Niven Narain, VD och VD för BERG Health – Intervjuserie

Niven Narain, är VD och VD för BERG Hälsa,ett kliniskt stadium, AI-drivet bioteknikföretag tar en djärv "Back to Biology".^™' inställning till vården. Genom att utnyttja en proprietär intelligensplattform – Interrogative Biology^®, målet är att kartlägga sjukdomar och revolutionera behandlingar för patienter runt om i världen.

Du är en av grundarna av BERG Health. Vad inspirerade till att lansera en startup som kombinerade AI med bioteknik?

Sanningslöst kom min inspiration och vision från frustration över den metodiska, förutsägbara och långa, kostsamma processen för läkemedelsutveckling som tog 12-14 år och över 2.6 miljarder USD för att föra fram en läkemedelsbehandling till marknaden. Dessutom var Berg angelägen om att ta bort fördomarna ur processen och ville definiera en väg som skulle vara patientcentrerad. Vårt tillvägagångssätt blandar en patients egna data, som har genomgått en djupgående screening för hela biologins lager, med ett back-end Bayesian AI-system för att kanalisera alla patientdata och i sin tur driva hypoteser.

Vilka är några av de olika sjukdomar eller cancerformer som riktas mot?

Vi inriktar oss för närvarande på sjukdomar inom onkologi, neurologi och sällsynta sjukdomar, inklusive:

• Immunologi/inflammatoriska sjukdomar (LUPUS)
• Kardiovaskulära och metabola sjukdomar (diabetes, NASH/NAFLD)
• Neurologiska sjukdomar (Parkinsons sjukdom, Alzheimers sjukdom och autismspektrumstörningar)
• Sällsynt sjukdom (Epidermolysis Bullosa)
• Multipel cancer (glioblastom, bukspottkörtelcancer, bröstcancer, prostata och andra mycket aggressiva cancerformer)

BERG Health använder sin egenutvecklade plattform Interrogative Biology® för att kartlägga sjukdomar och behandlingsalternativ. Skulle du kunna utveckla exakt vad Interrogative Biology® är?

Plattformen omfattar en process där en sjukdomsspecifik modell byggs upp från bioprover från människor (gör den relevant för mänskliga sjukdomar snarare än surrogatdjurmodeller). Sjukdomsmodellen utsätts för omfattande molekylär profilering (multiomisk defragmentering – genomik, transkriptomik, proteomik, lipidomik, metabolomik) för att generera biljoner molekylära datapunkter. Dessa data är integrerade med individuell patientinformation (klinisk och verklig information) med hjälp av BERGs egenutvecklade Bayesian Artificial Intelligence (AI) algoritm(er) för att generera molekylära kartor över sjukdomar som jämförs med icke-sjuka kontroller för att identifiera nya biologiska bakomliggande sjukdomar. Resultatet utsätts sedan för stränga valideringstekniker för våtlabb för sjukdomsrelevanta funktionella modeller och CRISPR.

Kan du förklara hur BERG Health samlar innovation?

BERG samarbetar med akademiska och kliniska/medicinska institutioner för att generera biobanker av högkvalitativa, kliniskt kommenterade bioprover för sjukdomsspecifika program. BERG har byggt upp ett team av interna experter som är specialiserade på några av de multiomiska funktionerna. Teamet samarbetar också med grupper med specifik expertis för ytterligare dataprofiler, t.ex. genomiska och transkriptomiska profiler som genereras med kollaboratörer. Vi samarbetar med ledande kliniska/medicinska institutioner och statliga/federala myndigheter, inklusive USA:s försvarsdepartement och Department of Energy-finansierade Oak Ridge National Lab (ORNL), bland andra. Vi har sett på egen hand vikten av samarbete och dess roll i att generera högtrogna data som backas upp av patientens medicinska historia och verkliga data, ett viktigt steg för integration med de biologiska modellerna. Akademiska samarbeten är avgörande för validering av våtlabb av in-silico-utgångar för att generera en ny, vetenskaplig grund för specifika molekylära insikter som avgränsas av plattformen. Berg engagerar också insikter och feedback från KOL:s i början av att bygga AI-modeller, och använder dessa samarbeten för att göra oberoende validering av plattformens utdata.

Kan du beskriva hur AI används för att upptäcka element som utlöser sjukdomar eller cancer?

