John Beeler, Ph.D., SVP of Business Development, BPGbio – Seria wywiadów

John Beeler, Ph.D., SVP of Business Development w BPGbio, posiada ponad dwie dekady doświadczenia w biotechnologii i rozwoju biznesu, z obszerną wiedzą w dziedzinie nowych terapii. Przed dołączeniem do BPGbio, ostatnio pełnił funkcję Lidera ds. Poszukiwania i Oceny Rozwoju Biznesu w Bristol-Myers Squibb, gdzie odegrał kluczową rolę w poszukiwaniu i ocenianiu możliwości licencyjnych i partnerstw strategicznych.

BPGbio jest wiodącą firmą biotechnologiczną, która wykorzystuje sztuczną inteligencję do opracowywania nowych terapii, skupiając się na biologii mitochondrialnej i homeostazie białek. Firma posiada głęboki pipeline terapii opracowanych za pomocą sztucznej inteligencji, obejmujący onkologię, choroby rzadkie i neurologię, w tym kilka w późnych fazach badań klinicznych. Innowacyjne podejście BPGbio opiera się na NAi, własnej platformie biologii analitycznej, chronionej przez ponad 400 patentów w Stanach Zjednoczonych i na arenie międzynarodowej; jednej z największych na świecie, niepublicznych biobanków z próbkami z długoterminowymi danymi; oraz wyłącznym dostępie 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 zaskoczony głębią innowacji i długoterminowej wizji, która posłużyła do stworzenia 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 analizowane.

BPGbio była jedną z pierwszych firm, które wykorzystały sztuczną inteligencję do odkrycia leków. Przez ostatnie 15 lat, zespół udoskonalił NAi, tworząc platformę, która łączy własne, wieloomiczne dane z jednym z największych na świecie, długoterminowych biobanków. W przeciwieństwie do innych firm, które polegają na wąskich technologiach lub publicznych zbiorach danych dla programu odkrycia chorób, łączymy możliwości wieloomiczne z naszym własnym biobankiem, który przechowuje setki tysięcy długoterminowych, klinicznie opatrzonych próbek, i wykorzystujemy przyczynowo-bayesowską sztuczną inteligencję, a nie modelowanie generatywne, aby odkryć biologicznie uzasadnione spostrzeżenia, które mogą poinformować niemal każdy etap odkrycia 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 najbardziej różnorodnych 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 za pomocą naszych modeli sztucznej inteligencji.

Czy możesz oprowadzić nas przez to, jak biology-first podejście BPGbio przyspiesza i redukuje ryzyko procesu odkrycia leków?

Rozwój leków ma około dziesięcioprocentowy wskaźnik powodzenia w uzyskaniu zatwierdzenia przez FDA, co odzwierciedla znaczne ryzyko i wyzwania związane z wprowadzeniem nowego leku na rynek. Dlatego nie jest to kwestia tego, jak szybko i jak wiele celów odkryjesz, ale jakości, która ma znaczenie.

Chociaż sztuczna inteligencja może pomóc przyspieszyć proces odkrycia, zastosowanie sztucznej inteligencji, szczególnie generatywnej, do tych samych publicznych zbiorów danych, które są używane w tradycyjnym procesie odkrycia leków, niekoniecznie zmieni wyniki badań klinicznych, co ostatecznie jest jedyną rzeczą, która ma znaczenie.

Nasze biology-first podejście zapewnia jakość, głębię, dokładność, kompletność i ilość danych, które są wprowadzane do naszych modeli sztucznej inteligencji. W naszej wieloomicznej analizie 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, niezwiązane z modelem wieloomiczne dane do naszych przyczynowo-bayesowskich modeli 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 rozpoczęciem badań klinicznych, wracamy do mokrego laboratorium, aby zweryfikować, czy spostrzeżenia z sztucznej inteligencji są dokładne. Koncentracja na biologii ludzkiej pomaga nam przyspieszyć i zredukować ryzyko naszego procesu odkrycia i rozwoju.

To zamknięte podejście redukuje niepewność i ostatecznie redukuje ryzyko procesu rozwoju. Z mojej perspektywy w rozwoju biznesu, jest to kluczowe dla budowania zaufania z potencjalnymi partnerami – ponieważ nasze podejście poprawia prawdopodobieństwo powodzenia od samego początku.

Jak integrowanie sztucznej inteligencji z najszybszym superkomputera na świecie, Frontier, zwiększa waszą zdolność do analizy danych pacjentów i identyfikacji celów leków?

Przez partnerstwo z Departamentem Energii Stanów Zjednoczonych, mamy wyłączny dostęp do superkomputera Frontier w Oak Ridge National Lab do analizy rozwoju leków. Ten superkomputer może wykonywać 1,35 kwintyliona obliczeń na sekundę.

