摘要
伴隨越來越多的雙特異性抗體甚至是多特異性抗體進入臨床,免疫原性日益成為雙抗研發中必須解決的“阿克琉斯之踵”。本文系統總結了關于雙抗(BsAb)的腫瘤免疫治療的免疫原性風險評估(IGRA),此外,還總結了針對作為抗癌藥物開發的特定BsAbs的抗藥抗體(ADA)的臨床相關性,以及在免疫原性預測、監控和緩解工具和方法上的進展。
01
前言
雙抗賽道正蓬勃發展,被譽為“下一代抗體藥物”。盡管有大量的雙抗產品正在進入臨床評估,但目前獲批的雙抗產品僅有四種(截至2022.3)。
與具有針對同一表位的兩個結合區域的單特異性IgG不同,雙抗由兩個不同的結合域組成,能夠與兩個不同的抗原或同一抗原上的兩個不同表位結合。與其他多靶點療法不同(如聯合療法)雙抗將不同的藥理優化功能域結合成一種藥物。
然而,將不同的功能結構域連接到一種藥物中可以創造出與經典IgG不同的,具有高度工程化序列的新型支架。但這些形式可能會暴露隱蔽的表位或產生新的抗原,從而觸發免疫原性。
此外雙抗MOA多種機制的參與,也會促進產生免疫原性,如協同免疫調節機制(MOA),可能會破壞外周耐受性,導致藥物產生非必要的免疫反應。
近期研究數據表明,免疫原性正是雙抗開發中面臨的關鍵挑戰之一。
02
抗雙抗藥物抗體(ADA)腫瘤學臨床意義
目前已在大量患者中對批準的單抗進行了免疫原性評估,但雙抗相關卻非常有限。
T細胞結合器(BITEs)是腫瘤治療領域最常用的雙抗。盡管B細胞耗盡劑(如CD19導向的雙特異性T細胞結合子(BITE?))、CD20導向的T細胞結合分子Glofitamab、BCMA導向的T細胞結合子Elranatamab和Teclistamab) 顯示出的ADA形成效應是有限的,這很可能是與產生抗體的B細胞消除有關。
但T細胞結合子靶向非B細胞腫瘤靶點時,還是能觀察到顯著的ADA效應。表1列出了腫瘤學中已批準的和正在研究的雙抗的ADA發生率。
表1 雙抗ADA發生率



ADA發生率高低并不與臨床效應完全對等,比如高免疫原性的Removab,ADA發生率可達94%,但仍有一定的治療益處。而Navicixizumab是人源化的BsAb,雖然在Ib期研究(NCT03030287)中,25名患者中只有4名(16%)ADA陽性,但有3名患者的藥物清除率和相關的輸液反應增加。
多樣的臨床ADA結果進一步證明了BsAbs的臨床免疫原性的不可預測性,因此,全面的免疫原性風險評估(IGRA)是所有進入臨床雙抗的當務之急。
03
雙抗免疫原性風險評估需要考慮的因素
///?產品相關因素
1.基于序列的風險和T細胞表位
雙抗通常具有新的結構形式和序列。這可能會產生新的抗原或暴露隱蔽的表位,這些表位可能成為抗原或引發免疫反應。
如果分子包括與其內源性對應物具有序列或結構相似性的非mAb功能結構域(例如,細胞因子、激素) ,將有可能產生中和抗體(NAB),進而與內源性蛋白發生交叉反應,致使該蛋白質出現功能缺陷,影響臨床效果。
目前,計算機算法和體外T細胞檢測是評估序列、治療蛋白分子在臨床前發展過程中T細胞依賴的免疫原性風險的主要工具。
在計算機算法可以評估治療蛋白的初級氨基酸序列與主要組織相容性復合體(MHC)II類結合的能力。評估完全基于分子的主要氨基酸序列,而沒有考慮結構表位和可能引起免疫原性的多種其他因素,所以這種方法得到的結果和臨床免疫原性并不對等。
