Volasertib

关注小药说药，一起成长！ 前言 抗体偶联药物(ADC)是由靶向特异性抗原的单克隆抗体与小分子细胞毒性药物通过连接子链接而成,兼具传统小分子化疗的强大杀伤效应及抗体药物的肿瘤靶向性。ADC由三个主要部分组成：负责选择性识别癌细胞表面抗原的抗体，负责杀死癌细胞的药物有效载荷，以及连接抗体和有效载荷的连接子。 ADC目前已成为治疗血液恶性肿瘤和实体瘤的一类热门药物，进行了广泛的临床前和临床研究。然而，与大多数细胞毒性药物的情况一样，由于耐药机制的出现，ADC作为单一疗法产生的客观反应或临床益处的持续时间仍然受到限制。因此，ADC与其他抗癌药物的组合成为ADC药物开发的一个重要方向。 目前，监管部门已批准了针对血液肿瘤的ADC与化疗/化学免疫治疗的组合，FDA也授予了enfortumab vedotin和pembrolizumab的突破性疗法认定。与ADCs组合最有吸引力的药物是那些对肿瘤细胞或其微环境具有加成或协同作用而没有不可接受的重叠毒性的合作伙伴。包括抗血管生成药物、HER2靶向药物、DNA损伤应答剂和免疫检查点抑制剂（ICIs）的联合用药是目前积极研究的方向。 ADC联合化疗 ADC与化疗药物的最佳组合需要更好地理解独特的细胞周期相互作用以及细胞毒性伴侣对表面抗原表达的调节。到目前为止，越来越多的临床前和临床数据显示出良好的应用前景，并为指导进一步的药物开发提供了宝贵的见解。 细胞周期相互作用 作用于S期并产生G2/M期阻滞的DNA损伤剂（例如抗代谢药物、铂和拓扑异构酶抑制剂）可与微管抑制剂组合。卡铂与mirvetuximab soravtansine、anetumab ravtanine或luveltamab tazevibulin在卵巢癌模型中的成功组合，说明了这一概念。在早期临床试验中，以ravtansine为基础的ADCs与卡铂或阿霉素联合治疗对铂敏感和耐药的卵巢癌患者，以及以deruxtecan为基础的ADCs与卡培他滨或顺铂联合治疗胃癌和肺癌患者的疗效显著。 给药时间的设计 给药时间可能与药物组合设计相关。微管蛋白聚合是ADC内吞机制的关键组成部分，DNA损伤介导的G2/M期阻滞可能需要一些时间让微管破坏物敏化发生。在结肠癌、肺癌和乳腺癌模型中的研究很好地证明了这一点，连续给药SGN-15（Lewis Y抗原- doxorubicin）和紫杉醇比同时给药引起更多的DNA碎片。这一观察表明，调整给药时间，特别是抗微管药物之后延迟给与DNA损伤剂，可能会提高治疗效果。 表面抗原的调节 化疗药物可以调节ADC靶向的表面抗原的表达。在这方面，吉西他滨已被证明可以上调胰腺腺癌细胞中HER2的表达，其中吉西他宾和trastuzumab emtansine的组合发挥了增强的效力。与上述细胞周期相互作用交织在一起，HER2上调尤其发生在G2/M群体中，这是吉西他滨介导的DNA合成抑制的结果。 重叠毒性 ADC本质上是化疗，因此联合方案的疗效提高往往会受到不可接受毒性的阻碍。主要毒性由细胞毒性有效载荷代谢产物驱动，在设计组合策略时必须仔细考虑。这些毒性包括MMAE和DM1衍生物引起的周围神经病变、MMAF和DM4引起的眼毒性、DM1或拓扑异构酶抑制剂的胃肠道效应、或calicheamicin衍生物引起的肝毒性，以及几乎普遍的中性粒细胞减少症和血小板减少症。 两项2a/b期研究证明了这一点，这两项研究调查了trastuzumab emtansine与多西紫杉醇或紫杉醇联合治疗HER2+晚期乳腺癌症，其中一半以上的患者需要减少剂量或停止紫杉烷。新的、更具肿瘤选择性的ADC药物，如mirvetuximab soravtansine和datotomab deruxtecan显示出更温和的毒性，使其成为具有不同作用机制的化疗药物的理想伴侣。 ADC联合靶向药物 与标准化疗相比，ADC的治疗指数有所提高，对选择性肿瘤群体的活性也有所提高，这使其成为靶向药物的理想合作伙伴。