ADC（Antibody drug conjugate）是将单克隆抗体通过偶联臂（linker）与小分子药物共价偶联形成的复合物。ADC药物分子包含抗体、linker、小分子药物三个结构模块。典型的ADC分子结构示意图如图1所示。

图1 ADC分子结构示意图 [来源维基百科]

20世纪初德国诺贝尔奖得主Paul Ehrlich最早提出ADC药物的构思。1958年Mathe首次将抗鼠白细胞免疫球蛋白与甲氨蝶呤偶联用于白血病的治疗，拉开了抗体偶联药物的研究序幕。受限于当时的抗体制备技术，鼠来源的抗体偶联药物并没有在临床上取得成功，1975年杂交瘤技术的诞生才催生出第一个为人所熟知的ADC分子。之后，靶标抗原的选择、抗体人源化技术、超高细胞毒性小分子药物、抗体药物荷载等问题随着彼时的技术进步被一个个解决。

2000年FDA批准了第一个ADC药物Gemtuzumab ozogamicin（商品名Mylotarg），但上市后监测发现Mylotarg疗效不佳，副作用明显，患者用药风险大于获益。因为市场表现惨淡，Mylotarg在2010年黯然撤市。2013年Kadcyla成为第二个获批的ADC药物。Kadcyla是Genentech在明星产品Herceptin基础上开发出来的一款ADC，伴随着Kadcyla的开发，国内也成立了一批ADC创业公司，包括荣昌生物（2008），东曜药业（2009），特瑞思（2010），杭州多禧（2012）等，这些早期创业公司目前已经成为了国内ADC药物研发的中坚力量。Wyeth在2017年将调整剂量后的Mylotarg再次推向市场，同年又成功推出了Besponsa。ADC药物在2019年真正迎来爆发，2019年至今已经批准了5款ADC。

图2 ADC药物发展简史[The Royal Society of Chemistry, 2019]

ADC药物批准的3个阶段也真实地反应了ADC药物研发的3个历程。ADC药物的技术平台也在这3个历程中逐步进步。根据各个阶段ADC的技术特点，业内把ADC分为三代。以Mylotarg为代表的第一代ADC，以Adcetris和Kadcyla为代表的第二代ADC，以Besponsa 、Padcev、Enhertu等为代表的第三代ADC。

表1 不同时期ADC药物技术特点

目前已经有9款ADC药物获FDA批准上市，中国NMPA也已经批准了2款ADC药物（Kadcyla和Adcetris）。2020年8月，荣昌生物的纬迪西妥单抗（RC48）提交上市申请并被纳入优先评审，如获批将成为第一个上市的国产ADC药物。

表2 已经获批的ADC药物

注：数据来源于antibody society网站及[The AAPS Journal, 2020]

ADC药物开发的关键要素

靶点、抗体、效应分子（payload）、linker、DAR值（DAR，drug-to-antibody ratio，抗体上所结合药物分子的个数即药物-抗体比），这5个方面是ADC药物开发需要关注的重点，也是ADC药物开发的关键要素。其中DAR值主要由linker及标记技术决定。

图3 ADC开发结构要素示意图[Polymers for Advanced Technologies, 2020]

1. 靶点

已经获批上市的9个ADC药物共涉及8个靶点，其中CD22，CD30，CD33，CD79b，BCMA等5个靶点的适应症为血液瘤：HER2，Nectin-4，Trop-2这3个靶点的适应症为实体瘤，其中HER2靶点已有两个获批上市的产品。2019年以前获批的4个ADC药物仅Kadcyla为实体瘤适应症，而2019年以后获批的5个ADC药物中有3个为实体瘤适应症。

不难发现，ADC药物研发的热点已经从血液瘤转移到实体瘤。寻找能够合适的药物靶点已经成为ADC研发企业争夺的热点。由于ADC药物的药效作用主要依靠小分子药物，而靶点只作为标志物，只要能招募ADC分子即可，至于靶点是否有生物学效应并不十分重要，因此相对于单克隆抗体而言，ADC药物的靶点选择更多。潜在的靶点或是在肿瘤表面过表达，或是在肿瘤微环境中广泛分布。

图4 ADC可开发的实体瘤抗原靶点[British Journal of Cancer, 2016]

2. 抗体

由于抗体靶点特异性高、半衰期长等使其被作为理想的细胞毒药物运送载体，理想的抗体需满足与靶点具有较高的亲和力，通常Kd 0.1~1 nM，血中稳定性好，免疫原性低以及较低的交叉反应。IgG更易被肿瘤细胞摄取，常被用作ADC的抗体部分。作为ADC药物的导航系统，抗体主要负责将小分子药物带到靶细胞发挥作用，抗体本身的药效作用并不十分重要。ADC的抗体部分虽然在介导内吞和抗体本身的治疗作用等方面与单纯的抗体药物有所区别，但整体上抗体选择及开发策略与单纯的抗体药物没有太大差别。

3. 效应分子（Payload，同负载/细胞毒药物/小分子药物）

效应分子的作用机制决定ADC的药效的发挥和毒性的产生。目前，常用的细胞毒性药物效应分子为微管抑制剂（如：auristatins、maytansinoids）、DNA损伤剂（如calicheamicin、duocarmycins、anthracyclines、pyrrolobenzodiazepine dimers）和DNA转录抑制剂（Amatoxin和Quinoline alkaloid (SN-38)）。已经获批上市的9个ADC药物共使用了6个不同的小分子药物，其中有3个ADC药物使用MMAE作为偶联药物，2个药物使用Calicheamicin作为偶联药物，另外成功应用的还有MMAF，DM1，SN-38，Dxd。应用较多的小分子药物结果如表4所示。

目前获批的ADC大都采用利用异质化连接技术，即基于胺的赖氨酸结合（amine-based lysine conjugation）和基于巯基的半胱氨酸结合（thiol-based cysteine conjugation）。每个抗体具有多个Lys/Cys位点，所以将小分子药物与抗体结合得到的ADCs是含有不同DAR值（0-8）的多种成分的混合物。体外的药效是随着DAR的增加而增加，但在体内ADC药效不随DAR值增高而增加，可能由于疏水性的小分子药物或/和linker的增加到一定程度后，会导致ADC在水相环境中非特异的疏水相互作用和清除率的增加，实际可能是DAR值越高毒性越高，TI越低。目前，利用位点特异性（site-specific, homogeneous conjugation chemistries）的结合方法可以有效地控制DAR值，获得ADC稳定性和聚集性均较佳，如同质（homogeneous）DAR值为2的ADC比随机结合方法得到平均DAR值为3.4-4的ADC的疏水性和聚集效应均低，但TI可能有限（如PBD和Aur0101）。

表4 ADC药物目前研究较多的小分子药物列表

4. 偶联臂（Linker）

Linker是通过共价结合作用将单抗和小分子药物部分连接起来，linker在血流中的稳定性非常重要，一般linker比ADC的半衰期大10倍为好。理想的linker需在循环系统中具有足够的稳定性以降低脱靶引起的毒性反应，并且一旦被内化至靶组织即可释放效应分子。虽然只起到连接作用，但linker的偶联方式决定了ADC药物的很多重要属性，如DAR值分布、治疗指数（therapeuticindex，TI）、PK/PD等。linker和结合位点的选择关乎ADC的稳定性，考虑到小分子药物一般为疏水性，为方便连接，linker需要具有一定的疏水性。根据linker在细胞内是否被裂解分为两大类：裂解型（cleavable linker）和稳定型（non-cleavable linker），不同偶联linker的优缺点如表5所示。

