John Beeler, Ph.D., SVP for bedriftsutvikling, BPGbio – Intervju-serie

John Beeler, Ph.D., SVP for bedriftsutvikling i BPGbio, bringer over to tiårs erfaring innen bioteknologi og bedriftsutvikling, med omfattende ekspertise innen nye terapier. Før han ble med i BPGbio, var han sist ansatt som leder for forretningsutvikling og evaluering i Bristol-Myers Squibb, hvor han spilte en nøkkelrolle i å finne og evaluere lisensmuligheter og strategiske partnerskap.

BPGbio er et ledende biologi-først AI-drevet klinisk stadium biofarmasøytisk selskap som fokuserer på mitokondri-biologi og protein-homeostase. Selskapet har en dyp pipeline av AI-utviklede terapier som omfatter onkologi, sjeldne sykdommer og nevrologi, inkludert flere i sen fase kliniske prøver. BPGbios nye tilnærming er basert på NAi, deres eget Interrogative Biology Platform, beskyttet av over 400 amerikanske og internasjonale patenter; en av verdens største klinisk annoterte ikke-statlige biobanker med longitudinelle prøver; og eksklusiv tilgang til verdens kraftigste supercomputer.

Hva inspirerte NAi Interrogative Biology®-plattformen, og hvordan skiller BPGbio seg fra andre biofarmasøytiske selskaper som benytter AI?

Siden jeg ble med i BPGbio, har jeg vært kontinuerlig imponert over dybden av innovasjon og langtidsvisjon som gikk inn i å bygge NAi Interrogative Biology®-plattformen. Som noen som har tilbragt to tiår i bioteknologi og bedriftsutvikling – og evaluert en rekke plattformer og selskaper – kan jeg si at NAi skiller seg ut med sin biologi-først-grunn og dybden av data den avhører.

BPGbio var blant de første som banebrytende AI for legemiddelforskning. Over de siste 15 årene har teamet forfinet NAi til en plattform som integrerer proprietær multi-omics-data og en av verdens største longitudinelle biobanker. I motsetning til andre selskaper som baserer seg på smale teknologier eller offentlige datasett for en enkelt sykdomsoppdagelsesprogram, integrerer vi multi-omics-kapasiteter med vår egen proprietære biobank som huset hundredtusener av longitudinelle, klinisk annoterte prøver og bruker kausale Bayesian AI, ikke generativ AI-modellering for å avdekke biologisk-basert innsikt, som kan informere nesten hver fase av legemiddelforskning og øke sannsynligheten for klinisk utviklingssuksess. Vi identifiserer ikke bare mål; vi bruker AI til å designe våre kliniske prøver, forstå resultater av våre kliniske prøver og finjustere våre behandlingsmetoder.

Våre resultater taler for seg selv: Vi har en av de mest avanserte og robuste kliniske pipeliner i AI-bioteknologi-industrien. Denne pipelinen inkluderer to aktive fase 2-prøver i aggressive kreftformer, flere fase 3-klare programmer og over hundre nye mål og biomarkører vi har identifisert ved hjelp av våre AI-modeller.

Kan du gå gjennom hvordan BPGbios biologi-først-tilnærming akselerer og reduserer risikoen i legemiddelforskningsprosessen?

Legemiddelutvikling har en omtrentlig ti prosent suksessrate til FDA-godkjenning, noe som reflekterer de betydelige risiko og utfordringer forbundet med å bringe et nytt legemiddel til markedet. Derfor er det ikke hvor raskt og hvor mange mål du oppdager som teller; det er kvaliteten som teller.

Mens AI kan hjelpe med å akselerere oppdagelsesprosessen, vil å bruke AI, spesielt generativ AI, på de samme offentlige datasett som brukes i den tradisjonelle legemiddelforskningen, ikke nødvendigvis endre kliniske prøveresultater, som er det eneste som teller.

Vår biologi-først-tilnærming sikrer kvaliteten, dybden, nøyaktigheten, fullstendigheten og mengden av data som går til våre AI-modeller. I vår multi-omics-analyse går vi langt utover å analysere RNA og DNA. I tillegg til genomics og transkriptomics profilerer våre forskere proteomics, lipidomics og metabolomics på alle lag av menneskebiologi – organ, vev, celle og organeller – og vi mata den massive, ubiaserte multi-omics-dataen til våre kausale AI-modeller for nye innsikter.

