第 24 周学习包：结业项目——完整证据链
结业任务
完成一场 30 分钟技术汇报：
《一个大分子候选从设计、表达、体外功能、PK/PD 到小鼠药效的完整证据链》
目标不是展示最多数据，而是在有限时间内说明：候选为什么值得推进、关键结论是否可信、最大的未知是什么、下一步怎样最有效降低风险。
一、学习目标与结业能力
你需要证明能够：
- 从项目假设定义 assay map；
- 追溯 sequence→sample→assay；
- 评审表达、纯化、装配和 QC；
- 解释 affinity/cell binding/function 不一致；
- 设计 high/low/negative cell panel；
- 区分 activation、cytokine 和 killing；
- 完成 mg/kg、浓度和体积计算；
- 阅读 bioanalysis、PK、ADA、RO/PD；
- 选择小鼠模型并审查设计/个体药效；
- 把矛盾结果转化为判别实验和项目决策。
二、学习时间安排
标准版：4 小时
| 学习块 | 时间 | 任务 | 产出 |
|---|---|---|---|
| 数据包审计 | 40 min | 追溯与 QC | issue list |
| 证据链分析 | 60 min | observation/inference/decision | evidence map |
| 定量计算 | 30 min | dose、单位、TGI、exposure | calculation appendix |
| 幻灯片/报告 | 60 min | 12–15 页 | first draft |
| Red-team | 30 min | 反证与局限 | revised conclusion |
| 彩排 | 20 min | 30 分钟汇报 | final deck |
深入版：6 小时
增加一位实验同事和一位项目同事进行 60 分钟 mock review；按问题日志修改 30 分钟；再做一次不看讲稿的 30 分钟终版汇报。
三、课前诊断
- 结业报告的第一张数据图是否应是最漂亮的 efficacy curve？
- affinity、cell potency、PK 和 efficacy 排名不一致时，首先检查什么？
- 候选样品 correct assembly 只有 82%，能否只按 A280 浓度比较？
- TGI 105% 是否表示每只动物都 complete regression？
- SC apparent CL/F 高能否直接归因于 systemic clearance？
- plasma total drug 高于 cell EC50 100 倍是否证明 tumor coverage 足够？
- ADA 阴性是否排除所有快速清除机制？
- humanized model 的 complete regression 能否单独证明临床 safety window？
- 补实验的优先级应由数据缺口数量还是 decision impact 决定？
- 最终建议中为什么必须写 strongest contrary evidence？
课前诊断参考答案（先独立作答，再展开核对）
- 不应：第一页应先明确 decision question、TPP 与成功标准；数据展示服务于决策，用最漂亮的 efficacy curve 开场会引导确认偏误，掩盖样品/QC 状态与证据边界。
- 先查样品与可比性：确认各实验是否用同一质量标准、同批/同龄样品、同 assay 与冻融状态；排除交付链错误后，再归因于抗原构型、靶密度与几何等分子机制。
- 不能：A280 是总蛋白，82% 正确装配意味着名义活性浓度被高估（名义 10 nM 实际预期物种可能只有约 7–8 nM）；也不能简单乘 0.82 修正，因为不同杂质的吸收与功能不同，需经验证的 active quantitation。
- 不是：TGI 105% 只说明按指定公式组均值相对 baseline 轻度 regression；个体分布可能是 5 只 regression、2 只 stasis、1 只 progression，仍需看 individual curves。
- 不能：SC 的 apparent CL/F 混合了真实清除与 bioavailability（吸收不全、注射损失/降解）；高 CL/F 还可能来自 assay under-recovery（如高 soluble target 干扰），需换 total-drug assay 等判别数据区分。
- 不证明：plasma total ≠ tumor free active，EC50 ≠ EC90，体外体系（E:T、donor）与空间分布均不同；教学案例中 20 nM 是 target-low EC50 的约 267 倍，但不能称为 267× tumor efficacy coverage。
- 不排除：TMDD（靶介导清除）、非特异清除、FcRn 差异、分子不稳定性、制剂 F 和 assay artifact 都可造成快速清除；需剂量比例性、组织分布和正交 assay 的判别数据。