表5 不同偶联linker的优缺点 [Protein Cell, 2018]

药代动力学研究进展

复杂的结构组成和作用机制使ADC的药代研究更具挑战。ADC给药方式主要为静脉给药，药物进入体内后，可通过特异和非特异途径进入细胞。特异途径为与细胞表面的受体结合，通过内吞作用内化到达细胞，经内吞小体进入溶酶体，溶酶体的酸性环境和蛋白水解酶会致使ADC降解，释放的效应分子随后进入细胞质中，然后通过DNA插入或抑制微管合成等方式诱导细胞凋亡；还可通过非特异性的胞饮作用进入细胞，这种方式可能会导致ADC在非靶细胞中释放效应分子，从而引起不必要的毒副作用。另外，ADC还可以通过“旁观效应（bystand effects）”发挥杀伤作用，即裂解或释放的细胞毒性药物可以进入邻近细胞，发挥杀伤作用，当然也因此会产生耐药性。

图5 ADCs的体内过程及其肿瘤免疫机制示意图[BioDrugs, 2018]

ADC的主体为抗体（~98%），除了具有抗体的药代动力学特征，又因为结合了效应分子，使其呈现出独特的PK特征。该部分主要介绍ADC PK的影响因素、PK特征和动力学模型。

1. PK的影响因素

ADC进入体内后，效应分子可通过酶解或化学反应从主体结构上逐渐解离，得到总抗体（Total antibody，Tab）、结合型抗体（ADC）和游离的效应分子（unconjugated drug）（如图6所示），它们在体内浓度的变化对解读ADC的药代特点至关重要。总抗体为结合的抗体和裸抗（DAR=0）的总和；结合型抗体为抗体至少结合一个效应分子，是ADC的原型药；游离的效应分子为ADC裂解或被分解代谢后形成的游离效应分子和/或保留效应分子结构的连有氨基酸残基和/或linker的效应分子代谢物，是ADC毒性评价的物质基础。与靶点结合的特异性、linker的稳定性、新型效应分子的应用等研究是研发ADC药物成败的关键，通过优化ADC的结构，提高其PK特性，可以更好的阐明剂量-效应关系，从而进行安全性和有效性评价。

图6 ADC药物处置方式[The AAPS Journal, 2020]

1.1 结构

1.1.1 抗体

抗体结构本身、亲和力、特异性、FcRn结合能力以及Fcγ介导的抗体的Fc效应功能（如ADCC或CDC)等都会影响ADC的PK。ADC效应器功能对药效和毒性作用的影响还不清楚。尽管Fc可以增强ADC杀伤肿瘤的作用，但Fcγ受体却是引起脱靶和剂量限制性毒性的主要原因。目前，已有缺失效应功能的IgG4型抗体的ADC批准上市（Mylotarg和Besponsa）。抗体特异性高可避免产生毒性，缺乏特异性的抗体会在到达肿瘤组织前被循环系统消除。

1.1.2 效应分子

效应分子的引入会使ADC聚集，理化性质不稳定，不仅是由于其数量和疏水作用增加使得ADC疏水性的显著增加而不稳定，还由于这种结合作用会引起抗体二级结构和三级结构的变化使得构象的稳定性降低。同时，效应分子的透膜性、代谢、是否为P-gp的底物对于bystander efferts和诱发耐药性均非常重要。效应分子结合位点的差异会对ADC的PK会有一定的影响。反之，受抗体部分的影响，释放的效应分子被赋予了较长的半衰期，并且其清除速率会受到ADC的清除率及释放效应分子速率的影响。

不同DAR值的ADC具有不同的PK特征，DAR值会影响ADC在循环中的稳定性，DAR值越高稳定性越差（如图7所示）。通常，DAR值大于4会导致较差的PK特性，随着DAR值的增加，不但药物的清除率随之增加、半衰期逐渐降低，还会引起药物聚集，可能产生较高的毒性，理想的DAR值为3-4。ADC进入体内会伴随着效应分子的释放，平均DAR值会随时间而降低直至降为零，DAR的变化速率可以反映效应分子从抗体上逐渐解离下来的速率。与此同时，循环系统中效应分子的量随之升高，进而影响疗效和安全性。有研究发现，DAR增加可能不会改变裸抗在肝脏的吸收。

图7 DAR值与抗肿瘤作用及清除率的关系[The AAPS Journal, 2020]

尽管循环中的效应分子通常远低于ADC的浓度，但是由于效应分子的细胞毒性和窄的TI会影响ADC的安全性和有效性，使得其在高变异患者中的暴露研究尤为重要。此外，如果效应分子为外排转运体的底物（如MMAE、DM1、calicheamicin为P-gp底物），ADC的细胞毒作用会因为的外排作用而减弱，因此产生耐药。

1.1.3 偶联臂（linker）

Linker在血流中的稳定性非常重要，通常linker的半衰期比ADC大10倍为好。不同类型linker的ADC内化后会以解离和分解代谢的方式通过靶点介导或非特异途径释放效应分子，这个过程可以发生在细胞内和/或体循环中。裂解型linker的ADC可以通过linker的裂解产生游离效应分子，而稳定型linker的ADC则通过蛋白酶降解的方式生成活性代谢产物。而且，不同的linker类型的ADC产生代谢产物的结构也不同，裂解型linker ADC可释放完整效应分子，稳定型linker ADC则是释放连接氨基酸的效应分子。有的代谢产物也会增强抗肿瘤活性。

裂解型linker对细胞内环境敏感，在细胞内通过分解代谢和解离共同作用释放出游离的效应分子和抗体。代表linker如酸裂解linker通常在血液中稳定，但在pH低的溶酶体环境中会快速裂解（如Besponsa和Mylotarg）；溶酶体蛋白酶裂解linker（如：BV、PV和EV）在血中稳定，但在富含蛋白酶的溶酶体中不稳定，会释放效应分子；二硫化物linker通过胞内谷胱甘肽的还原作用释放效应分子。裂解型linker可以进一步分为resitual和traceless，前者效应分子连有linker，后者则不与linker相连。此外，如果效应分子可以跨膜，则可通过发挥潜在的bystand effects作用消灭肿瘤（如图8所示）。该作用通常由效应分子（如monomethyl auristatin MMAE）和linker的化学结构所决定。通常，利用ADC的bystand effects治疗实体瘤，是否可以用于血液肿瘤的治疗还不得而知。

图8 ADC无(a) 和有(b) bystander effect 时的作用机制示意图[Current Drug Delivery, 2020]

稳定型linker由抗蛋白酶降解的稳定结构构成，在血中稳定，代表linker如硫醚和maleimidocaproyl（MC）。该类型的ADC在胞外不会释放效应分子，在胞内，抗体部分才会经溶酶体蛋白酶分解代谢释放含有氨基酸残基和/或linker的效应分子（linker-payload形式）和抗体片段。稳定型linker的优势是其拥有良好的稳定性，可降低脱靶带来的毒性，但缺点是效应分子释放效率相对裂解型linker低。此外，由于药物会通过赖氨酸或半胱氨酸在肿瘤细胞表面聚集，使得该类型linker的ADC未见bystand effects。

