基于多尺度机制药代动力学-毒代动力学（PK-TK）模型的mRNA编码IgG从实验台到床旁的转化研究：以抗Claudin 18.2为例

　　本文推荐一篇关于mRNA编码抗体疗法的创新研究，作者构建了一种多尺度机制PK-TK模型，整合了LNP递送、LDLR介导内吞、内体逃逸、胞内翻译、抗体系统分布与靶点结合以及外源mRNA触发的细胞因子动态等关键过程。该模型成功跨物种（小鼠、大鼠、NHP）预测药效与毒性，并基于受体占用（RO%）分析提出0.01 mg/kg作为首次人体试验起始剂量，为mRNA生物制剂的临床转化提供了机制性、可推广的建模框架。

　　

1 引言

脂质纳米颗粒（LNP）-mRNA疗法的出现为医学领域特别是肿瘤治疗带来了革命性变化。该技术能够在患者体内内源性产生治疗性蛋白如单克隆抗体（mAbs），相比传统重组抗体具有可扩展性强、灵活性高的优势。例如，BNT141是一种LNP-mRNA疗法，编码抗claudin 18.2抗体，靶向在胃癌和胰腺癌中过表达的紧密连接蛋白claudin 18.2。

然而，LNP-mRNA疗法的临床转化仍面临药代动力学（PK）和毒代动力学（TK）复杂的挑战，涉及纳米颗粒递送、细胞摄取、mRNA翻译、靶点结合以及免疫激活（如细胞因子释放综合征，CRS）等多个环节。传统经验性剂量外推方法难以捕捉跨物种的多尺度相互作用，而机制性PK-TK模型通过整合体外和体内数据，在生理相关框架下表征药物处置、疗效和毒性，为该问题提供了解决方案。

本研究针对编码抗claudin 18.2抗体的LNP-mRNA，开发了一个多尺度机制PK-TK模型，旨在桥接小鼠、大鼠和非人灵长类动物（NHP）的临床前数据，预测首次人体（FIH）剂量。通过结合细胞水平药效学（PD）模型和综合体内PK-TK模型，我们描述了BNT141的剂量-暴露-反应关系，涵盖了mRNA生物分布、抗体生产、肿瘤靶向以及外源mRNA介导的免疫毒性。该研究不仅增进了对LNP-mRNA平台治疗潜力的理解，也为mRNA肿瘤免疫疗法的临床试验合理设计提供了转化框架。

2 方法

2.1 临床前数据集用于模型构建

研究数据来自已发表文献。体外数据描述了mRNA编码的抗claudin 18.2抗体在CHO-K1 ~hCLDN18.2细胞系中的细胞毒性作用，通过共培养上清液（抗体）在不同浓度下获得平均细胞裂解百分比。

2.2 临床前研究涵盖不同物种的PK和TK

BNT141在小鼠中的PK数据来自单次静脉推注给药（1, 3, 10和30 μg）。大鼠中编码抗体的PK数据来自0.04, 0.1, 0.4和1.6 mg/kg剂量。NHP中血浆抗体PK总结数据来自0.1, 0.4和1.6 mg/kg剂量。小鼠中细胞因子/趋化因子（如IL-6, TNF-α, INF-α, MCP-1, MIP-1-α）的TK总结数据也来自1至30 μg给药。

2.3 多尺度机制PK-PD模型开发

2.3.1 步骤1：细胞水平PD模型表征体外效力

开发了细胞水平PD模型来描述BNT141编码抗体与CHO-K1 ~hCLDN18.2肿瘤细胞系的相互作用。模型描述了抗体与肿瘤细胞的结合动力学，其中肿瘤细胞以自身速率生长，靶点结合后形成的mAb-抗原复合物数量驱动杀伤作用。模型估计了最大杀伤速率（K_max，0.0128 h^-1）、mAb-抗原复合物解离速率（k_off，0.001 h^-1）和总抗原浓度（Ag_T，999 ng/mL）等参数，同时固定了抗体解离常数（K_D，0.388 nM）、体外效力（EC₅₀，600 ng/mL）、抗体与靶抗原结合速率（k_on）、肿瘤倍增时间（DT_Tumor，24 h）和培养基体积（V_media，30 mL）等文献报道值。从此步骤获得的药物特异性属性在后续体内模型中固定，基于两个假设：体内肿瘤细胞总抗原浓度反映体外浓度，以及体内外结合相互作用场景匹配。

2.3.2 步骤2：多尺度机制PK-TK模型开发

开发了机制PK-TK模型以同时表征跨物种药代动力学。模型结构包括血浆、肝脏、肿瘤和外周（其余）组织 compartments。肝脏 compartment 进一步分为血管、内体和间隙空间。由于mRNA和编码抗体分子量高，预计不会被肾脏清除，故模型未包含肾脏 compartment。

给药后，LNP-mRNA疗法分布到肝脏和外周组织。LNP-mRNA从血浆到肝脏（k_12,PL）、肝脏到血浆（k_21,PL）、血浆到外周组织（k_12,PP）以及外周组织返回血浆（k_21,PP）的转运速率通过分布清除率表示：肝脏与血浆之间的Q_L以及外周组织与血浆之间的Q_T。