基于T細胞的體外試驗通過評估T細胞對治療性蛋白的反應率和大小來評估基于序列的風險,其他體外工具包括DC內化分析、基于MHC相關的多肽蛋白質組學(MAPPS)分析等。體外試驗的挑戰源于難以概括ADA反應的全部廣度,而ADA反應本身涉及體內的多種細胞類型。
一些新興技術,如淋巴結系統和人源化小鼠模型,它們考慮了更廣泛的免疫系統成分,因此可能更適合于免疫原性評估。但這些工具往往昂貴、耗時。
2. 預先存在的反應性
目前還未全面了解預先存在的反應性,其發生可能是由于存在可溶性靶點、基質效應或預先存在的抗體。據報道,針對基因治療載體(例如腺相關病毒)、聚乙二醇化蛋白、糖鏈表位、選定的生物療法(例如,重組細胞因子、生長因子),以及類風濕性關節炎(RA)和其他自身免疫性疾病的患者中預先存在的抗體的發生率很高。
預先存在的抗體的大小和表位特異性可能會影響臨床上藥物的治療應急型ADA(TE-ADA)、藥代動力學(PK)、藥效學(PD)、有效性或安全性。因此應該考慮在雙抗藥物開發的臨床前階段實施預先存在的反應性篩選和表征。
3. 基于協同免疫調節機制的風險
基于藥物MOA或基于藥理學的風險正逐漸變成一個重要的免疫原性風險因素。在腫瘤學中,許多雙抗經設計,可以通過有效地刺激免疫系統來誘導強烈的抗腫瘤反應,但同時可能會發生ADA反應。
此外,免疫治療已經進入一線,并成為特定腫瘤類型的標準治療手段之一;目前正在研究雙抗對已經接受,或將要接受免疫檢查點治療的患者的療效。我們討論了以下可能的機制:
(1)ADA介導的非特異性免疫激活;
(2)免疫復合體結構;
(3)協同免疫激活,這可能會促進抗癌雙抗的免疫原性提升;
(1)ADA介導的細胞表面受體雙抗非特異性免疫激活作用
一些細胞表面受體需要二聚化或更高級交聯來激活,這為避免雙抗發生無意識的免疫激活提供了思路。
例如,Rybrevant?使用其間充質-上皮轉化酪氨酸激酶受體(C-MET)靶點的單價結合來避免C-MET二聚化誘導的增殖信號。然而,當ADA通過ADA-藥物-靶點相互作用使ADA交聯時,旨在激活細胞表面受體的激動劑產品有可能充當‘超級激動劑’,導致ADA介導的免疫激活。
同樣,對于旨在抑制細胞表面受體激活的拮抗產品,ADAs使藥物受體復合體交聯也可能導致受體激活和細胞因子釋放。圖1A是雙抗激動劑藥物的一個例子(Ig G-scFv格式)

圖1 基于MOA的藥物免疫原性風險。(A)ADA介導的具有橋聯激動劑活性的BsAb的非特異性激活圖(B)雙可溶靶點和協同MOA的設想的BsAb與多聚體可溶靶點之間的免疫復合物形成圖。
(2)雙抗與可溶靶點間的免疫復合體
圖1B展示了靶向兩個可溶細胞因子或配體的雙抗藥物。該藥物可能形成同時具有三聚體靶點A和靶點B的大型免疫復合物,這可能會引起強大的T細胞依賴或T細胞非依賴的ADA反應,有許多例子表明免疫復合物的形成和抗炎藥物的免疫原性之間存在關聯。
由于藥物與靶點的化學計量比會影響IC的形成和ADA的發展,所以在設計針對可能以可溶多聚體存在的配體的雙抗分子時,可以使用尺寸排除層析等標準方法來評估復合體的形成情況。
(3)協同免疫刺激藥MOA的免疫原性風險
1.免疫檢查點抑制劑
與已知免疫抑制MOA的藥物相比,具有免疫刺激活性的藥物誘導免疫原性的可能性更大。盡管有這種可能性,但多種免疫檢查點抑制劑的單一療法(例如,抗PD-1單抗和抗CTLA-4單抗)的ADA發生率較低。最近開發了多種具有協同免疫刺激活性的雙抗。這種協同免疫激活可能導致免疫原性風險增加。雖然許多雙抗目前仍處于早期開發階段,報道的ADA數據有限,但從部分與免疫檢查點抑制劑的聯合治療中可以明顯觀察到免疫原性增加。最值得注意的是,當nivolumab (抗PD-1單抗)與ipilimumab(抗CTLA-4單抗)聯合使用時,抗nivolumab抗體的發生率從11.2%-12.7%增加到23.8%-37.8%。