一般说来，稳定型linker的ADC较裂解型的ADC的半衰期长、清除率低。有研究表明，二硫化物linker的ADC在体内的清除率较硫醚linker高；而两者总抗体的清除率相当。蛋白酶作为linker的ADC，在体内无论是结合型ADC的清除率，还是总抗体的清除率，都比二硫化物linker的高。此外，含有负电荷的磺酸基、焦磷酸二酯或者聚乙二醇的亲水性linker可有效降低蛋白的聚集，降低免疫原性，还可能会增加ADC的暴露、改变其分布。

1.2 药物药物相互作用

目前，临床上使用的ADC药物适应症主要为癌症，患者通常同时服用多种药物，并且药物可能会对免疫系统和器官（如肝、肾）造成损伤，同时，效应分子大都为细胞毒药物，所以，ADC的DDI评价无论是在临床前开发阶段还是在临床阶段均尤为重要。

ADC的抗体部分和效应分子的DDI均需要探究。抗体部分的DDI可依据抗体与促炎性因子相关研究进行评估，DDI研究则更多关注效应分子。而作为效应分子的细胞毒药物体外抑制常数Ki值在微摩数量级范围，这高于循环中的细胞毒药物暴露浓度几个log数量级，很难作为“施害药（perpetrator）”引起DDI。即便如此，由于细胞毒药物临床上的TI较窄，其作为“受害药物（victim）”需要仔细评估其对患者安全性和有效性的影响。

从目前来看，已上市ADC药物存在临床DDI的可能性较小。如Adcetris，效应分子MMAE为CYP3A4的底物，研究表明，存在潜在的DDI，但由于MMAE暴露水平极低，不足以影响疗效和安全性，所以在与CYP3A4的抑制剂和诱导剂联合使用时无需进行剂量的调整。Enhertu的临床DDI研究结果表明其与CYP3A和OATP抑制剂联用也不会产生具有临床意义的DDI。只有TRODELVY，与UGT1A1的抑制剂/诱导剂联合使用时会改变效应分子SN-38的系统暴露，可能影响安全性和有效性，使用说明书中要求避免与UGT1A1的抑制剂或诱导剂联合使用。此外，群体药代模型（Population PK，PopPK）是研究单抗DDI的一个有利工具，如根据PopP分析表明Polivy临床DDI发生的可能性较低。

1.3 免疫原性

ADC的免疫原性可以由抗体部分引起，也可以由效应分子或产生的新的表位所引起。疏水性连接基团和疏水性效应分子通常会促进ADC的聚集，引起免疫原性。虽然ADC为人源化或者全人抗体作为骨架（backbone），但理论上，由于结构上多了效应分子使其引起免疫应答的风险比裸抗更高。已获批的ADC药物的ADA发生率从1%到37%，鉴于有限的临床研究经验和ADCs药物分子的特殊性，将其划分为具有中等免疫原性风险。免疫原性是决定ADC的循环半衰期的主要因素之一，它会增加ADC的清除、降低其暴露。

1.4 其它

从已上市的ADC药物的说明书上获悉，ADC的PK在性别（除了特殊瘤种如膀胱癌外）、年龄上未见明显差异。对于有肝和肾损伤的患者，由于肝和肾不是裸抗结构的主要代谢和处置器官，所以，主要需考察细胞毒药物在该类患者的系统暴露，评价所存在的潜在风险。另外，ADC可能在患者间的暴露表现出较大的变异，除了可能由于与FcγR的结合具有差异所致，还可能受释放效应分子、患者间肿瘤的大小、靶点等差异影响。

2 分布、分解/代谢、消除特征

如前文所述，ADC在发挥药效前会经历几个过程：从血浆中消除或者转运至组织，直接与靶抗原结合或经组织间隙与受体结合，与抗原结合后内化至细胞中，经历内吞小体-溶酶体（endosomal-lysomal）途径，释放效应分子；效应分子攻击肿瘤细胞后，再通过体循环到达肝进行代谢和排泄。ADC不但拥有抗体的PK特征，如：清除率低、半衰期长、淋巴转运、FcγR/FcRn受体介导的体内循环、靶点介导的消除、非线性动力学特征等，又因为其为多DAR值的组成成分、涉及效应分子解离、效应分子和linker的代谢等特性，使其呈现出特有的分布、分解/代谢、消除特征。

2.1 分布

与单抗类似，ADC也是通过血液和淋巴系统进行转运，具有较低的渗透率。由于组织间隙压力作用使其聚集于血管区域，可分布在血、细胞外液及表达靶抗原的组织（如图9所示），ADC和Tab的分布容积会高于血容量，释放的效应分子以及代谢产物可广泛分布于各个组织脏器。

图9 ADC的体内分布 [Pharmaceutical Research, 2017]

ADC在各个组织的分布由于与靶点的结合及药物理化性质差异而存在差异，肝脏、肺、肾和皮肤是ADC较为常见的分布器官。有研究发现，某些ADC药物与抗体相比，在肝脏的分布明显多（auristatin和calicheamicin conjugates）。同时，还发现在肝脏，效应分子的浓度明显大于抗体的浓度，而在其它组织中抗体和效应分子的分布量相当，这可能是由于肝脏代谢释放出更多效应分子所致。有些ADC的清除率和肝摄取率较单抗高，可能由于效应分子的结合增加了ADC的疏水性，从而增加了网状内皮系统对药物的清除能力。

释放的效应分子的分布主要由自身理化性质决定，因此，亲脂性强的药物较亲水性强药物更易分布至细胞或组织。效应分子一旦与抗体结合形成ADC，它的分布特性会随之改变，使其不再以自由扩散作用到达细胞和组织。此外，由于肿瘤的异质化，使得膜通透性高的细胞毒药物可透过细胞发挥bystand effects，杀伤邻近不表达或者弱表达靶抗原的细胞。效应分子可能是外排和摄取转运体的底物，这些转运体则可能会降低或增加效应分子在肿瘤或/和正常组织的分布。

不同于与血液肿瘤的直接结合，ADC与实体瘤结合需要经过四个过程：到达肿瘤血管、渗出血管、分布至肿瘤间隙、与靶点结合。以最少效应分子发挥最佳的药效取决于肿瘤对ADC的摄取，肿瘤血管的密度、膜渗透性又是肿瘤摄取ADC的限速步骤。此外，改变ADC与FcRn的亲和力、ADC的带电性、理化性质以及靶点的内化等都会对ADC的分布产生影响。有研究者采用免疫缺陷动物模型发现，Fc相互作用会增加ADC在非靶组织（如脾）的分布。目前，可以应用放射性标记技术评价ADC的分布，近年来发展的全身定量放射性自显影技术（quantitative whole-body autoradiography）也已应用到ADC药物的组织分布研究中。

2.2 分解/代谢

ADC体内分解/代谢过程包括抗体分解代谢过程和小分子药物体内代谢。ADCs在到达肿瘤细胞前，在细胞内（稳定型偶联臂，non-cleavable linker）或者循环系统中（裂解型偶联臂，cleavable linker）释放效应分子，未结合的抗体和抗体片段遵循抗体的代谢途径通过酶解产生氨基酸，被机体重新利用。ADC裂解或被分解代谢后可能形成的游离的小分子药物和/或连有氨基酸残基的小分子药物和/或linker的小分子药物代谢物，会进一步经历肝CYP450酶代谢，还可能发生潜在的药物药物相互作用。除了ADC本身性质外，抗原的表达、受体/细胞密度，FcRn介导的循环作用、与Fcγ作用、受体介导的内吞作用、免疫原性等都会影响ADC的分解代谢。

