聯系電話
企業展示近年來，ADC藥物憑借精準靶向與高效殺傷的雙重優勢，已成為腫瘤治療的核心賽道。目前全球ADC在研及上市管線超400條，中國占比近40%；全球累計19款ADC獲批上市，覆蓋乳腺癌、肺癌、胃癌、血液瘤等多類癌種。然而，ADC結構復雜、代謝路徑多元、分析物種類繁多，給DMPK研究帶來了遠超傳統小分子或單抗的技術挑戰。2025年9月，CDE發布《抗體偶聯藥物臨床藥理學研究技術指導原則》，監管門檻持續提升。作為貫穿藥物發現、臨床前至上市后全生命周期的核心支撐，DMPK研究直接決定候選分子篩選、方案設計及申報成敗。 本文將從行業現狀、分析技術與實操難點出發，系統拆解ADC藥物DMPK研究體系的搭建邏輯。
1 ADC行業現狀：賽道爆發，研發門檻持續升級 當前全球ADC在研管線中，I期臨床188條、II期145條、III期48條、申請上市6條，完整的臨床梯隊布局標志著ADC研發已進入規?；A段。全球ADC管線TOP10企業中，中國企業占據5席（宜聯生物、信達生物、多禧生物、百利天恒等）。靶點布局高度趨同，HER2、EGFR、TROP2、CD276、c-Met為前五大熱門靶點，其中國內HER2管線多達32條，同質化競爭激烈。行業研發重心已從早期分子堆砌，轉向連接子優化、載荷適配、DAR值調控及體內代謝安全性等精細化方向。 然而，ADC藥物研發失敗率依然較高，多數候選分子因血漿穩定性差、脫靶毒性高、PK特征不佳或免疫原性超標等問題止步于臨床前或I期臨床。系統化、定制化的DMPK研究，能夠提前預判代謝風險、優化分子結構、指導劑量設計，是降低試錯成本、提升申報成功率的關鍵支撐。 有濟醫藥深耕藥物代謝與藥代動力學領域多年，已建立起覆蓋ADC藥物全生命周期的綜合性DMPK研究平臺，可支持從先導化合物篩選、優化到IND申報全流程的綜合研究平臺，成功完成涵蓋新型載荷、多樣化連接子及不同類型抗體的多項ADC藥物評價。 針對雙抗ADC（BsADC）、雙載荷ADC（Dual-Payload ADC）等新型結構的涌現，有濟醫藥系統梳理了ADC非臨床PK研究的四大核心挑戰，涵蓋種屬選擇代表性、檢測物質多樣性、生物樣品穩定性評估復雜性及DAR值動態變化等方面。在生物分析策略上，采用LBA與LC-MS多平臺聯合應用：總抗體檢測以LBA法為首選，LC-MS平臺則提供補充方案（抗IgG抗體捕獲DAR≥0所有抗體形式，酶解后檢測恒定區替代肽段）；偶聯抗體（ADC）使用抗Payload抗體特異性捕獲，確保僅定量DAR≥1的分子。在LC-MS生物分析方面，建立了基于連接子類型的差異化方案——對可裂解連接子（如Val-Cit、Glu-Val-Lys）與不可裂解連接子（如MC、SMCC）分別優化前處理與檢測條件。DAR值表征方面，采用高分辨質譜（HRMS）檢測不同DAR組分的分子量，經去卷積分析后歸一化計算平均DAR值。 2 ADC結構特性：復雜性倒逼多平臺聯用分析 2.1 ADC核心結構及作用機制 ADC是典型的三元復合分子，由單克隆抗體、連接子（Linker）、細胞毒性載荷（Payload）三部分組成，三者協同實現靶向殺傷腫瘤細胞的作用。 抗體部分：負責靶向識別腫瘤細胞表面特異性抗原，決定藥物組織分布與循環半衰期，保障靶向特異性； 連接子：銜接抗體與載荷，分為可裂解型與不可裂解型，核心作用是維持血漿穩定性，僅在腫瘤細胞內精準斷裂釋放載荷，是調控脫靶毒性的核心元件； 細胞載荷：高活性細胞毒性小分子，常見類型為微管抑制劑、DNA損傷劑和拓撲異構酶I抑制劑，內化后誘導腫瘤細胞凋亡。 2.2 ADC專屬DMPK分析物與研發痛點 ADC進入體內后會發生多級生物轉化，衍生出多種活性/非活性分析物，單一檢測技術無法滿足研發需求，這也是ADC DMPK研究區別于常規藥物的核心難點。