HKeyBio industrikommentar

Prekliniska modeller för att förutsäga ADA-risk

Translational Medicine Series 07

Ursprungligen publicerad på kinesiska den 17 september 2026. Den här kommentaren återspeglar information tillgänglig från och med den 8 september 2026.

HKeyBios uppfattning. Kan frånvaron av detekterbara anti-läkemedelsantikroppar (ADA) i en djurstudie fastställa en låg risk för human immunogenicitet? Kan ett gynnsamt beräkningsvärde ersätta experiment med mänskliga immunceller? De nuvarande bevisen stödjer en mer kvalificerad slutsats: prekliniska verktyg hjälper till att identifiera risker, jämföra kandidater och vägleda molekylär optimering, men de kan ännu inte förutsäga förekomsten av ADA hos patienter med allmän tillförlitlighet.

Den här utgåvan av HKeyBios Translational Medicine Series fokuserar på terapeutiska proteiner, särskilt risken för anti-läkemedelsantikroppar (ADA) mot antikroppar och fusionsproteiner. Dessa slutsatser bör inte direkt extrapoleras till vacciner, cellterapier eller genterapier. Med utgångspunkt i regulatoriska dokument och forskning som är tillgängliga för granskning den 8 september 2026, undersöks de nuvarande modellerna och deras translationella gränser.

Sammanfattning. Läsguide

01 Definiera prediktionsmålet och tolka modellresultat

02 Verktyg löser riskaspekter men har olika blinda fläckar

03 Djurmodeller och nya modeller har alla lämpliga tillämpningar

04 Använd flera lager av bevis för beslut snarare än en sammansatt poäng

01 Definiera förutsägelsemål och tolka modellresultat

ADA-bildning är ett resultat av immunogenicitet, inte dess helhet. I ett typiskt T-cellsberoende antikroppssvar tas ett terapeutiskt protein upp, bearbetas och presenteras som peptider; hjälpar-T-cellssvar kan därefter stödja B-cellsdifferentiering och antikroppsproduktion. En individuell analys fångar vanligtvis bara utvalda steg. Ett positivt resultat i ett skede betyder inte att det fullständiga svaret nödvändigtvis kommer att inträffa. [1,3]

Tre distinkta resultat måste beaktas: om ADA genereras, om de har neutraliserande aktivitet och om de påverkar läkemedelsexponering, säkerhet eller effekt. Icke-neutraliserande ADA kan fortfarande förändra farmakokinetiken (PK), medan ADA-detektion ensam inte etablerar klinisk skada. Den första frågan när man tolkar en modell är därför om den mäter antigenpresentation, cellulär aktivering eller antikroppar som faktiskt har bildats. [1,2]

 Figur 1. Allmän mekanism för T-cellsberoende ADA-bildning. Återges från Karle et al. [3], Figur 1, under CC BY 4.0. © 2025 Karle et al. Skapad i BioRender. Karle, A. (2025), https://BioRender.com/z1efgeo.

02 Verktyg löser riskaspekter men har olika blinda fläckar

Computational Prediction stöder tidig screening men poäng är inte incidensfrekvenser

Metoder såsom NetMHCIIpan uppskattar peptidbindning till eller presentation av humana leukocytantigen klass II (HLA-II) molekyler. Version 4.3 innehåller information som är relevant för HLA-DR, -DQ och -DP och kan hjälpa till att identifiera kandidatsekvensregioner för vidare undersökning [4]. En rankingpoäng bevisar dock varken T-celligenkänning eller representerar en sannolikhet på patientnivå för ADA-utveckling. Analyser bör dokumentera de HLA-alleler som är representerade i målpopulationen och programvaruversionen, för att säkerställa att fynden är tolkbara och reproducerbara.

MAPPs avslöjar presentation men funktionell validering är fortfarande nödvändig

Major histocompatibility complex-associated peptide proteomics (MAPPs) exponerar typiskt humana antigenpresenterande celler för en läkemedelskandidat och använder sedan vätskekromatografi – tandemmasspektrometri för att identifiera HLA-II-associerade peptider. Detta mäter naturligt bearbetade och presenterade peptider, vilket ger användbara bevis för epitopkartläggning och jämförelser mellan molekyler och molekyler. Icke desto mindre visar inte peptiddetektering efterföljande T-cellsaktivering, och icke-detektering kan återspegla donatorval eller djupet av analytisk täckning. [3]

Human T-cellsanalyser Bedömer funktion men kan missa svar

Perifert blod mononukleära cell (PBMC) system och dendritiska celler/autologa CD4+ T-cell samkulturer kan mäta funktionella svar, inklusive proliferation. I en studie från 2024 av tio antikroppar upptäckte en CD8-utarmad PBMC-analys svar på fyra av åtta antikroppar med relativt hög klinisk immunogenicitet, medan en dendritisk cell/CD4+ T-cellssamkultur upptäckte fem; tre var negativa i båda systemen [5]. Dessa fynd illustrerar varför en enda T-cellsanalys inte kan förutsäga den kliniska immunogeniciteten för varje bioterapeutiskt medel.