2.3 消除

ADC也是通过分解代谢和排泄的方式进行消除。ADC可通过与靶点结合的特异途径，进入溶酶体后发生降解，释放小分子药物后从体内清除；还可以通过非特异的胞饮作用进行清除，该途径涉及新生儿受体（neonatal Fc receptor, FcRn）参与的循环再利用过程。ADC、抗体、分子量较大的多肽及氨基酸片段无法通过肾小球滤过排泄，而是以氨基酸的形式重新吸收利用。游离小分子药物、分子量较小的多肽及氨基酸连接的小分子药物、分子量较小的抗体片段可通过肾小球滤过进行排泄。同时，小分子药物及代谢产物也可经酶代谢消除或通过转运体排泄至粪便中。

ADC不同的部分在体内消除过程各不相同（如图10所示），给予ADC后，血清/血浆Tab浓度高于ADC的浓度，并且缓慢消除。随着小分子药物从抗体上逐渐解离，ADC相对于Tab具有较快的清除率。释放的小分子药物的表观消除半衰期通常与ADC的相同或略低，其摩尔浓度通常低于ADC的100-1000倍。

图10 不同分析物的PK曲线示意图[Pharmaceutical Research, 2015]

当分别给予抗体药物和ADC时，ADC总抗体具有稍短的消除半衰期和稍高的清除率（如图11所示），机制不明，可能由于ADC分子中效应因子的解离途径对ADC清除率有额外的贡献所致，或者由于小分子药物作为外源物的引入被机体识别而启动了非靶点介导的清除作用所致，ADC免疫原性的增加也可能导致上述结果。应用亲水性linker可使ADC与裸抗的PK行为相近。

图11 给予ADC与单抗后体内抗体血药浓度曲线[Pharmaceutical Research, 2015]

ADC具有靶点介导的药物处置（TMDD）特点，即低剂量下清除率高，高剂量时，靶点饱和清除率降低，呈现非线性动力学特征。靶点的表达类型、表达量和内化率都会影响TMDD。此外，若ADC的靶点在循环中存在高水平脱落靶点，容易产生肝毒性。同时，循环中存在的可溶性和或脱靶靶点形成免疫复合物与ADC结合，还会增加ADC的清除、降低其暴露。

3. 动力学模型

应用模型的方法可以将PK、药效和安全性数据进行整合，以满足不同阶段ADC药物研发的需求，如：靶点的选择、抗体的亲和性、linker的稳定性、动物到人的外推、剂量的选择和调整、E-R相关性研究（exposure-response relationships）、DDI研究等等。由于ADC具有多种清除途径（解离和分解代谢），以及存在多种分析物的复杂的PK特征，使得其动力学模型也较为复杂。不同的模型具有不同的应用，如可采用二房室模型和PBPK模型可以用清除率、解离、代谢速率等参数描述ADC的稳定性特征。目前非房室模型、群体药代模型、基于机制的模型、基于生理的模型在ADC药物动力学研究中均有应用。

3.1 非房室模型（Noncompartmental Analysis, NCA）

早期的ADC药物如Mylotarg主要是用NCA研究其消除半衰期及暴露特征。NCA的方法通常需要较多的浓度-时间数据，但是不能描述ADCs相关分析物之间的关系。由于ADC研发后期的临床试验PK研究越来越少，检测对象可能也只有ADC，通常，NCA适用于临床研究的早期阶段（Phases 1和Phases 2）。此外，NCA还可以作为其它模型的补充，共同解释ADC的药代机制。

3.2 群体药代模型（Population PK Modeling, PopPK）

和NCA不同，PopPK会同时使用所有患者的多个分析物的数据，用以准确评估群体药代特征。PopPK可广泛地应用于ADCs及其游离效应分子的评价、人体因素（如年龄、性别、种族、器官损伤）和外在因素（如联用药物）的考察、以及预测药物的暴露来满足暴露-效应关系模型的建立。考虑到ADCs各种分析物的分子量的差异，多分析物模型分析通常使用摩尔浓度作为浓度单位。

一般单分析物模型只关注ADC，因其与药效直接相关。常应用线性清除的多室模型或者线性和非线性混合模型进行拟合建立ADC的模型（图12a和图12b）。早期的2个分析物模型是利用测定循环中ADC和总抗的浓度对二者进行描述（图12c）。考虑到总抗体和ADC具有较高的相关性，未结合的ADC对药效和安全性无重要影响，所以复杂程度更高的模型的应用反而会受到限制。但是，鉴于效应分子和安全性相关，2个分析物模型发展为可同时描述结合和游离效应分子的模型。效应分子的释放包含分解代谢和解离过程，这两个同时进行的过程会受到DAR值变化的影响（图12d）。随后模型发展为包含不同的患者，并且增加了效应分子的滞后室（图12e）。但是滞后室的引入对每个过程各参数的准确评估提出了新的挑战。图12f模型可以描述非线性时间（非）依赖性清除，如果再加上总抗体的影响则可以应用图3-8 g模型。

PopPK模型逐渐从单一的结构模型发展为可同时模拟多个具有相同效应分子和/或linker的ADC药物的PopPK模型通用型具有一定通量的分析平台。该平台要求同时建模的ADC药物具有同样的外周室参数，并且个体间和残差变异相同。该平台的优势是通过评估共同的药代参数，可为其它具有相同的效应分子的ADC的筛选和优化提供参考。

图12 应用不同方法建立的ADCs的PopPK模型[The AAPS Journal, 2020]。线性单分析物模型 (a)，线性和非线性清除的混合模型(b), ADC和总抗的模型 (c), ADC和游离的payload的2分析物模型 (d, e), 结合型payload和总抗 (f)，结合型payload和游离payload (g)[The AAPS Journal, 2020]

3.3 基于生理的模型（Physiologically- Based Modeling, PBPK）

PBPK模型包含了所有腔室（血浆、血液、内皮、间隙和细胞内亚器官腔室等），还有抗体的FcRn作用，该模型适用于多种疾病状态下ADC与靶点相互作用研究。PBPK模型无论是在ADC的临床前候选物筛选阶段还是在临床阶段都有广泛的应用。PBPK模型可以模拟完整ADC和解离效应分子的不同的ADME特征，对循环中的积累和安全性进行早期预测。与房室模型相比，PBPK模型可以提供基于机制的DDI相关研究，还可以用于仅有有限实验或临床数据时ADC的相关研究。但是该模型无法模拟免疫原性。而且，PBPK模型涉及800多个数学公式，较为复杂。

3.4 基于机制的模型（Mechanism-Based Modeling）

PopPK模型结合了一些机制研究，但本质上还是经验性质的，主要是以血、血浆和细胞外室中的ADC各个对象为一整体。该模型不能反映出肿瘤细胞内的ADC和效应分子的量。由于众多复杂的因素都会影响ADC在靶部位的分布和摄取，所以，基于机制的模型表现出更大的优势，它可以包含多样DAR的ADC，包含ADC处置、细胞外的效应分子和细胞内诱导细胞凋亡的效应分子等多维度变量。该模型可应用于临床前候选物的筛选以及I期从动物到人剂量的选择。DAR值多样化模型如图13所示，通常有一个独立的房室，有相同的分布参数，每个DAR形态的解离取决于其浓度、结合效应分子的数量以及结合位置。该模型可用于指导ADC结构优化。

