基于患者来源异种移植瘤生长抑制数据与QSP建模的抗体偶联药物临床剂量-反应预测

《Frontiers in Immunology》:Translating patient-derived xenograft tumor growth inhibition data to clinical dose–response prediction for antibody-drug conjugates: a QSP modeling approach

【字体: 大 中 小 】 时间:2026年11月18日 来源:Frontiers in Immunology 7.0

编辑推荐:

  摘要 引言:抗体偶联药物(ADCs)是一种变革性的肿瘤治疗模式,然而现有的模型引导药物开发(MIDD)方法尚未对临床疗效展现出令人满意的预测性能。方法:本研究开发了一个基于模型的框架,该框架整合了患者来源异种移植瘤(PDX)数据、定量系统药理学(QSP)建模和

摘要 引言:抗体偶联药物(ADCs)是一种变革性的肿瘤治疗模式,然而现有的模型引导药物开发(MIDD)方法尚未对临床疗效展现出令人满意的预测性能。方法:本研究开发了一个基于模型的框架,该框架整合了患者来源异种移植瘤(PDX)数据、定量系统药理学(QSP)建模和虚拟患者群体模拟,以客观缓解率(ORR)为指标预测临床患者反应。该QSP模型从机制上纳入了房室化的ADC代谢与药代动力学分布、受体介导的ADC肿瘤细胞处置、载荷旁观者效应以及肿瘤杀伤。研究使用两种HER2-ADC——德曲妥珠单抗(T-DXd)和恩美曲妥珠单抗(T-DM1)的数据作为案例演示。结果:该QSP模型框架被成功参数化,以捕捉16个不同HER2表达PDX模型中的肿瘤生长抑制动态,并通过构建基于模型的虚拟患者显示,T-DXd的模拟预测临床ORR可与实际T-DXd试验中观察到的范围相匹配。模拟的剂量-ORR关系确定T-DXd约5-6 mg/kg Q3W的剂量为最佳临床剂量,超过该剂量后进一步增加剂量收益递减,且该框架的临床实用性和可推广性再次通过T-DM1的PDX-临床数据得到验证。测序和生物信息学分析进一步提示,肿瘤微环境中的免疫加纤维化状态可能共同促成ADC疗效分层。讨论:总之,这一PDX信息驱动的QSP建模框架可作为转化工具,用于前瞻性评估临床剂量-反应关系并为ADC药物开发设计临床剂量递增策略。
研究背景方面,抗体偶联药物(ADCs)将单克隆抗体的抗原特异性与小分子载荷的强效细胞毒性相结合,实现选择性药物递送并改善治疗窗。以HER2表达肿瘤为典型代表,恩美曲妥珠单抗(T-DM1)是首个获批的HER2靶向ADC,通过受体介导内化递送微管抑制剂DM1;德曲妥珠单抗(T-DXd)是下一代HER2靶向ADC,药物抗体比(DAR)约为8,携带膜渗透性拓扑异构酶I抑制剂载荷(DXd),可通过旁观者杀伤将细胞毒活性扩展至HER2阳性细胞之外。ADCs的药理效力受多步骤动力学过程调控,包括受体介导内化、载荷时空释放、旁观者杀伤程度及肿瘤微环境中靶抗原异质性分布的影响。由于这些过程由复杂生化相互作用驱动,经典异速缩放或体表面积归一化无法充分捕捉以推导等效人体剂量,这导致I期试验过度依赖经验性试错剂量递增策略,资源密集且受伦理约束。因此,能够在临床递增前将临床前疗效数据转化为人体剂量预测的定量模型引导框架,将满足ADC临床开发的关键需求。患者来源异种移植瘤(PDX)模型保留了组织学结构、基因组异质性和分子多样性,基于PDX的临床反应预测可作为通向人体研究的关键桥梁。既往研究已建立将临床前动物数据与建模相结合以解决转化剂量预测需求的可行性,但本研究旨在独特地整合原始ADC治疗的PDX数据集与机制性QSP建模以解决临床剂量预测挑战。

研究人员开展了以下研究:开发了一个以ORR为中心的ADC暴露-反应QSP预测框架,纳入16个HER2表达PDX模型分别接受T-DXd和T-DM1治疗的时间过程多剂量肿瘤生长抑制(TGI)数据集。使用校准后的模型创建了模拟HER2表达癌症患者的虚拟患者群体,虚拟临床试验预测T-DXd剂量-ORR关系在获批临床剂量5.4和6.4 mg/kg Q3W范围内趋于平坦。基于测序的肿瘤微环境亚型分析提示,纤维化富集微环境可能与T-DXd反应较差相关。该工作展示了首个PDX信息驱动的QSP模型框架以支持ADC开发中的剂量选择和疗效评估。研究结论为:该PDX信息驱动的QSP建模框架可作为转化工具,前瞻性评估临床剂量-反应关系并为ADC药物开发设计临床剂量递增策略,为临床最佳有效剂量选择提供定量基础。

