Petosemtamab

——100个患者PDO，比100个肿瘤细胞系多告诉我们什么？ 摘要：传统肿瘤细胞系便宜、稳定、通量高，仍然是药物筛选的重要工具。但药物进入临床以后，面对的不是一个抽象的癌种，而是一群彼此不同的患者。PDO Panel增加的价值，是把药物反应与患者的病理、突变、分子分型和治疗经历对接起来，让问题从“这个药有没有活性”，进一步走向“它可能对哪一类患者更有效”。这也是PDO逐渐进入候选药评价和Biomarker发现的原因。 上一期讲了PDO的忠实度。一个类器官长出来以后，需要从形态、免疫表型、基因和功能等层面确认：它保留了患者肿瘤的哪些特征，又在培养过程中丢掉了什么。 如果这道关基本过了，下一个问题是假设我们手里有100个不同乳腺癌患者的PDO，把同一个新药分别加进去，会看到什么？ 可能有20个高度敏感，30个中度敏感，还有50个基本没有反应。看到这里，药企最关心的已经不只是药效曲线，而是：为什么这20个患者的肿瘤敏感，另外50个却不敏感？这正是PDO Panel开始产生价值的地方。一、细胞系回答“药有没有活性”，PDO Panel回答“谁会有效” 药物研发早期最经典的实验，是把候选药加入一组肿瘤细胞系，观察细胞活性、剂量—效应关系和IC50。 这个体系有很大优势：细胞生长快、成本低、容易扩增，也适合自动化和高通量筛选。因此，PDO不会取代传统细胞系，至少在可预见的阶段不会。 问题在于，药物最后不是给MCF-7或A549使用，而是给真实患者使用。 同一种癌症中，不同患者的驱动突变、拷贝数、分子亚型、细胞状态和治疗经历可能完全不同。一个药在少数经典细胞系中有效，不能说明它对相应癌种的大多数患者都有效。 PDO Panel把这种患者差异带进了体外实验。例如，用Drug X处理100个乳腺癌PDO后，可以把敏感模型与耐药模型分开，再比较它们的基因突变；拷贝数改变；转录状态；蛋白表达；分子亚型；既往治疗和临床资料。 这样问题便从“Drug X能不能杀伤肿瘤细胞”，推进到哪些生物学特征决定了Drug X的敏感与耐药？ 一个PDO只能说明一个病例。带有完整分子和临床信息的PDO Panel，才可能帮助我们理解患者之间为什么不同。二、药企真正需要的是Drug × Patient × Biomarker 基础研究经常以“Drug X抑制肿瘤生长”作为结论。对药物开发来说，这还不够。如果一个药只对20%的患者有效，研发团队必须继续回答：能不能在治疗以前把这20%的患者找出来？ 因此，一个完整的药物开发问题包含三个要素：什么药×什么患者×什么Biomarker。 PDO Panel可以把药物反应与患者肿瘤的分子差异联系起来，为Biomarker发现提供功能线索。 例如，Mutation A阳性的PDO普遍敏感，阴性的模型大多耐药，这说明Mutation A可能与药物反应有关。如果进一步通过CRISPR引入或纠正Mutation A，药物敏感性也随之改变，证据就从群体相关性接近功能因果性。 但这里要注意：PDO中发现的Biomarker，只能叫候选Biomarker。它最终能不能用于患者分层，还需要在独立PDO队列、临床样本和前瞻性患者研究中验证。类器官可以提高Biomarker发现的质量，却不能替代临床证据。三、PDO能够帮助药企做哪些研发决策？ 1. 从多个候选分子中选出更值得推进 同一靶点常常会有多个候选药物。早期可以用细胞系进行快速筛选，进入临床前阶段以后，再把Drug A、Drug B和Drug C放入同一批PDO中比较。 这时要看的不只是平均抑制率，还包括：哪些分子覆盖的敏感模型更多？剂量—效应关系是否稳定？不同分子亚型之间有没有差别？对正常组织类器官的影响如何？ PDO Panel不能独立决定候选药选择，却可以增加一层患者来源的功能证据。 2. 判断优先开发哪个癌种和亚型 一个靶点可能在肺癌、乳腺癌、胃癌和胰腺癌中都有表达。但表达高，不代表肿瘤对该靶点形成了功能依赖。 如果建立多个癌种的PDO Panel，就可以比较Drug X在哪个癌种中总体反应更好，又集中在哪个分子亚型。这可以为适应症选择提供参考。 当然，最终开发策略还要结合靶点机制、人体证据、PK/PD、安全性、竞争格局和市场空间。PDO提供的是人源肿瘤模型中的药效证据，不是适应症决策的全部答案。 3. 筛选联合用药 两个单药都有一定活性，联合后未必一定更好。有些组合能够扩大敏感患者范围，有些只对特定亚群有效，还有些可能增加毒性或出现拮抗。 