John Beeler, Ph.D., SVP of Business Development, BPGbio – Interview Series
John Beeler, Ph.D., SVP of Business Development di BPGbio, membawa pengalaman lebih dari dua dekade di bidang bioteknologi dan pengembangan bisnis, dengan keahlian yang luas dalam terapi baru. Sebelum bergabung dengan BPGbio, beliau baru saja menjabat sebagai Business Development Search & Evaluation Lead di Bristol-Myers Squibb di mana beliau berperan penting dalam mencari dan mengevaluasi peluang lisensi serta kemitraan strategis.
BPGbio adalah perusahaan biopharma klinis terkemuka yang menggunakan kecerdasan buatan (AI) berbasis biologi untuk fokus pada biologi mitokondria dan homeostasis protein. Perusahaan ini memiliki pipa terapi AI yang dalam mencakup onkologi, penyakit langka, dan neurologi, termasuk beberapa yang sedang dalam uji klinis tahap akhir. Pendekatan baru BPGbio didukung oleh NAi, Platform Biologi Interrogatif yang dimilikinya, dilindungi oleh lebih dari 400 paten AS dan internasional; salah satu biobank non-pemerintah terbesar di dunia dengan sampel longitudinal; dan akses eksklusif ke superkomputer paling kuat di dunia.
Apa yang menginspirasi platform NAi Interrogative Biology®, dan bagaimana hal tersebut membedakan BPGbio dari perusahaan biopharma lain yang menggunakan kecerdasan buatan?
Sejak bergabung dengan BPGbio, saya terus terkesan dengan kedalaman inovasi dan visi jangka panjang yang diperlukan untuk membangun platform NAi Interrogative Biology®. Sebagai seseorang yang telah menghabiskan dua dekade di bidang bioteknologi dan pengembangan bisnis—mengevaluasi berbagai platform dan perusahaan—saya dapat mengatakan bahwa NAi menonjol karena landasannya yang berbasis biologi dan kedalaman data yang diinterogasinya.
BPGbio adalah salah satu pelopor kecerdasan buatan untuk penemuan obat. Selama 15 tahun terakhir, tim ini telah menyempurnakan NAi menjadi platform yang mengintegrasikan data multi-omics properti dan salah satu biobank longitudinal terbesar di dunia. Berbeda dengan perusahaan lain yang mengandalkan teknologi yang sempit atau dataset publik untuk program penemuan penyakit tunggal, kami mengintegrasikan kemampuan multiomics dengan biobank properti kami sendiri yang menyimpan ratusan ribu sampel longitudinal yang diannotasi secara klinis dan menggunakan Bayesian AI kausal, bukan pemodelan AI generatif untuk menemukan wawasan berbasis biologi, yang dapat menginformasikan hampir setiap tahap penemuan obat dan meningkatkan kemungkinan keberhasilan pengembangan klinis. Kami tidak hanya mengidentifikasi target; kami menggunakan AI untuk merancang uji klinis kami, memahami hasil uji klinis kami, dan menyempurnakan pendekatan pengobatan kami.
Hasil kami berbicara untuk diri mereka sendiri: Kami memiliki salah satu pipa klinis yang paling canggih dan kuat di industri bioteknologi AI. Pipa ini mencakup dua uji klinis tahap 2 aktif pada kanker agresif, beberapa program siap tahap 3, dan lebih dari seratus target dan biomarker baru yang telah kami identifikasi menggunakan model AI kami.
Bagaimana pendekatan biologi terlebih dahulu BPGbio mempercepat dan mengurangi risiko proses penemuan obat?
Pengembangan obat memiliki tingkat keberhasilan sekitar sepuluh persen untuk persetujuan FDA, mencerminkan risiko dan tantangan yang signifikan yang terkait dengan membawa obat baru ke pasar. Oleh karena itu, bukan seberapa cepat dan berapa banyak target yang Anda temukan yang penting; yang penting adalah kualitasnya.