图13 基于机制的DAR值多样化ADC模型[The AAPS Journal, 2020]

有学者提出的多维度PKPD模型（如图14）不但可以指征循环和肿瘤细胞中ADCs及其效应分子的分布，还可以应用于非临床到临床有效性评价研究中。同时，随着经验肿瘤模型、多维度PKPD模型的发展使得预测肿瘤内效应分子的浓度成为可能。与肿瘤生长抑制的PD模型联合时，肿瘤渗透模型可以帮助阐明ADC在鼠移植瘤模型上的作用效果。

还有从基于机制多维度方法衍生的体外bystand effects模型。这种模型不仅有助于理解肿瘤细胞内和邻近细胞内空间影响因素和效应分子释放机制对药物分布的影响，还可以指导ADC结构设计，使效应分子可以更为有效地分布到各种类型的实体瘤上，甚至可以优化ADC的治疗指数。

图14 循环中和分布至肿瘤组织的ADC及其payload的多维度PK模型[The AAPS Journal, 2020]

生物分析

由于ADCs兼具小分子和大分子治疗药物的分子特征，因此用于小分子或大分子两种药物典型的生物分析方法都是必要的分析手段。ADCs中存在多种不同的ADC分子，这些分子的不同之处在于DAR值和/或抗体与药物结合的位点。另外，以目前的生产工艺制得的ADCs中通常还含有非ADC形式的物质，包括裸抗体以及游离的小分子药物等。而当ADC分子进入体内后，偶联药物在循环过程中随时间从ADC释放，导致DAR的变化，其有效性和安全性也可能会受到影响。针对上述不同类型的分析物，需要根据药物开发和评价的不同目的以及待测物的特点，选择不同的分析手段完成检测，这使得ADCs的生物分析非常具有挑战。

ADCs生物分析策略需要集中三个领域的关键技术，用于PK评估的免疫分析方法和生物疗法的免疫原性评估技术、基于LC-MS/MS的小分子药物/代谢物鉴定的药代动力学评价技术和基于亲和捕获色谱（affinity capture chromatographic）和LC-MS方法对生物基质中蛋白质结构的表征技术。对于ADCs生物分析的一般策略可以分为以下几个阶段：一是开发新的方法来表征血浆/血清中ADC分析物的分子结构以确定循环中不同DAR值的分析物。这种方法提供了ADCs体内过程的数据，例如，随着时间的推移抗体是否仍然携带大部分共价结合的药物。并且定量方法对DAR值的敏感性也很重要。二是结合传统的大分子LBA、小分子LC-MS/MS分析，以及亲和捕获LC-MS/MS等新的分析方法，可以开发出可行的定量分析方法。在以后的临床发展中，当对分析物与安全性和有效性的关系有了更好的理解时，就有可能通过联合专业技术减少定量分析的数量。ADCs开发PK分析策略的要点首先包括使用适合的探索性方法来了解ADCs在体内外的DAR分布；然后发展一套多样化的验证定量分析，以衡量关键分析物：总抗体、抗体偶联物和游离药物。ADCs的PK生物分析方法如图4-1所示。

图15 ADCs的PK生物分析方法 [Bioanalysis, 2013]

1. DAR的分析

DAR是描述ADCs特征的一个重要理化参数，它决定了小分子药物的载量，同时影响着ADCs安全性和有效性。DAR的分析包括2个方面，一是平均DAR值，即测定体系中总的药物分子和抗体分子的摩尔浓度之比；二是DAR的分布（如图16），即具有不同DAR的ADC分子分别占总的ADC分子的比例。DAR的分析方法包括光谱测定法、色谱-紫外测定法及质谱法，其中质谱检测具有更高的灵敏度、特异性和准确性，对DAR的分析更具优势。

具有不同DAR的ADC分子的绝对分子质量是不同的，可以据此采用ESI或MALDI质谱法对DAR进行分析。将样品进行脱盐或酶解处理后泵入质谱仪进行检测，通过质荷比可以辩认出质谱图上代表不同DAR的ADC的峰，然后根据各峰的面积可以得出各自的相对含量（即DAR的分布），最后通过计算得出平均DAR值。对于ESI质谱，一般需要先进行分离（如Hydrophobic interaction chromatography，HIC法）然后再进入质谱进行分析，但借助于现代的高分辨质量分析器，如飞行时间分析器（TOF）和轨道离子阱分析器（obitrap）等，并辅以智能软件进行去卷积计算，ESI质谱也同样可以在没有进行分离的情况下方便且准确地得到结果。一般来说质谱检测是在肽水平上的，蛋白的结构信息不完整，为了保证ADCs分子的结构完整性，目前采用毛细管液相色谱-质谱（capillary liquid chromatography–mass spectrometry （affifinity capture LC-MS））来表征ADCs在血浆/血清中的DAR分布。将生物素化靶抗原（如ECD）通过室温孵育固定在顺磁性链霉亲和素微珠上，多余的试剂冲走。然后将修饰后的磁珠与含ADC的血浆/血清在室温下孵育，以使目标抗原捕获ADC。随后进行去糖基化。经过清洗以除去未结合和非特异性结合的蛋白质，使磁珠被分离出来。最后将ADC从磁珠上洗脱，注入毛细管LC-MS系统进行分析。

图17 表征ADCs DAR分布的方法（A）Affinity capture LC MS（B）affinity capture HIC [Bioanalysis, 2013]

2. ADCs血清/血浆定量研究

ADCs在体内的治疗通常是由生物转化、DAR清除率不同或这些过程的组合引起的复杂和动态变化的混合物。在这种情况下，现有的PK中对于“治疗浓度”与时间的表述不再清晰。此外，标准曲线包含的标准物质可能不能代表体内变化的分析物，这对定量分析提出了独特的挑战。ADCs的药代动力学研究中需要监测多种分析物，主要包括抗体偶联物（Conjugated-antibody）、总抗体、结合型小分子药物（Antibody-conjugated drug）、游离小分子药物（nonconjugated Drug）以及毒素相关代谢物。这需要运用多种手段，主要包括LBA和LC-MS/MS等来进行不同分析物的定量分析。对于总抗体和抗体偶联物多采用LBA方法，其要求和评价准则一般与对生物大分子的生物分析方法相似；而对于结合型小分子药物、游离小分子药物以及小分子药物相关代谢物则多采用基于LC-MS/MS的方法，其要求和评价准则一般与对化学小分子的生物分析方法相似。这里值得注意的是ADCs在方法学上需要对真实样品和标准品中成分的不一致性和变化性（即DAR的不一致性和变化性）所带来的定量可靠性问题进行考证。

2.1 基于LBA的总抗体的测定

对于总抗体，通常以常规ELISA方法或电化学发光免疫方法（ECLA）进行分析，ECLA与ELISA同属于LBA法，但与ELISA不同的是，ECLA采用电化学发光技术来获取信号，灵敏度更高，动态范围更广，如图18所示。

图18 基于LBA的生物分析（A）经典ELISA（B）ADC总抗体ELISA（C）ADC抗体偶联物ELISA. [Bioanalysis, 2013]

