John Beeler, Ph.D., wiceprezes ds. rozwoju biznesu, BPGbio – seria wywiadów

John Beeler, Ph.D., wiceprezes ds. rozwoju biznesu w BPGbio, posiada ponad dwie dekady doświadczenia w biotechnologii i rozwoju biznesu, z obszerną wiedzą w dziedzinie nowych terapii. Przed dołączeniem do BPGbio, najbardziej niedawno pełnił funkcję lidera ds. poszukiwania i oceny możliwości licencyjnych oraz partnerstw strategicznych w Bristol-Myers Squibb (BMY ), gdzie odegrał kluczową rolę w poszukiwaniu i ocenie możliwości licencyjnych oraz partnerstw strategicznych.

BPGbio to wiodąca firma biotechnologiczna, która wykorzystuje sztuczną inteligencję do opracowywania nowych terapii. Firma ma głęboki pipeline terapii opracowanych przy użyciu sztucznej inteligencji, obejmujący onkologię, choroby rzadkie i neurologię, w tym kilka w późnych fazach badań klinicznych. Podstawą podejścia BPGbio jest platforma Interrogative Biology, chroniona przez ponad 400 patentów w Stanach Zjednoczonych i na arenie międzynarodowej; jeden z największych na świecie, klinicznie udokumentowanych, pozarządowych biobanków z próbkami długoterminowymi; oraz wyłączny dostęp do najszybszego superkomputera na świecie.

Czym inspiruje platforma NAi Interrogative Biology, i jak różni się BPGbio od innych firm biotechnologicznych wykorzystujących sztuczną inteligencję?

Od momentu dołączenia do BPGbio, jestem nieustannie imponowany głębią innowacji i długoterminowej wizji, która poszła w budowę platformy NAi Interrogative Biology. Jako osoba, która spędziła dwie dekady w biotechnologii i rozwoju biznesu, oceniając szeroki zakres platform i firm, mogę powiedzieć, że NAi wyróżnia się dzięki swoim biologicznym podstawom i głębi danych, które są badane.

BPGbio była jedną z pierwszych firm, które wykorzystały sztuczną inteligencję do odkrywania nowych leków. Przez ostatnie 15 lat, zespół udoskonalił platformę NAi, integrując własne, wieloomiczne dane i jeden z największych na świecie, długoterminowych biobanków. W przeciwieństwie do innych firm, które polegają na wąskich technologiach lub publicznych zestawach danych dla programu odkrywania leków dla jednej choroby, integrujemy wieloomiczne możliwości z naszym własnym, zastrzeżonym biobankiem, który zawiera setki tysięcy długoterminowych, klinicznie udokumentowanych próbek i wykorzystujemy przyczynowo-bayesowską sztuczną inteligencję, a nie modelowanie sztucznej inteligencji, aby odkryć biologicznie uzasadnione spostrzeżenia, które mogą poinformować niemal każdy etap odkrywania leków i zwiększyć prawdopodobieństwo powodzenia w rozwoju klinicznym. Nie tylko identyfikujemy cele; wykorzystujemy sztuczną inteligencję do projektowania naszych badań klinicznych, zrozumienia wyników badań klinicznych i udoskonalenia naszych podejść terapeutycznych.

Nasze wyniki mówią same za siebie: mamy jeden z najbardziej zaawansowanych i solidnych pipeline’ów klinicznych w branży biotechnologicznej wykorzystującej sztuczną inteligencję. Ten pipeline obejmuje dwa aktywne badania fazy 2 w agresywnych nowotworach, wiele programów gotowych do fazy 3 i ponad sto nowych celów i biomarkerów, które zidentyfikowaliśmy przy użyciu naszych modeli sztucznej inteligencji.

Jak podejście BPGbio oparte na biologii przyspiesza i redukuje ryzyko procesu odkrywania leków?

Rozwój leków ma około 10-procentowy wskaźnik powodzenia w uzyskaniu zatwierdzenia przez FDA, co odzwierciedla znaczne ryzyko i wyzwania związane z wprowadzeniem nowego leku na rynek. Dlatego nie to, jak szybko i jak wiele celów odkrywamy, ma znaczenie; liczy się jakość.

Pomimo że sztuczna inteligencja może pomóc przyspieszyć proces odkrywania, zastosowanie sztucznej inteligencji, szczególnie generatywnej sztucznej inteligencji, do tych samych publicznych zestawów danych, wykorzystywanych w tradycyjnym procesie odkrywania leków, niekoniecznie zmieni wyniki badań klinicznych, co ostatecznie jest jedyną rzeczą, która ma znaczenie.

Nasze podejście oparte na biologii zapewnia jakość, głębię, dokładność, wszechstronność i ilość danych, które trafiają do naszych modeli sztucznej inteligencji. W naszej analizie multiomics idziemy znacznie dalej niż analiza RNA i DNA. Oprócz genomiki i transkryptomiki, nasi naukowcy profilują proteomikę, lipidomikę i metabolomikę we wszystkich warstwach biologii ludzkiej – organ, tkanka, komórka i organella – i karmimy ogromne, niezależne dane multiomics naszymi modelami sztucznej inteligencji w celu uzyskania nowych spostrzeżeń.

To szerokie, napędzane sztuczną inteligencją podejście pozwala nam spojrzeć poza obszar choroby, aby znaleźć “przyczynę pierwotną” szybciej. Po tym, jak sztuczna inteligencja pomaga znaleźć “przyczynę pierwotną”, a przed przejściem do badań klinicznych, wracamy do laboratoryjnych badań, aby zwalidować spostrzeżenia ze sztucznej inteligencji są dokładne. Koncentracja na biologii ludzkiej pomaga nam przyspieszyć i zredukować ryzyko naszego procesu odkrywania i rozwoju.