挤入创新药最热ADC赛道，基于质量控制的工艺优化助力新药加速

抗体偶联药物（ADC）已成为创新药最热赛道之一，从辉瑞的大手笔收购ADC药物公司Seagen，到近年ADC代表国产创新药密集出海，ADC正逐步成为肿瘤领域的主流药物研发方向。自2020年恩美曲妥珠单抗于国内获批后，中国ADC市场开始增长。随着ADC设计及偶联技术的不断进步，ADC创新发展加速，行业进入快速成长期。

图1：ADC药物发展历史

目前国内共有7款ADC药物上市，在研管线更是多达300余项。如何差异化ADC管线并推进产品的开发，成为所有ADC研究人员的努力目标。相较于靶点或机制的创新，工艺和技术本身的优化和改进也是ADC药物差异化开发的重点，例如小分子毒性药物的选择、偶联方式的改进以及DAR值均一性和稳定性的提高等都为创新提供了方向。

1

如何加速ADC的开发并不影响药物的质量？

在早期研发阶段就引入基于质量控制的工艺优化和研究是加速ADC药物的开发的关键。在工艺开发阶段，对于确保最终产品质量的工艺和测试就必须得以确定，而不仅仅只满足于符合监管环境的要求。在研发前期进行质量控制，充分的研究和稳健的工艺会大幅加快管线后期的推进。

我们需要确保在开发、生产和审批后的每个阶段都实施充分的质量控制。在质量源于设计（QbD，Quality by Design）的理念下，对于产品和工艺的充分研究是确保ADC符合目标产品质量概况（QTPP，Quality Target Product Profile）的关键。实验设计（DoE，Design of Experiment）被广泛用于实现QbD，以确定抗体，连接子和药物中间体（API，Active pharmaceutical ingredient）的多属性工艺条件。从而确定最终药品的关键质量属性（CQA，Critical Quality Attributes），并建立与关键物料属性（CMA, Critical Material Attributes）和关键工艺参数（CPP，Critical process parameters）之间的关系。

图2：全自动生物偶联工作站：集成了EasyMax全自动合成反应器、ReactIRTM原位FTIR光谱等PAT设备，通过强大的控制和分析软件相结合，提供了一种简单而可靠的方法来精确控制和记录关键过程参数，并自动记录关键工艺数据。

图3：使用全自动生物偶联工作站实时监控多个参数可大幅减少工艺时间

2

充分的工艺研究便于快速工艺转移

哪些参数影响还原、修饰和偶联过程（pH、加料速率、抗体浓度、还原剂浓度、反应持续时间……）？偶联过程中会发生什么变化（反应动力学、过量物料、聚合、DAR……）？很多工艺条件都影响最佳小分子毒素抗体比（DAR，drug-to-antibody ratio）和其他CQAs。对于这些参数的优化可以提高工艺效率，而工艺效率则影响从1期到3期临床生产规模的转移可行性。

图4：ADC药物生产工艺流程图

来自辉瑞的研究人员使用全自动生物偶联工作站进行DoE研究过来改善CPPs和CQAs。改进后的工艺消除了底物的还原，从而减少了聚集或二聚的倾向；通过改善缓冲夜条件，提高了活化和偶联过程中药物的稳定性；工艺的优化最终提升了整个工艺效率。

图5：使用EasyMax全自动生物偶联工作站进⾏的⽣物偶联DoE 研究

全自动生物偶联工作站提高工艺效率并从而节省预算。通过自动化记录和操作使重新优化时间和资源的分配成为可能。科学家们发现，通过数据相关性支持的高置信度，手动实验时间减少了80%，重复实验的需求减少了 75%（图5）。

3

优化参数控制提高工艺效率和一致性

MedImmune的研究人员使用全自动生物偶联工作站加速了其对CPPs的理解和优化。通过DoE研究，所有关键工艺参数(CPPs)的控制策略得以优化，包括物料比、混合率、pH、缓冲液交换等，而这些参数可能导致质量属性的不一致。

图6：还原剂浓度作为CPP以减少聚集

图7：氧化剂浓度作为CPP以达到最优DAR

图8：研究药物载荷（Payload）以实现CQA目标

通过集成的实时在线分析提供了对工艺的完整理解，并使研究人员能够快速掌握相关工艺参数的工艺影响，并在原位和实时的情况下定量地确定实现CQAs目标的CPPs。

4

数据丰富的实验建立工艺合理性

杨森制药使用集成了在线红外光谱的EasyMax全自动生物偶联工作站，建立了一个可以轻松转移到商业制造和下游加工的稳健偶联工艺（图9）。

图9：BSmAb 还原工艺放大的工艺论证

通过溶氧和电导率分析可立即直观地、定量地发现该过程的第 1 阶段（β-巯基乙醇还原）在3-4小时后完成。酰胺I和酰胺II峰值区域的中红外趋势则表明构象可能在 4-5 小时内波动。使用EasyMax全自动生物偶联工作站完成了这个无人值守的持续整夜运行的过程，并收集了全过程数据。单次实验立即证实了几个月前的假设，即该过程实际上在6小时内完成，并且实际上比预期更高效。这为BLA提供了直接的定量合理性。

5

数字化工艺模拟预测和优化最佳工艺条件

借助生物过程模拟软件Dynochem Biologics，研究人员进行了ADC工艺的进一步研究。偶联反应的动力学参数如反应速率常数、活化能可以被轻松拟合；通过简单的数字化模拟，任意工艺条件下的参数可以被预测，包括：DAR值、偶联率、反应时间以及产物浓度等。除了可以筛选合适的工艺条件外，研究人员还可获得各种规模下的等效性并实现工艺的转移和放大。

图10：数字化筛选初始抗体浓度和药物载荷以优化DAR和偶联率

通过使用集成了EasyMax全自动合成反应器、在线 PAT、生物过程数字模拟技术的全自动生物偶联工作站，研究人员可以：

1

加强反应理解：

通过在线实时监控立即掌握

优化工艺效率、产品CQA和物料的使用（时间、质量、成本）

2

提高生产力：

减少人工干预和错误

更少的批次获得全面的数据

数据丰富的过程理解

DoE中数据驱动的实验迭代

数据驱动的工艺论证

通过自动化提高生产力

3

实现工艺放大：

提高工艺信心以实现CQAs

降低放大的风险

无缝工艺规模转移

参考文献：

1. Dirksen A, Davis KA, Collins JT, et al. Process development of a FGF21 protein-antibody conjugate. Biopolymers. 2017;(April):1-10. doi:10.1002/bip.23042.

2. Sanjay Nilapwar, MedImmune, Developing an Efficient, Robust, and Scalable Conjugation Process for Bispecific ADC (BsADC), Bioprocessing Summit, Westin Copley Place, Boston 24 August 2017.