Niven Narain, CEO en President van BERG Health – Interviewreeks

Niven Narain, is de CEO en voorzitter van BERG Gezondheid,een klinisch stadium, Door AI aangedreven biotechnologiebedrijf neemt een gedurfd 'Back to Biology'^™' benadering van de zorg. Door gebruik te maken van een eigen intelligentieplatform – Interrogative Biology^®, is het doel om ziekten in kaart te brengen en een revolutie teweeg te brengen in behandelingen voor patiënten over de hele wereld.

U bent een van de medeoprichters van BERG Health. Wat inspireerde de lancering van een startup die AI met biotech fuseerde?

Eerlijk gezegd kwamen mijn inspiratie en visie voort uit frustratie over het methodische, voorspelbare en lange, kostbare proces van medicijnontwikkeling dat 12-14 jaar en meer dan $ 2.6 miljard kost om een ​​medicijnbehandeling op de markt te brengen. Bovendien wilde Berg graag de vooroordelen uit het proces halen en wilde hij een pad definiëren dat patiëntgericht zou zijn. Onze aanpak combineert de eigen gegevens van een patiënt, die grondig zijn gescreend op alle lagen van de biologie, met een back-end Bayesiaans AI-systeem om alle patiëntgegevens door te sluizen en op zijn beurt hypothesen te stimuleren.

Wat zijn enkele van de verschillende ziekten of kankers die het doelwit zijn?

We richten ons momenteel op ziekten in de oncologie, neurologie en zeldzame ziekten, waaronder:

• Immunologie/ontstekingsziekten (LUPUS)
• Cardiovasculaire en stofwisselingsziekten (diabetes, NASH/NAFLD)
• Neurologische aandoeningen (ziekte van Parkinson, ziekte van Alzheimer en autismespectrumstoornissen)
• Zeldzame ziekte (epidermolysis bullosa)
• Meerdere kankers (glioblastoom, pancreas, borst, prostaat en andere zeer agressieve kankers)

BERG Health gebruikt haar eigen platform Interrogative Biology® om ziektes en behandelingsopties in kaart te brengen. Kunt u toelichten wat Interrogative Biology® precies is?

Het platform omvat een proces waarbij een ziektespecifiek model wordt gebouwd op basis van van mensen afkomstige biospecimens (waardoor het relevant is voor menselijke ziekten in plaats van surrogaatdiermodellen). Het ziektemodel wordt onderworpen aan uitgebreide moleculaire profilering (multi-omics defragmentatie – genomics, transcriptomics, proteomics, lipidomics, metabolomics) om biljoenen moleculaire datapunten te genereren. Deze gegevens worden geïntegreerd in individuele patiëntinformatie (klinische en real-world informatie) met behulp van BERG's eigen Bayesiaanse kunstmatige intelligentie (AI) algoritme(n) om moleculaire ziektekaarten te genereren die worden vergeleken met niet-zieke controles om nieuwe biologische onderliggende ziekten te identificeren. De output wordt vervolgens onderworpen aan strenge wet-lab validatietechnieken voor ziekterelevante functionele modellen en CRISPR.

Kun je uitleggen hoe BERG Health innovatie crowdsourcet?

BERG werkt samen met academische en klinische/medische instellingen om biobanken van hoogwaardige, klinisch geannoteerde biospecimens voor ziektespecifieke programma's te genereren. BERG heeft een team van interne experts opgebouwd die gespecialiseerd zijn in enkele van de multi-omic-mogelijkheden. Het team werkt ook samen met groepen met specifieke expertise voor aanvullende gegevensprofielen, bijvoorbeeld genomische en transcriptomische profielen die samen met medewerkers worden gegenereerd. We werken samen met toonaangevende klinische/medische instellingen en staats-/federale instanties, waaronder onder andere het Amerikaanse Ministerie van Defensie en het door het Ministerie van Energie gefinancierde Oak Ridge National Lab (ORNL). We hebben uit de eerste hand het belang van samenwerking gezien en de rol ervan bij het genereren van betrouwbare gegevens, ondersteund door medische geschiedenis van patiënten en gegevens uit de echte wereld, een essentiële stap voor integratie met de biologische modellen. Academische samenwerkingen zijn van vitaal belang voor wet-lab validatie van in-silico-outputs om een ​​nieuwe, wetenschappelijke basis te genereren van specifieke moleculaire inzichten die door het platform worden geschetst. Berg maakt ook gebruik van de inzichten en feedback van KOL's bij het begin van het bouwen van AI-modellen, en gebruikt deze samenwerkingen om onafhankelijke validatie van de platformoutput uit te voeren.

Kun je beschrijven hoe AI wordt gebruikt om elementen te ontdekken die ziekten of kanker veroorzaken?

De Bayesiaanse AI van BERG gebruikt intern gegenereerde/gecureerde gegevens voor de novo ontdekking van ziektespecifieke triggers - identificeer doelen voor behandeling, biomarkers voor diagnose, stadiëring/stratificatie, begeleidende diagnostiek voor respons/uitkomst en longitudinale moleculaire mapping voor het genereren van vingerafdrukken van respons en bijwerkingen. De AI vergelijkt modellen van ziekte versus niet-ziektepopulaties en het "delta" -netwerk leidt de triggerpoints van ziekte af.

