Stabilitätsrisiken entschärfen, bevor sie zum Problem werden
Ein Kandidat, der das Bindungsscreening bestanden hat, ist nicht zwangsläufig ein Kandidat, der die Entwicklung übersteht.
Aggregation, kolloidale Instabilität und Temperaturempfindlichkeit gehören zu den häufigsten Gründen dafür, dass Biologika in späteren Entwicklungsphasen scheitern – und sie bleiben oft unentdeckt, weil die Messungen, die sie erfassen könnten, zu spät angewendet werden.
Das Zeitfenster zwischen Hit-Bestätigung und Lead-Nominierung ist der Punkt, an dem Stabilitätsrisiken am besten beherrschbar sind. In dieser Phase sind die Probenvolumina klein, der Kandidatenpool ist noch breit genug für aussagekräftige Selektionen, und die Kosten für das Ausscheiden eines problematischen Moleküls sind nur ein Bruchteil dessen, was sie einige Monate später im Programm wären. Wenn ein Biologika-Programm von der Entdeckung und frühen Entwicklung in die präklinische Phase übergeht, weicht die Hit-Validierung der Lead- und Kandidatenoptimierung, begleitet von einem zunehmenden Bedarf an tiefergehender, umfassender biophysikalischer Charakterisierung. An diesem Punkt wechselt das Stabilitätsscreening von einer unterstützenden zu einer zentralen Rolle.
In diesem Blog konzentrieren wir uns auf die Leistungsfähigkeit von dynamischer Lichtstreuung (DLS) und statischer Lichtstreuung (SLS) als Grundlage eines frühen Stabilitätsscreenings sowie darauf, wie sie zusammen mit der Nanopartikel-Tracking-Analyse (NTA) und der Differential-Scanning-Kalorimetrie (DSC) ein vollständiges Bild der Entwickelbarkeit eines Kandidaten liefern.
Warum Stabilitätsrisiken ein verborgenes Problem sind
Ein Molekül, das seinen Zielmarker mit hoher Affinität bindet, kann unter Formulierungsbedingungen dennoch aggregieren, während der Lagerung denaturieren oder sich bei den für die subkutane Verabreichung erforderlichen Konzentrationen unvorhersehbar verhalten.
Das Potenzial für solche Probleme ist jedoch weitgehend unsichtbar für die Bindungs- und Aktivitätsassays, die das frühe Screening dominieren. Ein High-Throughput-Bindungsscreen kann Ihnen zwar sagen, dass ein Molekül mit seinem Target interagiert, aber er sagt nichts darüber aus, ob dieses Molekül bei hohen Konzentrationen monodispers bleibt, drei Freeze-/Thaw-Zyklen übersteht oder seine höhere Struktur über den gesamten pH-Bereich eines typischen Formulierungspuffers hinweg beibehält.
Das frühe biophysikalische Stabilitätsscreening soll diese Lücke schließen, indem es die orthogonalen Messgrößen ergänzt, die Bindungsdaten nicht liefern können.
Was DLS und SLS offenbaren – und warum das früh wichtig ist
Dynamische Lichtstreuung auf der Zetasizer Advance range misst den hydrodynamischen Radius von Proteinen in Lösung, indem sie die Beziehung zwischen Partikelgröße und Diffusionsrate nutzt. Für biotherapeutische Kandidaten ist dies eine der informationsreichsten frühen Messungen überhaupt. Sie ist zudem schnell durchzuführen, benötigt nur wenig Probe und ist empfindlich gegenüber diagnostisch relevanten Veränderungen, lange bevor diese auf andere Weise sichtbar werden.
Das früheste Signal einer Aggregatbildung
Die Sechste-Potenz-Abhängigkeit der Lichtstreuintensität von der Partikelgröße macht DLS überproportional empfindlich für größere Spezies. Ein einzelnes Aggregat in einer überwiegend monomeren Population erzeugt ein Streusignal, das in keinem Verhältnis zu seinem Volumenbeitrag steht. Das bedeutet: DLS kann die frühesten Anzeichen von Aggregatbildung zu einem Zeitpunkt erkennen, an dem sie in einer volumen- oder zahlengewichteten Verteilung vollständig unsichtbar wären. Die Überwachung von Größe und Polydispersität über einen Temperaturgradienten liefert die Aggregationstemperatur (Tagg), also den frühen messbaren Punkt, an dem eine Formulierung unter thermischem Stress beginnt zu versagen.
Verhalten bei Formulierungskonzentrationen vorhersagen
Tagg sagt Ihnen, wann ein Protein unter thermischem Stress aggregiert, aber nicht warum – oder wie sich der Kandidat bei den für die Formulierung erforderlichen hohen Konzentrationen verhalten wird. Dafür liefern zwei Interaktionsparameter, die aus demselben DLS- und SLS-Messworkflow abgeleitet werden, die vorhersagekräftige Antwort.
Der Diffusions-Interaktionsparameter kD, abgeleitet aus DLS-Messungen über eine Konzentrationsreihe hinweg, quantifiziert den Gesamteffekt von Protein-Protein-Interaktionen in Lösung. Ein großer positiver kD weist auf repulsive Wechselwirkungen hin: ein Kandidat, der Selbstassoziation widersteht und bei Formulierungskonzentrationen wahrscheinlich stabil bleibt. Ein negativer kD signalisiert attraktive Wechselwirkungen und lässt eine höhere Neigung zur Aggregation sowie eine erhöhte Viskosität unter Formulierungsbedingungen erwarten.
Der zweite Virialkoeffizient B22, abgeleitet aus SLS-Messungen, liefert die thermodynamische Komponente desselben Bildes. Positive B22 Werte zeigen an, dass das Protein die Solventassoziation der Selbstassoziation vorzieht, was ein günstiger Indikator für Löslichkeit und kolloidale Stabilität ist. Negative B22 Werte markieren Kandidaten mit Risiko für Aggregation oder Ausfällung.
