Niven Narain, VD och President för BERG Health – Intervjuserie

Niven Narain är VD och President för BERG Health, ett kliniskt företag som använder AI-drivna biotekniker för att ta ett modigt “Tillbaka till biologi”-tillvägagångssätt för hälso- och sjukvård. Genom att använda en egenutvecklad intelligensplattform – Interrogative Biology^®, är målet att kartlägga sjukdomar och revolutionera behandlingar för patienter runt om i världen.

Du är en av medgrundarna till BERG Health. Vad inspirerade dig att starta ett företag som kombinerar AI med bioteknik?

Sanningen är att min inspiration och vision kom från frustrationen över den metodiska, förutsägbara och långa processen för läkemedelsutveckling, som tar 12-14 år och över 2,6 miljarder dollar för att ta fram en läkemedelsbehandling till marknaden. Dessutom ville Berg ta bort fördomarna ur processen och ville definiera en väg som skulle vara patientcentrerad. Vår tillvägagångssätt kombinerar en patients egna data, som har granskats noggrant för alla lager av biologi, med en bakre Bayesian AI-system för att kanalisera all patientdata och därmed driva hypoteser.

Vilka är några av de olika sjukdomarna eller cancerformerna som måltavlas?

Vi måltavlar för närvarande sjukdomar inom onkologi, neurologi och sällsynta sjukdomar, inklusive:

• Immunologi/inflammatoriska sjukdomar (LUPUS)
• Kardiovaskulär och metabol sjukdom (diabetes, NASH/NAFLD)
• Neurologiska sjukdomar (Parkinsons sjukdom, Alzheimers sjukdom och autismspektrumstörningar)
• Sällsynta sjukdomar (Epidermolys bullosa)
• Flera cancerformer (glioblastom, pankreascancer, bröstcancer, prostatacancer och andra aggressiva cancerformer)

BERG Health använder sin egenutvecklade plattform Interrogative Biology^® för att kartlägga sjukdomar och behandlingsalternativ. Kan du förklara vad Interrogative Biology^® precis är?

Plattformen omfattar en process där en sjukdomsspecifik modell byggs från humana biospecimen (vilket gör den relevant för mänsklig sjukdom snarare än surrogatdjursmodeller). Sjukdomsmodellen utsätts för omfattande molekylär profilering (multi-omik defragmentering – genomik, transkriptomik, proteomik, lipidomik, metabolomik) för att generera miljarder molekylära datapunkter. Dessa data integreras med individuell patientinformation (klinisk och verklig världsinformation) med hjälp av BERG:s egenutvecklade Bayesian AI-algoritmer för att generera molekylära kartor över sjukdom som jämförs med friska kontroller för att identifiera ny biologi som ligger till grund för sjukdomen. Utmatningen är sedan föremål för stränga våta laboratorietekniker för sjukdomsrelevanta funktionella modeller och CRISPR.

Kan du förklara hur BERG Health crowdsourcar innovation?

BERG samarbetar med akademiska och kliniska/medicinska institutioner för att generera biobanker av högkvalitativa, kliniskt annoterade biospecimen för sjukdomsspecifika program. BERG har byggt ett team av in-house experter som specialiserat sig på vissa av de multi-omiska förmågorna. Teamet samarbetar också med grupper med specifik expertis för ytterligare dataprofiler, t.ex. genetiska och transkriptomiska profiler som genereras med samarbetspartners. Vi samarbetar med ledande kliniska/medicinska institutioner och statliga/federala myndigheter, inklusive USA:s försvarsdepartement och energidepartementets Oak Ridge National Lab (ORNL), bland andra. Vi har sett första hand hur viktigt samarbete är och dess roll i att generera högkvalitativa data som backas upp av patienters medicinska historier och verkliga världens data, ett viktigt steg för integration till de biologiska modellerna. Akademiska samarbeten är avgörande för våta laboratorietekniker för att validera in-silico-utmatningar och generera en ny, vetenskaplig grund för specifika molekylära insikter som fastställs av plattformen. Berg engagerar också insikter och feedback från KOL:er vid början av byggandet av AI-modeller och använder dessa samarbeten för att göra oberoende validering av plattformens utmatning.

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

BERG:s Bayesian AI använder interna genererade/curerade data för de novo-upptäckt av sjukdomsspecifika utlösare – identifiera mål för behandling, biomarkörer för diagnos, stadiering/stratifiering, sällskapsdiagnostik för svar/resultat och longitudinell molekylär kartläggning för att generera fingeravtryck av svar och biverkningar. AI:n jämför modeller av sjukdom kontra friska populationer och “delta”-nätverket drar slutsatsen om utlösarpunkterna för sjukdomen.