关键技术方法方面(不超过250字):研究构建了包含四个模块的QSP模型框架:血浆药代动力学(PK)模块(描述完整ADC和游离载荷的两房室模型)、肿瘤处置与ADC内化模块(基于Krogh圆柱几何框架描述血管通透性和间质扩散)、细胞水平ADC药效学(PD)模块(描述胞内ADC加工和载荷介导的细胞毒性)以及含转运室的简化肿瘤生长抑制模型。模型在MATLAB SimBiology中开发,首先用小鼠PK和个体PDX TGI数据进行参数化,随后通过虚拟患者群体将参数转化至人体水平以模拟不同候选剂量下的临床ORR。PDX模型共16个,涵盖乳腺癌(n=5)、结直肠癌(n=3)、胃癌(n=4)、肺癌(n=1)、胰腺癌(n=2)和卵巢癌(n=1),经免疫组化(IHC)H评分确定HER2表达谱。RNA提取、文库构建和测序由上海Sequanta Technologies完成,使用Illumina TruSeq Stranded mRNA文库制备试剂盒和Illumina NovaSeq 6000平台进行双端150测序,约6000万reads/样本。原始数据用fastp(v0.23.4)预处理,用bbsplit(v39.01)分离人和小鼠来源reads,通过STAR(v2.7.10b)+RSEM(v1.2.28)流程基于GENCODE人类基因组注释(GRCh38, release 35)进行比对和基因水平定量。肿瘤微环境(TME)亚型通过分子功能肖像(MFP)方法利用ssGSEA评分表征。

研究结果方面:

QSP模型对组织学多样化HER2表达PDX panel中T-DXd肿瘤生长抑制的校准:PK模块首先针对HER2阳性肿瘤异种移植小鼠单次静脉给药1和10 mg/kg后总抗体、ADC和释放DXd的血浆及肿瘤浓度-时间曲线进行校准,模型描述了血浆谱和完整偶联物及总抗体的肿瘤浓度,但肿瘤中释放DXd浓度仍被一定程度低估。随后模型拟合16个HER2表达PDX模型的TGI数据,分别估计每个模型的kg、kmax、kc50、τ和n。肿瘤生长速率常数kg中位数为0.099 day?1(范围0.057至0.199),对应指数生长期体积倍增时间3.5至12.1天(中位数7.0天)。拟合的kc50在16个PDX模型间变化48倍(中位数111,范围25.6至1,230)。在16个模型中,544个观察到的组平均肿瘤体积的91.8%位于个体预测的两倍范围内,几何平均倍数误差为1.05。两个系统性偏差仍然存在:低于约60 mm3的体积被高估,最具反应性组的晚期消退被低估,两者均使模拟肿瘤缩小程度低于观察值,从而可能使预测ORR偏低。

