第 20 周学习包:从动物结果到人类转化
本周核心问题
动物中有药效,究竟支持“机制成立”“候选值得推进”“人类剂量可覆盖”,还是只能说明在这个特定模型和暴露下发生过肿瘤控制?
一、学习目标
完成本周后,应能够:
- 区分 internal validity、construct validity 与 external validity;
- 判断模型结果支持 mechanism、efficacy trend、exposure–response 还是 safety;
- 识别 species cross-reactivity、surrogate、target sink 和免疫系统差异;
- 将 in vitro potency、plasma/tissue exposure、RO/PD 和 tumor response 连成证据链;
- 区分 nominal dose、systemic exposure 和 site-of-action exposure;
- 解释为何单一模型不能建立临床 safety window;
- 用 second model、perturbation 和 model-informed analysis提高可信度;
- 写出一份可用于项目会议的转化评审报告。
二、边界
本周不进行临床剂量推荐。非临床到临床的剂量、安全和监管决策需要整合适用 ICH/FDA 指南、相关物种毒理、临床药理、同类信息和正式模型分析。
三、学习时间安排
标准版:4 小时
| 学习块 | 时间 | 任务 | 产出 |
|---|---|---|---|
| 诊断 | 15 min | 10 题 | 盲点清单 |
| 三类有效性 | 45 min | internal/construct/external | 证据分层 |
| 转化链 | 75 min | potency→exposure→RO→PD→efficacy | translational map |
| 物种与安全 | 55 min | surrogate/相关物种/窗口 | assumption table |
| 案例与验收 | 50 min | 评审动物结果 | decision memo |
深入版:6 小时
- 阅读 ICH S6(R1) 相关物种和暴露原则 45 分钟;
- 阅读 ICH M15/FDA model-informed development 的模型可信度框架 45 分钟;
- 对一个项目画 quantitative systems map 45 分钟;
- 与 DMPK/in vivo/临床药理同事模拟 translational review 45 分钟。
四、课前诊断
- 动物随机盲法充分是否保证能外推人?
- 模型机制相似是否保证结果无偏?
- 给药 10 mg/kg 相同是否代表两个物种 exposure 相同?
- plasma exposure 覆盖体外 EC90 是否等于 tumor exposure 覆盖?
- Surrogate molecule 的 PK 能否直接替代临床候选?
- Relevant species 只看 binding 吗?
- Humanized model 能否定量预测临床 CRS?
- 动物有效 dose 是否可按体重直接换成人 dose?
- Safety window 为何需 exposure 而非只比较 mg/kg?
- 第二个模型最有价值的条件是什么?
五、三类有效性
5.1 Internal validity
在这个实验内部,观察到的差异是否由 treatment 引起?
看:randomization、blinding、controls、baseline、missing data、measurement、statistics 和 exposure。
5.2 Construct validity
模型是否正确实现了想研究的机制?
看:target、effector、Fc、cytokine、tissue、disease state、dose/schedule 和 endpoint 是否代表目标构念。
5.3 External validity
结果是否能推广到其他模型、患者群或临床情境?
看:跨模型复现、患者异质性、物种差异、临床 exposure、disease biology 和同类证据。
三个层面独立:研究可以执行严谨但模型不相关;也可以模型高度相关但因偏倚无法可信解释。
六、转化证据链
分子质量与活性
→ 体外 potency/selectivity
→ 动物 plasma PK
→ tissue/tumor exposure
→ target engagement/RO
→ proximal PD
→ distal PD/immune state
→ tumor response
→ tolerability
每个箭头都包含假设。转化评审的工作是把假设显式化,并优先验证最可能改变决策的断点。
6.1 Potency 不是一条水平线
体外 potency 随以下条件变化:
- target density;
- effector/target ratio;
- donor 和免疫状态;
- time;
- protein/matrix;
- total vs free/active drug;
- species target;
- assay endpoint。
因此建议构建 potency envelope,而不是选一个最漂亮 EC50:
best-case potency
< typical relevant potency
< challenge-condition potency
6.2 Exposure 也不是只有 plasma
需要区分:
- total plasma concentration;
- free/functional plasma concentration;
- tumor/interstitial concentration;
- spatial distribution;
- target-bound pool;
- peak/trough 和持续时间。
对实体瘤,平均 tumor concentration 也可能掩盖外围高、核心低的异质性。
6.3 RO 与 PD 校准
有 RO/PD 时,可用体内数据校准“多少 exposure 足够”:
- exposure–RO;
- RO–proximal PD;
- PD–tumor response;
- 时滞与持续性。
若只有 plasma concentration 和 tumor volume,中间机制不明,外推需要更多假设。
七、物种、相关性与 surrogate
7.1 Relevant species
对生物药,相关性不仅是“能结合”,还包括:
- affinity/potency 与人接近程度;
- target expression、tissue distribution 与 turnover;
- downstream signaling;
- FcRn/FcγR/complement;
- immune-cell composition 和 cytokine network;
