抗体药物偶联物（ADC）被誉为抗癌“生物导弹”，将单克隆抗体的精准靶向与细胞毒性药物的强效杀伤结合，已成为肿瘤靶向治疗的革命性突破。截至目前，全球已有 13 款 ADC 药物获美国 FDA 批准，近百款进入临床阶段。但 ADC 复杂的分子结构与体内行为，使其药代动力学（PK）研究充满挑战，而药物代谢组学建模正是破解这一难题的核心工具。
本文基于《Pharmaceutics》2026 年发表的综述《Applications of Pharmacometrics in Antibody–Drug Conjugate Development》，提炼核心要点，解读药物代谢组学如何赋能 ADC 研发全流程。
一、ADC：精准抗癌的 “生物导弹”，作用机制清晰明确
ADC 由单克隆抗体、连接子、细胞毒性有效载荷三部分组成，通过 “靶向结合 - 内吞 - 释放载荷 - 杀伤肿瘤” 的流程发挥作用，其核心作用机制如图 1 所示。
图 1 ADC 作用机制示意图
给药后，ADC 靶向结合肿瘤细胞表面抗原，经受体介导内吞进入细胞；连接子在溶酶体低 pH、酶解环境下裂解，释放有效载荷破坏肿瘤细胞 DNA 或微管，诱导细胞凋亡；同时旁观者效应可杀伤抗原阴性肿瘤细胞，抗体本身还能通过 ADCC、ADCP、CDC 等途径增强抗肿瘤效果。
但 ADC 的药物抗体比（DAR）动态变化、循环脱偶联、多组分代谢等特征，使其 PK 行为高度复杂，直接影响疗效与安全性，这也是药物代谢组学建模的核心价值所在。
ADC 的 PK 复杂性源于三大核心特征：
1.异质性显著：DAR 动态波动，不同 DAR 的 ADC、总抗体、游离有效载荷均有独立 PK 特征；
2.消除途径特殊：抗体不经肝肾 CYP450 酶代谢，依赖内吞系统降解，有效载荷则经肝脏代谢排泄；
3.非线性 PK 行为：靶点介导的药物处置（TMDD）使 ADC 消除存在饱和性，同时脱偶联与代谢同步发生。
这些特征导致传统 PK 模型无法精准刻画 ADC 体内行为，亟需生理药代动力学（PBPK）、半机制/机制性、群体 PK 三大模型，以及暴露 - 效应（E-R）分析提供定量支撑。
三、三大药物代谢组学模型，覆盖 ADC 研发全周期1.生理药代动力学（PBPK）模型：预测全身分布，评估药物相互作用
PBPK 模型以机体生理参数为基础，多房室模拟药物全身吸收、分布、代谢、排泄（ADME），核心解决ADC 全身分布、肿瘤部位暴露、药物 - 药物相互作用（DDI）三大问题。
图2 PBPK 模型结构示意图
其核心应用包括：
预测 MMAE、DM1 等常见载荷的 DDI 风险，替代专项 DDI 临床试验；
定量解析 ADC 在肿瘤、脾脏等组织的分布，如曲妥珠单抗 - vc-MMAE 给药后，肿瘤内 MMAE 暴露量提升 20 倍；
跨物种外推 PK 数据，实现临床前到临床的精准转化。
表1 ADC 的 PBPK 模型汇总
2. 半机制/机制性模型：解析内在机制，实现临床前 - 临床转化
该模型基于 ADC 体内处置的生理过程，精准刻画DAR 依赖性脱偶联、细胞内载荷释放、肿瘤穿透等机制，是连接基础研究与临床转化的桥梁。
图3 基于 TMDD 的 ADC 机制性 PK 模型
模型可实现：
定量解析高 DAR ADC 脱偶联更快、清除率更高的内在机制；
预测肿瘤内 ADC 与载荷浓度，指导最优 ADC 分子设计；
转化临床前疗效数据，如通过模型预测本妥昔单抗、T-DM1 的临床无进展生存期。
表2 ADC 的半机制/机制性 PK 模型汇总
3. 群体 PK 模型：指导临床给药，优化个体化方案
群体 PK 模型基于临床数据，分析患者个体差异对 ADC 暴露的影响，分为单分析物、双分析物、三分析物三类，核心用于临床剂量优化。
图4 本妥昔单抗群体 PK 模型（含滞后房室）
图5 德帕妥珠单抗莫福汀群体 PK 模型结构
体重、白蛋白、性别是影响 ADC 暴露的主要协变量，支持体重个体化给药；
三分析物模型可同步刻画偶联抗体、总抗体、游离载荷的 PK，机制解析更全面；
模型已成功指导泊洛妥珠单抗、恩诺单抗等多款 ADC 的临床剂量确立。
表 3 ADC 的群体 PK 模型汇总
四、暴露 - 效应（E-R）分析：ADC 剂量优化的 “金标准”
E-R 分析通过数学模型关联药物暴露（AUC、Cmax 等）与临床疗效 / 安全性，是 FDA、CDE 监管机构强制要求的研究内容，核心分为暴露指标选择与建模方法两部分。
1. 暴露指标选择
优先选用第一周期暴露指标（如 Cₜᵣₒᵤ₉ₕ,C1、AUC₁），可最小化剂量调整的干扰，是获批 ADC 最常用的指标；稳态暴露、时间平均暴露则适用于长期治疗的疗效评估。
2. 核心建模方法
生存分析（Kaplan-Meier 曲线、Cox 比例风险模型）：分析无进展生存期、总生存期等时间 - 事件终点；
逻辑回归模型：评估客观缓解率、不良反应等二分类终点。
图6 德曲妥珠单抗暴露 - 生存分析曲线
图7 泊洛妥珠单抗暴露 - 疗效/安全性逻辑回归分析
表4 ADC 的暴露 - 效应分析汇总
E-R 分析已成功支撑吉妥珠单抗奥唑米星分次给药、泊洛妥珠单抗 1.8mg/kg 剂量方案的获批，实现疗效与安全性的最优平衡。
五、挑战与展望：技术突破推动 ADC 精准研发
尽管药物代谢组学已广泛应用于 ADC 研发，但仍存在三大核心挑战：
1.肿瘤浓度难以检测：现有技术无法实时定量肿瘤内 ADC 与载荷浓度，限制模型精准度；
2.机制解析不完整：抗体代谢、旁观者效应的调控机制尚未完全阐明；
3.分析技术受限：DAR 实时监测、多组分定量的检测方法仍需优化。
未来，AI 与机器学习将赋能模型构建，高灵敏度检测技术、多尺度机制模型的突破，将进一步实现 ADC 的精准设计、个体化给药，推动更多高效安全的 ADC 药物上市。
结语
药物代谢组学建模贯穿 ADC临床前设计、临床转化、剂量优化全流程，是破解 ADC 药代动力学复杂性、提升研发成功率的核心工具。随着建模技术与分析方法的持续进步，药物代谢组学将助力 ADC 成为肿瘤精准治疗的核心武器，为癌症患者带来更多治疗希望。
识别微信二维码，添加抗体圈小编，符合条件者即可加入
抗体微信群！
请注明：姓名+研究方向！
本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观不本站。
热门跟贴