人们可以设想各种组合策略，以克服治疗耐药性和克隆异质性，引发对癌基因依赖性信号通路的更强抑制，增加表面抗原的可用性并使低抗原表达肿瘤敏感，调节肿瘤微环境。 用ADC替代化疗 到目前为止，许多研究试图用ADC替代标准化疗，作为靶向药物的组合，但结果令人失望。KAITLIN、KRISTINE和MARIANNE等临床试验是基于与trastuzumab emtansine联合pertuzumab的协同抗肿瘤活性而设计的，然而在新辅助和转移环境中，与紫杉醇、曲妥珠珠单抗和帕妥珠珠单抗相比，其并没有显示出增强的疗效。同样，在卵巢癌中，联合贝伐单抗，anetumab ravtansine的疗效低于紫杉醇。 酪氨酸激酶抑制剂（TKIs） 通过添加TKI的双靶点阻断可以提供更大的选择性，并可能改善治疗指数。在TEAL研究中，与标准的紫杉醇、trastuzumab和pertuzumab联合用药相比，trastuzumab emtansine、泛-HER2抑制剂lapatinib和白蛋白结合性紫杉醇联合用药在HER2+乳腺癌患者的新辅助治疗中的反应有所改善Trastuzumab emtansine和tucatinib（一种更具选择性的抗HER2 TKI）的组合，在既往紫杉烷和trastuzumab治疗后进展的晚期患者中实现了47%的客观应答率（ORR），包括脑转移患者中36%的脑特异性应答率。新一代ADC和TKI可能会获得更好的结果。 靶向ADC耐药   越来越多的证据支持靶向药物可以同时靶向已知的ADC耐药机制。例如，由于HER2对乳腺上皮细胞的恶性转化依赖于细胞周期蛋白D1，CDK4/6抑制剂已在HER2耐药患者中与trastuzumab emtansine联合使用。此外，另一种关键的细胞周期调节因子PLK1最近被确定为获得性和原发性trastuzumab emtansine耐药模型中的上调靶点，其抑制剂volasertib可使trastuzumab emtansine在体外和体内再增敏。另一方面，ADC也可能是调节靶向药物耐药机制的有效组合。例如，osimertinib和trastuzumab emtansine的联合用药产生了额外的抗肿瘤作用，其中trastuzumab emtansine能够延迟或克服EGFR突变非小细胞肺癌模型中osimertinib的耐药性。 表面抗原的调节 一些TKI已被证明可调节表面抗原，可能促进进一步的ADC活性，并使低抗原表达肿瘤敏感。在这方面，lapatinib, neratinib, tucatinib, 和poziotinib已被证明可提高trastuzumab emtansine的疗效。然而，具体的机制原理仍不明确。其中lapatinib通过强烈的转录上调和减少泛素化增加HER2丰度，neratinib通过刺激内化和内吞作用降低表面HER2丰度，tucatinib对细胞表面HER2的影响仍然难以捉摸，而poziotinib上调外显子20突变，但不上调野生型HER2，这表明协同机制与表面HER2密度无关。   抗血管生成 抗血管生成剂可促进ADC穿透和肿瘤细胞暴露。anetumab ravtansine或mirvetuximab soravansine与贝伐单抗在卵巢癌症临床前模型中的联合应用具有完全响应的有效性。最近的一项1b期研究将mirvetuximab soravtansine和贝伐单抗联合用于重度预处理、铂耐药、FRα高的卵巢癌症患者，其中39%的ORR超过了关键AURELIA试验的基准值（27%）。 DNA损伤反应剂 通过将靶向DNA损伤反应（DDR）的药物与携带DNA损伤剂的ADC相结合来开发合成致死，可能是治疗基因组不稳定肿瘤的一种有前途的策略。 传统上，DDR药物与化疗的结合受到无法耐受毒性的阻碍，而携带拓扑异构酶I抑制剂有效载荷的新一代ADC的优越活性和耐受性使其更适合作为搭档。多个临床试验正在探索这一策略，包括niraparib和trastuzumab duocarmazine、talazoparib和sacituzumab govitecan，以及olaparib和trastuzumab deruxtecan。