本文作者：ProteinMetrics
文献速递
ADCs是化学和结构复杂的分子，因为异质性既来源于L/P (例如，偶联位点数量、异构偶联位点、L/P降解产物)，也来源于抗体 (例如，糖基化变体和其他翻译后修饰)。这种高度复杂性带来了重大的分析挑战，在ADC开发过程中，一个定义明确的多级分析控制策略至关重要。先进的分析技术，特别是液相色谱与质谱联用 (LC-MS)，对于表征ADCs和在整个开发过程中监测其质量属性至关重要。
抗体和L/P共同决定了整体的药代动力学和药效学体内特性，微小的变化可能显著影响疗效和安全性。例如，药物-抗体比率和药物负载分布影响效价和稳定性，而连接子化学决定有效载荷在循环期间是否保持稳定连接或过早释放。在体循环过程中有效载荷过早释放可能导致脱靶毒性和抗肿瘤活性降低，而过度的稳定性可能阻碍细胞内药物释放并损害疗效。因此，在整个ADC开发过程中评估ADC的生物转化和体内稳定性对于确保安全性和有效性至关重要，这些评估目前受到监管机构的重视和期待。
本文为Symphogen (Dan and team Denmark) 公司发布，文章提出了一种基于天然亲和LC-MS的替代方法，该方法消除了药物负载种类的色谱分离，转而依靠高分辨率精确质量质谱进行物种鉴定。这种简化的工作流程能够直接从复杂的生物基质中快速、自动化地测定关键质量属性，包括DAR (drug-to-antibody ratio)、DLD (drug-load distribution) 和相对药物丰度，无需任何预先的样品富集。
其核心创新点可以提炼为以下几点：
首创性的“单维”分析方法
创新本质：开发了一种“一维”天然亲和LC-MS (1D aLC-MS) 方法，省去了传统方法必需的off-line富集和反相色谱分离步骤。
技术优势：直接将复杂基质 (如血清) 中的ADC样品注入亲和柱 (POROS CaptureSelect FcXL)，通过一步洗脱后进行高分辨质谱分析，实现了从样品到结果的极简流程。
选择性亲和捕获技术的优化与应用
关键材料创新：摒弃了常用的Protein A色谱柱，选用并验证了POROS CaptureSelect FcXL亲和色谱柱。
选择性飞跃：该色谱柱对人源IgG具有远高于Protein A的特异性，在分析血清等复杂基质时，能最大程度地排除小鼠血清蛋白（如补体因子H、转铁蛋白）的共洗脱干扰，从而获得更纯净的ADC MS信号。
基于完整质谱的定量与定性分析
方法学创新：将分析重心从传统的色谱峰积分完全转向高分辨精确质量质谱的谱图解析。
直接测定关键质量属性：仅凭解卷积后的完整分子量质谱图，即可直接、同时、自动化地计算出药物抗体比率、药物负载分布和相对药物丰度，无需依赖色谱分离不同载药量的物种。
针对ADC脆弱性的质谱条件深度优化
系统化参数优化：深入研究了影响ADC MS信号的关键电离源参数，明确了：
-
气化器温度：200–250°C为最佳范围，兼顾信号强度与防止连接子-有效载荷碎裂。
-
源内碰撞诱导解离：设定为低值 (70V)，以最小化加合物形成，同时避免易碎连接子-有效载荷的碎裂。
-
吹扫气 (sweep)：发现其会显著降低信号并增加碎裂，最终设定为0L/min，这一发现具有重要指导意义。
在真实复杂基质中验证方法的可靠性与灵敏度
线性与灵敏度：在小鼠血清这一高蛋白背景的复杂基质中，方法在125–2000µg/mL范围内显示出优异的线性，并能稳定检测低至31.25µg/mL的ADC浓度，覆盖了临床相关浓度范围。
稳定性监测能力：成功应用于ADC的血清稳定性研究，直观地揭示了在PBS中无法观察到的生物转化过程，如：
-
马来酰亚胺环 (maleimide ring) 水解 (导致质量+18 Da的微小增加）。
-
未偶联半胱氨酸位点的二硫键交换反应。
-
Michael加成逆向反应(retro-Michael deconjugation) 导致的脱偶联。
高度自动化与高通量潜力
流程自动化：从样品进样、馏分收集、自动酶切消化到数据采集和处理，均可实现高度自动化。
数据处理自动化：方法完全依赖MS数据，使得数据处理和报告生成易于编程和自动化，非常适合高通量的生物制药开发和质控场景。
该研究的核心创新在于构建了一个全新的分析范式：将高选择性亲和捕获、优化的软电离质谱条件与完整蛋白质谱图解析三者深度融合，创造出一个能够“直接、快速、自动”地对复杂生物基质中ADC进行“定性、定量与稳定性监测”的一体化平台。这不仅显著提升了分析通量和简便性，更提供了传统方法难以获得的、关于ADC在接近生理环境下真实生物转化行为的关键见解，对ADC的研发、质量控制和临床前研究具有重要价值。
Byosphere在文中的角色
数据翻译官：将复杂的原始高分辨质谱图，“翻译”成清晰、定量的各ADC物种 (不同载药量) 的丰度信息。
自动化计算器：基于翻译后的数据，自动执行DAR、DLD等关键质量属性的计算，实现了结果的快速、客观、可重复生成。
深度解析工具：通过其肽图功能，为观察到的宏观现象 (如DAR降低、质量微小增加) 提供了微观的、机制性的解释 (如特定残基的水解、二硫交换)。
流程支柱：整个“样品 → 亲和LC-MS→Byosphere数据处理→自动报告”高通量工作流的核心环节，使得文章倡导的“方法完全基于MS结果，易于自动化”的核心优势得以落地。
点击文末
阅读原文
即可阅读原文章