抗體偶聯(lián)藥物（ADC）是一種將小分子細胞毒素藥物通過連接子與單克隆抗體偶聯(lián)形成的藥物。與傳統(tǒng)的小分子化學治療以及抗腫瘤單抗相比，ADC藥物不僅可以提高化學治療的療效和腫瘤細胞的特異性，還可以降低或減弱系統(tǒng)毒性以及非靶向細胞毒性。ADC結構復雜，異質性高，存在多種產(chǎn)品相關的雜質，其理化性質分析與結構表征不僅包括單抗部分，還包括小分子藥物相關的質量屬性，可見ADC的質量屬性研究較抗體更為復雜。本期#封面故事我們將圍繞藥物抗體比（Drug-to-antibody ratio, DAR）關鍵質量屬性，闡述ADC藥物的質量分析與控制的進展與綜合分析方案。

ADC藥物經(jīng)過90多年的發(fā)展，特別是近來20多年的高速發(fā)展，目前經(jīng)過定點偶聯(lián)技術是第三代ADC藥物成功開發(fā)的關鍵。小分子毒素與單克隆抗體的位點特異性結合確保ADC藥物具有明確、均一的DAR值（通常為2或4），這樣可以使藥物毒性降低，穩(wěn)定性和藥代動力學顯著提高。第三代ADC藥物采用的位點特異性偶聯(lián)技術主要包括Thiomab、ThioBridge、引入非天然氨基酸、引入序列標簽或聚糖等。

藥物抗體比（Drug-to-antibody ratio, DAR）指抗體偶聯(lián)上毒素小分子數(shù)量的平均值，直接反映了靶向腫瘤細胞的載荷數(shù)量，同時影響藥物的安全性與有效性。如下圖 所示，DAR的分析方法主要分為二類：

A. 液相色譜法（HPLC-UV）

B. 質譜法（LC-MS）

液相色譜法（HPLC-UV）

1) HIC-UV分析法：

疏水作用色譜（HIC-HPLC）是根據(jù)抗體偶聯(lián)不同數(shù)量的細胞毒性小分子之間疏水性不同，也即是具有不同DAR的ADC分子可在HIC中實現(xiàn)分離，未偶聯(lián)小分子藥物的抗體疏水性最弱，優(yōu)先被洗脫，偶聯(lián)小分子藥物數(shù)量越多的抗體，其疏水性就越強，典型譜圖見下圖 。

HIC-UV分析mAb與ADC譜圖

HIC是在非變性條件下進行的，不僅可以用于不同DAR分子的分離，還可以用于純化，進一步對分離純化后的HIC各組分進行深度研究。

一般情況下，半胱氨酸的偶聯(lián)方式之一，是將抗體部分還原，打開鏈間二硫鍵，游離半胱氨酸上的巰基（-SH）與毒素小分子-連接子上的馬來酰亞胺基團反應形成DAR=0-8分子異質體ADC。依據(jù)計算公式DAR=∑（Weighted Peak Area）/100，最終得到加權平均DAR=3.6。

2) RPLC-UV方法：

反相高效液相色譜法（RP-HPLC）通常是在還原水平上分析DAR，即通過非變性還原條件下打開鏈間二硫鍵，然后根據(jù)待測物質的極性大小進行分離，具有更好的分離度與分辨率。理論上基于半胱氨酸偶聯(lián)方式ADC經(jīng)過還原前處理后得到6種亞基分子類型，分別是L0、L1、H0、H1、H2與H3，見下圖所示：

基于半胱氨酸偶聯(lián)方式ADC的還原前處理

這里我們可以看到通過連接物與MMAF偶聯(lián)的曲妥珠單抗的DAR。該抗體通過部分還原使鏈間二硫鍵變?yōu)榘腚装彼釟埢?svg width="10px" height="10px" viewbox="0 0 16 16" class="ZDI ZDI--FourPointedStar16 css-1dvsrp" fill="currentColor">，之后該殘基再與小分子藥物通過連接物形成一種藥物抗體偶聯(lián)物。在此色譜圖中，我們可以觀察到重鏈和輕鏈，連接有小分子藥物或者沒有連接小分子藥物片段，分別用H0-H3和L0/L1來表示。DAR通過將H0-H3, L0和L1的峰面積相加來確定，并決定它們對mAb的貢獻，然后再取平均值。

曲妥珠單抗Mc-MMAF半胱氨酸偶聯(lián)物的平均DAR

色譜柱：bioZen Intact XB-C8，3.6μm

貨號：00F-4766-AN

規(guī)格：150x2.1mm

流動相A：0.1%TFA水溶液

流動相B：0.1%TFA in ACN

流速：0.4mL/min

檢測：LC-UV（280nm）

樣品：曲妥單抗mcMMAF半胱氨酸偶聯(lián)物（來源于ADC BiotechnologyLTD）

儀器：UPLC-UV

這里，我們采用了Phenomenex的bioZen Intact XB-C8色譜柱，此款色譜柱是core-shell結構，類似于經(jīng)典的Kinetex系列：