Denne brede, AI-drevne tilnærmingen lar oss se bort fra sykdomsområdet for å finne “rotårsaken” raskere. Etter at AI hjelper med å finne “rotårsaken”, og før vi går til kliniske prøver, går vi tilbake til våt laboratorium for å validere at innsiktene fra AI er nøyaktige. Fokuset på menneskebiologi hjelper oss å akselerere og redusere risikoen i vår oppdagelses- og utviklingsprosess.

Den lukkede tilnærmingen reduserer usikkerheten og reduserer i slutten risikoen i utviklingsprosessen. Fra mitt perspektiv i bedriftsutvikling er dette nøkkel til å bygge tillit hos potensielle partnere – fordi vår tilnærming forbedrer sannsynligheten for suksess fra starten.

Hvordan forbedrer integrering av AI med verdens raskeste supercomputer, Frontier, evnen til å analysere pasientdata og identifisere legemiddelmål?

Gjennom et samarbeid med USAs energidepartement har vi eksklusiv tilgang til Frontier-supercomputeren på Oak Ridge National Lab for legemiddelanalyse. Denne supercomputeren kan utføre 1,35 kvintillion beregninger per sekund.

Denne beregningskraften lar oss bruke vår massive datasett til å identifisere mønster, korrelasjoner, årsaker og handleable innsikter som ellers ville forbli skjult i mindre skala-analyser og redusere tiden som trengs fra måneder til timer.

For eksempel, under COVID-19, analyserte vi elektroniske medisinske journaler (EMR) fra 280 000 pasienter sammen med deres kliniske informasjon. Vi identifiserte genetiske risikofaktorer for bestemte etniske grupper, og åpnet veien for personlig medisin. Vi analyserte 1,2 milliarder forskjellige materialer for å oppdage potensielle behandlinger for COVID-19 på bare noen timer.

Fra et kommersielt perspektiv, lar denne beregningskraften oss å låse opp innsikter raskere og mer effektivt enn andre, og akselerer tiden til partnerskap, kliniske prøver og, i slutten, pasientfordel.

BPGbio har kliniske programmer i glioblastom og pancreaskreft. Hva unike innsikter har NAi-plattformen avdekket i disse områdene, og hvordan har de formet deres prøver?

BPGbio kjører aktivt en fase 2b-prøve på glioblastom (GBM) og har fullført en fase 2a-prøve for pancreaskreft, begge prøver med vårt småmolekylær legemiddelkandidat BPM31510.

Gjennom NAi-plattformen forsto vi at de fleste aggressive solide svulster skyldes mitokondri-dysfunksjon i svulsten. BPM31510 er en ubidecarenon-inneholdende nanodispersjon med anti-kreft-effekter mediert av molekylære mekanismer i mitokondrier som utløser prosessen med regulert kreft-celldød. Vi kjørte en åpen prøve på 128 pasienter med BPM31510, og kliniske prøveresultater bekreftet innsiktene som NAi hadde avdekket. NAi har deretter hjulpet oss å optimalisere nesten hver enkelt aspekt av disse terapiene, fra optimal dosering og timing til pasientseleksjon. Vår GBM-prøve er for tiden under rekruttering, og vi forventer å rapportere våre GBM-fase 2-prøveresultater senere i år.

Sjeldne sykdommer som primær CoQ10-mangel og epidermolysis bullosa er et viktig fokusområde for BPGbio. Hva utfordringer og muligheter ser du i å takle disse tilstandene?

Sjeldne pediatriske sykdommer mangler ofte effektive behandlingsalternativer på grunn av deres kompleksitet og lave forekomst, og barn med disse tilstandene har vanligvis kort levetid. Dette presenterer utfordringer for prøverekrytering, regulatorisk navigasjon og terapeutisk utvikling.

I BPGbio er vi stolte av å ta på oss disse komplekse utfordringene. Vår ledende legemiddelkandidat, BPM31510, har mottatt flere designasjoner fra FDA – inkludert Orphan Drug og Rare Pediatric Disease-designasjoner – for både primær CoQ10-mangel og epidermolysis bullosa (EB). Dette er viktige milepæler som reflekterer det kliniske potensialet i våre programmer og åpner døren for prioriteringsvouchere ved godkjenning.

Vi planlegger en fase 3-prøve for primær CoQ10-mangel og utforsker aktivt partnerskap for å fremme vårt EB-program. Dette inkluderer evaluering av topikale formuleringer som behandlingsalternativer. Vi tror BPGbios plattform kan ha en transformasjonskraft i dette området.

Bayesian AI spiller en betydelig rolle i deres plattform. Hvordan hjelper det spesifikt med å identifisere nye legemiddelmål eller biomarkører?

