自研高特異性抗Payload抗體助力ADC藥物分析_第1頁
自研高特異性抗Payload抗體助力ADC藥物分析_第2頁
自研高特異性抗Payload抗體助力ADC藥物分析_第3頁
自研高特異性抗Payload抗體助力ADC藥物分析_第4頁
自研高特異性抗Payload抗體助力ADC藥物分析_第5頁
已閱讀5頁,還剩1頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

自研高特異性抗Payload抗體,助力ADC藥物分析ADC及其Payload抗體偶聯(lián)藥物(Antibody-drugconjugate,ADC)賽道已進入白熱化狀態(tài)。據(jù)智慧芽統(tǒng)計,全球在研項目超過1000項,其中臨床前有716項,處于臨床階段的有249項。目前全球已有15款ADC藥物獲批上市。預計ADC市場在2022年至2030年將以30%的復合增長率持續(xù)快速增長。眾所周知,ADC藥物通常有3部分組成:抗體(Antibody)、有效載荷(Payload)和連接子(Linker)。ADC通過抗體與腫瘤細胞上的靶抗原結(jié)合,形成ADC-抗原復合物。經(jīng)過內(nèi)吞進入胞內(nèi),連接子在低pH值或溶酶體蛋白作用下斷裂。釋放細胞毒性的有效載荷,誘導DNA損傷或影響微管結(jié)構(gòu),進而造成癌細胞死亡。有效載荷(Payload)是ADC在細胞內(nèi)發(fā)揮細胞毒性的重要組成部分,其作用機制決定著ADC的效力和可能的適應癥。Payload主要有細胞毒素和非細胞毒素,細胞毒素有兩大代表:微管蛋白抑制劑和DNA抑制劑。微管蛋白抑制劑能夠干擾有絲分裂,因為腫瘤細胞分裂速度比正常細胞更快,所以其對癌細胞更有殺傷力。海兔毒素類是目前最常用的Payload。在獲批上市的15款ADC藥物中,有6款為海兔毒素類MMAE或MMAF,包括Adcetris、Polivy、Padcev、Aidixi、Tivdak、Blenrep。在研項目以MMAE為有效載荷的管線數(shù)超過80個。ADC藥物PK分析ADC藥物開發(fā)需要確定其穩(wěn)定性、藥物釋放速率、藥效性和毒性等,尤其是腫瘤細胞內(nèi)有效載荷的分子濃度。因此,藥物抗體偶聯(lián)比(Drug-to-AntibodyRatio,DAR)是ADC藥物開發(fā)過程中的關鍵因素。DAR值不僅決定Payload的載量,還會影響ADC在體內(nèi)的分布和清除速率等藥代動力學(PK),以及ADC的安全性和有效性。DAR值與抗腫瘤效力及清除率的關系(參考文獻:DOI:10.1208/s12248-020-00475-8)ADC異質(zhì)性較高,必須評估多種待測物才能確定其PK特征。常用于表征ADC藥物PK特征的待測物包括總抗體、偶聯(lián)抗體、偶聯(lián)藥物、游離藥物等??贵w試劑是ADC分析的重要組成部分之一??偪贵w和偶聯(lián)抗體通常用ELISA檢測,需要高親和力、高特異性的抗Payload抗體。ADC給藥后會發(fā)生Payload的解離,導致未結(jié)合的Payload增加和DAR發(fā)生變化。因此對偶聯(lián)抗體和偶聯(lián)在抗體上的Payload定量分析有助于評估ADC藥效,以及評估Payload的暴露情況,對ADC整體評估至關重要。?義翹神州Payload抗體精品義翹神州成功開發(fā)一系列抗Payload抗體,適用于ADC臨床前和臨床階段的DAR和PK分析。目前已開發(fā)抗MMAE、MMAF有效載荷的單克隆抗體,抗DM1、DM4、SN-38、Dxd等有效載荷的抗體正在研發(fā)中。義翹神州抗Payload抗體產(chǎn)品優(yōu)勢★高純度:>95%(經(jīng)SDS、SEC-HPLC驗證)★高親和力:經(jīng)ADC藥物結(jié)合驗證(ELISA)★高特異性:可特異性識別Payload,與裸抗無交叉結(jié)合產(chǎn)品數(shù)據(jù)展示Anti-MMAEAntibody,MouseMAb(Cat#:68218-MM08)高純度:高親和力:高特異性:【參考文獻】Liuetal.AreviewoftheclinicalefficacyofFDAapprovedantibody?drugconjugatesinhumancancers.MolecularCancer,2024./10.1186/s12943-024-01963-7PeiyingZuo,CapturingtheMagicBullet:PharmacokineticPrinciplesandModelingofAntibody-DrugConjugates.TheAAPSJournal,2020.DOI:10.1208/s12248-020-00475-83.QiupingQinandLikunGong,CurrentAnalyticalStrate

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論