Niven Narain, CEO en President van BERG Health – Interview Serie

Niven Narain is de CEO en President van BERG Health, een klinisch biotechnologiebedrijf dat een baanbrekende ‘Back to Biology^™’ aanpak hanteert voor de gezondheidszorg. Door gebruik te maken van een eigen intelligentieplatform – Interrogative Biology^®, is het doel om ziektes in kaart te brengen en behandelingen voor patiënten over de hele wereld te revolutioneren.

U bent een van de mede-oprichters van BERG Health. Wat heeft u geïnspireerd om een startup op te richten die AI met biotech combineert?

Om eerlijk te zijn, kwam mijn inspiratie en visie voort uit frustratie over het methodische, voorspelbare en lange, dure proces van geneesmiddelenontwikkeling, dat 12-14 jaar en meer dan $2,6 miljard kost om een geneesmiddelbehandeling op de markt te brengen. Bovendien wilde Berg de vooroordelen uit het proces halen en een pad definiëren dat patientgericht zou zijn. Onze aanpak combineert de gegevens van een patiënt, die diep zijn gescreend voor alle lagen van biologie, met een Bayesiaanse AI-systeem om alle patiëntgegevens te kanaliseren en hypothesen te genereren.

Welke ziektes of kankers worden momenteel het meest getarget?

We richten ons momenteel op ziektes op het gebied van oncologie, neurologie en zeldzame ziektes, waaronder:

• Immunologie/ontstekingsziekten (LUPUS)
• Cardiovasculaire en metabolische ziekten (diabetes, NASH/NAFLD)
• Neurologische ziekten (ziekte van Parkinson, ziekte van Alzheimer en autismespectrumstoornissen)
• Zeldzame ziekten (Epidermolysis Bullosa)
• Meerdere kankers (Glioblastoma, alvleesklierkanker, borstkanker, prostaatkanker en andere agressieve kankers)

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

Het platform omvat een proces waarbij een ziektespecifiek model wordt gebouwd vanuit door de mens afgeleide biologische monsters (waardoor het relevant is voor humane ziekten in plaats van surrogaatdiermodellen). Het ziektemodel wordt onderworpen aan uitgebreide moleculaire profilering (multi-omische defragmentatie – genomics, transcriptomics, proteomics, lipidomics, metabolomics) om triljoenen moleculaire gegevenspunten te genereren. Deze gegevens worden geïntegreerd met individuele patiëntinformatie (klinische en werkelijke wereldinformatie) met behulp van BERG’s eigen Bayesiaanse AI-algoritme(s) om moleculaire kaarten van ziekten te genereren die worden vergeleken met niet-zieke controles om nieuwe biologie onderliggend aan ziekten te identificeren. De output wordt vervolgens onderworpen aan strikte natte validatietechnieken voor ziekte-relevante functionele modellen en CRISPR.

Kunt u uitleggen hoe BERG Health innovatie crowdt?

BERG werkt samen met academische en klinische/medische instellingen om biobanken van hoogwaardige, klinisch geannoteerde biologische monsters voor ziektespecifieke programma’s te genereren. BERG heeft een team van in-house experts opgebouwd die gespecialiseerd zijn in enkele van de multi-omische mogelijkheden. Het team werkt ook samen met groepen met specifieke expertise voor aanvullende dataprofielen, bijvoorbeeld genomics- en transcriptomicsprofielen die worden gegenereerd met medewerkers. We werken samen met toonaangevende klinische/medische instellingen en staat-/federale agentschappen, waaronder het door het ministerie van Defensie en het door het ministerie van Energie gefinancierde Oak Ridge National Lab (ORNL), onder anderen. We hebben zelf gezien hoe belangrijk samenwerking is en de rol die het speelt bij het genereren van hoogwaardige gegevens die worden ondersteund door patiëntmedische geschiedenissen en werkelijke wereldgegevens, een essentiële stap voor integratie in biologische modellen. Academische samenwerkingen zijn essentieel voor natte validatie van in-silico-uitvoer om een nieuw, wetenschappelijk fundament van specifieke moleculaire inzichten te genereren dat wordt geschetst door het platform. Berg vraagt ook de inzichten en feedback van KOL’s aan het begin van het opbouwen van AI-modellen en gebruikt deze samenwerkingen om onafhankelijke validatie van de platformuitvoer te doen.

Kunt u beschrijven hoe AI wordt gebruikt om elementen te ontdekken die ziektes of kankers triggeren?

BERG’s Bayesiaanse AI gebruikt intern gegenereerde/gescreende gegevens voor de novo-ontdekking van ziektespecifieke triggers – identificeert doelen voor behandeling, biomarkers voor diagnose, staging/stratificatie, companiondiagnostica voor respons/uitkomst en longitudinale moleculaire mapping voor het genereren van vingerafdrukken van respons en bijwerkingen. De AI vergelijkt modellen van ziekte met niet-zieke populaties en de “delta”-netwerk veronderstelt de triggerpunten van ziekte.