Ta moc obliczeniowa pozwala nam wykorzystać nasz ogromny zbiór danych, aby zidentyfikować wzorce, korelacje, przyczynowość i działania, które w przeciwnym razie pozostałyby ukryte w mniejszych analizach i zredukować czas potrzebny z miesięcy do godzin.

Na przykład, podczas COVID, analizowaliśmy elektroniczne rekordy medyczne (EMR) 280 000 pacjentów wraz z ich informacjami klinicznymi. Zidentyfikowaliśmy czynniki genetyczne ryzyka dla określonych grup etnicznych, otwierając drogę do medycyny spersonalizowanej. Analizowaliśmy 1,2 miliarda różnych materiałów, aby odkryć potencjalne leki na COVID w ciągu zaledwie kilku godzin.

Z komercyjnego punktu widzenia, ta moc obliczeniowa pozwala nam odblokować spostrzeżenia szybciej i skuteczniej niż inni, przyspieszając czas do partnerstwa, badań klinicznych i, ostatecznie, korzyści dla pacjentów.

BPGbio ma programy kliniczne w glioblastoma i raku trzustki. Jakie unikalne spostrzeżenia ujawniła platforma NAi w tych obszarach i jak ukształtowały wasze badania?

BPGbio aktywnie prowadzi badanie fazy 2b na glioblastoma (GBM) i zakończyło badanie fazy 2a dla raka trzustki, oba badania z naszym kandydatem na lek BPM31510.

Przez platformę NAi, zrozumieliśmy, że większość agresywnych nowotworów stałych jest spowodowana dysfunkcją mitochondrialną w środowisku guza. BPM31510 jest nanodyspersją zawierającą ubidekarenon z efektami przeciwnowotworowymi, pośredniczymi przez mechanizmy molekularne w mitochondriach, które wyzwalają proces regulowanej śmierci komórek nowotworowych. Przeprowadziliśmy badanie fazy 1 na 128 pacjentach z BPM31510, a wyniki badań klinicznych potwierdziły spostrzeżenia, które NAi odkryła. NAi później pomogła nam zoptymalizować niemal każdy aspekt tych terapii, od optymalnej dawki i czasu do selekcji pacjentów. Nasze badanie GBM jest obecnie rekrutujące, a spodziewamy się, że opublikujemy wyniki naszego badania fazy 2 dla GBM w tym roku.

Rzadkie choroby, takie jak pierwotna niedobór CoQ10 i epidermolysis bullosa, są kluczowym punktem zainteresowania BPGbio. Jakie wyzwania i możliwości widzisz w podejściu do tych schorzeń?

Rzadkie choroby pediatryczne często nie mają skutecznych opcji leczenia ze względu na ich złożoność i niską częstość występowania, a dzieci z tymi chorobami zwykle mają krótką życiową oczekiwaną. To stanowi wyzwania dla rekrutacji do badań, nawigacji regulacyjnej i rozwoju terapeutycznego.

W BPGbio, jesteśmy dumni, że podejmujemy te złożone wyzwania. Nasz wiodący związek, BPM31510, otrzymał wiele oznaczeń od FDA, w tym oznaczenie leku sierocego i rzadkiej choroby pediatrycznej, zarówno dla pierwotnej niedoboru CoQ10, jak i epidermolysis bullosa (EB). Są to ważne kamienie milowe, które odzwierciedlają kliniczny potencjał naszych programów i otwierają drzwi do bonów przeglądowych po zatwierdzeniu.

Planujemy badanie fazy 3 dla pierwotnej niedoboru CoQ10 i aktywnie poszukujemy partnerstw, aby wesprzeć nasz program EB. Obejmuje to ocenę formulacji miejscowych jako opcji leczenia. Wierzymy, że platforma BPGbio może mieć przełomowy wpływ w tym obszarze.

Bayesowska sztuczna inteligencja odgrywa znaczącą rolę w waszej platformie. Jak pomaga konkretnie w identyfikowaniu nowych celów leków lub biomarkerów?

Bayesowska sztuczna inteligencja pozwala naszej platformie wyjść poza identyfikację stowarzyszeń, aby odkryć przyczynowo-skutkowe relacje, które napędzają chorobę. Modeluje niepewność, uwzględnia zmienność danych i generuje bardzo wytrzymałe przewidywania, które kierują odkryciem terapeutycznym i biomarkerów.

Poprzez integrację długoterminowych, wieloomicznych i klinicznych danych, nasze modele mogą zidentyfikować biologiczne mechanizmy za chorobą i optymalne punkty interwencji. To sprawia, że proces odkrycia jest bardziej precyzyjny, a rozwój jest bardziej przewidywalny.

