbare” proteïnen?

Het E2-gebaseerde gerichte proteïneafbraakprogramma van BPGbio is een van de meest spannende en innovatieve gebieden in onze pijplijn. Traditionele TPD-benaderingen vertrouwen op E3-ligasen, die de doelwitbereik beperken en tot drugresistentie kunnen leiden. Onze aanpak gebruikt post-translationeel gemodificeerde E2-enzymcomplexen – ontdekt door het NAi-platform – om het geneesbare proteoom uit te breiden.

Dit is een eerste-in-klasse-aanpak, en de vroege tractie die wij zien, heeft aandacht getrokken in de farmaceutische en biotechnologische industrie. Wij passen dit momenteel toe op oncologie, neurologie en zeldzame ziekten. Het is een geweldig voorbeeld van hoe NAi niet alleen ontdekking ondersteunt, maar ons ook in staat stelt om na te denken over wat mogelijk is in drugontwikkeling.

Hoe balanceert BPGbio AI-gedreven inzichten met menselijke toezicht om de geldigheid van uw ontdekkingen te garanderen?

Bij BPGbio zien wij AI als een krachtig instrument, maar niet als vervanging voor menselijke expertise. Onze AI-gedreven inzichten zijn gebaseerd op hoogwaardige biologische gegevens en worden continu gevalideerd door onze teams van biologen, clinici en datawetenschappers.

Deze samenwerking garandeert dat elk inzicht in biologische en klinische contexten wordt geplaatst. Het is een van de redenen waarom BPGbio zo’n hoog succespercentage in klinische trials heeft behaald – wij combineren de snelheid en schaal van AI met de wetenschappelijke striktheid en oordeel die alleen ervaren experts kunnen bieden.

Wat is het potentieel dat u ziet voor AI-ontdekte biomarkers om vroege diagnose in ziekten zoals de ziekte van Parkinson te revolutioneren?

De kracht van ons platform ligt in zijn vermogen om biologie breed en diep te ondervragen – dus wanneer NAi een doelwit voor therapeutische doeleinden ontdekt, kan het vaak ook diagnostisch worden gebruikt.

Bij de ziekte van Parkinson bouwden wij systemenbiologie-modellen met behulp van patiëntmonsters van bijna 400 individuen van het Parkinson’s Institute en identificeerden wij N-acetylputrescine (NAP) als een nieuw bloedgebaseerd biomarker. Wij hebben dit gevalideerd via een CLIA-gecertificeerd diagnostisch paneel, en onze gepubliceerde studie toonde aan dat wanneer het werd gecombineerd met klinische kenmerken zoals olfactorische verlies en REM-slaapstoornis, het paneel de diagnostische nauwkeurigheid en vroege risicobeoordeling aanzienlijk verbeterde. Dit heeft het potentieel om eerder ingrijpen en betere patiëntresultaten mogelijk te maken.

Wat is de rol die u ziet voor BPGbio in het vormgeven van de toekomst van precisiegeneeskunde?

Er is geen universele oplossing voor het behandelen van patiënten. Biologie-georiënteerde AI heeft het potentieel om precisiegeneeskunde te transformeren door het ontdekken van nieuwe inzichten die helpen bij het subtypen van patiënten, waardoor trialontwerp, patiëntstratificatie en therapeutisch succespercentage worden verbeterd. Deze inzichten zullen leiden tot een meer efficiënte ontwikkeling van diagnostica en behandelingen voor een reeks zeldzame en complexe ziekten.

Door AI te gebruiken om biologische inputs en translationele modellen grondig te ondervragen, kan de industrie het volledige potentieel van AI ontsluiten om drugontwikkeling te transformeren en doorbraken te leveren die onvervulde medische behoeften aanpakken. Het volgende hoofdstuk van precisiegeneeskunde zal worden geschreven door degenen die innovatie kunnen combineren met impact, en BPGbio is klaar om die uitdaging aan te gaan. Dank u voor het geweldige interview, lezers die meer willen leren, moeten bezoeken BPGbio.