Meskipun AI dapat membantu mempercepat proses penemuan, menerapkan AI, terutama AI generatif, pada dataset publik yang sama yang digunakan dalam proses penemuan obat tradisional, tidak akan mengubah hasil uji klinis, yang pada akhirnya adalah satu-satunya hal yang penting.
Pendekatan biologi terlebih dahulu kami memastikan kualitas, kedalaman, akurasi, kelengkapan, dan kuantitas data yang masuk ke model AI kami. Dalam analisis multiomics kami, kami jauh melampaui analisis RNA dan DNA. Selain genomika dan transkriptomika, ilmuwan kami memprofil proteomika, lipidomika, dan metabolomika pada semua lapisan biologi manusia—organ, jaringan, sel, dan organel—dan kami memberikan data multiomics yang besar dan tidak bias ke model AI kausal kami untuk wawasan baru.
Pendekatan AI yang luas ini memungkinkan kami untuk melihat lebih jauh dari area penyakit untuk menemukan “akar penyebab” lebih cepat. Setelah AI membantu menemukan “akar penyebab,” dan sebelum kami melakukan uji klinis, kami kembali ke laboratorium basah untuk memvalidasi wawasan dari AI adalah akurat. Fokus pada biologi manusia membantu kami mempercepat dan mengurangi risiko proses penemuan dan pengembangan kami.
Pendekatan siklus tertutup ini mengurangi ketidakpastian dan pada akhirnya mengurangi risiko pengembangan. Dari sudut pandang bisnis pengembangan, ini kunci untuk membangun kepercayaan dengan mitra potensial—karena pendekatan kami meningkatkan probabilitas keberhasilan dari awal.
Bagaimana integrasi AI dengan superkomputer tercepat di dunia, Frontier, meningkatkan kemampuan Anda untuk menganalisis data pasien dan mengidentifikasi target obat?
Melalui kemitraan dengan Departemen Energi AS, kami memiliki akses eksklusif ke superkomputer Frontier di Oak Ridge National Lab untuk analisis pengembangan obat. Superkomputer ini dapat melakukan 1,35 quintillion perhitungan per detik.
Daya komputasi ini memungkinkan kami menggunakan kumpulan data besar kami untuk mengidentifikasi pola, korelasi, kausalitas, dan wawasan yang dapat diambil yang sebaliknya akan tetap tersembunyi dalam analisis skala yang lebih kecil dan mengurangi waktu yang diperlukan dari bulan menjadi jam.
Sebagai contoh, selama COVID, kami menganalisis rekam medis elektronik (EMR) dari 280.000 pasien beserta informasi klinis mereka. Kami mengidentifikasi faktor risiko genetik untuk kelompok etnis tertentu, membuka jalan untuk pengobatan yang dipersonalisasi. Kami menganalisis 1,2 miliar bahan berbeda untuk menemukan pengobatan potensial untuk COVID dalam waktu singkat.
Dari perspektif komersial, kekuatan komputasi ini memungkinkan kami membuka wawasan lebih cepat dan lebih efektif daripada yang lain, mempercepat waktu ke kemitraan, uji klinis, dan, pada akhirnya, manfaat bagi pasien.
BPGbio memiliki program klinis di glioblastoma dan kanker pankreas. Wawasan unik apa yang telah ditemukan platform NAi dalam area ini, dan bagaimana mereka membentuk uji klinis Anda?
BPGbio saat ini sedang menjalankan uji coba fase 2b pada glioblastoma (GBM) dan telah menyelesaikan uji coba fase 2a untuk kanker pankreas, kedua uji coba tersebut dengan kandidat obat molekul kecil kami BPM31510.