PDO Panel可以系统比较单药与联合方案，并寻找哪些模型对联合治疗特别敏感，再分析这一亚群具有哪些共同特征。 联合用药的价值不在于简单证明“1+1>2”，而在于找到：什么组合，在什么患者背景下，才可能产生额外获益。 4. 研究患者治疗后形成的耐药 传统耐药模型通常是在细胞系中长期加药，逐渐筛出耐药细胞。这种方法很有价值，但它模拟的是实验室条件下形成的耐药。 如果能够在同一患者治疗前后分别建立PDO，就可以直接比较治疗前敏感、治疗后耐药的模型，分析中间发生了哪些基因、通路或细胞状态变化。四、PDO不只适合小分子，也可以评价复杂抗体药物 抗体、双特异性抗体和ADC的药效，不只取决于靶点有没有表达。 以ADC为例，还要考虑靶点表达水平和均一性、抗体结合、内吞、payload敏感性以及旁观者效应等因素。不同患者在这些方面可能存在明显差异。 因此，可以在带有不同靶点表达背景的PDO Panel中比较：靶点表达与药效是否相关？有没有表达很高却耐药的模型？有没有表达并不算最高，却对ADC特别敏感的模型？ 这类实验有潜力帮助建立靶点表达、细胞状态与药物反应之间的联系。 不过，目前PDO用于HER2、TROP2、HER3或B7-H3等ADC的筛选，还没有形成统一、成熟的行业标准。把PDO用于ADC Panel，是从已有药物筛选能力向当前研发场景的合理延伸，不能提前写成已经完成验证的固定模式。 已有研究已经证明，PDO可以用于更复杂的抗体药物筛选。2022年，Herpers等利用异质性的结直肠癌PDO库以及配对的正常结肠黏膜类器官，开展双特异性抗体筛选，最终识别出靶向EGFR和LGR5的MCLA-158。这个例子说明，PDO的应用并不局限于小分子化合物。五、同时比较肿瘤和正常组织，才能开始讨论治疗窗口 药物开发关心的从来不只是“杀伤有多强”。更实际的问题是：杀伤肿瘤的剂量，与损伤正常组织的剂量之间，隔得有多远？ 这就是Therapeutic Window。类器官体系一个很有吸引力的方向，是同时建立肿瘤PDO和正常组织类器官。把同一种药加入两套模型，可以比较它对肿瘤的作用和对正常组织的潜在毒性。 前面提到的MCLA-158研究，就使用了结直肠癌PDO和配对正常结肠类器官进行功能筛选。正常肠、肝、肾等类器官也开始被用于候选药物的器官毒性研究。这种设计让类器官有机会同时进入药效和安全性评价。 但体外正常类器官仍然不能代表完整人体毒性。免疫系统、药物代谢、组织间相互作用和体内暴露都可能改变结果。因此，它更适合作为临床前安全评价的一层补充，而不是替代完整的药代、毒理和动物研究。六、为什么PDO还没有取代传统药物筛选？ PDO的优势很明显，限制同样明显。 与传统细胞系相比，它的成本更高；不同模型的生长速度、大小和状态不完全一致；建模成功率会受到癌种、样本类型和患者治疗背景影响；高通量自动化和标准化也更困难。 经典长期PDO主要保留肿瘤上皮部分，往往缺少完整的免疫、间质和血管微环境。对于免疫治疗、抗血管药物或微环境依赖性疗法，仅靠PDO可能无法回答问题。 更重要的是，培养皿中的药物反应不能直接等同于患者疗效。 因此，现实中的药物研发不会从细胞系一步跳到PDO，更不会只凭PDO结果进入临床。比较合理的证据路径是：Cell line →PDO Panel →动物及其他人源相关模型 →临床试验。 每一个模型都有自己的用途。细胞系适合快速、大规模发现；PDO Panel用于增加患者异质性和人源功能证据；动物模型补充体内暴露和系统环境；最终仍由临床试验判断患者是否获益。 PDO增加的是一层证据，不是替代全部证据。 老PI多说一句 如果只看一条PDO药敏曲线，类器官很容易被理解成“高级版细胞培养”。 但如果手里有100个患者PDO，每个模型都对应病理、突变、转录特征、蛋白表达、治疗经历、药物反应，甚至临床结局，事情就完全不同了。 这时候，有价值的不再是100个三维结构，而是：患者之间不同的生物学，怎样决定了不同的药物反应。 所以药企希望PDO回答的，不只是“Drug X能不能杀癌细胞”，而是一个更接近开发决策的问题：Drug X应该优先给谁？ 这条路线可以压缩成：PDO Panel → Drug Response →Responder与Non-responder →Molecular Difference → Candidate Biomarker → Drug × Patient × Biomarker。 把这条链建立起来，候选药才可能从“有活性的分子”，走向“有明确适用人群的药物”。