Op welke manieren helpt AI bij het lokaliseren van biomarkers bij patiënten die niet reageren op bepaalde therapieën of vaccins?

Door het volledige verhaal van de patiëntbiologie vast te leggen door middel van multi-omische analyse en gebruik te maken van Bayesiaanse causale gevolgtrekkingen uit longitudinale patiëntmonsters, is BERG in staat om causale signalen van respons op bekende therapieën te identificeren, kansen en handtekeningen van moleculaire entiteiten die van invloed zijn op de virale titer en duurzaamheid van de respons, opnieuw te gebruiken. van vaccins. Multi-omics gaat veel verder dan het genoom en stelt u in staat circulerende factoren te identificeren die van invloed zijn op gezondheidsresultaten.

Wat zijn enkele van de huidige medicijnen in uw pijplijn?

BERG heeft verschillende programma's in klinische en preklinische ontwikkeling met de meest volwassen middelen in oncologie en neurologische aandoeningen.

• In de oncologie is BPM 31510-IV een nieuw klein molecuul dat zich richt op het metabolisme van kankercellen en dat met succes een fase 1 (veiligheid/verdraagzaamheid) heeft afgerond in solide tumoren en hersenkanker (GBM). BPM 31510-IV Fase 2 (werkzaamheid, alvleesklierkanker). Dit is momenteel in klinische ontwikkeling voor GBM (Ph2/3) en Ph3 pancreaskanker.
• BPM 31510-Topical – Succesvolle afronding van Ph1 in Epidermolysis Bullosa (Rare Disease/Orphan Designation), planning van Ph2/3 klinische ontwikkeling.
• BPM 31510-Oral – Succesvolle afronding van Ph1 oraal in gezondheid menselijke vrijwilligers, in vroege planningsfasen van Ph2 klinische ontwikkeling voor oncologische/niet-oncologische indicaties.
• BPM 31543 is een klein molecuul voor de preventie van door chemotherapie veroorzaakte alopecia. Veiligheid en verdraagbaarheid met een eerste signaal van werkzaamheid is vastgesteld in een klinische fase 1-studie. Dit activum is momenteel in planning voor Ph2/3 klinische ontwikkeling.
• BPM 42522 – 1e in zijn klasse kleine molecule gericht op een nieuw door het BERG-platform geïdentificeerd doelwit in de Ubiquitine-proteosoomroute in IND die studies mogelijk maakt voor FIH-onderzoeken in oncologie Q1FY2021.
• Een nieuw doelwit geïdentificeerd voor de ziekte van Parkinson wordt momenteel onderzocht.

BERG Health is onlangs een partnerschap aangegaan met het Department of Energy's Oak Ridge National Lab. Kunt u ons wat details geven over wat dit partnerschap inhoudt?

BERG's platform heeft de capaciteit om een ​​lijst te genereren van verschillende potentiële doelwitten voor ziekteinterventie. De Summit-supercomputer bij ORNL heeft de capaciteiten voor het analyseren van uitgebreide moleculaire structuren van deze doelen en het identificeren van kleine medicijnachtige moleculen die kunnen worden gebruikt voor snelle validatie van de doelen, wat leidt tot kortere doelvalidatie / ontwikkelingstijden voor het ontdekken van geneesmiddelen voor nieuwe therapieën. De kracht van de computercapaciteiten van Summit verkort het proces van het ontdekken van geneesmiddelen van enkele maanden/jaren tot enkele uren/dagen om initiële hoogwaardige "hits" van geneesmiddelachtige moleculen te genereren. De BERG-ORNL-samenwerking vormt de basis voor een snelle identificatie van nieuwe ziektespecifieke doelen en het bijbehorende ontdekkingsproces voor geneesmiddelen. Het maakt het verder mogelijk om ziektespecifieke productpijplijnen naadloos te genereren, klaar voor klinische ontwikkeling. De grootste impact van deze samenwerking is op de tijd/kosten van ontdekking en ontwikkeling van nieuwe medicijnen.

COVID-19 houdt natuurlijk iedereen bezig, hoe helpt BERG Health hierbij?

BERG's AI-enabled Interrogative Biology Platform is gebruikt om een ​​COVID-19-specifiek model te genereren, resulterend in de identificatie van verschillende bekende en nieuwe doelen die mogelijk het tijdsverloop van infectie kunnen beïnvloeden en mogelijke herbestemming van goedgekeurde medicijnen om klinische resultaten te minimaliseren/verzachten . Door onze actieve samenwerking met ORNL zijn we momenteel bezig met de ontdekking en ontwikkeling van kleine moleculen tegen nieuwe doelen voor mogelijke behandeling van COVID-19.

Bedankt voor het interview, lezers die meer willen weten, zouden moeten bezoeken BERG Gezondheid.