- 不能：humanized model 免疫重建不完整、存在 donor/GVHD 和物种混合限制；免疫缺陷背景也无法评价免疫毒性，不能单独定量预测临床 safety window。
- Decision impact：由 value of information 决定——能否改变推进/停止决策、结果区分度、成功概率，除以成本时间；不是把数据缺口补齐，而是补最能改变决策的少数实验。
- 可审计的结论：显式呈现最强反证与替代假设，防止选择性呈现证据误导决策，为 revisit trigger 提供基线；这也是结业评分中 integrated causality 维度的核心要求。
四、提交物
- 12–15 页、30 分钟汇报；
- 3 页技术评审报告；
- 1 页 executive decision memo；
- 1 页 sample/assay traceability；
- 1 页 calculation appendix；
- 1 页 open risks、owners 与下一步；
- 原始数据图表或其脱敏来源索引。
五、建议汇报结构
| 页 | 内容 | 必须回答 |
|---|---|---|
| 1 | Decision question | 今天要决定什么？ |
| 2 | Mechanism & TPP | 什么是项目成功？ |
| 3 | Molecule/design | 设计改变了什么？ |
| 4 | Sequence-to-sample | 被测试的是正确、可比样品吗？ |
| 5 | Expression/QC | 产能、装配和质量风险？ |
| 6 | Binding | affinity/kinetics/cell binding 是否一致？ |
| 7 | Cell panel | high/low/negative 说明什么？ |
| 8 | Killing/cytokine | 功能与风险窗口？ |
| 9 | Dose & bioanalysis | 实际给了多少，测到什么？ |
| 10 | PK/ADA | exposure 和清除机制？ |
| 11 | RO/PD | exposure 是否转成 target effect？ |
| 12 | In vivo efficacy | 个体反应、TGI/event 和耐受？ |
| 13 | Contradiction | 最大矛盾及 root cause？ |
| 14 | Integrated decision | 推进、backup、hold 或 stop？ |
| 15 | Next experiments | 哪三项最能改变决策？ |
六、教学结业数据包
以下为完全虚构、仅用于学习的 TCE 候选数据。项目目标：治疗 target 表达异质的实体瘤；分子 MW 100 kDa，Fc silent。
6.1 设计与样品
| 指标 | 候选 A | 候选 B |
|---|---|---|
| Target-arm KD | 0.15 nM | 0.8 nM |
| CD3-arm KD | 20 nM | 45 nM |
| Transient titer | 45 mg/L | 190 mg/L |
| Overall recovery | 30% | 70% |
| Correct assembly | 82% | 97% |
| SEC monomer | 92% | 98.5% |
| Endotoxin | 合格 | 合格 |
| Polyspecificity | 高 | 低 |
问题：若 A 的功能实验按 A280 总浓度归一化，correct assembly 82% 会怎样影响名义活性浓度？是否足以用简单 0.82 乘法修正，为什么？
6.2 Binding 与细胞面板
| 指标 | A | B |
|---|---|---|
| Purified antigen KD | 0.15 nM | 0.8 nM |
| Target-high cell-binding EC50 | 0.4 nM | 0.7 nM |
| Target-low cell-binding EC50 | 8 nM | 2 nM |
| Target-negative binding at top dose | 明显 | 背景 |
解释任务：为什么 A 的 purified affinity 更好，但 target-low cell binding 更差且 negative cell binding 更高？列至少四个假设和判别实验。
6.3 功能与 cytokine
6 位健康 donor、E:T 5:1、72 h：
| 指标 | A | B |
|---|---|---|
| Target-high killing EC50 | 4 pM | 15 pM |
| Target-high Emax | 94% | 93% |
| Target-low killing EC50 | 380 pM | 75 pM |