BERGs Bayesian AI använder internt genererade/kurerade data för de novo upptäckt av sjukdomsspecifika triggers – identifiera mål för behandling, biomarkörer för diagnos, stadieindelning/stratifiering, följediagnostik för svar/utfall och longitudinell molekylär kartläggning för att generera fingeravtryck av respons och biverkningar. AI:n jämför modeller av sjukdomar vs icke-sjukdomspopulationer och "delta"-nätverket drar slutsatser om sjukdomens triggerpunkter.

På vilka sätt hjälper AI att lokalisera biomarkörer hos patienter som inte svarar på vissa terapier eller vacciner?

Genom att fånga hela berättelsen om patientbiologi genom multiomisk analys och använda Bayesiansk kausal slutledning från longitudinella patientprover, kan BERG identifiera orsakssignaler för svar på kända terapier, återanvända möjligheter och signaturer av molekylära enheter som påverkar viral titer och varaktighet av respons. av vacciner. Multi-omics går långt bortom genomet och låter dig identifiera cirkulerande faktorer som påverkar hälsoresultaten.

Vilka är några av de aktuella drogerna i din pipeline?

BERG har flera program inom klinisk och preklinisk utveckling med de mest mogna tillgångarna inom onkologi & neurologiska sjukdomar.

• Inom onkologi är BPM 31510-IV en ny liten molekyl som är inriktad på cancercellsmetabolism som framgångsrikt har genomfört en fas 1 (säkerhet/tolerabilitet) i solida tumörer och hjärncancer (GBM). BPM 31510-IV Fas 2 (effekt, pankreascancer). Detta är för närvarande under klinisk utveckling för GBM (Ph2/3) och Ph3 Pankreascancer.
• BPM 31510-Topical – Framgångsrikt slutförande av Ph1 i Epidermolysis Bullosa (sällsynt sjukdom/föräldralös beteckning), planerar Ph2/3 klinisk utveckling.
• BPM 31510-Oral – Framgångsrikt slutförande av Ph1 oral i hälsovolontärer, i tidiga planeringsstadier av Ph2 klinisk utveckling för onkologiska/icke-onkologiska indikationer.
• BPM 31543 är en liten molekyl för förebyggande av kemoterapiinducerad alopeci. Säkerhet och tolerabilitet med initial signal om effekt har fastställts i fas 1 klinisk prövning. Denna tillgång är för närvarande under planering för Ph2/3 klinisk utveckling.
• BPM 42522 – 1:a i klass liten molekyl som riktar sig mot ett nytt BERG-plattformsidentifierat mål i Ubiquitin Proteosome Pathway i IND, vilket möjliggör studier för FIH-studier i onkologi Q1FY2021.
• Ett nytt mål som identifierats för Parkinsons sjukdom är för närvarande i ansträngningar för att upptäcka läkemedel.

BERG Health har nyligen samarbetat med Department of Energy's Oak Ridge National Lab. Kan du ge oss några detaljer om vad detta samarbete innebär?

BERGs plattform har kapacitet att generera en lista över flera potentiella mål för sjukdomsintervention. Summit-superdatorn på ORNL har förmågan att analysera omfattande molekylära strukturer för dessa mål och identifiera små läkemedelsliknande molekyler som kan användas för snabb validering av målen, vilket leder till förkortade målvalidering/läkemedelsupptäcktsutvecklingstider för nya terapier. Kraften i Summits beräkningskapacitet reducerar läkemedelsupptäcktsprocessen från flera månader/år till några timmar/dagar för att generera första högkvalitativa "träffar" av läkemedelsliknande molekyler. BERG-ORNL-samarbetet utgör grunden för snabb identifiering av nya sjukdomsspecifika mål och tillhörande läkemedelsupptäcktsprocess. Det möjliggör vidare sömlös generering av sjukdomsspecifika produktpipelines förberedda för klinisk utveckling. Den största effekten av detta samarbete är på tiden/kostnaden för upptäckt och utveckling av nya läkemedel.

COVID-19 är uppenbarligen i allas sinnen, hur hjälper BERG Health med detta arbete?

BERG:s AI-aktiverade Interrogative Biology Platform har utnyttjats för att generera en COVID-19-specifik modell, vilket resulterar i identifieringen av flera kända och nya mål med potential att påverka tidsförloppet för infektion och potentiell återanvändning av godkända läkemedel för att minimera/minska kliniska resultat . Genom vårt aktiva samarbete med ORNL är vi för närvarande engagerade i upptäckten och utvecklingen av små molekyler mot nya mål för potentiell behandling av COVID-19.

Tack för intervjun, läsare som vill veta mer bör besöka BERG Hälsa.