近年来,抗体偶联药物( Antibody-drug Conjugates, ADC )在肿瘤治疗领域发展迅速。然而,部分患者在接受 ADC 疗法后,疾病仍会继续进展, ADC 药物的耐药性问题也日益受到关注。深入了解耐药机制至关重要,除了在出现获得性耐药时考虑更换药物或采用联合疗法外,还可以通过生物标志物来预测 ADC 药物的疗效,指导个体化治疗选择。
乳腺癌治疗领域在 ADC 药物的研究上取得了显著进展。 HER2 ADC 药物恩美曲妥珠单抗( Trastuzumab Emtansine ,
T-DM1 )、德曲妥珠单抗( Trastuzumab Deruxtecan , T-DXd ),以及 TROP-2 ADC 药物戈沙妥珠单抗( Sacituzumab Govitecan , IMMU-132 )为患者提供了新的治疗选择,革新了乳腺癌的治疗格局。除了药物开发的突破,该领域关于 ADC 耐药机制和生物标志物的研究也取得了重大进展,本文对此进行了综述,同时也总结了近期 B7-H3 和 TROP-2 ADC 药物在临床前耐药模型中的生物标志物的研究,为药企 ADC 药物研究在生物标志物方面的探索提供了参考。
迈杰医学拥有支持药物临床研究的综合性转化平台,已经积累支持多项 ADC药物 的生物标志物检测及伴随诊断产品开发的经验,能够为ADC 药物研究提供全面而系统的研究方案。
图 1 Resistance mechanisms of ADC[1]
目前, ADC药物的耐药机制在乳腺癌中研究较为充分,如图 1 所示,包括以下四种:
2)与 TROP-2
中 /
高表达的肿瘤相比,较低的 TROP-2 表达导致
IMMU-132 的反应率( response rate, RR )较低。
3)TROP-2 基因(TACSTD2 /TROP2 T256R )的突变导致了对IMMU-132 的抗性。
内吞作用受损被认为是 ADC耐药的另一种机制。在 ADC 细胞内化过程中,许多蛋白质起着至关重要的作用。
Endophilin A2 (Endo II) 是一种支架蛋白,参与无网格蛋白的内吞作用。
Endo II 表达受损与 HER2+
乳腺癌模型 HER2 的内化减少以及对
T-DM1 的反应降低有关。
ADC的溶酶体降解依赖于酸性溶酶体环境和活跃的溶酶体酶。在
T-DM1耐药的乳腺癌细胞系中,检测到溶酶体碱化和溶酶体蛋白水解酶活性受损。不可切割的
ADC的裂解依赖于溶酶体酶的活性,这需要高度酸性的环境。酸性环境由一种调节溶酶体酸化的质子泵,即
V-ATPase来确保。在
T-DM1耐药的N87胃癌细胞系中,检测到
V-ATPase活性异常。
Bafilomycin A1通过抑制 V-ATPase,降低了
T-DM1的活性代谢产物的产量,从而减少了
T-DM1在
N87胃癌细胞中的细胞毒性,但对 T-DM1耐药的
N87细胞没有影响。在
T-DM1耐药的乳腺癌细胞系中也观察到了类似的情况,在
BT474细胞中发现溶酶体碱化和溶酶体蛋白水解酶活性受损。
4、有效载荷(Payload
)相关的耐药性
表 1 乳腺癌中 Payload 相关的耐药性
biomarker 研究
Payload相关的耐药机制及相应的生物标志物包括以下(如表1
所示):
1)一些细胞可能通过上调药物外排泵和干扰药物沉积来产生耐药性。
在不同的 T-DM1 耐药细胞系中,已经证实了多药耐药相关蛋白 1
( MRP1 ,由
ABCC1 编码)、 MRP2 (
ABCC2 )和 MDR1 等药物外排蛋白的过度表达,并且通过分别同时使用 MRP1 、 MRP2 和 MDR1 的抑制剂可以恢复其敏感性。 在 IMMU-132 中也观察到了类似的机制。在对 IMMU-132 不敏感的乳腺癌细胞系中,已证实乳腺癌耐药蛋白( Breast Cancer Resistance Protein , BCRP ,由 ABCG2 编码) 也是一种 ATP 结合盒外排转运蛋白 的过度表达,而抑制 ABCG2 有助于克服耐药性。
2)肿瘤细胞还可以通过改变 payload 的靶点来避免细胞毒性效应。 在对 IMMU-132 耐药的
三阴性乳腺癌( Triple Negative Breast Cancer , TNBC
) 患者中发现了拓扑异构酶I ( Topoisomerase I , TOPI
)的一个特定点突变,该突变被报道可诱导对临床 TOPI抑制剂的耐药性。
同源重组修复( Homologous Recombination Repair ,
HRR )途径的功能也与 IMMU-132 耐药性相关。
3) Cyclin B1/ 细胞周期蛋白依赖性激酶1 (Cyclin-Dependent Kinase 1 ,CDK1 )复合物是细胞有丝分裂和有丝分裂灾难所必需的。一些T-DM1 耐药细胞通过Cyclin B1 缺陷来逃避凋亡。 在具有不同水平的获得性 T-DM1耐药的 HER2+乳腺癌症细胞系中, T-DM1未能诱导 Cyclin B1的上调和随后的 CDK1活化。此外, Cyclin B1敲低会诱导 T-DM1耐药性,而 Cyclin B1的上调会部分致敏耐药性细胞。