对于非临床PK和TK研究，选用的捕获试剂和检测试剂可以是结合到抗体的非可变区域的多克隆抗人抗体。但在临床试验中，可使用结合重组抗原、抗独特型或抗互补确定区（Anti-complementarity determining region，CDR）抗体，以最小化血清蛋白背景。对于用于非临床和临床开发的所有ADCs总抗体检测模式，重要的是要确保所有体内预期的DARs都准确的定量为总抗体浓度。因为当一个ADC分子具有高DAR时，药物可能会阻碍实验试剂与ADC的抗体部分的结合。也有可能高DAR由于疏水性而聚集，不能有效地与检测试剂结合。

2.2 ADCs的偶联PK分析物

与总抗体分析一样，ADCs的偶联PK分析物的定量分析需要检测异质分析物混合物。通常用两种方法定义ADCs的偶联PK分析物：从抗体的角度来看，可以定义为附着一个以上药物的抗体分子；从载药量的角度，即结合到抗体上的药物的总浓度。不论采用那种定义，偶联PK分析物的分析均提供了更敏感的药物负荷变化分析。此外，偶联PK分析物的分析提供了与总抗体分析明显不同的信息。因此，通过对偶联PK分析物和总抗体的分析，可以简单地根据ADCs的两种关键分子成分（例如抗体和药物）的总量来定义异质性DAR混合物。总的来说，在技术可行的情况下，抗体偶联物和结合型小分子药物是目前首选的ADCs的偶联PK分析物。

2.2.1 基于LBA的抗体偶联物的血清/血浆定量研究

通常使用ELISA法测定血清中的抗体偶联物。LBA法能分析所有DAR分析物，但不包括参考标准物中的裸抗体或体内完全解离导致的裸抗体。然而，这种分析物的缺点是它不能提供药物负荷的直接信息。这是因为分析模式决定了只有一种药物可以与酶联免疫吸附试剂结合。在最佳的分析条件下，只含有DAR=1的样品的信号与含有较高DAR的样品是相同的。因此这种检测方式有其局限性。另外，确定对单个DAR的检测性能也很重要，但可能无法获得单独的DAR，检测性能可能需要使用富集DAR来表征，或通过使用亲和捕获LC-MS评估DAR与检测试剂的结合来间接评估。不像在总抗体分析中，由于空间位阻，理论上与高DAR的结合可能很差，而在抗体偶联物ELISA中，与低DAR（如DAR=1）的结合可能由于低亲和度而很差。如果在试验中不能准确地检测到低DAR，则PK图谱将高估药物完全解离的量。

2.2.2 基于LC-MS/MS的结合型小分子药物的血清/血浆定量研究

结合型小分子药物的分析被设计用来检测共价结合到抗体上的所有药物分子的浓度。该方法提供了药物负荷的直接信息，并对药物负荷的任何变化高度敏感。但该分析不能检测结合到药物上抗体的数量。抗体浓度是直接使用总抗体测定法检测的，如前面所述（图19）。

结合型小分子药物检测首先通过Protein A结合、连接物裂解的方法从血浆中分离ADCs（图19A），然后用LC-MS/MS分析药物（图19B）。

图19 结合型小分子药物的亲和捕获LC MS/MS分析（A）亲和捕获和连接裂解/ADCs消化步骤（B）蛋白沉淀和LC质谱/质谱分析步骤 [Bioanalysis, 2013]

linker的裂解可以是酶的，也可以是化学的，这取决于linker的结构。同样，用单独的或富集的DAR来评价试验中是否存在对DAR的偏倚也很重要。理论上对于高DAR，在最初的亲和捕获步骤中与Protein A的结合可能受到空间阻碍，但该试验有一个使用现成的试剂通用的模式，用Protein A和适当的蛋白酶或化学试剂的连接裂解。由于Protein A结合和分离的连接剂对不同抗体的影响不大，因此可以快速地对使用相同linker但不同抗体的ADCs进行检测。然而，关键在于为每个新的ADC生成标准曲线，以确认该实验的性能。值得注意的是最后LC-MS/MS检测的分析物的标准品是由完整的ADC参考标准品制成，并经过亲和捕获和linker裂解步骤，以与样品分析物相同的方式生成的药物。需要注意的是，虽然该分析使用传统的LC-MS/MS为最终分析步骤，但分析物（结合型小分子药物）却有所不同，该分析实际上是一种混合配体结合与LC-MS/MS的新的分析类型。虽然目前结合型小分子药物分析的模式更适用于连接可分裂的ADCs。但在理论上是可以通过Protein A的亲和捕获和彻底的非特异性蛋白水解反应来检测具有不可分裂linker的ADCs的结合型小分子药物，从而得到氨基酸linker药物。对于具有工程偶联位点的ADCs，可以使用特定的蛋白酶裂解抗体生成肽连接药物。

对于这两种类型的偶联PK分析物，可以结合总抗体定量分析的数据来间接获得其他相关信息。例如，可以从抗体偶联物分析和总抗体分析结果的差异中间接得到药物完全解离的程度的情况（图20A）。这是因为总抗体测定所有DAR，包括DAR=0，而抗体偶联物测定所有DAR结果相同，除了DAR=0。因此，如果连接物是相对稳定的，而完全解离（DAR=0）的占比≤20%，那么抗体偶联物试验将提供与总抗体试验基本相同的信息，因为两种试验唯一的区别是DAR=0的检测能力。另一方面，结合型小分子药物分析提供了与总抗体分析明显不同的信息，并且可以很容易地检测血浆中药物负荷的微小变化。理论上，结合型小分子药物与总抗体结果之间的关系可以反映平均DAR随时间的变化（图20B）。通过对结合型小分子药物和总抗体的分析，可以简单地描述ADCs的复杂分析物DAR混合物，即抗体总量和结合型小分子药物总量。

图20 比较总抗体分析数据和抗体-药物偶联物分析数据的理论推论（A）总抗体ELISA和抗体偶联物ELISA（B）总抗体ELISA和结合型小分子药物亲和捕获LC–MS/MS [Bioanalysis, 2013]

2.3 基于LC-MS /MS的小分子药物及其代谢物的定量分析

对于血浆中游离的小分子药物和这些带有药物结构的相关代谢产物，在LC–MS/MS定量之前，需要进行蛋白沉淀和/或固相萃取去除血浆蛋白（图4-4B）。如果需要对药物相关代谢物进行定量，就需要先鉴定出这些体内代谢产物并制备出其标准品，只要确定了主要分解代谢物的结构并合成稳定同位素标记的内标物或模拟分子，传统的小分子LC–MS/MS分析方法就可以用于小分子分解物的非临床和临床研究。在某些情况下，如果药物有活性部分，如磺胺基，从ADC释放的药物可能二聚或共价结合到血浆蛋白上。则需要增加样品制备步骤，以化学方法减少血浆样品以释放任何二聚化的药物或与血浆蛋白共价结合的药物。另外，对于ADCs，需要评估分析物在ADC存在下的稳定性。这一点很重要，因为除了药物分析物浓度在储存过程中由于不稳定而下降外，药物浓度也可能由于储存过程中药物从ADC释放而增加。根据文献经验，在非临床/临床研究中所测到的游离药物不到结合型小分子药物摩尔浓度的1%。然而，即使ADC在存储期间释放少量药物，也会对游离药物分析产生很大影响。例如，在游离药物占结合型小分子药物摩尔浓度1%的样品中，在存储过程中ADC释放0.5%的药物将导致游离药物量增加约50%。