2.T細胞結合
帶有B細胞耗盡的MOA的T細胞結合物免疫原性通常更低。BLINCETO?是全球首個在腫瘤學領域被批準用于治療B細胞前體急性淋巴細胞白血病的雙抗就是一個最好的例子。該藥物是第一代BITE?分子,由兩種親本不同的鼠單抗與惡性B細胞上表達的CD19和T細胞上表達的CD3結合而成。盡管Blincyto?中的小鼠序列具有潛在的免疫原性風險,但在III期試驗中,數百名接受治療的患者中,只有不到2%的患者結合ADA呈陽性。Blincyto?的MOA有效地去除了所有表達CD19的B細胞,從而限制了ADA的形成。相反,如果藥物中存在T細胞表位,非B細胞耗竭的T細胞活躍者誘導臨床免疫原性的風險可能更高
3.4-1BB T細胞增強劑
現有的數據表明,4-1BB激動劑無論是單獨治療,還是與其他免疫腫瘤學(IO)藥物聯合治療,都會誘發相對較高的ADA發生率,這表明含有4-1BB靶向功能結構域的BsAb可能會遇到類似的免疫原性風險。因此,基于MOA的免疫原性風險也應該在多種其他風險因素的背景下進行評估,這可能需要針對藥物MOA的額外分析來進行風險評估
///與患者相關的因素
(1)患者既往治療情況
BsAbs和腫瘤學中的多特異性治療蛋白產品通常針對常見的TAA、免疫檢查點抑制劑或免疫細胞受體。對以前的產品產生的Adas可能與相關產品發生交叉反應,導致在基線上存在針對新藥的抗體
(2)劑量和給藥方案
給藥劑量、給藥方案和給藥途徑也可能影響免疫原性。
04
臨床STAG中正在進行的IGRA和IGRA驅動的免疫原性監測策略
大多數臨床前IGRA考慮治療相關和患者相關因素造成的免疫原性風險,但藥物MOA風險未得到重視,需要在臨床開發之前給予更多關注。
IGRA是一個持續的過程,必須隨著臨床數據的獲得而重新評估。FDA最近的指導建議IGRA與樣本收集和免疫原性測試計劃保持一致,以納入最初的研究新藥應用。
05
免疫原性管理
制定可靠的IGRA,指導候選藥物和劑型選擇,并采取積極主動的方法或在臨床前開發期間降低候選分子的風險,對于降低臨床上的潛在風險至關重要。
然而,如果在臨床階段確實發生了抗體反應,緩解ADA的有效途徑包括通過重組識別和去除生物中的違規B細胞和T細胞表位。
除了ADA監測、領域表征和ADA影響分析外,在臨床開發過程中還可以考慮臨床記憶測試和HLAII亞型。
本文描述了在雙抗藥物開發過程中對免疫原性風險進行徹底的臨床前評估的重要性。基于對免疫原性預測研究的多年積累,唯信計算(Wecomput)開發的AlphaMHC算法采用流行的NLP自然語言處理技術,全新的多模融合深度神經網絡架構,整合了近10億條公開及私有的與免疫原性相關的濕實驗數據(包括親和力數據、NGS數據、質譜數據等)進行訓練,成功實現了從序列到臨床免疫原性風險的端到端的預測,并通過上百條來自FDA、EMA的臨床真實免疫原性數據(包括單/多特異性抗體和重組蛋白等)進行驗證,AlphaMHC能夠準確區分免疫原性的高低,ROC-AUC達0.87,準確性超過80%(部分測試集高達91%),表現出比現有方法顯著更優的預測性能,是已知唯一一個可以得到臨床數據驗證的算法。

