药代动力学建模优化基于单克隆抗体疗法的开发与治疗潜力

这篇综述系统阐述了药代动力学（PK）建模在革新单克隆抗体（mAb）及其衍生物（如双特异性抗体（bsAb）、抗体药物偶联物（ADC））开发与应用中的核心作用。文章深入剖析了基于mAb疗法的独特ADME（吸收、分布、代谢、排泄）特性，并详述了TMDD（靶点介导的药物处置）、PBPK（生理药代动力学）等关键建模方法，揭示了其如何指导从临床前到临床研究的精准剂量选择、暴露-反应（E-R）关系分析及个体化治疗方案制定，从而显著提升药物开发效率与成功率。文中强调了整合人工智能与机器学习等新工具对推动抗体疗法创新的巨大潜力。

抗体疗法已变革现代医疗，提供针对癌症、自身免疫病等复杂疾病的高特异性干预。但与传统小分子药物相比，这些生物大分子（如IgG单克隆抗体约150 kDa）的Y型结构、大分子尺寸、糖基化等特点决定了其独特的药代动力学行为，这给开发带来了挑战。因此，深入理解其体内旅程——即吸收、分布、代谢和排泄（ADME）过程至关重要，而药代动力学（PK）建模正是解析这些复杂过程、并据此优化疗法设计的强大工具。

基于单克隆抗体治疗的ADME特性

对于大多数治疗性单克隆抗体（mAb），静脉注射能实现完全生物利用度。为了门诊和慢性治疗的便利性，皮下注射应用更广，其吸收主要通过淋巴系统，因此达峰时间较长，生物利用度通常在50-100%之间。

抗体在组织中的分布由血管外渗、细胞间质移动、组织结合以及细胞内摄取和降解等过程共同决定。对流运输是主要的外渗机制，而在对流受限的组织中，新生儿Fc受体（FcRn）介导的转胞吞作用则扮演了重要角色。目标抗原的存在与否也会显著影响分布。值得注意的是，许多治疗性mAb的表观分布容积接近血浆容积，这有时会被误解为其被限制在血管内。但这实际上可能反映了组织中的消除过程先于与血浆完全平衡，因此解读“真实”分布容积需要依赖组织浓度数据而非仅仅血浆参数。

mAb的代谢主要通过胞饮作用或受体介导的内吞作用进入细胞后的溶酶体降解途径。约一半已上市的mAb表现出靶点介导的药物处置（TMDD），这是一种可饱和的非线性清除途径。另一个关键受体介导的途径涉及Fc结构域与免疫细胞（如单核细胞和巨噬细胞）上的Fcγ受体结合，这在形成可溶性免疫复合物或介导抗体依赖性细胞毒性等功能时可能显著影响清除。

FcRn的保护性回收途径是延长IgG半衰期的关键机制。在酸性内体（pH ~6.0）中，FcRn结合IgG，将其回收并释放回血液循环（pH ~7.4），使IgG1、IgG2和IgG4的半衰期延长至18–21天。蛋白工程旨在增强与FcRn的结合以进一步延长抗体半衰期。Total is the total clearance, CL_Lrepresents linear clearance, and CL_NLdenotes nonlinear clearance. CL_Total = CL_L + CL_NL."> 如图所示，剂量可以影响TMDD消除和FcRn介导的保护。在低剂量时，TMDD主导清除；剂量增加与受体饱和相关，导致受体介导的清除呈剂量依赖性下降。在治疗剂量下，当TMDD可忽略不计时，清除接近一个由FcRn相关回收和非特异性分解代谢主导的线性过程。

由于分子量较大（约150 kDa），mAb不会被肾小球有效滤过，因此肾脏排泄通常可以忽略不计。因此，其“排泄”在功能上等同于蛋白水解降解。

双特异性抗体（BsAbs）和抗体药物偶联物（ADCs）的ADME

BsAbs的ADME特性与mAbs相似，但因双靶向性质而具有独特之处。含有Fc区的BsAbs可利用FcRn回收延长半衰期（如emicizumab的半衰期约4周），而缺乏Fc的格式（如BiTEs）半衰期短，通常需要持续输注。由于其双结合域，BsAb对TMDD高度敏感。