虚拟群体模拟预测T-DXd剂量-ORR关系在临床剂量范围内趋于平坦:人体PK用已发表PK模型的典型参数值描述,与接受单次静脉T-DXd 0.8至8.0 mg/kg的HER2阳性乳腺癌或其他实体瘤患者的临床PK数据比较,完整T-DXd和释放DXd的模拟血浆浓度-时间曲线在所有剂量水平与观察数据良好吻合。使用1,280例虚拟患者群体,模拟ORR从0.8 mg/kg的22.3%增至5.6 mg/kg的58.6%(750/1,280)和8.0 mg/kg Q3W的62.8%。对十个模拟剂量拟合Hill方程得到Emax为68.4%,EC50为1.37 mg/kg;在4.0 mg/kg达到拟合Emax的80%。以连续1.6 mg/kg区间计算,边际增益从每mg/kg 15.0个百分点(0.8-2.4 mg/kg)降至5.3(2.4-4.0)、2.4(4.0-5.6)和1.7(5.6-7.2),因此剂量-ORR关系在获批剂量5.4和6.4 mg/kg Q3W范围内趋于平坦。传播有限PDX panel的不确定性,在5.4 mg/kg Q3W预测ORR为58.5%(偏差校正95%区间47.9%至64.4%),6.4 mg/kg为61.0%(51.2%至68.2%);这些区间约17个百分点宽,约为蒙特卡洛区间宽度的三倍。观察ORR在五项临床研究中的四项落在预测区间内。DESTINY-Breast03(79.7%,95% CI 74.3至84.4)ORR远高于预测,与其二线入组位置一致,而DESTINY-Breast01入组三线或更晚,DESTINY-Breast04入组HER2低表达疾病。由于虚拟群体未与任何个体研究的HER2分布或既往治疗匹配,此比较被视为一致性检查而非验证。在既往治疗的HER2阳性转移性乳腺癌中,报告的ORR为DESTINY-Breast01的60.9%、DESTINY-Breast03的79.7%和DESTINY-Breast04 HER2低表达人群的52.3%。在其他HER2表达肿瘤类型中,T-DXd 6.4 mg/kg Q3W治疗的HER2阳性胃癌ORR为51%,HER2突变非小细胞肺癌ORR为54.9%。预测ORR对kg和kmax的指数不敏感(5.6 mg/kg时58.6%至61.4%),但对τ的指数敏感(1/3时49.4%,1/4时58.6%,不缩放时76.3%)。研究人员进一步将相同工作流应用于T-DM1 PDX数据作为合理性检查,模型预测临床剂量3.6 mg/kg Q3W的ORR为45.1%,与EMILIA试验的44.2%和TH3RESA的31.3%量级相同。与临床观察的差异可能反映T-DM1 PDX数据仅在单一高剂量水平(10 mg/kg)可用,限制了对暴露-效力曲线较低部分的表征能力,并可能使药效学参数估计偏向较高药物敏感性。这些发现强调了单剂量、仅高剂量PDX实验设计对ADC转化建模的关键局限性。

药效学参数是预测ORR的主要驱动因素,暴露相关参数在低剂量时影响力增加:在5.6 mg/kg Q3W,单次一因素分析显示参数对预测ORR影响的清晰层级。最大药物杀伤速率常数kmax是单一最具影响力的参数,其次是KC50、肿瘤生长速率常数kg和支配药物暴露与可观察肿瘤细胞死亡之间延迟的平均转运时间τ。ADC清除率(Vmax)和Krogh半径R_krogh分别排名第五和第六;在0.25至4倍范围内,Vmax使ORR变化+11.6至-15.7个百分点。预测ORR非线性依赖HER2受体密度。将Rtot降至参考值的0.1倍和0.01倍,ORR从58.6%降至55.1%和37.7%,而10倍增加仅使ORR升至59.1%。因此预测效力在参考密度以上接近平台,但在低密度时陡降。处置参数具有中等影响:ADC清除率(Vmax、Km)和外渗参数(Rkrogh、Rcap、PAb)使ORR变化最多15.7个百分点,排名在四个药效学参数之后。外渗参数的影响遵循其产生的k13变化,与伴随的k31变化无关,表明肿瘤内ADC浓度受递送速率而非肿瘤-血浆分配限制。在参考肿瘤半径下,间质扩散项贡献约三分之一的k13,这解释了DAb的小影响。受体动力学、载荷膜渗透、全身去偶联(kdec)和HER2密度在此剂量下影响很小。由于5.6 mg/kg位于剂量-ORR曲线的平坦部分,分析在1.6 mg/kg(标称ORR 38.1%)重复进行0.5和2倍扰动。与5.6 mg/kg相比,药效学参数的效应大1.4至1.6倍,ADC清除率和外渗的效应大1.9至2.5倍,因此暴露相关参数在剂量-ORR曲线陡峭处影响力增加。τ是唯一效应降低的参数(比值0.93),排名从第三降至第七。在任何剂量下,HER2受体密度减半或加倍使ORR变化不超过1.0个百分点。

探索性TME亚型分析提示纤维化微环境与T-DXd反应降低之间的关联:为探索T-DXd反应的微环境相关性,将测序的PDX模型分配到四个MFP亚型;在16个具有RNA-seq数据的校准模型中,亚型为F(n=5)、D(n=5)、IE(n=3)和IE/F(n=3)。纤维化富集亚型(IE/F和F)在5 mg/kg时TGI排名趋于较低且ECM相关评分较高,而免疫富集非纤维化肿瘤排名趋于较高。纤维化亚型也趋于具有较低的ERBB2表达;每个亚型三至五个肿瘤,此分组无法区分纤维化效应与HER2表达效应,未进行正式亚型水平检验。纤维化间质可能限制药物穿透或免疫效应功能;这些机制在第3.5节的模型更新中进一步检验。