除了 Cyclin B1 , Bcl-2/Bcl-xl 也参与细胞周期的调控。
Polo-like kinase1 ( PLK1
)的抑制可以通过 CDK1 依赖的
Bcl-2 磷酸化来缓解 T-DM1 耐药性,而 Bcl-2/Bcl-xl 的抑制显著增强了 T-DM1 在
PDX 模型中对 T-DM1 敏感或耐药的抗肿瘤活性 [1] 。
三、临床前模型的
预测性/ 耐药性生物标志物研究进展
1、预测性生物标志物研究
近期,有报道通过 26个治疗耐药的转移性前列腺癌( metastatic prostate cancer , mPC
)模型研究 B7H3-ADC
疗效的预测性生物标志物。研究结果将促进以生物标志物为导向的试验设计,使得 ADC
疗法的临床益处最大化 [2] 。
表 2
临床前动物模型生物标志物的疗效预测研究
B7H3-PBD-ADC
是一种强效的双链交联剂,对某些无法通过标准护理治疗方案得到缓解的mPC 亚型具有显著的抗肿瘤效果。 mPC
中几种获得性耐药机制似乎对吡咯并苯二氮杂䓬( Pyrrolobenzodiazepine ,PBD )的作用很敏感,这支持将其作为一种治疗策略,用于目前对已批准药物无效的癌症。
分析表明,通过一组综合生物标志物,可以识别对 PBD敏感的 mPCs ,这些生物标志物涵盖多种组织学表型,包括腺癌和小细胞神经内分泌前列腺癌(
Small Cell neuroendocrine Prostate Cancer, SCNPC ),并且涉及基因组标志物(
RB1 、 TP53
、 CHD1 和
ATR )和 /
或表型标志物( B7H3 、
SLFN11 和 RepStress
分数)。本研究报道的识别对特定癌症治疗的生物标志物的方法,使用了大量多样化的耐药 mPC
模型,这不仅可能增加向临床转化的可靠性,还可以为更精确的治疗方案分配提供机制上的见解。
2、耐药性生物标志物研究
在 TROP-2 ADC德达博妥单抗( Dato-DXd)的耐药研究中,采用了耐药细胞系的建立,并发现了 Dato-DXd耐药模型中 SLFN11显著下降。同时, ATR抑制剂 ceralasertib( AZD6738)与 Dato-DXd的联用在体内和体外实验中重新激活了对 Dato-DXd耐药的 NCI-N87细胞。这些数据用于揭示 Dato-DXd敏感性的新的生物标志物,并可能促使开发新的临床策略来应对 Dato-DXd耐药,例如与 ATR抑制剂的联合使用 [3] 。
表 3
临床前耐药细胞系模型的生物标志物研究及联合用药指导
目前, ADC药物在多种肿瘤类型的治疗中表现出比传统化疗更好的疗效,但耐药性仍然是不可避免的挑战。生物标志物在 ADC药物的研发和临床应用中扮演着至关重要的角色。选择合适的生物标志物有助于提高 ADC药物的靶向性和疗效 /耐药性的预测,从而为患者提供更多、更好的治疗选择,实现个性化治疗。
迈杰医学致力于 为药企提供全方位的临床研究解决方案 ,
公司拥有综合性的转化医学平台,在生物标志物检测和伴随诊断产品开发方面积累了丰富的经验,包括
免疫组化( IHC)、荧光原位杂交(
FISH )、
RNAscope技术、流式细胞术、分子( NGS/ qPCR
)
。 凭借这些技术平台,迈杰医学成功支持了多个 ADC
药物项目的生物标志物检测和伴随诊断产品开发 ,
同时具备为客户提供定制化解决方案的能力,使得迈杰医学成为药企在 ADC 药物研发和个性化治疗领域值得信赖的合作伙伴。
[1]
Chen YF, Xu YY, Shao ZM, et al. Resistance to antibody-drug conjugates
in breast cancer: mechanisms and solutions. Cancer Commun (Lond).
2023;43(3):297-337.
[2]
Agarwal S, Fang L, McGowen K , et al. Tumor-derived
biomarkers predict efficacy of B7H3 antibody-drug conjugate treatment in metastatic prostate cancer models. J Clin Invest. 2023;133(22):e162148.
[3] Przybyla A, Rane C, Patel G , et al. Abstract
LB227: Leveraging novel Dato-DXd resistance models to inform biomarker
discovery and rational combinations
to combat drug resistance. Cancer Res.2023; 83(8 Supplement): LB227.