| Target-low Emax | 62% | 87% |
| Target-negative Emax | 15% | 2% |
| IFN-γ at matched 80% killing | 2.4×B | reference |
| IL-6 effector-only | 3/6 donor 升高 | 0/6 |
| 72–120 h regrowth | 明显 | 少 |
样品 A 在本次 assay 前额外冻融两次；上机时未复测 SEC。要求区分：哪些结果较可能是固有分子属性，哪些必须先排除样品状态。
6.4 给药计算
计划：20 g 小鼠，候选 B 3 mg/kg，制剂 1.5 mg/mL，每组 8 只，QW×4，按理论平均体重估算并加 15% 给药余量，不含 QC/留样。
必须展示：
每只每次药量 = 3 × 0.020 = 0.060 mg
每只每次体积 = 0.060 / 1.5 = 0.040 mL = 40 µL
每组每次药量 = 0.060 × 8 = 0.48 mg
四次理论总量 = 0.48 × 4 = 1.92 mg
含 15% 余量 = 1.92 × 1.15 = 2.208 mg
对应制剂体积 = 2.208 / 1.5 = 1.472 mL实际执行必须按获批方案和当次体重计算；本题数字不代表推荐剂量/体积。
6.5 Bioanalysis 与 PK
Humanized target-bearing model，SC 单次给药：
| 指标 | A | B |
|---|---|---|
| Dose | 3 mg/kg | 3 mg/kg |
| Cmax | 6 µg/mL | 12 µg/mL |
| AUC | 45 µg·day/mL | 180 µg·day/mL |
| Apparent CL/F | 高 | 低 |
| Day 7 Ctrough | 0.25 µg/mL | 2.0 µg/mL |
| ADA | 阴性 | 阴性 |
| Bioanalysis | antigen-capture “functional” | 同方法 |
已知 assay 未充分评估高 soluble target interference。A 的 target affinity 更高。
要求：快速清除与 assay under-recovery 至少各写一个支持和反对证据；提出最小判别数据。
6.6 单位与 exposure
候选 B 为 100 kDa：
Day 7 total functional plasma concentration
= 2.0 µg/mL × 1000 / 100
= 20 nM它是 target-low killing EC50 0.075 nM 的约 267 倍，但不能称为 267× tumor efficacy coverage。至少说明 plasma/tumor、total/free、EC50/EC90、E:T/donor 和空间分布五类差异。
6.7 RO/PD
| Day 3 | A | B |
|---|---|---|
| Tumor RO | 55% | 92% |
| Blood T-cell CD69 | 高 | 中 |
| Tumor apoptosis marker | 中 | 高 |
| Plasma cytokine | 高峰 | 中峰 |
解释任务：A 的高 blood activation 为什么未转化为更高 tumor RO/PD？列 molecule-intrinsic、exposure、distribution、target sink 和 assay 五类假设。
6.8 肿瘤药效
基线均值：vehicle C0=105 mm³，B T0=100 mm³。
Day 21：vehicle Ct=505 mm³，B Tt=80 mm³。
TGI_B = [1 − (80−100)/(505−105)] ×100%
= [1 − (−20/400)] ×100%
= 105%含义：B 组均值相对 baseline 略有 regression。仍需看 individual curves。
个体结果：B 组 8 只中 5 只 regression，2 只 stasis，1 只 progression；A 组 2 只 regression、2 只 stasis、4 只 progression。A 组有 2 只体重下降 >10%，B 组均 <5%；无动物在 Day 21 前退出。
七、必须识别的核心矛盾
矛盾 1：A affinity 更好，但相关细胞效力更差
候选假设：
- 高 affinity 来自固定化/纯化抗原构型；
- A 的非特异结合和聚集；
- 表位/几何不利于低密度三元复合物；
- active assembly fraction 低；
- target-density threshold/kinetic balance；
- cell-binding assay 浓度或检测偏差。
矛盾 2：A 体外 target-high potency 更好，但体内较差
