WEEK 24跨学科决策

结业项目:完整证据链

在 30 分钟内把设计、样品、体外功能、PK/PD、动物药效、矛盾和决策讲清楚。

最强的结业报告不是没有矛盾,而是能把矛盾变成最小、可判别的下一步。

Design到Sample到In vitro到PK/PD到In vivo到Nomination的概念证据链
本周概念图:从输入、实验到可解释结论。箭头表示审查顺序,不代表单向因果。
Data clinic

综合比较:potency 与系统表现

CASE 24

先回答:A target-high EC50 更低;B target-low、PK、RO、TGI、表达和耐受更好。应如何形成一句决策?

关键维度相对优势(教学归一)教学数据图
教学合成数据可视化。读图时先确认单位、坐标、对照和统计层级。
维度AB
Target-high EC504 pM15 pM
Target-low EC50380 pM75 pM
AUC45180
Tumor RO55%92%
TGI中等105%
Titer45 mg/L190 mg/L
  1. A high-target potency 优势 = 15/4 = 3.75×
  2. B low-target potency 优势 = 380/75 = 5.1×
  3. B AUC 优势 = 180/45 = 4×
  4. B titer 优势 = 190/45 = 4.2×
计算结果A 的单项 high-target potency 优势没有转化为相关低靶条件、暴露、RO 或整体药效优势。
项目解读推荐 B 为主候选;关闭多 donor 低靶/cytokine、repeat-dose PK/ADA 与正常组织风险。A 仅作为机制/工程学习样本。
证据边界不同维度的 fold 不能机械加权;最终结论必须附样品、assay、模型和不确定性。

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:

  1. 从项目假设定义 assay map;
  2. 追溯 sequence→sample→assay;
  3. 评审表达、纯化、装配和 QC;
  4. 解释 affinity/cell binding/function 不一致;
  5. 设计 high/low/negative cell panel;
  6. 区分 activation、cytokine 和 killing;
  7. 完成 mg/kg、浓度和体积计算;
  8. 阅读 bioanalysis、PK、ADA、RO/PD;
  9. 选择小鼠模型并审查设计/个体药效;
  10. 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

  1. 结业报告的第一张数据图是否应是最漂亮的 efficacy curve?
  2. affinity、cell potency、PK 和 efficacy 排名不一致时,首先检查什么?
  3. 候选样品 correct assembly 只有 82%,能否只按 A280 浓度比较?
  4. TGI 105% 是否表示每只动物都 complete regression?
  5. SC apparent CL/F 高能否直接归因于 systemic clearance?
  6. plasma total drug 高于 cell EC50 100 倍是否证明 tumor coverage 足够?
  7. ADA 阴性是否排除所有快速清除机制?
  8. humanized model 的 complete regression 能否单独证明临床 safety window?
  9. 补实验的优先级应由数据缺口数量还是 decision impact 决定?
  10. 最终建议中为什么必须写 strongest contrary evidence?

四、提交物

  1. 12–15 页、30 分钟汇报;
  2. 3 页技术评审报告;
  3. 1 页 executive decision memo;
  4. 1 页 sample/assay traceability;
  5. 1 页 calculation appendix;
  6. 1 页 open risks、owners 与下一步;
  7. 原始数据图表或其脱敏来源索引。

五、建议汇报结构

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

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

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
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
Tumor apoptosis marker
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:

  1. target-low killing、Emax 和持续控制更好;
  2. target-negative killing 和 effector-only cytokine 更低;
  3. 表达、回收、正确装配和单体更优;
  4. 非特异性更低、PK exposure 更高;
  5. tumor RO/PD 与 individual efficacy 更一致;
  6. 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

  1. 被测试的 A/B 是否使用同一质量标准和样品年龄?
  2. 哪个关键结论只来自一个批次或一个 donor?
  3. 低靶细胞是否定量且稳定?
  4. Target-negative 结果能否由聚集/内毒素/缓冲解释?
  5. Functional PK assay 是否对 A 的高 affinity/soluble target 有偏?
  6. SC apparent CL/F 能否区分吸收与清除?
  7. Tumor RO assay 是否受 ex vivo binding/internalization 影响?
  8. TGI 105% 是否被个体、退出或毒性驱动?
  9. Humanized model 的 donor、GVHD 和免疫完整度限制?
  10. 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)

维度 分值 通过表现
Decision framing 8 问题、TPP 和成功标准明确
Traceability/QC 12 版本、样品、装配、浓度和 assay 可追溯
Binding/cell function 15 正确解释 affinity、density、killing/cytokine
Quantitative calculations 10 dose、单位、TGI 无错误且边界明确
Bioanalysis/PK/ADA 15 analyte、采样、CL/F、干扰和机制合理
Model/study design 12 模型兼容性、randomization/individual/tolerability
Integrated causality 15 区分 observation/inference,处理矛盾与反证
Decision/next steps 8 决策明确,补实验少而高价值
Communication 5 30 分钟内清晰、图表可审查

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,需修改后复评。

十二、闭卷验收与答案关键词

  1. 结业汇报第一步?——明确 decision,而非先展示结果。
  2. Affinity 好、cell function 差先查什么?——样品/QC/可比性,再查抗原构型、靶密度与几何。
  3. Correct assembly 低的风险?——总浓度不等于活性物种,杂质还可能有单臂/非特异功能。
  4. TGI 105% 的正确表述?——按指定公式组均相对 baseline 有轻度 regression;不代表个体均 CR。
  5. SC CL/F 的两个组成?——真实 clearance 与 bioavailability。
  6. Plasma-to-cell coverage 的主要缺口?——total/free、plasma/tumor、EC50/EC90、体系和空间分布。
  7. ADA 阴性后仍需考虑什么?——TMDD、非特异、FcRn、稳定性、F 和 assay artifact。
  8. Humanized model 的边界?——免疫重建不完整、donor/GVHD/物种混合,不能单独定量预测临床。
  9. 下一步实验优先级?——value of information 和 decision impact。
  10. 最终结论的三部分?——支持、反证/不确定性、带 decision rule 的下一步。

每题 2 分,16 分及以上通过;低于 16 分需先修订报告再答辩。

十三、口头答辩题

  1. 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?
  2. 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?
  3. 如果 B stable CHO titer 远低于 transient,怎样分层排查?
  4. 如果 B tumor RO 高但第二个 target-low PDX 无药效,证据链在哪断?
  5. 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?
  6. 哪项数据最可能推翻“B 优于 A”的决定?为什么?
  7. 你会用什么话向管理层表达当前不确定性?
  8. 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:

  1. 当场记录原句和项目语境;
  2. 先问它要回答的生物学问题;
  3. 补充样本、模型、读数、对照和决策用途;
  4. 加入实验术语与待补关键词
  5. 若影响当前决策,24 小时内与实验负责人确认;
  6. 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。

十六、延伸阅读

  1. NIH Assay Guidance Manual
  2. FDA Bioanalytical Method Validation Guidance
  3. Tutorial on monoclonal antibody pharmacokinetics
  4. ARRIVE Guidelines 2.0
  5. NCI PDXNet consensus recommendations
  6. FDA/ICH M15: Model-Informed Drug Development