除了PARP抑制外，ADC对化疗的选择性增加无疑将扩大可组合DDR药物的范围，例如，ATR抑制剂berzosertib联合sacituzumab govitecan的临床实验目前正在进行中（NCT04826341）。 ADC联合免疫疗法 免疫疗法和ADC的组合策略最近已进入临床实验。尽管临床前数据和早期临床研究的结果表明抗肿瘤活性增强，但支持该方法优于标准治疗的随机临床试验结果仍在等待中。 抗PD-1/PD-L1和抗CTLA-4抗体 越来越多的证据表明，ADC可能会提高免疫治疗剂的疗效。所涉及的机制是多种多样的，以及增强免疫记忆和免疫调节蛋白（如PD-L1和MHC）的表达。一些ADC在具有完整免疫系统的临床前模型中表现出更大的效力，支持其免疫调节功能的相关性。 多种HER2靶向ADC，包括trastuzumab emtansine, trastuzumab deruxtecan和disitamab vedotin,已在体外和体内与ICI联合测试，证实了与增强的归巢和免疫效应物激活相关的协同活性。KATE2研究是唯一一项公开发表的检测ADC加ICI的随机试验，该研究比较了预治疗HER2+乳腺癌患者中trastuzumab emtansine联合atezolizumab对比trastuzumab emtansine联合安慰剂的疗效。联合治疗未能改善无进展生存期（8.2 vs 6.2个月，P=0.33），表明在HER2靶向治疗同时添加ICI可能仅对PD-L1阳性人群有益。尽管在这项随机试验中观察到令人失望的结果，但在多种肿瘤中临床探索仍在进行。 此外，越来越多的临床前证据表明，组合疗法可能会恢复免疫敏感性。例如，在ICI难治性黑色素瘤和非小细胞肺癌（NSCLC）患者模型中，AXL特异性ADC enapotamab vedotin与抗PD-1抗体联合进行了测试，其中ADC通过诱导T细胞浸润和增强抗原提呈，增强了ICI活性并导致TME中的促炎性变化。 ADC联合其他免疫疗法 Polatuzumab vedotin已被证明通过增加AKT和ERK信号增强肿瘤细胞上CD20的表达，支持其与抗CD20抗体（例如利妥昔单抗）和CD20/CD3双特异性抗体疗法的联合。此外，ADC和免疫调节剂的组合也正在其他疾病中探索，如多发性骨髓瘤。在临床前模型中，belantamab mafodotin与OX40激动剂的组合产生了协同抗肿瘤活性，增加了肿瘤内T细胞和树突状细胞的浸润和活化。临床上正在积极研究belantamab mafodotin的组合方案，如DREAMM-5研究（NCT04126200），该研究与多种免疫治疗剂包括（抗ICOS抗体、OX40激动剂以及γ-分泌酶抑制剂）以及抗PD-1抗体联合给药。初步结果表明，联合抗ICOS抗体在重度预处理患者中具有良好的活性。 此外，ADC的设计不仅可以针对癌症细胞，还可以调节TME的元素，如免疫细胞或成纤维细胞，从而改变免疫反应性。例如，靶向CD73的ADC显示出令人鼓舞的临床前活性。此外，在临床前模型中与pembrolizumab联合使用时，靶向癌相关成纤维细胞的ADC显示出增强CD8+T细胞介导的抗肿瘤活性。 小结 作为单药的ADC已证明具有抗肿瘤功效，并在多种实体瘤和血液瘤中获得了批准。学术界和工业界目前正在进行广泛的努力，通过确定新的靶点和增强其药理作用来开发下一代ADC，以及基于目前ADC的联合疗法。 然而迄今为止，使用第一代和第二代ADC的组合方法成功有限，这可能归因于几个因素，例如靶点的非特异性表达导致正常组织中的不良反应、重叠毒性、不同肿瘤克隆中的疗效不足以及新出现的抗药性机制。因此，需要深刻了解ADC的药理学以及相关的预测性生物标记物组合，在特征良好的患者衍生异种移植模型中进行临床前评估，从而选择最有前途的基于ADC的组合。相信未来基于ADC的联合疗法将展现出光明的前景。 参考文献： 1.Antibody-drug conjugates: in search of partners of choice. Trends Cancer.2023 Feb 4    公众号内回复“ADC”或扫描下方图片中的二维码免费下载《抗体偶联药物：从基础到临床》的PDF格式电子书！ 公众号已建立“小药说药专业交流群”微信行业交流群以及读者交流群，扫描下方小编二维码加入，入行业群请主动告知姓名、工作单位和职务。