进入肝脏血管空间后，LNP与内体空间中的低密度脂蛋白受体（LDLR）结合（k_on,LDL和k_off,LDL），引发受体介导的内吞作用（k_endo,LNP）。LNP可被外排（k_exo,LNP）或被困于内体 compartment 内，由于LNP中可电离脂质在酸性内体环境中带正电，与内体膜带负电的脂质相互作用，破坏内体膜结构，导致mRNA逃逸（k_escape，145 h^-1）到肝脏内皮细胞的细胞质中。

随后，游离mRNA穿过肝脏内皮细胞的基底侧膜进入间隙空间，在此翻译成抗claudin 18.2 mAb（IgG），该过程数学表示为k_translate（23.9 h^-1）。最后，抗claudin 18.2抗体迁移到肿瘤空间（k_tran,mAb），与靶抗原claudin 18.2结合（k_on,CLD和k_off,CLD）。模型还考虑了抗体分布到血浆空间和外周组织，使用速率常数k_exo,mAb（是肝脏和外周组织分布清除率Q_L和Q_T的商值）。

模型进一步考虑了抗体的溶酶体降解和组织分解代谢，采用抗体降解速率k_deg,mAb（0.007 h^-1），以及LNP-mRNA的核酸酶降解（k_deg,RNA，0.0699 h^-1）。由于LNP-mRNA是外源给药产品，会引发血浆中促炎细胞因子和趋化因子的短暂升高，模型采用 transit compartment 模型来表征这些TK生物标志物的刺激动态。

跨物种总结PK数据集被同时建模，多数药物特异性和物种特异性参数（如生理体积V_i）从文献来源固定。剂量在血浆 compartment 中给予。抗体降解速率（k_deg,mAb）、mRNA内体逃逸速率（k_escape）、血浆到肝脏和肿瘤的分布清除率（Q_L，2.11 mL/h）、血浆到外周组织的分布清除率（Q_T，0.0003 mL/h）、mRNA降解速率（k_deg,RNA）和肿瘤体积（V_tumor，89.5 mL）等参数在跨物种间同时估计。关键模型假设包括：药物特异性参数在物种间不变；肿瘤体积在物种间一致。残差误差采用组合误差模型估计。

为表征TK行为（即血浆中促炎细胞因子和趋化因子的短暂升高），采用了 transit compartment 模型。最大刺激效应（E_max）、50%刺激时的浓度（EC₅₀）、gamma系数（γ）和转导时间（τ）被估计。残差误差采用常数误差模型估计。

2.4 软件

数据从文献中提取并使用WebPlotDigitizer表示为平均值。分析在Monolix 2023R1中完成。每个输出的残差误差模型采用Var_i = (σ_intercept + σ_slope · Y_i)²，其中Var_i是第i个观测的方差，Y_i是第i个模型预测值，σ_intercept代表常数方差，σ_slope代表比例方差。

2.5 全局敏感性分析

考虑到机制PK-TK模型的复杂性，进行了全局敏感性分析（GSA）。Sobol GSA在R中使用mrgsolve进行，药物特异性和物种特异性参数同时扰动，采样大小为10,000。上下限基于±2 SD值。SOBOL指数描述了参数的重要性及其与模型输出的正负相关性。输出选择为所有临床前物种抗体血浆PK的AUC。

3 结果

3.1 基于模型的BNT141体外效力表征

细胞水平PD模型拟合了不同浓度下编码抗体（上清液）的体外细胞裂解百分比数据。模型能够表征不同抗体浓度下的细胞裂解百分比。最大杀伤速率（K_max）估计为0.0128 h^-1（26.7% RSE）；总抗原浓度（Ag_T）估计为999 ng/mL（54.1% RSE）；解离速率（k_off）估计为0.001 h^-1（18.8% RSE）。其他体外药物特异性参数按文献值固定。

3.2 基于模型的体内LNP-mRNA生物分布和毒代动力学表征

最终模型表征了编码抗体（抗claudin 18.2）在不同临床前物种（小鼠、大鼠、NHP）中的剂量依赖性PK变化。模型捕捉了剂量依赖性C_max增加和分布，但对较低剂量水平的抗体降解略有高估。模型能够再现大鼠中的峰值、分布以及更长的血浆半衰期。在NHP中，模型表征了多次给药后的抗体暴露。

抗体降解（k_deg,mAb）估计为0.007 h^-1（5.62% RSE）；mRNA到mAb的翻译速率（k_translate）估计为23.9 h^-1（20.6% RSE）；mRNA内体逃逸速率（k_escape）估计为145 h^-1（5.12% RSE）；血浆到肝脏和肿瘤的分布清除率（Q_L）估计为2.11 mL/h（1.49% RSE）；血浆到外周组织的分布清除率（Q_T）估计为0.0003 mL/h（57.3% RSE）；mRNA降解速率（k_deg,RNA）估计为0.0699 h^-1（11.6% RSE）；肿瘤体积（V_tumor）估计为89.5 mL（36.9% RSE）。物种特异性系统属性从文献固定。