Wichtig ist, dass beide Parameter aus denselben Konzentrationsreihenexperimenten abgeleitet werden, da kD mit B22 verknüpft ist. B22 direkt zu messen ist vorzuziehen, weil es sich um ein thermodynamisches, konzentrationsabhängiges Maß der Netto-Protein-Protein-Anziehung/-Abstoßung handelt und somit für das Aggregationsrisiko direkter interpretierbar ist, während kD ein indirekter, diffusionsbasierter Proxy ist, der durch viele Faktoren wie Molekülgröße, Reibung und Viskosität verfälscht werden kann.
Das bedeutet: kD, B22, Tagg, PDI und die Partikelgrößenverteilung können alle mit einem einzigen Zetasizer Advance Instrument im Rahmen eines abgestimmten Messworkflows erfasst werden. Das ist der praktische Nutzen des frühen DLS- und SLS-Screenings: die Bedingungen zu identifizieren, unter denen Aggregation am wahrscheinlichsten auftritt, bevor wesentliche Ressourcen in eine Formulierung investiert wurden.
Komplexe Populationen mit NTA auflösen
DLS misst einen Ensemble-Durchschnitt der Gesamtpopulation. In heterogenen Proben, in denen aggregierte Spezies ein breites Größenspektrum abdecken, liefert die Nanopartikel-Tracking-Analyse (NTA) auf dem NanoSight Pro partikelweise Größen- und Konzentrationsdaten, die DLS als Ensemble-Methode nicht auflösen kann.
Die beiden Techniken ergänzen sich: DLS für Geschwindigkeit, Empfindlichkeit und die Gewinnung kolloidaler Parameter; NTA für die Auflösung und Quantifizierung der größeren aggregierten Populationen, die eine höher auflösende Betrachtung erfordern.
Was DSC zum Gesamtbild beiträgt
DSC ergänzt DLS und SLS, indem es die strukturelle Stabilität charakterisiert und bestimmt, wie die gefaltete Architektur des Proteins auf thermischen Stress reagiert.
Die MicroCal PEAQ-DSC misst die von einem Protein aufgenommene Wärme, während es mit steigender Temperatur entfaltet. Die Schmelztemperatur (Tm) ist die Temperatur, bei der 50 % der Proteinpopulation entfaltet sind. Eine höhere Tm korreliert im Allgemeinen mit einer besseren realen Stabilität unter Lagerbedingungen, und eine niedrigere Tm ist ein gut etablierter früher Indikator für Formulierungsrisiken.
Kombinierte DSC- und DLS-Daten ermöglichen es, zwei mechanistisch unterschiedliche Ausfallmodi zu unterscheiden: Aggregation gekoppelt an Entfaltung und Aggregation, die bei subdenaturierenden Temperaturen als rein kolloidales Ereignis auftritt.
Diese beiden Szenarien haben unterschiedliche Implikationen für die Formulierungsstrategie und sehr unterschiedliche Auswirkungen auf die weitere Entwicklung. Frühzeitig zu erkennen, welcher Modus auf einen bestimmten Kandidaten zutrifft, kann verhindern, dass ein Formulierungsteam Monate damit verbringt, Bedingungen für ein Molekül zu optimieren, das einen intrinsischen Nachteil aufweist, der nicht vollständig behoben werden kann.
Vom Screening zur Entwickelbarkeit
Frühzeitig und gemeinsam eingesetzt, liefert die Kombination aus DLS, SLS, NTA und DSC den Entwicklungsteams die Daten, um bessere Kandidatenentscheidungen zu treffen, zu einem Zeitpunkt, an dem ein Scheitern noch vermeidbar ist.
Ein Kandidat mit hervorragender Affinität, aber hohem PDI, negativem kD und einer Tm, die deutlich unter dem üblichen Bereich liegt, hat etwas Wichtiges offenbart: Er ist ein Risiko für die Entwickelbarkeit. Dies bereits bei der Bewertung des Lead-Kandidaten zu erkennen, ist grundlegend anders, als es erst während der Formulierungsentwicklung zu entdecken, wenn ein bevorzugter Kandidat bereits nominiert wurde.
Mit Blick nach vorn könnte das Aufkommen von High-Throughput-Plattformen, die DLS-, SLS- und auf intrinsischer Fluoreszenz basierende Messungen der strukturellen Stabilität durchführen können, diese frühe Screening-Fähigkeit auf einen bisher mit Einzelgeräten unpraktikablen Maßstab erweitern. Dadurch würde die hier beschriebene Tiefe der Charakterisierung in die frühesten Phasen des Kandidaten-Funnels rücken.
Demnächst verfügbar! Beschleunigen Sie die Charakterisierung von Biologika mit einer bahnbrechenden neuen Plattform
Stabilitätsdaten sind nur dann wertvoll, wenn Sie sie schnell, sicher und in großem Maßstab erzeugen können. Deshalb führen wir im September eine bahnbrechende neue analytische Plattform ein, die den traditionellen Kompromiss zwischen Geschwindigkeit und Datentiefe bei der Charakterisierung von Biologika beseitigen soll.
Sehen Sie die neue Plattform in Aktion
Nehmen Sie an unserem bevorstehenden Webinar Ready to Accelerate Your Biologics Pipeline? Stop Compromising in Biologics Characterization teil, in dem wir diese bahnbrechende Plattform vorstellen und zeigen, wie sie schnellere und fundiertere Entwicklungsentscheidungen ermöglicht.
Jetzt registrieren und Platz sichern:
{{ product.product_name }}
{{ product.product_strapline }}
{{ product.product_lede }}