完整DMPK分析體系建議覆蓋五項內容：總抗體、完整結合型ADC、游離Payload、結合型Payload、抗藥物抗體（ADA）。 同時，DAR值（藥物抗體偶聯比）作為ADC核心質量屬性，其異質性會直接影響藥物療效、毒性及PK特征。已獲批ADC的DAR值為2~8，傳統觀點認為最佳DAR值為4，但近期一些DAR值為8的新型ADC相繼獲批，使這一觀點受到挑戰。高DAR組分易被肝臟快速清除，低DAR組分靶向殺傷能力不足，進一步增加了定量分析難度。 基于上述結構與代謝特征，ADC DMPK研究必須依托多平臺聯用模式。有濟醫藥深耕ADC領域多年，可根據項目研發階段（早期篩選/臨床前/臨床）、藥物類型、靶點屬性，定制個性化DMPK研究策略與配套實驗方案，覆蓋體外穩定性評價、體內PK/PD研究、免疫原性檢測、DAR值表征全流程，加速項目研發與中美雙報申報。 3 三大主流分析技術：選型策略與決策邏輯 目前行業內ADC生物分析主流技術包含三大類：LBA（配體結合分析法）、LC-MS(HR)/MS液質聯用技術、LBA-LC-(HR)MS融合技術。三類技術原理、適用場景、檢測精度各有優劣，技術選型需結合分析物類型、研發階段、監管要求綜合判斷。 3.1 LBA分析平臺 LBA（配體結合分析法）是ADC藥物臨床階段高通量生物分析的核心技術平臺之一，憑借高靈敏度、適配大規模樣本處理及成本可控等優勢，廣泛應用于臨床前到上市后全周期，主要承擔總抗體、偶聯抗體及抗藥抗體（ADA）的定量檢測，可高效支撐藥代動力學（PK）、毒代動力學（TK）、藥效學（PD）研究與免疫原性長期監測。但該技術無法解析DAR亞型、偶聯位點等結構異質性信息，易受基質和藥物干擾，且無法直接檢測游離payload及代謝產物，受限于關鍵試劑的獲取、多中心轉移難度大，因此，LBA更適合作為大規模臨床樣本的總量定量與免疫原性評估工具，需與LC-MS互補使用。 3.2 LC-MS(HR)/MS分析平臺 該技術包含三重四極桿低分辨液質聯用（LC-MS）與高分辨液質聯用（LC-HRMS）兩大主流體系，是ADC藥物生物分析的主要質譜技術。 三重四極桿低分辨LC-MS是當前小分子與多肽生物檢測的行業標桿，依托成熟的MRM/SRM監測模式，具備極高的檢測靈敏度、特異性與優異的抗基質干擾能力，可精準完成游離型、結合型Payload及各類載荷代謝產物、抗體特征肽段的定量檢測，是ADC小分子載荷分析的核心技術，局限在于無法直接定量大分子抗體和ADC，以及免疫原性分析。 LC-HRMS高分辨平臺，搭載Orbitrap或飛行時間（TOF）檢測器，憑借高精度質荷比測定與多級碎片離子解析能力，可系統完成特征肽鏈及小分子載荷組分的結構解析與序列鑒定，不僅能夠精準表征藥物DAR分布特征、溯源DAR異質性，還可深度闡釋ADC小分子片段的體內外生物轉化規律，精準篩查并鑒定未知代謝產物，是ADC代謝機制研究與結構表征不可或缺的核心工具。 案例1：Enhertu（DS-8201）——同一樣品同時檢測總抗體與結合型載荷 Enhertu（DS-8201）是一款由抗HER2單克隆抗體通過基于四肽的可切割連接子與拓撲異構酶I抑制劑（Dxd）連接的ADC藥物，已被批準用于治療轉移性HER2陽性乳腺癌。DS-8201即使在HER2低水平表達的靶向部位也能有效傳遞載荷，解決了上一代ADC的局限性。 有濟醫藥DMPK以DS-8201為例，開發了一種利用LC-MS/MS在同一樣品中同時檢測總抗體和結合型載荷的分析方法。該方法的優勢在于： 樣品量優化：ADC生物分析往往同時涉及小分子和大分子檢測，對樣品量需求大。該方法通過免疫捕獲后酶解，在同一份樣品中完成總抗體（檢測抗體特征肽段）和結合型載荷（解離后檢測載荷）的雙重定量，顯著減少了樣品需求量與樣品前處理總工作量； 流程整合：免疫捕獲是總抗體檢測和結合型載荷檢測的共用步驟，合并測定避免了重復操作； 多維度優化：從特征肽段選擇、ADC免疫富集、酶的選擇、酶解條件到LC-MS條件進行全面優化，以獲得較低的檢測下限。 