跳到正文
未来实验室007·· 17 天前AI 评分46

两批ADC样品平均DAR相同为何不能画等号:DAR分布与数据关联分析

两批ADC样品,平均DAR一样,为什么还不能画等号?

AI 导读

两批平均DAR均为4的ADC样品,可能分别由DAR4组分或DAR2与DAR6组分构成,分子异质性不同。平均DAR只是统计结果,需结合HIC、LC-MS等分析DAR分布,并关联抗体、连接子、有效载荷批次及偶联条件等信息以还原研发过程。

正文

假设有两批 ADC 样品,平均 DAR 都是 4。

从平均数值来看,两批样品似乎没有区别。但进一步分析可能会发现:

样品 A 主要由 DAR4 组分构成,样品 B 则可能由一定比例的 DAR2 和 DAR6 组分构成。两批样品的平均 DAR 相同,实际分子组成却可能存在差异。

这正是 ADC 研发的特殊之处:一个看似简单的质量指标,背后可能隐藏着复杂的分子组成和多维度检测数据。

ADC(抗体偶联药物)将单克隆抗体的靶向能力与小分子毒素的杀伤能力结合起来。但从三个组分的筛选,到偶联工艺优化,再到最终产品表征,每个环节都会产生大量实验数据。

真正的挑战,不只是把抗体和毒素连接起来,而是如何看清偶联前后的每一个变化。

一、平均 DAR 相同,不代表产品组成相同

DAR(药物抗体比)是 ADC 研发中非常重要的质量属性,反映每个抗体分子平均偶联的药物分子数量。

但平均 DAR 只是一个统计结果,并不能完整反映产品组成。

例如,在一个简化示意中:样品 A 主要由 DAR4 组分构成;样品 B 则由一定比例的 DAR2 和 DAR6 组分构成,两者平均 DAR 同样为 4。但不同 DAR 组分的比例存在差异,意味着产品的分子异质性不同。


由于载荷数量和偶联位点不同,ADC 的疏水性、聚集倾向及药代动力学特征也可能存在差异,并进一步影响产品的效力和安全性。

因此,研发人员不仅要关注平均 DAR,还需要分析不同 DAR 组分的分布情况。

这通常需要结合 HIC(疏水作用色谱)、LC-MS(液相色谱-质谱联用)等技术进行多维度表征。

一个 DAR 数值,无法代替一整套产品表征。

二、一个 ADC 样品,为什么需要翻阅这么多份数据?

ADC 研发涉及抗体、连接子和有效载荷三个核心组分。

抗体需要关注序列、纯度和亲和力;连接子涉及化学结构和稳定性;有效载荷需要评价化学性质和细胞毒性。

完成偶联后,还要检测 DAR 及其分布、纯度、聚集体和生物活性等。这些结果来自不同的分析平台:

    • HIC:依据疏水性差异分离不同载药量 ADC 组分,分析 DAR 分布。

    • LC-MS:分析分子量及不同载药量的分子种类;LC-MS/MS 还可结合肽图分析研究偶联位点。

    • ELISA:根据检测设计评价抗原结合等生物学特性。

    • CE-SDS:分析蛋白纯度、片段及部分大小异构体。

    • SEC-HPLC:分析单体、聚集体及其他大小异构体。


    每种仪器都有自己的数据格式和存储方式。一份 HIC 图谱、一份质谱文件、一组 ELISA 检测结果,可能分别保存在不同仪器工作站中。

    当研发人员需要比较不同批次的 ADC 样品,或者追查某次检测结果异常时,就必须重新查找文件、核对样品编号、整理检测结果。

    更麻烦的是,检测数据往往还需要与抗体批次、连接子批次、偶联条件和样品信息对应起来。

    数据并不缺少,真正缺少的是数据之间的联系。


    三、比保存实验结果更重要的是,能够还原整个研发过程

    假设某批 ADC 样品的 DAR 分布出现异常。研发人员需要回答的不只是检测结果是多少,还包括:

    • 使用的是哪个批次的抗体、连接子和有效载荷?

    • 偶联时的 pH、温度、时间和浓度是否发生变化?

    • 样品经过了哪些处理和检测?

    • 对应的 HIC 图谱、质谱原始文件在哪里?

    • 数据经过了哪些处理,最终由谁审核?

    这些信息分散在不同人员、表格和仪器系统中,就很难快速还原问题发生的全过程。因此,ADC 研发需要建立的不只是实验数据的存储空间,而是从物料、样品、实验到检测结果的关联机制。

    例如,研发团队可以通过化合物注册管理系统 CMS 统一管理抗体、连接子、有效载荷及样品批次信息,通过电子实验记录本 ELN 记录实验过程、操作条件和结果,再将仪器原始文件与对应实验及样品关联起来。

    这样,当研发人员查看某批 ADC 样品时,不仅能看到最终检测结果,还能沿着样品和实验记录找到相关的物料信息、操作过程及原始数据。

    对于涉及 GLP/GMP 要求的研发活动,还需要结合系统验证、权限控制、审计追踪、电子签名及标准操作规程,建立符合相应要求的数据管理体系。

    结语

    ADC 研发的复杂性,不仅来自抗体、连接子和有效载荷三个组分的组合,更来自偶联前后大量实验数据之间的关联。平均 DAR 相同,不代表产品组成相同;但仅凭 DAR 分布差异,也不能直接判断产品质量的优劣,还需要结合其他关键质量属性和功能评价。

    真正有价值的研发数据,不只是能够被保存,更应该能够被关联、被查找、被追溯。

    当每一个样品都有明确的身份,每一次实验都有完整的记录,每一份检测结果都能找到来源,分散的数据才能真正成为支撑 ADC 工艺优化和质量研究的研发资产。

    来源:未来实验室007 · mp.weixin.qq.com