探索性扩展:Fc介导杀伤和间质递送:PDX宿主缺乏功能性适应性免疫且NK细胞功能受损,因此Fc介导杀伤和间质对药物递送的影响均无法从校准数据估计。两者因此作为虚拟患者中的情景 examined,每个机制的贡献被设定而非拟合,并报告为相对于同一参考运行的配对变化。将ADCC项设为中位虚拟患者累积贡献1%、2%和5%,汇总ORR在5.6 mg/kg Q3W分别增加0.1、0.6和1.9个百分点;1.6 mg/kg时相应变化为0.3、0.7和1.6个百分点,8.0 mg/kg时为0.3、0.6和1.5个百分点。在5%时变化对应24例虚拟患者获得反应而无患者失去反应;在1%时变化在模拟数值分辨率范围内。增益未随HER2受体密度一致增加。按亚型缩放完整ADC的间质扩散系数在三个剂量中任一剂量下使汇总ORR变化不超过0.2个百分点,5.6 mg/kg时亚型特异性ORR变化最多1.3个百分点,因为扩散在参考肿瘤半径下仅贡献约三分之一的k13。按亚型缩放k13影响个体患者但不影响临床剂量下的汇总ORR。在β=1和5.6 mg/kg时,21例患者获得反应而19例失去反应(净+0.2个百分点),因为基质重塑评分高于平均的亚型(F和IE/F)接受较低k13而低于平均的亚型(D和IE)接受较高k13;亚型特异性ORR变化为F -3.3、IE/F -2.5、D +3.0和IE +3.8个百分点。相同情景在1.6 mg/kg时效应更大,从F的-10.6个百分点至IE的+7.1个百分点(汇总-1.3个百分点)。将k13均匀降至参考速率的80%、60%、40%和20%,在5.6 mg/kg时汇总ORR逐步降低1.4、3.2、6.2和11.5个百分点,在1.6 mg/kg时降低3.6、8.4、13.7和19.4个百分点,无患者获得反应。在5.6 mg/kg时,将5% ADCC情景与亚型依赖的D_Ab或k13缩放相结合,汇总ORR变化+1.9和+1.8个百分点,基本上仅为ADCC项的效应,预测ORR仍处于临床研究观察范围内。因此,基于扩散的机制未产生可察觉的预测反应变化,血浆至肿瘤转移需下降约40%才能使临床剂量下ORR降低3个百分点。由于这些贡献是假设而非估计的,分析显示若任一机制活跃预测可能移动多少,而非其确实活跃。