Bayesian AI lar vår plattform gå utover å identifisere assosiasjoner til å avdekke årsak-og-virknings-forhold som driver sykdom. Den modellerer usikkerhet, tar hensyn til data-variabilitet og genererer svært robuste prediksjoner som guider terapeutisk og biomarkør-oppdagelse.

Ved å integrere longitudinelle multi-omics- og kliniske data kan våre modeller identifisere de biologiske mekanismene bak sykdomsprogresjon og optimal intervensjonspunkter. Dette gjør oppdagelsesprosessen mer presis og den etterfølgende utviklingen mer forutsigbar.

Fra et strategisk perspektiv er dette usedvanlig verdifullt. Validering av hva som skal måles og hvorfor det er biologisk viktig, endrer hvordan man prioriterer programmer, designer prøver og snakker med partnere. Det bygger tillit til vitenskapen.

Deres arbeid med E2-enzym for målrettet protein-degradering er banebrytende. Hvordan overvant NAi-plattformen tradisjonelle utfordringer i å målrette “umålbare” proteiner?

BPGbios E2-baserte målrettede protein-degraderingsprogram (TPD) er ett av våre pipelienes mest spennende og innovative områder. Tradisjonelle TPD-tilnærminger baserer seg på E3-ligaser, som begrenser målomfanget og kan føre til legemiddelresistens. Vår tilnærming bruker post-translasjonelt modifiserte E2-enzymkomplekser – avdekket av NAi-plattformen – for å utvide det målbare proteomet.

Dette er en først-i-klassen-tilnærming, og den tidlige fremgangen vi ser, har tiltrukket oppmerksomhet over hele legemiddel- og bioteknologi-industrien. Vi anvender for tiden denne tilnærmingen på onkologi, nevrologi og sjeldne sykdommer. Dette er et godt eksempel på hvordan NAi ikke bare støtter oppdagelse – men også lar oss tenke om hva som er mulig i legemiddelutvikling.

Hvordan balanserer BPGbio AI-drevne innsikter med menneskelig oversikt for å sikre gyldigheten av deres oppdagelser?

I BPGbio ser vi AI som et kraftig verktøy – men ikke en erstatning – for menneskelig ekspertise. Våre AI-drevne innsikter er basert på høykvalitetsbiologisk data og kontinuerlig valideres av våre team av biologer, kliniske forskere og data-vitenskapsmenn.

Dette samarbeidet sikrer at hver enkelt innsikt settes i biologisk og klinisk kontekst. Dette er en av årsakene til at BPGbio har oppnådd en så høy suksessrate i kliniske prøver – vi kombinerer AIens hastighet og skala med den vitenskapelige strenghet og dømmekraft som bare erfarne eksperter kan bringe.

Hva potensial ser du for AI-oppdagede biomarkører til å revolusjonere tidlig diagnostisering i sykdommer som Parkinsons?

Kraften i vår plattform ligger i dens evne til å avhøre biologi bredt og dypt – så når NAi avdekker et mål for terapeutiske formål, kan det ofte brukes diagnostisk også.

I Parkinsons sykdom bygde vi systembiologiske modeller ved hjelp av pasientprøver fra nesten 400 personer ved Parkinsons-instituttet, og vi identifiserte N-acetylputrescine (NAP) som en ny blod-basert biomarkør. Vi har valideret det gjennom en CLIA-sertifisert diagnostisk panel, og vår publiserte studie viste at når det kombineres med kliniske trekk som lukte-tap og REM-søvnsforstyrrelser, forbedrer panelet diagnostisk nøyaktighet og tidlig risikovurdering betydelig. Dette har potensialet til å muliggjøre tidligere inngripen og forbedre pasientresultater.

Hva rolle ser du for BPGbio i å forme fremtiden for presisjonsmedisin?

Det finnes ingen en-størrelse-til-alles-løsning i å behandle pasienter. Biologi-først-AI har potensialet til å transformere presisjonsmedisin ved å oppdage nye innsikter som hjelper med å under-typisere pasienter, og dermed forbedre prøvedesign, pasient-stratifikasjon og terapeutisk suksessrate. Disse innsiktene vil føre til mer effektiv utvikling av diagnostikk og behandlinger for en rekke sjeldne og komplekse sykdommer.

Ved å utnytte AI til å grundig avhøre biologiske inndata og translasjonelle modeller, kan industrien låse opp AIens fullt potensial til å transformere legemiddelutvikling og levere gjennombrudd som møter udekkede medisinske behov. Neste kapittel i presisjonsmedisin vil bli skrevet av de som kan kombinere innovasjon med effekt. BPGbio er klar til å lede denne anstrengelsen.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke BPGbio.