▎药明康德内容团队编辑（来源：良渚实验室） 肿瘤异质性是癌症的发生、发展以及临床治疗中的关键影响因素。高通量单细胞转录组测序（single cell RNA-seq，scRNA-seq）技术能够精确捕获单个细胞的基因表达信息，为我们深入认识肿瘤内部的异质性和发现稀有细胞类型提供了有力工具。 人工智能在癌症研究和制药创新中发挥着越来越重要的作用。它能够整合庞大的肿瘤数据集，解码肿瘤发生发展背后复杂的生物系统，深化对药物-靶点相互作用的理解，优化治疗策略，并加速新药候选物的识别进程。 图片来源：123RF 然而，目前的抗肿瘤药物筛选主要基于传统的转录组测序数据，往往会忽略肿瘤内部的异质性以及肿瘤细胞与微环境的互作关系。另外，许多研究仅聚焦于单一癌症类型，未能充分利用泛肿瘤数据中蕴含的共性特征。因此，亟需开发基于单细胞泛肿瘤图谱的药物筛选方法，在单细胞水平上实现抗肿瘤药物的高效筛选，并深入揭示药物的作用机制及潜在副作用。 近日，良渚实验室/浙江大学基础医学院郭国骥/韩晓平/夏宏光等团队合作在National Science Review上在线发表了题为A deep learning framework for in silico screening of anticancer drugs at the single-cell level的研究论文，该项工作推出了一个创新的深度学习框架“神农”（Shennong），为在单细胞水平上开展抗肿瘤药物的计算机辅助筛选提供了新途径。正如上古神农氏尝百草以明药性，今天的“神农”框架也在数字世界中“尝试”药物，预测它们对不同类型肿瘤细胞的作用效果。 泛肿瘤细胞图谱是增进对癌症生物学理解以及改善诊断和治疗的重要资源。研究人员首先使用团队自主研发的高通量单细胞测序技术平台Microwell-seq，构建了一个包含303351个细胞的泛肿瘤单细胞图谱，涵盖了中国发病率和死亡率最高的肿瘤类型。 通过该肿瘤细胞图谱，研究人员识别出了恶性细胞和癌前细胞（非恶性上皮细胞）。来源于邻近癌旁组织和肿瘤组织的癌前细胞反映了从正常到肿瘤的过渡中间状态。这些癌前细胞表现出与邻近肿瘤相关的分子改变，提示它们在肿瘤发生中发挥重要作用。癌前细胞和恶性细胞之间共享的调控通路和代谢模式强调了区分这些细胞类型的必要性——它们具有异于正常上皮细胞的特征，而这些特征在传统转录组测序中往往难以发现。 通过泛肿瘤分析，研究人员还全面表征了肿瘤相关成纤维细胞和内皮细胞。表达分析和调控模式揭示了肿瘤组织和邻近癌旁组织的基质或内皮细胞之间的相似性，证实了邻近癌旁组织和正常组织细胞的不同功能。泛肿瘤细胞图谱数据集可在交互式网站http://bis.zju.edu.cn/shennong/landscape.html进行访问。 ▲图1 泛肿瘤单细胞图谱的工作流程和细胞数据集统计（图片来源：原始论文[1]） 传统的药物筛选或药物发现方法通常耗时且成本高昂。人工智能和机器学习方法加速了药物发现和开发的进程。研究人员推出了神农框架，正是这类方法的创新典范。 神农框架以单细胞计数矩阵和预处理的细胞扰动数据为输入。通过基于变分自编码器的深度学习模型，计算每个细胞对特定药物处理的响应强度（潜在得分）和变化趋势（潜在方向）。模型包括含有4个隐藏层的编码器、相同层数但顺序相反的解码器和中间的瓶颈层。考虑到扰动数据的的庞大规模，同时某些细胞可能存在冗余的扰动特征，模型在潜在空间中采用了组套索正则化层，运用类注意力机制为每个细胞富集特征信息丰富的扰动条目。