Melalui platform NAi, kami memahami bahwa sebagian besar tumor padat yang agresif disebabkan oleh disfungsi mitokondria di lingkungan tumor. BPM31510, adalah nanodispersi yang mengandung ubidekarenon dengan efek anti-kanker yang dimediasi oleh mekanisme molekuler dalam mitokondria yang memicu proses kematian sel kanker yang teratur. Kami menjalankan studi fase 1 terbuka dengan 128 pasien pada BPM31510, dan hasil uji klinis mengkonfirmasi wawasan yang ditemukan oleh NAi. NAi selanjutnya telah membantu kami mengoptimalkan hampir setiap aspek terapi ini, mulai dari dosis optimal dan waktu hingga pemilihan pasien. Uji coba GBM kami saat ini sedang merekrut pasien dan kami berharap dapat melaporkan hasil uji coba fase 2 GBM kami lebih lanjut tahun ini.
Penyakit langka seperti defisiensi CoQ10 primer dan epidermolisis bulosa menjadi fokus utama BPGbio. Tantangan dan peluang apa yang Anda lihat dalam menangani kondisi-kondisi ini?
Penyakit langka pada anak seringkali tidak memiliki pilihan pengobatan yang efektif karena kompleksitas dan prevalensi yang rendah, dan anak-anak dengan kondisi-kondisi ini biasanya menghadapi harapan hidup yang pendek. Hal ini menimbulkan tantangan untuk rekrutmen uji klinis, navigasi regulasi, dan pengembangan terapi.
Di BPGbio, kami bangga menghadapi tantangan-tantangan kompleks ini. Senyawa utama kami, BPM31510, telah menerima beberapa penunjukan dari FDA—termasuk penunjukan Obat Orphan dan Penyakit Langka Pediatrik—baik untuk defisiensi CoQ10 primer maupun epidermolisis bulosa (EB). Ini adalah tonggak penting yang mencerminkan potensi klinis program kami dan membuka pintu untuk voucher peninjauan prioritas setelah persetujuan.
Kami merencanakan uji coba fase 3 untuk defisiensi CoQ10 primer dan sedang mengeksplorasi kemitraan untuk memajukan program EB kami. Ini termasuk mengevaluasi formulasi topikal sebagai pilihan pengobatan. Kami percaya bahwa platform BPGbio dapat memberikan dampak transformasional di ruang ini.
Bayesian AI memainkan peran penting dalam platform Anda. Bagaimana hal ini membantu secara khusus dalam mengidentifikasi target obat atau biomarker baru?
Bayesian AI memungkinkan platform kami untuk bergerak melampaui mengidentifikasi asosiasi untuk mengungkap hubungan sebab-akibat yang mendorong penyakit. Ini memodelkan ketidakpastian, memperhitungkan variasi data, dan menghasilkan prediksi yang sangat kuat yang memandu penemuan terapi dan biomarker.
Dengan mengintegrasikan data multiomics longitudinal dan klinis, model kami dapat mengidentifikasi mekanisme biologis di balik perkembangan penyakit dan titik intervensi optimal. Hal ini membuat proses penemuan lebih tepat dan pengembangan lebih dapat diprediksi.
Dari segi strategis, hal ini sangat berharga. Memvalidasi apa yang akan ditargetkan dan mengapa itu penting secara biologis mengubah cara Anda memprioritaskan program, merancang uji klinis, dan berbicara dengan mitra. Ini membangun kepercayaan pada sains.
Karya Anda tentang enzim E2 untuk degradasi protein terarah sangat inovatif. Bagaimana platform NAi mengatasi tantangan tradisional dalam menargetkan protein “tak dapat diobati”?
Program degradasi protein terarah (TPD) berbasis E2 BPGbio adalah salah satu area paling menarik dan inovatif dalam pipa kami. Pendekatan TPD tradisional bergantung pada E3 ligase, yang membatasi cakupan target dan dapat menyebabkan resistensi obat. Pendekatan kami menggunakan kompleks enzim E2 yang dimodifikasi pasca-translasi—yang diungkapkan oleh platform NAi—untuk memperluas proteom yang dapat diobati.