- disease/model state;
- exposure 可达到且耐受。
ICH S6(R1) 强调基于药理相关性选择物种,并结合 exposure 解释。
7.2 Surrogate molecule
使用 mouse/other-species surrogate 可重建 on-target biology,但需单独比较:
- affinity/epitope/valency;
- Fc format 与 effector function;
- PK/FcRn;
- tissue penetration;
- immunogenicity;
- sample quality。
Surrogate 提供“机制类比”,不等于临床候选本身的定量剂量—效应。
7.3 Target sink
模型的 tumor burden、normal-tissue target 和 soluble target 可能与患者数量级不同,导致:
- 不同 TMDD;
- tissue partition 变化;
- free drug/RO 不同;
- dose proportionality 不同。
按 kg 比较 dose 而不比较 target burden 和 exposure,容易误导。
八、从药效到“是否推进”
8.1 最弱到最强的证据表述
- 在某模型/暴露下观察到 tumor growth inhibition;
- 个体与重复研究支持可重复效应;
- target/PD perturbation 支持预期 mechanism;
- exposure–response 与 RO/PD 连续一致;
- 在第二个、关键假设不同的相关模型中复现;
- 与人组织、患者样本或临床同类信息一致。
项目汇报应说明当前位于哪一级,不能从第 1 级直接说“有临床潜力已证明”。
8.2 第二个模型怎样才有价值
重复同一 CDX、同一靶密度、同一宿主,只验证 repeatability;若想提升外推,应改变一个关键假设,例如:
- target-low 或不同基因背景;
- PDX 患者异质性;
- 原位而非皮下;
- 免疫完整/不同 humanized donor;
- resistant model;
- 不同 tumor burden。
九、安全窗的解释
9.1 简化概念
pharmacologically active exposure range
vs
exposure associated with unacceptable toxicity
要比较 exposure,不只比较 mg/kg。还需看:
- 物种 pharmacological relevance;
- total/free/functional analyte;
- Cmax/AUC/Ctrough 哪个驱动;
- on-target tissue expression;
- cytokine/Fc/immune network;
- repeat-dose accumulation 与 ADA;
- toxicity reversibility 和 severity。
9.2 肿瘤药效模型的限制
免疫缺陷 CDX/PDX 通常不能完整评价免疫毒性;humanized model 也可能放大或缺失某些组成。肿瘤抑制伴体重稳定只能说明该研究范围内的一部分 tolerability,不构成正式临床安全窗。
十、Model-informed 分析
模型可整合:
- PK compartment/TMDD;
- exposure–RO;
- turnover/target depletion;
- tumor growth inhibition;
- interspecies scaling;
- uncertainty 和 scenario simulation。
模型可信度应与决策风险相称。最低要求:
- question/context of use;
- assumptions;
- data provenance;
- parameter identifiability/uncertainty;
- goodness-of-fit 与 diagnostics;
- external/predictive checks;
- sensitivity analysis;
- 预测范围和失效条件。
模型不是用来隐藏缺失数据,而是把假设和不确定性定量化。
十一、转化评审表
| 层级 | 已有证据 | 关键假设 | 不确定性 | 最小补充数据 |
|---|---|---|---|---|
| Molecule/QC | ||||
| In vitro potency/selectivity | ||||
| Plasma PK | ||||
| Tissue distribution | ||||
| RO/PD | ||||
| Efficacy | ||||
| Tolerability/safety relevance | ||||
| Human relevance |
十二、综合案例
TCE-X 在 PBMC-humanized target-high CDX 中 1 mg/kg QW 产生 complete regression;plasma trough 高于 target-high killing EC90 20 倍。模型只有一位 donor,Day 18 出现 GVHD;未测 tumor exposure/RO,target-low 细胞 EC90 比 high 高 50 倍;临床候选不作用 mouse CD3/target。
参考分析
数据支持在该 donor、target-high 和高系统 exposure 下,人 T cell 重定向可产生药效;不能证明低靶患者、长期控制、临床安全窗或所需人 exposure。GVHD 限制长期解释。优先补 target-low/多 donor 模型、较低 dose 的 exposure–response、tumor RO/PD 和另一个关键假设不同的模型。
十三、闭卷验收与答案
- internal validity?——实验内部因果可信度。
- construct validity?——模型是否实现目标机制。
- external validity?——能否推广到人/其他模型。
- dose 相同为何 exposure 不同?——PK/F/CL/靶点/物种不同。
- plasma 覆盖 EC90 是否充分?——不充分,需 free/tissue/RO/PD。
- surrogate 提供什么?——机制类比,不是临床分子定量替代。
- relevant species 看什么?——结合、功能、表达、下游、Fc/免疫和 exposure。
- 第二模型为何应改变假设?——提升外部/构念有效性,不只重复性。
- 安全窗为何不能由 CDX 完成?——免疫/靶组织和毒理相关性不足。
- 模型可信度核心?——context of use、假设、数据、验证和不确定性。
十四、本周最终交付物
评审一份已脱敏动物报告,提交三页《Translational Evidence Review》:支持结论、不能推出的结论、证据链断点、物种/模型假设、最小补实验和推进建议。