Z strategicznego punktu widzenia, jest to niezwykle cenne. Walidacja tego, co należy celować i dlaczego ma to znaczenie biologiczne, zmienia sposób, w jaki priorytetujemy programy, projektujemy badania i rozmawiamy z partnerami. To buduje zaufanie do nauki.

Wasza praca nad enzymami E2 do ukierunkowanego rozkładu białek jest przełomowa. Jak platforma NAi pokonała tradycyjne wyzwania w ukierunkowaniu “nieleczyć” białek?

Program BPGbio dotyczący ukierunkowanego rozkładu białek opartego na enzymach E2 jest jednym z najbardziej ekscytujących i innowacyjnych obszarów naszego pipeline’u. Tradycyjne podejścia do ukierunkowanego rozkładu białek opierają się na ligazach E3, które ograniczają zakres celu i mogą prowadzić do oporności na leki. Nasze podejście wykorzystuje kompleksy enzymów E2 po translacji, odkryte przez platformę NAi, aby rozszerzyć proteom leczniczy.

To jest pierwsze w swoim rodzaju podejście, a wczesny traction, który widzimy, przyciągnął uwagę w całej branży farmaceutycznej i biotechnologicznej. Aktualnie stosujemy to w onkologii, neurologii i rzadkich chorobach. To jest wspaniały przykład tego, jak NAi nie tylko wspiera odkrycie, ale także umożliwia nam przemyśleć to, co jest możliwe w rozwoju leków.

Jak BPGbio balansuje spostrzeżenia napędzane sztuczną inteligencją z nadzorem ludzkim, aby zapewnić ważność waszych odkryć?

W BPGbio, widzimy sztuczną inteligencję jako potężne narzędzie, ale nie jako zastępstwo dla ekspertyzy ludzkiej. Nasze spostrzeżenia napędzane sztuczną inteligencją są ugruntowane w wysokiej jakości danych biologicznych i są ciągle walidowane przez nasze zespoły biologów, klinicystów i naukowców danych.

Ta współpraca zapewnia, że każde spostrzeżenie jest umieszczone w biologicznym i klinicznym kontekście. To jest jeden z powodów, dla których BPGbio osiągnęło tak wysoki wskaźnik powodzenia w badaniach klinicznych – łączymy szybkość i skalę sztucznej inteligencji z naukową surowością i osądem, których tylko doświadczeni eksperci mogą dostarczyć.

Jakie potencjał widzisz dla biomarkerów odkrytych za pomocą sztucznej inteligencji, aby rewolucjonizować wczesną diagnozę w chorobach, takich jak choroba Parkinsona?

Potęga naszej platformy leży w jej zdolności do przesłuchiwania biologii szeroko i głęboko, więc gdy NAi odkrywa cel terapeutyczny, może być również użyty diagnostycznie.

W chorobie Parkinsona, zbudowaliśmy modele biologii systemów, wykorzystując próbki pacjentów z prawie 400 osób od Parkinson’s Institute i zidentyfikowaliśmy N-acetyloputrescynę (NAP) jako nowy biomarker krwi. Walidowaliśmy ją za pomocą certyfikowanego panelu diagnostycznego CLIA, a nasze opublikowane badanie wykazało, że gdy łączymy ją z cechami klinicznymi, takimi jak utrata węchu i zaburzenia snu REM, panel znacznie poprawia dokładność diagnostyczną i wczesną ocenę ryzyka. To ma potencjał, aby umożliwić wcześniejsze interwencje i poprawę wyników pacjentów.

Jaką rolę widzisz dla BPGbio w kształtowaniu przyszłości medycyny precyzyjnej?

Nie ma jednego rozwiązania dla wszystkich w leczeniu pacjentów. Sztuczna inteligencja oparta na biologii ma potencjał, aby przekształcić medycynę precyzyjną, odkrywając nowe spostrzeżenia, które pomagają w podtypowaniu pacjentów, poprawiając projektowanie badań, stratyfikację pacjentów i stawki powodzenia terapeutycznego. Te spostrzeżenia doprowadzą do bardziej efektywnego rozwoju diagnostyki i leczenia szeregu rzadkich i złożonych chorób.

Wykorzystując sztuczną inteligencję, aby starannie przesłuchać dane biologiczne i modele translacyjne, branża może odblokować pełny potencjał sztucznej inteligencji, aby przekształcić rozwój leków i dostarczyć przełomowe odkrycia, które rozwiązują niespełnione potrzeby medyczne. Następny rozdział medycyny precyzyjnej zostanie napisany przez tych, którzy mogą połączyć innowacje z wpływem, a BPGbio jest gotowe poprowadzić ten ład.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić BPGbio.