ADCs是连接了细胞毒性药物（载荷）的靶向疗法，旨在特异性递送至癌细胞。一个关键参数是药物-抗体比（DAR）。如图所示，ADC与肿瘤特异性抗原结合后，被内吞进入癌细胞并转运至溶酶体，在酸性环境和酶作用下，连接子断裂并释放细胞毒性载荷发挥作用。

ADC的药代动力学通过测量多种分析物来表征：总抗体、偶联抗体、偶联载荷和游离载荷。静脉给药后，这些分析物的浓度-时间曲线会出现分化。通常，偶联ADC的清除速度快于总抗体，原因有二：（a）解偶联将ADC转化为“裸露”抗体，后者计入总抗体池但不计入偶联ADC曲线；（b）更高DAR的ADC疏水性更强，会被优先清除，导致平均DAR随时间下降。ADC给药后释放的游离载荷的药代动力学与作为小分子单独给药时截然不同。尽管游离载荷通常血浆半衰期短，但当其连接到抗体上时，ADC的长半衰期主导了其系统暴露。

基于单克隆抗体治疗的PK建模方法

mAb的PK建模可大致分为经验性和机制性方法。群体PK模型使用非线性混合效应方法构建房室模型，整合线性和非线性消除途径。机制性模型，包括靶点介导的药物处置（TMDD）、全生理药代动力学（PBPK）和简化生理药代动力学（mPBPK），则更深入地探究了生物过程。

房室模型

简化的mAb PK模型通常用具有线性分布和消除的二房室结构表示。中心室通常代表血浆容积，外周室对应细胞间质空间。然而，房室的生理学识别尚不明确，限制了其机制洞察力以及对特殊人群或疾病状态的外推能力。

TMDD模型

TMDD模型由Mager和Jusko首次引入，至今已有超过20年历史。它描述了药物与靶点的可逆结合（形成药物-靶点复合物），该复合物可被内化和消除。由于游离靶点和药物-靶点复合物的浓度很少被测量，完整的TMDD模型可能参数过多且难以识别。因此，发展了多种简化形式：快速结合近似、拟稳态近似和米-曼近似。随着建模技术进步，模型可以整合更多复杂生物学信息，如多个靶点、一个靶点上的两个结合位点等，以更精确地模拟PK。

PBPK模型

PBPK模型采用解剖学上真实的器官网络，通过生理学上精确的运输机制相互连接。这种结构保真度能够全面模拟mAb在生物学相关背景下的PK，捕捉关键过程如对流主导的外渗、反射系数、细胞间质容积、FcRn回收、TMDD、淋巴回流以及组织特异性生物分布动力学。作为预测引擎，PBPK框架是mAb开发中的强大工具，支持临床前PK和分布的预测、种间缩放以估计首次人体剂量或治疗剂量，以及评估潜在的药物-药物相互作用。

尽管具有机制性结构，PBPK模型也受到一些限制。一个基本挑战是参数的不确定性，特别是在疾病人群中临床验证数据往往稀少的情况下。此外，PBPK模型需要广泛的生理和药物特异性输入数据，而临床组织浓度测量数据很少，主要限制于血浆PK的实证验证。传统的PBPK模型构建需要详细的组织浓度数据，但Simcyp、PK-Sim和GastroPlus等用户友好软件平台已简化了这一过程。

mPBPK模型

mPBPK模型通过将具有相似灌注和动力学的组织合并为集总房室，简化了完整的PBPK框架。这些模型侧重于与特定研究问题相关的器官或过程。与全PBPK模型相比，mPBPK模型减少了房室和参数数量，提高了计算效率和模型稳定性。

mPBPK模型的一个关键优势是其灵活性，可以整合额外的组件，为血清和靶组织中的观测数据提供生理学解释。例如，已开发出的模型能够评估药物在皮肤部位的靶点占用率，或预测肿瘤内药物浓度。这种机制建模方法将ADC的药代动力学和肿瘤渗透与临床反应率以及ADC治疗的复发和耐药性联系起来。

总之，药代动力学建模，特别是机制性模型，已成为优化基于单克隆抗体的疗法开发的基石。通过定量理解复杂的ADME行为和药物-靶点相互作用，这些模型能够指导从临床前到临床研究的理性剂量选择、方案优化和患者群体分层。随着人工智能和机器学习等新工具的整合，药代动力学建模有望进一步加速抗体治疗领域的创新，为多样化的患者群体带来更优化的治疗结果。