3 ADCs的免疫原性分析

与所有生物制剂一样，ADCs具有诱发免疫反应的潜力。这可能包括涉及多个ADC成分的抗体、连接剂、药物或表位的ATA（Anti-therapeutic antibody）。除了与所有生物制剂一样的免疫原性外，ADCs还有其独特之处，比如ADC分子或带有药物分子的ADC片段与ATA结合后产生独特的免疫复合物可能将细胞毒性药物送到非预期的位置。免疫原性的分级递进式策略可筛选和表征ADCs的所有分子成分的ATA反应（图21）。

图21 ADCs的ATA检测策略示意图. [Bioanalysis, 2013]

3.1 ADCs ATA的分析

一般采用ELISA、桥联ELISA、ECLA以及放射免疫沉淀法等对ATAs进行定性或半定量分析。例如，图22A描述的是对抗体ATAs的检测，图22B描述的是对药物ATAs的检测，使用了生物素标记的ADCs和DIG（Digoxigenin）标记的ADCs实验试剂。这些检测使用非临床免疫接种获得的替代ATA阳性对照进行特征分析。此外，在ADCs试验开发过程中，使用抗药物抗体来评估试验的相对敏感性，因为免疫反应可能是由抗体或药物表位引起的。检测阈值通常使用50~100个人，设置假阳性率为5%来确定。由于循环中的ATAs可能部分或完全与ADC复合，因此要确定在ADC存在的情况下检测ATAs的检测条件。例如，检测试剂通常需要过量或孵育过夜，打破ADC-ATAs复合物的平衡，使其能够与检测试剂结合（图22）。检测的目的是评估存在不同数量ADC时的相对分析敏感性。为了优化分析检测，达到高ADCs耐药性，可以选择在ADCs浓度较低的时间点时收集样本。

图22 ATAs检测抗体或连接药物的免疫反应模式图（A）ATA directed to antibody（B）ATA directed to linker drug [Bioanalysis, 2013]

对于非临床分析，ADCs ATA的药物耐受性摩尔比在60:1和170:1之间。对于临床试验，耐药比率在50:1和400:1之间。虽然ATA测定法的相对敏感性和耐药性取决于所使用的替代ATA阳性对照，但总的来说，目前观察到敏感性通常在低ng/ml范围内，在数十μg/ml的ADCs中检测到数百ng/mL的ATAs。对于所有的生物治疗药物来说，基于分子结构预测非临床或临床研究的免疫原性都十分具有挑战性，且非临床免疫反应通常不能预测临床免疫反应。对于ADCs来说，预测不同抗体、linker或药物的影响更具挑战。例如，在食蟹猴体内，相同的抗体，不同的连接药物会表现出非常不同的免疫反应。

3.2 ADCs抗药抗体中和活性分析

抗体类药物中和抗体分析的试验要依据药物的作用机制（mechanism of action，MOA）以及试验的灵敏度、选择性、精密度、药物耐受性及产生的NAb对受试者的影响等因素来选择。ADCs所采用的效应细胞毒分子分为抑制有丝分裂的细胞毒素和促进DNA裂解的细胞毒素两类，部分ADCs药物也可以通过抗体依赖的细胞毒性（ADCC）和补体依赖的细胞毒性（CDC）发挥作用。ADCs的单克隆抗体和细胞毒素等不同结构域按照一定的顺序参与细胞杀伤效应，靶向单克隆抗体或细胞毒素的NAb可能阻断ADCs的细胞杀伤活性，因此单独采用细胞增殖凋亡等细胞功能性试验，可较好地反映ADCs的作用机制，用于评价ADCs产生ADA的中和活性。鉴于ADCs的作用机制，FDA，EMA等监管机构首推基于细胞的生物活性试验用于ADCs的中和抗体分析。

3.2.1 基于细胞的生物学试验（cell based assay）

一是以细胞酶促反应为基础的细胞试验，样本中存在的NAb可以降低ADCs介导的细胞活性或增殖抑制，根据一定浓度ADCs作用后细胞活性的改变，判定NAb是否存在。二是以蛋白水解酶等为基础的细胞试验，细胞中的蛋白水解酶、烟酰胺腺嘌呤二核苷酸（NADH）等可用于定量分析活细胞、凋亡或死亡细胞的数量，进而用于评价抗ADCs抗体对凋亡抑制的中和活性。三是以细胞代谢标志物作为检测指标的细胞试验中，细胞代谢的标志物，如三磷酸腺苷（ATP）、乳酸脱氢酶（LDH）等的浓度水平的变化可作为检测指标用于评价细胞的活性。以上都有成品试剂盒可供选择，选择一种即可。

3.2.2 非细胞的竞争性配体结合试验（non-cell competitive ligand-binding assay，CLBA）

基于细胞的中和抗体分析试验比CLBA试验更能反映ADCs体内发挥作用的情形，但细胞试验受基质或药物干扰较大，试验的灵敏度较低，样本的酸解处理可能会影响细胞的活性，因此在一些情况下，如经过充分的论证，也可考虑采用CLBA进行ADCs抗药抗体中和活性分析。CLBA是基于NAb与药物靶蛋白竞争性结合药物，若样本中含有NAb，则表现为药物与靶蛋白的结合被一定程度抑制。CLBA试验系统通常较基于细胞的试验系统有更高的灵敏度精密度，良好的药物耐受，还可耐受较强的基质干扰。经FDA和EMA批准上市的Adcetris和Kadcyla以及在研的Cantuzumab mertansine、MEDI47等ADCs也采用基于桥连的ELISA或ECL方式进行免疫原性评价。另外，ADCs的抗药抗体表位分析可采用竞争法或直接检测的方法。竞争法表位分析的原理与确证试验类似。

展望

本文所述的ADC药物知识梳理主要是基于目前已经批准和研究较为广泛的分子形式，即一个完整IgG分子通过可断裂或不可断裂的linker和细胞毒性药物共价偶联，但ADC药物的研究领域远不止于此。回到ADC最基本的原理，将结合特异性的分子和高药效活性的分子偶联在一起，融合两个分子的结合特异性和高药效活性。从这样一个层面出发，重新认识ADC药物，我们一定要完整抗体吗？一定要细胞毒性药物吗？抛开固有的思维僵视，抗体部分我们完全可以选择抗体片段，纳米抗体等增强ADC药物的肿瘤渗透；或者选择双特异性抗体、前体抗体（Probody）等增强ADC药物的靶点特异性；亦或者可以偶联抗生素、寡核苷酸、免疫调节剂等小分子药物，拓展ADC的作用机制及在非肿瘤领域的应用；亦或者引入poly-linker增加药物负载，拓展高安全但低药效分子的应用。尽管ADC药物的研究已经迎来了爆发式发展，但还远没有到百花齐放的局面，ADC药物研发还有很多可能可以挖掘，期待更多创新机制的ADC药物分子走向市场。

在ADC药物的研发进程中，生物分析起着非常重要的作用，通过不断发展的生物分析技术，深入全面地阐明ADC药物的PK/PD特征，对于推动研发出更加低毒高效的ADC药物至关重要。ADC药物作为大、小分子共价偶联的复合物，对生物分析技术要求也极高，而集大/小分子服务于一体的综合性平台，必将在ADC药物的生物分析中显示出更加强大的优势。

- 上下滑动查看参考文献 -

参考文献

[1] David E Thurston, Paul J M Jackson, Cytotoxic Payloads for Antibody–Drug Conjugates[M]. The Royal Society of Chemistry, 2019.