候选假设：
- exposure 低；
- target sink 或 functional assay under-recovery；
- nonspecific clearance/分布；
- tumor penetration 与 RO 低；
- blood activation/cytokine 消耗效应细胞；
- target-low 条件才更接近模型。
矛盾 3：组均 TGI 很强，但能否推进
必须结合：
- individual response；
- tolerability；
- exposure/RO/PD；
- model relevance；
- repeatability；
- 正常组织/target-negative window；
- developability 和生产。
八、推荐整合结论
在教学数据中，候选 B 应作为主候选推进，A 仅在有明确工程 rescue 价值时保留 backup。
支持 B 的核心不是单一指标，而是：
- target-low killing、Emax 和持续控制更好；
- target-negative killing 和 effector-only cytokine 更低；
- 表达、回收、正确装配和单体更优；
- 非特异性更低、PK exposure 更高；
- tumor RO/PD 与 individual efficacy 更一致；
- tolerability 较好。
仍需在 nomination 前关闭：B 的多 donor cytokine/低靶复现、repeat-dose PK/ADA、正常组织相关风险和更完整 developability；A 的异常 PK 也需判断是 assay under-recovery 还是 molecule-intrinsic，以指导下一代设计。
九、Red-team 十问
- 被测试的 A/B 是否使用同一质量标准和样品年龄？
- 哪个关键结论只来自一个批次或一个 donor？
- 低靶细胞是否定量且稳定？
- Target-negative 结果能否由聚集/内毒素/缓冲解释？
- Functional PK assay 是否对 A 的高 affinity/soluble target 有偏？
- SC apparent CL/F 能否区分吸收与清除？
- Tumor RO assay 是否受 ex vivo binding/internalization 影响？
- TGI 105% 是否被个体、退出或毒性驱动？
- Humanized model 的 donor、GVHD 和免疫完整度限制？
- 如果 B 下一项实验失败，什么结果会反转 decision？
十、结业前审查清单
十一、结业评分量表（100 分）
每个维度按 0–3 级行为锚定评分（0=不合格：维度缺失或含严重错误；1=基础；2=胜任；3=优秀），维度分 = 等级 × 维度满分 ÷ 3。
| 维度 | 满分 | 1/基础 | 2/胜任 | 3/优秀 |
|---|---|---|---|---|
| Decision framing | 8 | 列出问题与 TPP | 问题、成功标准与决策规则一致 | 明确写出决策规则触发条件与备选路径 |
| Traceability/QC | 12 | 标注样品版本与浓度 | 版本、批次、装配、QC 全链可追溯 | 额外标注 QC 局限及其对结论的影响 |
| Binding/cell function | 15 | 正确报出 affinity/killing 数值 | 解释 density、E:T、donor 与曲线的关系 | 额外区分构型/价态效应与分子内在差异 |
| Quantitative calculations | 10 | 计算无算术错误 | 单位、TGI、AUC 计算正确且展示过程 | 额外做敏感性/边界分析（如 Emax 变化的影响） |
| Bioanalysis/PK/ADA | 15 | 报出 PK 参数 | analyte 定义、CL/F、采样与干扰处理正确 | 额外把异常个体归因到机制（TMDD/ADA）并给检验方案 |
| Model/study design | 12 | 描述模型与分组 | 评估模型兼容性与随机化、个体数据 | 额外说明删失/退出对终点的定向影响 |
| Integrated causality | 15 | 按证据罗列结论 | 区分 observation/inference，处理矛盾证据 | 额外列出"最可能推翻结论的数据"并预置应对 |
| Decision/next steps | 8 | 给出下一步建议 | 决策明确，补实验少而聚焦 | 每个下一步附 value of information 判断与决策规则 |
| Communication | 5 | 结构完整可读 | 30 分钟内清晰、图表可审查 | 图表自带审查要点，非专家可复述结论与边界 |