Ini adalah pendekatan kelas pertama, dan daya tarik awal yang kami lihat telah menarik perhatian di seluruh industri farmasi dan bioteknologi. Saat ini kami sedang menerapkan ini pada onkologi, neurologi, dan penyakit langka. Ini adalah contoh bagus bagaimana NAi tidak hanya mendukung penemuan—tetapi memungkinkan kami untuk memikirkan ulang apa yang mungkin dalam pengembangan obat.
Bagaimana BPGbio seimbang antara wawasan yang didorong AI dengan pengawasan manusia untuk memastikan validitas penemuan Anda?
Di BPGbio, kami melihat AI sebagai alat yang kuat—tetapi bukan sebagai pengganti—untuk keahlian manusia. Wawasan yang didorong AI kami didasarkan pada data biologis berkualitas tinggi dan terus-menerus disilangkan oleh tim biolog, klinisi, dan ilmuwan data kami.
Kolaborasi ini memastikan bahwa setiap wawasan ditempatkan dalam konteks biologis dan klinis. Itu adalah salah satu alasan BPGbio telah mencapai tingkat keberhasilan yang sangat tinggi dalam uji klinis—kami menggabungkan kecepatan dan skala AI dengan ketatnya ilmiah dan penilaian yang hanya bisa dibawa oleh para ahli berpengalaman.
Potensi apa yang Anda lihat untuk biomarker yang ditemukan AI untuk merevolusi diagnosis dini dalam penyakit seperti Parkinson?
Kekuatan platform kami terletak pada kemampuannya untuk menginterogasi biologi secara luas dan mendalam—sehingga ketika NAi menemukan target untuk tujuan terapeutik, seringkali dapat digunakan secara diagnostik juga.
Dalam penyakit Parkinson, kami membangun model biologi sistem menggunakan sampel pasien dari hampir 400 individu oleh Institut Parkinson dan kami mengidentifikasi N-acetylputrescine (NAP) sebagai biomarker darah baru. Kami telah memvalidasinya melalui panel diagnostik yang bersertifikat CLIA, dan studi yang kami publikasikan menunjukkan bahwa ketika dikombinasikan dengan fitur klinis seperti kehilangan penciuman dan gangguan tidur REM, panel ini secara signifikan meningkatkan akurasi diagnostik dan penilaian risiko dini. Ini memiliki potensi untuk memungkinkan intervensi lebih awal dan meningkatkan hasil pasien.
Peran apa yang Anda lihat BPGbio bermain dalam membentuk masa depan kedokteran presisi?
Tidak ada satu ukuran yang cocok untuk merawat pasien. Kecerdasan buatan berbasis biologi memiliki potensi untuk mengubah kedokteran presisi dengan menemukan wawasan baru yang membantu dalam subtiping pasien, sehingga meningkatkan desain uji klinis, stratifikasi pasien, dan tingkat keberhasilan terapi. Wawasan ini akan membawa pada pengembangan diagnostik dan pengobatan yang lebih efisien untuk berbagai penyakit langka dan kompleks.
Dengan memanfaatkan kecerdasan buatan untuk menginterogasi input biologi dan model translasi secara ketat, industri dapat membuka potensi penuh AI untuk mengubah pengembangan obat dan memberikan terobosan yang mengatasi kebutuhan medis yang belum terpenuhi. Babak berikutnya dari kedokteran presisi akan ditulis oleh mereka yang dapat menggabungkan inovasi dengan dampak, dan BPGbio siap memimpin perubahan tersebut.
Terima kasih atas wawancara yang luar biasa, para pembaca yang ingin belajar lebih lanjut harus mengunjungi BPGbio.
Sumber Gambar:
https://www.pexels.com/photo/chemistry-research-laboratory-chemical-54611/
Referensi:
– https://www.linkedin.com/in/johnfbeeler/
– https://bpgbio.com/