這一方法為ADC藥物體內PK研究中樣品量有限、檢測指標多的共性難題提供了切實可行的解決方案。 3.3 LBA LC-(HR)MS融合分析平臺 作為新型一體化生物分析技術，該平臺整合了LBA免疫技術的靶向富集優勢與LC-MS/MS、HRMS的精準定量定性能力。核心流程為：先利用LBA特異性親和捕獲復雜生物樣本中的完整目標分子，實現目標組分的富集純化、去除基質雜質干擾，再通過液相色譜完成組分精細分離，最終依托LC-(HR)MS完成檢測分析。 技術優勢：有效解決了傳統方法難以實現的完整ADC分子檢測、不同DAR細分亞型的精準定量難題，能夠同步完成ADC藥物DAR動態變化監測、整體結構表征與生物轉化特征分析，極大提升了復雜生物基質中ADC檢測的準確度與覆蓋度。 技術局限：檢測靈敏度與穩定性有限、設備投入及研發成本高昂、實驗操作門檻高，數據解卷積算法差異會直接影響分析結果，且目前對應的行業監管規范較為匱乏。 LBA、LC-(HR)MS/MS、LBA LC-(HR)MS融合是ADC藥物生物分析三大互補型核心平臺，各司其職、優勢互補，可依據具體實驗需求單獨選用或組合聯用，是支撐ADC藥代研究的核心技術手段。 表1 ADC藥物生物分析檢測平臺選擇 案例2：T-DM1（恩美曲妥珠單抗）——ADC DMPK表征的經典范本 T-DM1是FDA批準的首個用于治療HER2陽性乳腺癌的ADC藥物，其DMPK表征工作已成為行業經典范本。研究內容涵蓋以下關鍵環節： 體外血漿穩定性測試：評估T-DM1在循環系統中的穩定性，預測連接子的裂解行為； 抗藥抗體（ADA）研究：檢測機體對T-DM1的免疫應答，評估免疫原性風險； 多組分定量分析：同步完成總抗體、完整ADC及游離有效載荷的定量檢測； DAR值與生物轉化研究：深入探究T-DM1在體內的DAR動態變化及生物轉化規律。 該案例的系統性DMPK表征為T-DM1的臨床劑量設計、安全性評估及上市申報提供了關鍵數據支撐，也為后續ADC藥物的DMPK研究樹立了方法論標桿。 4 ADC生物分析核心挑戰及落地應對方案 結合行業實操經驗與有濟醫藥項目案例，ADC生物分析主要存在四大挑戰，建立完整解決方案，有助于高效解決研發痛點。 4.1 連接子與分析物穩定性不足 挑戰：可裂解型連接子易受血漿pH、蛋白酶、溫度影響，體外樣本儲存、前處理過程中易發生非特異性裂解，導致游離Payload假性升高，PK數據失真。部分連接子在血液循環中半衰期甚至不足36小時。 應對策略： 優化樣本采集與保存體系，配套專用穩定劑； 優化前處理流程，低溫避光操作； 提前開展體外血漿穩定性試驗，篩選適配的緩沖體系； 在連接子設計階段引入親水性修飾等策略提升循環穩定性。 案例3：HER2-ADC連接子優化——連接子修飾使半衰期從5天延長至12天 在某HER2-ADC項目中，DMPK研究發現傳統連接子在血漿中過早裂解，導致游離載荷濃度異常升高。這一發現提示該ADC候選分子的循環穩定性不足，若進入臨床試驗可能面臨脫靶毒性風險。 委托方基于DMPK數據，對連接子進行了相關修飾，優化后的ADC藥物半衰期從5天延長至12天，同時顯著降低了游離載荷的系統暴露，提升了藥效與安全性。 該案例充分體現了DMPK研究在ADC分子優化中的“導航儀”作用——通過早期發現連接子穩定性缺陷，指導化學修飾方向。 4.2 DAR異質性與定量復雜性 挑戰：同一批次ADC包含0~8不等DAR組分，不同組分體內清除速率、靶向活性差異顯著。常規LBA技術無法拆分定量，易造成藥效與毒性誤判。 應對策略： 采用LC-MS/MS完成DAR值整體表征，結合雜交技術拆分高低DAR組分； 在臨床前PK研究中，單獨統計不同DAR組分的暴露量； 優化偶聯工藝，提升DAR均質性。 