如何在生物製劑早期開發中更快找到合適的候選者
當生物製劑開發失敗時，往往發生在晚期，並付出巨大的代價。由於差的藥物動力學或製造問題而在高級階段失敗的分子可能已經消耗了數年和數百萬美元。
大多數生物製劑的失敗可以追溯到項目開始的12到18個月內做出的決策，比如對目標親和力的糟糕假設，未在長期研究中檢測到的穩定性問題，或在重新配方已不再是選項時發現的製造問題。許多傳統的生物製劑工作流程在這一階段延遲嚴格的生物物理特徵化以保持早期的通量水平。但當後期檢測風險很高時，這可能是錯誤的經濟考量。
成功的生物製劑工作流程不在於篩選最多的候選者，而在於更徹底地篩選：在正確的階段提出正確的生物物理問題，並隨時準備行動根據答案行動。通過快速識別具有適當開發特徵的分子，您可以降低未來昂貴失敗的風險。一個篩選良好的漏斗採用3至5個具有更高個別成功概率的候選者，降低了整個計劃的總成本，並使來源於體內研究的信號更為乾淨。
瞭解Malvern Panalytical的完整生物製劑工作流程
這種做法需要知道測量什麼，何時測量，以及如何以前瞻性方式解讀。在本篇博客中，我們概述了成功的標準以及幫助您實現這一目標的分析儀器。
篩選成功的三個關鍵指標
在早期開發階段，許多候選分子會通過一系列生物化學和生物物理測試進行篩選，目的是驗證成功並識別主要候選者。目標在於識別哪些分子有意義地結合目標，並表現出可在製造和臨床使用中生存的跡象，從而值得進一步投資。
具有最高前瞻性預測價值的早期篩選包括：
結合親和力和動力學
親和力（KD）是最常報告的早期指標。然而，這可能會被誤解，因為擁有相同KD值的兩個分子可能會產生不同的生物效應。要更全面地了解未來的有效性，需要將親和力與完整的熱力學和動力學輪廓結合起來：
- ΔH （結合焓變）：報告當一個分子結合一個分子時釋放或吸收的熱量，反映了非共價相互作用（如氫鍵和范德瓦耳斯接觸）的強度和性質。
- −TΔS （熵貢獻）：對結合自由能的貢獻，捕捉到復合物構象改變時分子秩序和溶劑釋放的變化。
- koff（解離速率）：緩慢的koff意味著藥物保持結合時間更長，這可能轉化為更好的體內有效性，即使在較低劑量時也是如此。
- kon（結合速率）在低目標濃度的情況下很重要，比如在罕見受體中。
等溫滴定量熱法（ITC），一種標籤免費技術，測量兩個相互作用夥伴在溶液中的相互作用過程中釋放或吸收的熱量，可以揭示結合是主要由焓驅動還是由熵驅動。它能直接洞察相互作用的熱力學；即便當兩個相互作用展示出相同KD時。
光柵耦合干涉技術（GCI），一種標籤免費的光學生物傳感器技術，可以實時測量傳感器表面的質量累積，從而提供kon、koff和KD。
顆粒大小分析
聚集性是生物製劑開發的一大障礙。動態光散射（DLS）允許您通過測量溶液中分子的大小分佈來提前篩選這一障礙，標識出已上述積或多分散性跡象的候選者。DLS提供以下見解：
- 多分散指數（PDI）：早期發現高PDI預示著配方和製造難度——明確的重新分配標準。
- 應力下的膠體穩定性：能夠在壓力條件（例如溫度和pH變化）下保持嚴密、單峰分佈的候選者會被優先考慮。
- 配方空間映射：在pH、離子強度和賦形劑濃度梯度中運行DLS識別每個候選者的膠體穩定性範圍。
熱穩定性分析
熱穩定性和膠體穩定性（Tm, Tagg）是分子在製造背景下行為的最快讀數。Tm較低的分子通常呈現更大的配方風險。在承擔大規模表達前篩選這一點可以節省周的生產努力。
差示掃描量熱法（DSC）是表徵生物製劑摺疊結構熱力學穩定性的金標準，作為長期儲存穩定性的高信息代理。關鍵參數包括：
- 熔融溫度（Tm）和起始溫度（Tonset）：DSC測量在溫度升高過程中蛋白質展開時吸收的熱量。更高的Tm通常與2-8℃或室溫下更好的實際穩定性相關。
- 構象穩定性與膠體穩定性：結合DLS數據，DSC揭示聚集是與展開相聯（兩態失敗）還是發生在亞變性溫度（膠體穩定性問題）下。
- 批與批一致性：DSC熱圖是更高階結構的敏感指紋。在早期開發中，這使DSC可用於確認不同表達批次或純化條件產生的材料結構上等同。
您必備的分析工具包——僅在這裡
GCI Wavesystem和MicroCal PEAQ-ITC從Malvern Panalytical支持目標選擇和驗證，通過共同工作在顯著下游承 commitment之前構建完整的結合交互圖像。GCI可以用於篩選數百種化合物的潛力，確立目標是否具備預期的動力學特徵以及是否容易受到表面人工效應如重結合或異質配體活性的影響。ITC測量當兩個分子相互作用時釋放或吸收的熱量——唯一直接測量結合事件完整熱力學特徵的方法。一個符合兩個階段的候選者——從GCI獲取高質量的動力學和從ITC獲取乾淨的熱力學特徵——在具有支持加快速度、更好知情決策信心的數據質量下進入主導優化階段，助於減少未來的高成本失敗風險。
Zetasizer Advance系列在一個強大的平台上組合了行業領先的顆粒表徵、智能化自動化和合規數據完整性。它通過確認目標蛋白質是單分散的、均相的並具有正常溶解行為來支持目標選擇和驗證。在多個表達批次中，Zetasizer作為快速、低材料一致性工具在進一步資源密集型研究前確認結構一致性。
MicroCal PEAQ-DSC非常適合生物相似性和批次與批次一致性評估，還適用於純化和製造條件的優化，要求極少的分析開發且不需標籤或固定化。
這些技術在結合時提供最大效力：在GCI親和性測試中表現優秀但在DLS中顯示高PDI且在DSC中顯示低Tm的候選者揭示出單純結合數據無法顯示的開發責任。在微克級和早期時間表上捕獲這些失敗，而不是在放大或製造過程中，為早期生物製劑開發中的整合生物物理篩選提供了強大的經濟和戰略理由。
{{ product.product_name }}
{{ product.product_strapline }}
{{ product.product_lede }}