對于ADC的Dar值分析，具有以下優(yōu)點：

• 優(yōu)化的顆粒形態(tài)可實現(xiàn)更高效率的Intact RP

• 改善蛋白質回收率

• 高溫穩(wěn)定性<90°C

以相同的分析方式，我們可以將標準子單元的分析平臺化，同時，也可以將具有不同linker的ADC平臺化。這樣可以加快分析速度。

色譜柱：bioZen3.6μmXB-C8

貨號：00F-4766-AN

規(guī)格：150x2.1mm

流動相A：0.1%TFA in 水

流動相B：0.1%TFA in 乙腈

流速：0.4mL/min

梯度：

28-34%B in 1-4minutes

34-65%B in 4-10minutes

檢測器：UV-Vis,280nm

溫度：80°

樣品：如圖所示

隨著越來越多的研究者采用特定位點的偶聯(lián)技術來提高治療效果和降低毒性，ADC的同質化程度將會越來越高，DAR的分析也將變得更加簡單。但是，隨著新型細胞毒素和連接物以及偶聯(lián)方法的增加，有效載荷復雜性不斷增加，這一趨勢將使DAR測定更多地轉向LC-MS技術，以利用其高分辨率分析能力。

質譜法（LC-MS）

質譜法可分為變性與非變性電噴霧質譜法，兩種不同的方法均是根據(jù)物質的分子量差異進行DAR的分析?？贵w偶聯(lián)上不同數(shù)量細胞毒性小分子后，ADC呈現(xiàn)分子異質性，不同的DAR物質在高分辨質譜的分析下具有不同的質荷比（m/z），然后根據(jù)相對應的DAR質譜信號峰強度或峰面積計算平均DAR值。

1) 變性質譜法（Denatured MS）

通常情況下，DAR在變性質譜分析中，會使用到有機試劑流動相與相對較高的柱溫，ADC在這兩種條件的共同作用下，非共價鍵連接的空間結構被破壞，然后經(jīng)過電噴霧攜帶相對較多的電荷（H+），進而產(chǎn)生信噪比（S/N）較好的質譜峰圖。

變性質譜常應用于ADC賴氨酸偶聯(lián)方式的DAR分析，因其分子異質性較高，往往在進行質譜分析之前，需要對其進行去糖基化處理或者使用CPB酶去除C端賴氨酸的影響，以減少圖譜的復雜程度，便于后續(xù)的峰歸屬及最終的平均DAR計算。

Kadcyla ADC與生物類似藥ADC的去糖基化

2) 非變性質譜法（Native MS）

非變性質譜使用與質譜兼容的流動相體系，以及相對較低的柱溫與更溫和的電離方式，在不破壞物質非共價鍵連接的立體空間結構情況下，讓ADC生物大分子在氣相中保持自然折疊狀態(tài)，既可以用于ADC鏈間半胱氨酸偶聯(lián)方式的DAR分析，也可以用于賴氨酸偶聯(lián)方式的DAR分析。

HIC-MS非變性質譜可與HIC-HPLC質量放行方法相結合用于DAR的分析與質控，具有高效率與高通量等特點。

SEC-MS非變性質譜也常用于ADC DAR的分析與質控。相對HIC-MS來說，流動相可選擇揮發(fā)性的鹽溶液，與質譜更兼容些。

我們分析了從Sigma購得的市售半胱氨酸連接的ADC 模擬物，使用bioZen SEC-2與SCIEX® X500B聯(lián)用鑒定DAR 0到8。根據(jù)提取離子色譜圖，每種藥物抗體蛋白型都用于計算DAR。平均DAR計算為3.4，與Sigma報告值4.0±0.8匹配。我們看到在“天然"條件下，ADC保持完整，從而可以觀察到不同的DAR種類，并且可以標記DAR和糖型。

LC Conditions

Column：bioZen 1.8μm SEC-2

Dimension：150x4.6mm

Part No.：00F-4769-E0

Recommended Guard：SecurityGuard™ ULTRA

Guard Cartridge Part No.：AJ0-9850

Guard Holder Part No.：AJ0-9000

Mobile Phase：100mM Ammonium Acetate

Flow Rate：200μL/min

Temperature：25℃

Detector：QTOF(SCIEX X500B)

Sample：Sigma ADC Mimic(MSQC8)，100μg

這里我們用到了bioZen 1.8µm dSEC色譜柱，這款色譜柱的特點一是采用了低孔隙體積的硅膠，實現(xiàn)更好的穩(wěn)定性和重現(xiàn)性。二是采用了親水性二醇類鍵合表面，能夠防止硅膠表面與蛋白質樣品相互作用。

比如我們還可以見到很多高分辨質譜上的應用：

Intact Mass：Cysteine-based conjugation (DAR)

同時，對于半胱氨酸偶聯(lián)的ADC藥物，可以采用非變性的模式進行分子量的檢測，從而分析DAR值。

半胱氨酸偶聯(lián)的ADC藥物質譜檢測圖譜

對于ADC藥物的開發(fā)而言，如何依據(jù)藥物的偶聯(lián)方式及目標屬性去選擇合適的質量控制方法、質量控制項目與性質合適的耗材，是助力藥物從理論設計走向實驗室制備的重要環(huán)節(jié)。本文總結的幾種ADC藥物DAR值分析方法，不僅能給用戶提供不同的選擇，還能幫助用戶進行不同方法的相互驗證，確保結果的準確性。

后面我們會繼續(xù)跟蹤行業(yè)的進展，給大家最及時的技術交流和分享。更多內容，詳見《2023飛諾美色譜產(chǎn)品指南》

《下載2023飛諾美色譜產(chǎn)品指南》