模型良好表征了不同细胞因子和趋化因子（如IFN-α, IL-6, MCP-1, MIP-1α, TNF-α）的毒代动力学曲线。模型考虑了细胞因子/趋化因子水平的剂量依赖性短暂升高以及这些蛋白质的降解。IFN-α的最大刺激（E_max）估计为1098.06（12.5% RSE）；IFN-α的50%刺激mRNA浓度（EC₅₀）估计为15 μg/mL（7.30% RSE）；IFN-α的转导时间（τ）估计为1.33 h（14.4% RSE）。IL-6的E_max估计为2718.04（64.3% RSE）；EC₅₀估计为43.37 μg/mL（105% RSE）；τ估计为1.4 h（28.7% RSE）。MCP-1的E_max估计为6000（34% RSE）；EC₅₀估计为5.56 μg/mL（33% RSE）；τ估计为1.5 h（57.2% RSE）。MIP-1α的E_max估计为140（7.31% RSE）；EC₅₀估计为9.1 μg/mL（12.1% RSE）；τ估计为1.2 h（31.3% RSE）。TNF-α的E_max估计为136.26（43.8% RSE）；EC₅₀估计为15 μg/mL（93.8% RSE）；τ估计为1.47 h（15.9% RSE）。其他药物特异性属性按文献值固定。

3.3 LNP-mRNA编码抗体的首次人体剂量预测

通过机制PK-TK模型的异速缩放预测了首次人体剂量。速率常数以-0.25的异速指数缩放，分布清除率以0.75缩放，系统体积固定为文献报道值。在人体中模拟了不同剂量（0.01, 0.025, 0.05, 0.1, 0.4和1.6 mg/kg）下的受体占用（RO%）。根据美国FDA指南，RO%在20%–80%范围内的剂量将被选入后续I期试验，在此案例中包括0.01, 0.025, 0.05和0.1 mg/kg。

3.4 全局敏感性分析

对所有临床前物种，抗体降解速率（k_deg,mAb）、mRNA降解速率（k_deg,RNA）、肝脏血管体积（V_livvas）、外周组织体积（V_peri）以及血浆体积（V_pl）等参数在一阶和总阶指数上均显示为敏感参数。

4 讨论

LNP-mRNA疗法的发展代表了肿瘤免疫治疗的变革性进步。本研究提出的多尺度机制PK-TK模型为理解影响LNP-mRNA编码抗claudin 18.2抗体PK和TK的药物特异性与系统特异性参数之间的复杂相互作用提供了稳健框架。通过整合跨物种的体外和体内临床前数据，该模型能够将临床前发现转化为预测安全有效的首次人体剂量，解决了LNP-mRNA疗法开发中的一个关键空白。

本研究采用的逐步建模方法——从细胞水平PD模型表征体外效力开始，再到多尺度机制PK-TK模型表征体内生物分布和毒性——使我们能够重现BNT141的剂量-暴露-反应关系。细胞水平PD模型成功表征了编码抗体的体外细胞毒性，估计参数如最大杀伤速率（0.0128 h^-1）和总抗原浓度（999 ng/mL）与较高抗体浓度下观察到的细胞裂解饱和现象一致。

体内PK-TK模型在同时表征小鼠、大鼠和NHP中编码抗体PK方面表现出显著的多功能性。模型考虑了物种特异性生理差异，同时保持了不变的药物特异性参数，如内体逃逸速率（145 h^-1）和抗体降解速率（0.007 h^-1）。模型捕捉剂量依赖性PK曲线（包括峰值浓度和清除率）的能力凸显了其稳健性。

纳入 transit compartment 模型来表征促炎细胞因子和趋化因子（如IL-6, TNF-α, IFN-α）的短暂升高是TK组成部分的一个关键特征。估计参数如IFN-α的最大刺激（1098.06）和MCP-1的转导时间（1.5 h）准确捕捉了在临床前物种中观察到的剂量依赖性炎症反应。

通过模拟受体占用（RO%）和0.01至1.6 mg/kg剂量范围内的血浆浓度，模型确定了达到20%–80% RO的I期剂量范围（0.01–0.1 mg/kg），符合生物制剂的监管指南。这种方法减轻了与经验性剂量选择相关的风险，对于临床经验有限的LNP-mRNA疗法尤为关键。全局敏感性分析通过识别关键参数（如抗体降解速率和血浆体积）进一步增强了模型的实用性，这些参数显著影响PK结果。

尽管有其优势，该模型也存在一些局限性。假设药物特异性参数在物种间不变的假设可能过度简化了mRNA翻译效率或免疫反应的种间差异。未来模型迭代可纳入这些因素以增强预测准确性。此外，依赖数字化文献数据引入了潜在变异性，可通过整合原始实验数据来缓解。

总之，该多尺度机制PK-TK模型为理解LNP-mRNA编码抗claudin 18.2抗体的处置和毒性提供了一个综合框架。通过桥接临床前和临床领域，它为mRNA疗法首次人体试验的合理设计提供了一个范式。随着LNP-mRNA免疫治疗领域的不断发展，此类基于机制的建模方法将在加速安全有效癌症治疗的发展中发挥重要作用。