等级锚定示例（traceability 维度）：1 分="样品编号列在附录"；2 分="正文每个数值可回溯到批次与 assay 编号"；3 分="同时指出某批次 SEC 数据缺失对分子 B 结论的置信度折损"。
总分 80 分通过；任一"定量计算""样品可追溯""动物伦理/解释边界"出现严重错误（0 级），需修改后复评。自评估时先逐维打分并写一行理由，再对照本表校准。
十二、闭卷验收
- 结业汇报第一步？
- Affinity 好、cell function 差先查什么？
- Correct assembly 低的风险？
- TGI 105% 的正确表述？
- SC CL/F 的两个组成？
- Plasma-to-cell coverage 的主要缺口？
- ADA 阴性后仍需考虑什么？
- Humanized model 的边界？
- 下一步实验优先级？
- 最终结论的三部分？
每题 2 分，16 分及以上通过；低于 16 分需先修订报告再答辩。
闭卷验收参考答案（先闭卷作答，再展开核对）
- 明确 decision：第一页写清今天要决定什么、TPP 与成功标准，而不是先展示结果；所有数据都应服务这个决策问题。
- 先查样品/QC/可比性：确认同一质量标准、同批、样品年龄与冻融状态、同 assay 之后，再查抗原构型、靶密度与几何等分子层原因。
- 活性浓度失真：总浓度不等于活性物种浓度（82% 装配即名义剂量系统性高估），杂质还可能带来单臂/非特异功能与安全混杂；需经验证的 assembly/active 定量。
- 组均轻度 regression：按指定公式，TGI 105% 表示治疗组均值相对 baseline 略有回缩；不代表个体均 CR，需结合 individual curves、退出与毒性信息解读。
- 真实 clearance 与 bioavailability：SC 给药的 apparent CL=CL/F 同时包含系统清除和吸收分数，高值不能直接归因于清除，还需排除 assay under-recovery。
- 五类缺口：total vs free/active、plasma vs tumor、EC50 vs EC90、体外体系（E:T、donor）与空间分布差异；任何一类都使“N 倍覆盖”的表述失真。
- 其他清除机制：TMDD/靶介导清除、非特异清除、FcRn 差异、分子稳定性、制剂 F 和 assay artifact，均可在 ADA 阴性下造成快速清除。
- 外推受限：免疫重建不完整、donor/GVHD 和物种混合，humanized model 不能单独定量预测临床安全窗或 CRS，结论需注明这些边界。
- Value of information 与 decision impact：优先补最能改变推进/停止决策、区分度高且成本可接受的实验，通常不超过三项，并各附 decision rule。
- 三段式结论：支持证据（≤5 条）、最强反证与不确定性（≤3 条）、带 owner/日期/decision rule 的下一步行动。
十三、口头答辩题
- 如果 A 的 PK assay 改为 anti-idiotype total-drug 后 exposure 与 B 相近，你会怎样更新机制和决策？
- 如果 B 在 target-negative primary cells 中出现低浓度 activation，是否立即停止？下一步是什么？
- 如果 B stable CHO titer 远低于 transient，怎样分层排查？
- 如果 B tumor RO 高但第二个 target-low PDX 无药效，证据链在哪断？
- 如果 B repeat-dose 出现 ADA 和 exposure loss，怎样区分动物特异免疫原性与分子内在风险？
- 哪项数据最可能推翻“B 优于 A”的决定？为什么？
- 你会用什么话向管理层表达当前不确定性？
- 哪些实验可以延后到 nomination 后，为什么？
十四、Executive decision memo 模板
Decision requested：
Recommendation：advance / backup / hold / stop
Why now：
Top supporting evidence（≤5）：
Strongest contrary evidence（≤3）：
Critical assumptions：
Unresolved veto risks：
Required next actions（owner/date/decision rule）：
What we will not do now and why：
Revisit triggers：十五、课程完成后的持续机制
每次项目会议遇到不熟悉术语时：
- 当场记录原句和项目语境；
- 先问它要回答的生物学问题；
- 补充样本、模型、读数、对照和决策用途；
- 加入实验术语与待补关键词；
- 若影响当前决策，24 小时内与实验负责人确认；
- 每月将高频术语转成新的 assay card 或案例。
课程结束不是“知道所有实验”，而是已经有一套遇到未知时快速定位、询问、验证和沉淀的方法。