最终输出药物处理对各细胞的影响得分矩阵。 利用贝叶斯检验计算药物处理对不同细胞类型的影响，研究人员获得了富集分数矩阵，以评估不同药物对特定细胞类型的影响。这一方法不仅能预测药物的治疗效果和副作用，指导药物筛选，还能发现针对特定细胞类型的候选药物。通过分析药物处理相关基因在模型解码器中的权重，探究该基因在对应药物处理中的相对重要性，从而识别出特定药物的潜在作用靶点。 10折交叉验证结果表明，神农框架在特征提取和潜在空间的细胞聚类映射方面展现出优异的可重复性。 ▲图2 神农框架的搭建流程和应用方向（图片来源：原始论文[1]） 将神农框架应用于泛肿瘤细胞图谱后，研究人员识别出了一些具有新适应症的FDA批准药物、正在进行临床试验的候选药物以及具有抗肿瘤活性的实验性化合物。例如，FDA批准的乳腺癌治疗药物依西美坦对肺癌细胞表现出显著的抗增殖效果，同时这一发现在一期临床试验中得到证实。候选药物volasertib在多个临床试验中显示出安全性和抗肿瘤活性，能够缓解非小细胞肺癌患者的病情。细胞系实验证实了实验化合物帕苯达唑具有抗肝癌活性，其效果与晚期肝细胞癌的标准疗法（索拉非尼和瑞戈非尼）以及临床试验药物陶扎色替相当。 在药物潜在作用靶点的预测方面，神农框架的分析结果与已知研究高度吻合。例如，对候选药物volasertib的分析显示，其显著影响了多个基因的表达，包括BCL2L1、PLK1、NEK7和HMGB2，这些基因在其对应的解码器中具有极高的权重。 此外，神农框架还能评估药物引起的组织损伤效应，其预测结果与已知的毒性表现和研发停用案例高度一致。例如，框架预测维莫非尼可能损害正常胰腺上皮细胞，这与临床试验中发现的维莫非尼相关胰腺炎病例相符，该不良反应导致欧洲和加拿大更新了药品说明标签。同样，框架预测表面lopinavir可能会对来源于正常组织的肝上皮细胞和基质细胞产生显著影响，这与已报道的lopinavir相关肝损伤病例相吻合。 为了进一步验证神农框架的稳健性，研究人员比较了泛肿瘤细胞图谱和多个第三方数据集的预测结果。训练后的模型成功提取了这些数据集中来自不同组织来源的细胞的独特和共性特征。潜在空间的映射中，相同细胞谱系的细胞簇呈现出明显的聚集趋势。约有30%至45%的化合物与相应第三方数据集中的预测结果重叠。这一比较结果表明神农框架具有良好的稳健性和泛化能力。 ▲图3 第三方数据集比较（图片来源：原始论文[1]） 总的来说，本研究推出的深度学习框架“神农”（Shennong）实现了在单细胞水平上准确预测药物反应，不仅可用于筛选潜在抗肿瘤药物并探究其作用靶点，还能评估药物引起的组织损伤效应。神农框架展现出良好的稳健性和可解释性，有望显著提升药物筛选的效率和准确度，加速新药开发进程。 良渚实验室/浙江大学基础医学院郭国骥教授、浙江大学基础医学院韩晓平教授、良渚实验室/浙江大学基础医学院夏宏光教授和浙江大学医学院附属第一医院梁廷波教授为本文通讯作者。浙江大学基础医学院张霈婧博士后、浙江大学基础医学院王雪怡博士生、良渚实验室岑旭峰特聘研究员和浙江大学医学院附属第一医院章琦副教授为本文共同第一作者。良渚实验室/浙江大学基础医学院欧阳宏伟教授，良渚实验室王晶晶研究员为本研究提供了重要帮助。研究受到了国家自然科学基金委和浙江省自然科学基金委的支持。 原始论文： [1] A deep learning framework for in silico screening of anticancer drugs at the single-cell level. National Science Review, nwae451, https://doi.org/10.1093/nsr/nwae451 免责声明：药明康德内容团队专注介绍全球生物医药健康研究进展。本文仅作信息交流之目的，文中观点不代表药明康德立场，亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导，请前往正规医院就诊。 更多推荐 点个“在看”再走吧~