讨论部分总结:本研究提出了一个整合的临床前至临床QSP建模框架,可潜在地将PDX来源的肿瘤生长抑制数据转化为临床ORR。通过结合16模型PDX panel(涵盖多样HER2表达谱并接受T-DXd和T-DM1治疗)的知识,QSP框架预测的ORR与两种ADC观察到的量级相同,并为临床剂量-效力估计提供了重要见解。未来模型开发和扩展可考虑额外机制模块以改善临床前至临床转化期间的模型性能。首先,当前框架中人体PK固定为已发表群体PK模型的典型值,但患者间变异性的潜在机制驱动因素(特别是CYP酶丰度、FcRn介导的循环和抗体分解代谢)未明确参数化。将经验性PK表示替换为更详细的生理药代动力学(PBPK)模块将能实现更生物学基础的个体间PK变异性和药物-药物相互作用风险预测。此外,未来工作应关注临床相关的ADC相关毒性,包括肺部(如间质性肺病)、血液学和胃肠道不良事件,这将使ADC疗效和安全性特征的同步模型表征成为可能,并更全面支持其获益-风险评估以实现精准临床设计。关于本研究中基于PDX的转化,应注意若干局限性。第一,PDX拟合是具有模型特异性参数的校准;唯一与临床数据比较的量是预测ORR,且由于虚拟群体未与任何研究匹配,该比较(图4)是一致性检查。第二,预测ORR依赖虚拟患者采样规范:研究人员未系统改变采样分布的离散度、虚拟群体大小或基线肿瘤体积,且有限的16模型panel单独产生约17个百分点宽的95%区间。第三,预测对τ的异速缩放指数敏感,在5.6 mg/kg时ORR在测试的指数间从49.4%至76.3%变化,而kg和kmax的指数影响很小。此外,如前所述,人体PK的个体间变异性未被模拟;由于ORR对ADC清除率敏感(尤其在低剂量时),这可能低估患者间变异性并可能使剂量-ORR关系在平台以下趋于平坦。小鼠肿瘤中释放DXd浓度被低估;由于kmax和kC50是在模拟暴露条件下估计的,kC50值可能受影响,因此不应解释为内在载荷效力。PDX拟合还保留了两个系统性偏差,两者均可能使预测ORR偏低。每种肿瘤类型一至五个模型,肿瘤类型特异性生长和敏感性参数无法解析。最后,模型描述单一病灶而无获得性耐药或间质房室,因此基于16个模型的TME分析因样本量而属探索性。尽管如此,本研究提出了一个非常有价值的基于模型的框架和整合PDX数据集以指导ADC临床设计的尝试。本研究使用的PDX宿主缺乏功能性适应性免疫且NK细胞功能受损,因此T-DXd活性的免疫贡献无法估计。T-DXd保留了曲妥珠单抗的IgG1 Fc并在体外显示ADCC活性,在免疫健全小鼠中据报道可增强树突状细胞活化和MHC I类表达并与PD-1阻断联合。在研究人员的情景中,Fc介导项贡献高达累积肿瘤细胞杀伤的5%使预测ORR增加不到2个百分点,因此适度的ADCC贡献不会改变结论;更大的贡献或载荷诱导免疫原性细胞死亡对适应性反应的影响无法用当前数据排除。DAR-8偶联物是否像未偶联曲妥珠单抗一样有效接合FcγRIIIA也不确定。模型未表示NK细胞丰度、抗原呈递、T细胞动力学或间质免疫抑制,纤维化介导的免疫排斥仍为假设。参数化这些机制将需要免疫健全或人源化模型以及效应细胞浸润测量。总之,本工作展示了基于模型的预测临床反应率和为ADC开发中临床最佳有效剂量选择提供定量基础的潜在价值。这与日益增多的支持模型引导药物开发(MIDD)作为肿瘤药物开发中剂量优化工具的证据一致。监管机构(如FDA)已明确认可MIDD方法并认识到基于模型的剂量选择可缩小有效剂量范围的不确定性、减少患者暴露于亚治疗剂量并加速开发时间线的价值。这伴随着长期行业建模努力在众多真实世界药物开发案例中技术性支持MIDD范式(PK/PD、QSP、E-R等)的转化有效性,最近一项行业调查提示QSP建模已成为支持肿瘤临床剂量优化的第三最常用方法。经验性剂量递增方案的临床局限性并非假设。在HELOISE III期试验中,将曲妥珠单抗从标准6 mg/kg递增至10 mg/kg Q3W在HER2阳性胃癌中达到显著更高的谷浓度但产生相同的生存结局,证明在许多情况下增加药物暴露超过药效学阈值可能不产生临床获益并可能引入不必要的毒性风险。虽然该案例中的机制可能与ADC介导的细胞毒性不同,但原则相同:没有连接暴露与反应的定量框架,剂量递增决策对效力平台所在位置盲目,而像本QSP建模框架这样的MIDD方法可前瞻性提供通向该效力阈值的定量见解以更有效指导临床剂量递增。PDX信息驱动的QSP框架为支持下一代ADC的临床开发提供了灵活平台。对于双特异性或双载荷ADC,模型可扩展以在统一机制框架内纳入多靶标结合相互作用、胞内运输、载荷特异性细胞毒机制和旁观者效应。结合涵盖异质性靶标表达谱的PDX数据集,此类模型可预测分子定义患者群体的治疗反应、识别与敏感性相关的生物标志物并定量评估替代给药策略以最大化治疗效力同时最小化毒性。这些能力可促进候选药物优先排序、首次人体剂量选择和早期临床开发中的剂量优化。该框架还可易于适配以帮助评估ADC与免疫检查点抑制剂(如抗PD-1抗体)的联合治疗。通过纳入描述ADC载荷诱导免疫原性细胞死亡、抗原呈递、T细胞活化和PD-1/PD-L1信号传导的模块,结合来自多组学和PDX研究的肿瘤微环境特征,QSP模型框架可通过虚拟临床试验机制性评估不同联合方案下的治疗协同作用,识别最可能从ADC加免疫检查点抑制联合中获益的患者亚组、优化治疗顺序和 scheduling 并为生物标志物引导的患者选择提供定量支持。广义而言,本工作说明了PDX信息驱动的QSP模型如何作为NAM(新方法学)赋能的转化框架,支持临床相关预测、合理剂量优化和基于证据的决策,同时减少对传统动物研究的依赖。

订阅生物通快讯

订阅快讯:

最新文章

限时促销

会展信息

关注订阅号/掌握最新资讯

今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

版权所有 生物通

Copyright© eBiotrade.com, All Rights Reserved

联系信箱:

粤ICP备09063491号