本文将介绍一种数学模型，该模型将双特异性抗体各靶点亲和力、抗原代谢率及抗原在全身的分布情况作为重要参考因素，评估抗体是否需要进行亲和力优化，此外还能评估在双特异性抗体中需要亲和力优化的靶点及优化程度等问题。 双特异性抗体亲和力优化方法 本文中作者主要通过对药代动力学及药物结合两个方面进行建模来尝试进行对抗体亲和力的分析，通过这种方法可以初步定义最低剂量达到所需目标占有率（TO）的亲和力（KD）为最佳亲和力。接下来将进行简要的介绍： 药代动力学模型在其中主要描述药物浓度在体内随时间的变化，作者假设药物被送入血浆，且可以分布至靶组织中（SOA）及其他外周部位。SOA在这里可以理解为存在抗原及负责药理学信号传递的空间，而外周部位则认为是可有药物分布但无药理作用的空间。 药物结合是指药物与其靶标的相互作用。双特异性抗体可与两个靶标相互作用，在这里假设两个靶标分别为游离形态的（S）（如TNFα、PD-L1）与膜结合形态（M）（如EGFR、HER-2）。下图为该模型的示意图。 图1 双特异性抗体与游离态抗原及膜抗原的相互作用示意图 目标占有率（TO）可以理解为与药物结合的抗原占与药物结合的抗原及游离抗原总和的比例。作者在生理范围内定了一个合理的KD值区间，模拟运行并记录为达到不同TO所需剂量下的KD值，能够达到一定TO的最低剂量所对应的KD值若在这个合理区间内则认为KD值比较合适，若超出范围则需要进一步优化。 在该模型中，抗原代谢速率、抗原在SOA及血浆中的浓度以及游离态抗原在SOA与血浆间周转率（sTPR）是重要的参考数值，在不同的sTPR下，已知固定浓度的抗体能够达到上述合理KD区间所需剂量的差异性可以作为判断是否需要进行亲和力优化的判断标准，在达不到这一标准的情况下，可以根据分别对两个靶点在不同sTPR环境下的OT来进行尽一步的分析优化。下图为该模型对双特异性抗体亲和力优化的过程总结。 图2 双特异性抗体的亲和力优化流程总结 从图中可以看到，步骤一中可以确定是否进行亲和力优化及确定对哪条臂进行优化；第二步中通过在不同水平的sTPR进行模拟，以确定两条臂要实现TO所对应的阈值来判断哪一条臂的亲和力需要首先被优化。通常在这一步中有这样的规律：对于拮抗剂来说，分别对两条臂进行sTRP模拟，得到两条臂达到特定TO时所需的sTPR，sTPR较大的“限制”臂需要进行优化。对于激动剂来说，通常优化M臂（膜结合靶点），因为一般只有M臂才会导致过度刺激。 作者为进一步解释这个模型的使用列举了几个案例，每个案例的条件及对应的结果均在下列表格中给出。 表1 用于模型展示的案例 案例1 无需进行亲和力优化。无论组织与血浆中游离态抗原S如何变化，KD极值（两个靶点的KD值在0.01nM至500nM之间变化）预测剂量之间的差异均相同，且低于决策阈值（图中绿色区域），因此不需要额外的实验来计算其余部位中游离态抗原的浓度，因为预计的最佳KD没有差异。 图3 案例1结果 案例2 需始终优化膜结合抗原臂（M臂）。在此案例条件中，显示要实现最低30%的目标占有率两条臂所需的剂量之间的存在差异，KD极值为负值且远远低于决策阈值（红色区域）。接下来需要评估哪条臂是最后达到30%TO所需要优化的，结果显示随着sTPR的增加，M臂的TO值仍无变化，说明需要优化膜结合抗原臂。 图4 案例2结果 案例3 不同条件下需采取不同优化策略。同以上两个案例一样，首先需要计算两个臂的KD极值差异，可以看到在特定的生理条件下如sTPR＞0.3时，其中一条臂需要进行优化。进一步分别对两个靶点进行分析，当sTPR＜0.4时，需要对游离态抗原结合臂进行亲和力优化，当sTPR＞0.4时，则需对膜结合抗原结合臂进行亲和力优化。 图5 案例3结果 通过以上案例，我们可大致了解数学模型在药物早期开发的应用，这不仅能开拓药物优化思路，还可达到合理分配药物研发资源，加速药物开发的目的。 原创内容未经授权，禁止转载至其他平台。
参考文献： [1] Kareva I , Zutshi A , Gupta P , et al. Bispecific antibodies: A guide to model informed drug discovery and development. 2021. |