Vilka är några sätt som AI hjälper till att lokalisera biomarkörer hos patienter som inte svarar på vissa terapier eller vacciner?

Genom att fånga den fullständiga berättelsen om patientens biologi genom multi-omik analys och anställa Bayesian orsaksinferens från longitudinella patientprover, kan BERG identifiera orsakssignaler för svar på kända terapier, återanvändningsmöjligheter och signaturer av molekylära enheter som påverkar virusmängd och varaktighet av svar på vacciner. Multi-omik går långt utöver genomet och möjliggör identifiering av cirkulerande faktorer som påverkar hälsoutfall.

Vilka är några av de nuvarande läkemedlen i er pipeline?

BERG har flera program i klinisk och preklinisk utveckling med de mest mogna tillgångarna inom onkologi och neurologisk sjukdom.

• I onkologi är BPM 31510-IV ett nytt småmolekylärt läkemedel som riktar sig mot cancercellsmetabolism och som har slutfört en fas 1 (säkerhet/tolerabilitet) i solida tumörer och hjärncancer (GBM). BPM 31510-IV fas 2 (efficacy, pankreascancer). Detta är för närvarande i klinisk utveckling för GBM (fas 2/3) och fas 3 pankreascancer.
• BPM 31510-Topical – Framgångsrikt slutförande av fas 1 i Epidermolys bullosa (sällsynt sjukdom/föräldralös designation), planering av fas 2/3 klinisk utveckling.
• BPM 31510-Oral – Framgångsrikt slutförande av fas 1 oral i friska män, i tidiga planeringsstadiet av fas 2 klinisk utveckling för onkologi/icke-onkologi-indikationer.
• BPM 31543 är ett småmolekylärt läkemedel för förebyggande av kemoterapi-inducerad alopeci. Säkerhet och tolerabilitet med initial signal av effektivitet har etablerats i fas 1 klinisk prövning. Detta läkemedel är för närvarande i planering för fas 2/3 klinisk utveckling.
• BPM 42522 – 1:a i klass småmolekylärt läkemedel som riktar sig mot ett nytt BERG-plattform-identifierat mål i ubiquitin-proteasome-vägen i IND-aktiverande studier för FIH-studier i onkologi Q1FY2021.
• En ny måltavla identifierad för Parkinsons sjukdom är för närvarande i läkemedelsupptäcktsansträngningar.

BERG Health har nyligen samarbetat med energidepartementets Oak Ridge National Lab. Kan du ge oss några detaljer om vad detta samarbete innebär?

BERG:s plattform har kapaciteten att generera en lista med flera potentiella mål för sjukdomsintervention. Superdatorn Summit på ORNL har möjlighet att analysera omfattande molekylära strukturer för dessa mål och identifiera små läkemedelsliknande molekyler som kan användas för snabb validering av målen, vilket leder till förkortad målvalidering/läkemedelsupptäcktsutvecklingstid för nya terapier. Den beräkningskapacitet som Summit har minskar läkemedelsupptäcktsprocessen från flera månader/år till några timmar/dagar för att generera initiala högkvalitativa “träffar” av läkemedelsliknande molekyler. Samarbetet mellan BERG och ORNL skapar grunden för snabb identifiering av nya sjukdomsspecifika mål och associerad läkemedelsupptäcktsprocess. Det möjliggör också enkel generering av sjukdomsspecifika produkt pipelines som är redo för klinisk utveckling. Det stora genomslaget för detta samarbete är tiden/kostnaden för upptäckt och utveckling av nya läkemedel.

COVID-19 är uppenbarligen på allas sinnen, hur hjälper BERG Health till med denna ansträngning?

BERG:s AI-aktiverade Interrogative Biology-plattform har använts för att generera en COVID-19-specifik modell, vilket har lett till identifiering av flera kända och nya mål med potential att påverka sjukdomsförloppet och möjliggöra återanvändning av godkända läkemedel för att minimera/minska kliniska utfall. Genom vårt aktiva samarbete med ORNL är vi för närvarande engagerade i upptäckt och utveckling av små molekyler mot nya mål för potentiell behandling av COVID-19.

Tack för intervjun, läsare som vill lära sig mer kan besöka BERG Health.