4.3 免疫原性（ADA）對于ADC藥物PK檢測的影響 挑戰：ADC異源抗體、殘留雜質易誘導機體產生ADA，ADA會中和藥物活性、加速藥物清除，同時干擾LBA檢測信號，造成假陽性/假陰性結果。 應對策略： 對于異常清除： 建立分層式ADA檢測體系（篩選-確證-滴定-中和）；并在PK分析時結合ADA狀態（陽性/陰性/滴度）進行分層比較（如清除率分組），以評估ADA對藥物暴露的影響； 若ADA陽性樣本出現PK清除異常，應在報告中予以說明并討論。 對于干擾： 優化檢測試劑，降低基質干擾； 結合LC-MS/MS交叉確認檢測結果； 針對ADC多結構域特點，開發能夠區分針對不同ADC組分抗體的檢測方法。 4.4 生物轉化產物鑒定困難 挑戰：ADC在體內經歷去偶聯、載荷代謝、抗體降解等多級生物轉化，代謝產物種類繁多、濃度極低，傳統方法難以全面鑒定。 應對策略： 采用LC-HRMS平臺進行未知代謝產物的非靶向篩查； 建立標準化的生物轉化數據處理流程，提升鑒定效率； 整合體外代謝與體內PK數據，構建完整的ADME圖譜。 5 總結與展望 ADC藥物的結構復雜性，決定其DMPK研究無法套用小分子與傳統單抗藥物的標準化方案——多平臺聯用是行業必然趨勢。從早期分子篩選、臨床前PK/PD驗證，到臨床試驗樣本分析、注冊申報，DMPK研究貫穿ADC研發全生命周期，是平衡藥物療效與毒性、提升項目成功率的核心支撐。 隨著CDE《抗體偶聯藥物臨床藥理學研究技術指導原則》的落地實施，ADC藥物研發的監管要求日趨明確。與此同時，定點偶聯技術、新型高活性載荷、可降解連接子等核心技術持續突破。未來，DMPK研究需進一步融合PBPK建模、定量系統藥理學（QSP）等先進模型，實現從“描述性分析”向“預測性評估”的跨越。建立系統化、全周期的DMPK研究體系，有助于在激烈的全球ADC競爭中搶占先機，推動更多安全有效的ADC藥物惠及患者。 參考文獻 [1] 國家藥品監督管理局藥品審評中心. 抗體偶聯藥物臨床藥理學研究技術指導原則[S]. 2025. [2] Beaumont K, Pike A, Davies M, et al. ADME and DMPK considerations for the discovery and development of antibody drug conjugates (ADCs)[J]. Xenobiotica, 2020, 50(5): 499-513. [3] Tong J T W, et al. An insight into FDA approved antibody-drug conjugates for cancer therapy[J]. Molecules, 2021, 26(19): 5847. [4] Beck A, et al. Strategies and challenges for the next generation of antibody-drug conjugates[J]. Nat Rev Drug Discov, 2017, 16(5): 315-337. [5] Khongorzul P, et al. Antibody-Drug Conjugates: A Comprehensive Review[J]. Mol Cancer Res, 2020, 18(1): 3-19. [6] W. XU, et al. Strategy for streamlining antibody–drug conjugate pharmacokinetic assays [J]. Bioanalysis, 2026, 18(2): 179-188 [7] ADC藥物研發與市場全景研究報告, 摩熵咨詢, 2026