[2] Nikolaos Diamantis, Udai Banerji, Antibody-drug conjugates—an emerging class of cancer treatment[J]. British Journal of Cancer, 2016: 114, 362–367.

[3] Kyoji Tsuchikama, Zhiqiang An, Antibody-drug conjugates-recent advances in conjugation and linker chemistries[J]. Protein Cell, 2018: 9(1):33–46.

[4] Kommineni N , Pandi P , Chella N , et al. Antibody drug conjugates: Development, characterization, and regulatory considerations[J]. Polymers for Advanced Technologies, 2020, 31(6):1177-1193.

[5] 高华晔, 李娴静, 钟书霖,等. 单克隆抗体药物及抗体偶联药物的药代动力学研究进展[J]. 药学与临床研究, 2019, 027(003):212-215.

[6] 郭建军, 高然, 权腾飞,等. 抗体偶联药物的药代动力学研究进展[J]. 药学学报, 2015(10):13-19.

[7] 郭建军. 单克隆抗体药物的药代动力学研究进展[J]. 中国药理学通报, v.32(02):172-176.

[8] 徐冉驰, 苗红, 郑剑恒. 抗体偶联药物吸收、分布、代谢、排泄和毒性特征及分析方法研究进展[J]. 中国新药杂志, 2019, 028(009):1087-1093.

[9] Yu B and Liu D. Antibody-drug conjugates in clinical trials for lymphoid malignancies and multiple myeloma[J].Journal of Hematology & Oncology, 2019, 12(1): 94.

[10] Kamath A V , Iyer S . Preclinical Pharmacokinetic Considerations for the Development of Antibody Drug Conjugates[J]. Pharmaceutical Research, 2015, 32(11):3470-3479.

[11] Zuo P. Capturing the Magic Bullet: Pharmacokinetic Principles and Modeling of Antibody-Drug Conjugates[J]. The AAPS Journal, 2020, 22:105

[12] Amani N, Dorkoosh FA and Mobedi H. ADCs, as Novel Revolutionary Weapons for Providing a Step Forward in Targeted Therapy of Malignancies[J]. Current Drug Delivery, 2020, 17: 23-51.

[13] Leung D, Wurst JM, Liu T, et al. Antibody Conjugates-Recent Advances and Future Innovations. Antibodies[J]. 2020, 9, 2;

[14] Lyon R P , Bovee T D , Doronina S O , et al. Reducing hydrophobicity of homogeneous antibody-drug conjugates improves pharmacokinetics and therapeutic index.[J]. Nature Biotechnology, 2015, 33(7):733-5.

[15] Han TH, Zhao B. Absorption, distribution, metabolism, and excretion considerations for the development of antibody-drug conjugates.[J]. Drug Metabolism & Disposition the Biological Fate of Chemicals, 2014, 42(11):1914.

[16] Eshita K , Thurber G M . Pharmacokinetic and Immunological Considerations for Expanding the Therapeutic Window of Next-Generation Antibody–Drug Conjugates[J]. BioDrugs, 2018, 32.

[17] Malik P , Phipps C , Edginton A , et al. Pharmacokinetic Considerations for Antibody-Drug Conjugates against Cancer.[J]. Pharmaceutical Research, 2017.

[18] Vezina H E , PharmD, PhD, et al. Antibody-Drug Conjugates as Cancer Therapeutics: Past, Present, and Future[J]. Journal of Clinical Pharmacology, 2017, 57 Suppl 10(2):S11.

[19] Mou S , Huang Y , Rosenbaum A . ADME Considerations and Bioanalytical Strategies for Pharmacokinetic Assessments of Antibody-Drug Conjugates[J]. Antibodies, 2018, 7(4).

[20] Hedrich W D , Fandy T E , Ashour H M , et al. Antibody–Drug Conjugates: Pharmacokinetic/Pharmacodynamic Modeling, Preclinical Characterization, Clinical Studies, and Lessons Learned[J]. Clinical Pharmacokinetics, 2017, 57(4):1-17.

[21]Shankar, G, Arkin, S, Cocea, L, et al. Assessment and reporting of the clinical immunogenicity of therapeutic proteins and peptides-harmonized terminology and tactical recommendations.[J]. Aaps Journal, 2014, 16(4):658-673.

[22] Surinder, Kaur, Keyang,et al. Bioanalytical assay strategies for the development of antibody-drug conjugate biotherapeutics[J]. Bioanalysis, 2013, 5(2): 201-226.

[23] Stephan J P , Kozak K R , Wong W L T . Challenges in developing bioanalytical assays for characterization of antibody-drug conjugates.[J]. Bioanalysis, 2011, 3(6):677-700.

[24] Carrasco-Triguero M , Mahood C , Milojic-Blair M , et al. Overcoming soluble target interference in an anti-therapeutic antibody screening assay for an antibody-drug conjugate therapeutic.[J]. Bioanalysis, 2012, 4(16):2013-2026.

[25] Shen B Q , Bumbaca D , Saad O , et al. Catabolic Fate and Pharmacokinetic Characterization of Trastuzumab Emtansine (T-DM1): an Emphasis on Preclinical and Clinical Catabolism[J]. Current Drug Metabolism, 2012, 13(7):-.

[26] 郭建军, 高然, 张琪,等. 抗体偶联药物分析方法的概述及进展[J]. 药物分析杂志, 2016(36):1150-1156.

[27] Carrasco-Triguero, Montserrat. Insights on the immunogenicity of antibody-drug conjugates.[J]. Bioanalysis, 2015, 7(13):1565-1568.

[28] Benjamin M , Hock, Karen, et al. Immunogenicity of Antibody Drug Conjugates: Bioanalytical Methods and Monitoring Strategy for a Novel Therapeutic Modality[J]. Aaps Journal, 2015.

[29] Beeram M , Krop I E , Burris H A , et al. A phase 1 study of weekly dosing of trastuzumab emtansine (T-DM1) in patients with advanced human epidermal growth factor 2-positive breast cancer.[J]. Cancer, 2012, 118(23).

[30] Galsky M D , Eisenberger M , Moore-Cooper S , et al. Phase I trial of the prostate-specific membrane antigen-directed immunoconjugate MLN2704 in patients with progressive metastatic castration-resistant prostate cancer.[J]. Journal of Clinical Oncology Official Journal of the American Society of Clinical Oncology, 2008, 26(13):2147.

[31] Galsky M D , Eisenberger M , Moore-Cooper S , et al. Phase I trial of the prostate-specific membrane antigen-directed immunoconjugate MLN2704 in patients with progressive metastatic castration-resistant prostate cancer.[J]. Journal of Clinical Oncology Official Journal of the American Society of Clinical Oncology, 2008, 26(13):2147.

[32] 宫新江, 满素勤, 邵雪,等. 抗体药物偶联物抗药抗体中和活性分析研究进展[J]. 中国新药杂志, 2019(21).

[33] Benjamin M , Hock, Karen, et al. Immunogenicity of Antibody Drug Conjugates: Bioanalytical Methods and Monitoring Strategy for a Novel Therapeutic Modality[J]. Aaps Journal, 2015.

阳光德美生物分析专栏

北京阳光德美医药科技有限公司是一家集大/小分子药物临床前/临床PK/PD服务于一体的综合性研究平台，可提供全方位的药代动力学-药效学和GLP生物分析服务，专注于解决客户药代药效研究及生物分析中所遇到的挑战。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。