Wat zijn enkele manieren waarop AI helpt bij het lokaliseren van biomarkers bij patiënten die niet reageren op bepaalde therapieën of vaccins?

Door de volledige narratief van patiëntbiologie te vangen via multi-omische analyse en Bayesiaanse causale inferentie van longitudinale patiëntmonsters, is BERG in staat om causale signalen van respons op bekende therapieën, hergebruikmogelijkheden en handtekeningen van moleculaire entiteiten te identificeren die de gezondheidsuitkomsten beïnvloeden. Multi-omics gaat verder dan het genoom en maakt het mogelijk om circulerende factoren te identificeren die de gezondheidsuitkomsten beïnvloeden.

Wat zijn enkele van de huidige geneesmiddelen in uw pijplijn?

BERG heeft verschillende programma’s in klinische en preklinische ontwikkeling met de meest volwassen activa in oncologie en neurologische ziekten.

• In oncologie is BPM 31510-IV een nieuw small molecule dat kankercelmetabolisme target. Het heeft met succes een fase 1 (veiligheid/tolerantie) in solide tumoren en hersenkanker (GBM) voltooid en is momenteel in klinische ontwikkeling voor GBM (fase 2/3) en fase 3 alvleesklierkanker.
• BPM 31510-Topical – Succesvolle voltooiing van fase 1 in Epidermolysis Bullosa (zeldzame ziekte/zeldzame aanduiding), plannen voor fase 2/3 klinische ontwikkeling.
• BPM 31510-Oral – Succesvolle voltooiing van fase 1 oraal bij gezonde menselijke vrijwilligers, in de vroege planningsfase van fase 2 klinische ontwikkeling voor oncologie/niet-oncologie-aanwijzingen.
• BPM 31543 is een small molecule voor de preventie van chemotherapie-geïnduceerde alopecie. Veiligheid en tolerantie met initiële signaal van werkzaamheid zijn vastgesteld in fase 1 klinische proef. Dit actief middel is momenteel in de planningsfase van fase 2/3 klinische ontwikkeling.
• BPM 42522 – 1e small molecule dat een nieuw doelwit target in de Ubiquitin Proteosome Pathway in IND inleidende studies voor FIH-studies in oncologie Q1FY2021.
• Een nieuw doelwit geïdentificeerd voor de ziekte van Parkinson is momenteel in de drugontdekkingsinspanningen.

BERG Health heeft onlangs een partnership met het ministerie van Energie’s Oak Ridge National Lab. Kunt u ons enkele details geven over wat deze partnership inhoudt?

BERG’s platform heeft de capaciteit om een lijst van verschillende potentiële doelen voor ziekte-interventie te genereren. De Summit-supercomputer van ORNL heeft de mogelijkheid om uitgebreide moleculaire structuren van deze doelen te analyseren en kleine, geneesmiddel-achtige moleculen te identificeren die kunnen worden gebruikt voor snelle validatie van de doelen, waardoor de doelvalidatie/geneesmiddelenontdekkingsontwikkelingstijd voor nieuwe therapeutica wordt verkort. De kracht van Summit’s computationele mogelijkheden reduceert het geneesmiddelenontdekkingsproces van enkele maanden/jaren tot enkele uren/dagen om initiële, hoogwaardige “hits” van geneesmiddel-achtige moleculen te genereren. De BERG-ORNL-samenwerking vormt de basis voor de snelle identificatie van nieuwe, ziektespecifieke doelen en de bijbehorende geneesmiddelenontdekkingsprocedure. Het maakt ook een naadloze generatie van ziektespecifieke productpijpleidingen mogelijk die zijn voorbereid op klinische ontwikkeling. De belangrijkste impact van deze samenwerking is op de tijd/kosten van ontdekking en ontwikkeling van nieuwe geneesmiddelen.

COVID-19 is natuurlijk in ieders gedachten, hoe helpt BERG Health bij deze inspanning?

BERG’s AI-geactiveerde Interrogative Biology-platform is gebruikt om een COVID-19-specifiek model te genereren, waardoor verschillende bekende en nieuwe doelen zijn geïdentificeerd met potentieel om de tijdsverloop van infectie en hergebruik van goedgekeurde geneesmiddelen te beïnvloeden om klinische uitkomsten te minimaliseren/mitigeren. Door onze actieve samenwerking met ORNL zijn we momenteel betrokken bij de ontdekking en ontwikkeling van kleine moleculen tegen nieuwe doelen voor de potentieel behandeling van COVID-19.

Bedankt voor het interview, lezers die meer willen leren, moeten BERG Health bezoeken.