Rekommendationer för bästa praxis publicerade i januari 2026 betonar donatorurval, cellkvalitet, kontroller och fördefinierade tolkningskriterier [6]. För läkemedelsutvecklingsprogram i Kina bör givarens antal beaktas tillsammans med hur väl HLA-fördelningen representerar den avsedda patientpopulationen. Molekyler som direkt förändrar immuncellers funktion behöver särskilt noggrann tolkning: ett lågt analyssvar orsakat av farmakologisk suppression bör inte automatiskt klassificeras som låg immunogenicitetsrisk.

Tabell 1. Användningar och huvudsakliga begränsningar av prekliniska bedömningsverktyg.

03 Djurmodeller och nya modeller har alla lämpliga tillämpningar

Djurmodeller och nya modeller ger mervärde genom att lösa specifika frågor

ADA i konventionella djur är först en variabel som hjälper till att förklara fynden inom den studien. European Medicines Agency (EMA) noterar att humana eller humaniserade proteiner kan erkännas som främmande av djur och att djurs immunogenicitet generellt sett är dåligt förutsägbar för immunogenicitet hos människor. ADA-mätningar på djur kan ändå hjälpa till att tolka toxicitetsfynd vid upprepade doser [2]. Således etablerar ADA-positivitet hos cynomolgusapor inte i sig hög risk för människor, och en ADA-negativ djurstudie är inte bevis på mänsklig säkerhet.

För prekliniska effektstudier in vivo är en mer användbar metod att följa ADA över tid tillsammans med förändringar i läkemedelsexponering och effekt. Om effekten minskar efter upprepad dosering, kontrollera först om exponeringen har minskat och om läkemedelsinterferens påverkar analysen, innan du överväger en förlust av effekt relaterad till målmekanismen. Ett enda positivt ADA-resultat i slutet av en studie är vanligtvis otillräckligt för att fastställa att ADA orsakade effektförändringen. Detta är ett föreslaget tillvägagångssätt för att studera tolkning utifrån regleringsprinciperna ovan. [2]

Immun-humaniserade möss går framåt mot mer kompletta antikroppssvar. En proof-of-concept-studie publicerad i augusti 2026 använde human tymisk vävnad och hematopoetiska stamceller i sex experimentella grupper för att undersöka svar på infliximab och interferon beta-1b. Läkemedelsspecifika ADA, inklusive vissa neutraliserande svar, observerades [7]. Men sex experimentella grupper är inte ekvivalenta med sex helt oberoende donatorer, och donatorvariabilitet och ospecifika svar i vissa kontrolldjur rapporterades. Resultaten stödjer vidareutveckling för riskidentifiering; de uppvisar inte tillförlitlig rankning över olika kandidater eller allmänt godkännande av reglering.

Organoider syftar till att behålla mer av funktionaliteten hos mänskliga immunvävnader. En 2021 studie av human tonsillerorganoid reproducerade antigenspecifika antikroppssvar, klassväxling och affinitetsmognad efter stimulering med antigener, inklusive vacciner [8]. Detta ger en forskningsgrund för att studera samarbete mellan T- och B-celler, men studien validerade inte förutsägelse av ADA-incidens för terapeutiska proteiner. Att översätta vaccinresponsförmåga till läkemedelsriskförutsägelse kräver fortfarande läkemedelspaneler, positiva och negativa kontroller och oberoende validering.

För både humaniserade möss och organoider bör 'mer human-like' specificera vilka immunfunktioner modellen reproducerar. Givartäckning, kvaliteten på immunrekonstitution, byte av antikroppsklass, bakgrundssvar och reproducerbarhet bör utvärderas mot den fråga som ställs. Den 'humaniserade' etiketten ensam fastställer inte en modells relativa fördelar.

04 Använd flera lager av bevis för beslut snarare än ett sammansatt resultat

Under upptäckt och optimering kan sekvens- och produktkvalitetsrisker först granskas, med beräkningsfynd som används för att identifiera regioner som kräver validering. Aggregation, föroreningar, administreringssätt och den avsedda patientpopulationen bör också beaktas. Att minska en sekvenshärledd poäng bör inte ske på bekostnad av att utvärdera produkten som helhet. [1]

För kandidatjämförelser bör formuleringsstatus, donatorförhållanden, kontroller och tolkningskriterier hållas så konsekventa som möjligt. Om MAPPs identifierar en nyligen presenterad region medan en T-cellsanalys är negativ, undersök först de biologiska stegen som täcks av varje metod och de experimentella förhållandena och bestäm sedan vilken ytterligare validering som behövs. Två negativa resultat ska inte behandlas som att 'avbryta' ett positivt resultat. Även mindre sekvensoptimering bör åtföljas av bekräftelse på att den ursprungliga aktiviteten och fysikalisk-kemiska kvaliteten bibehålls.

När in vivo-arbetet börjar ska ADA-mätningar utvärderas med exponerings-, effekt- och säkerhetsavläsningar. Klinisk ADA-analysstrategi bör också planeras innan man går in på kliniken. Den amerikanska FDA 2019-riktlinjen skiljer på screening, bekräftande, titrering och neutraliserande antikroppsbedömningar och diskuterar analysmetodens prestanda [9]. Riskprediktionsmodeller och ADA-detektionsanalyser tar upp olika frågor. De senare mäter antikroppar i prover; upprättande av en detektionsanalys etablerar inte förmågan att förutsäga human immunogenicitet.

När kliniska ADA-datauppsättningar används för att jämföra molekyler eller utveckla modeller måste skillnader i patientpopulationer, samtidig medicinering, provtagningsscheman och analysmetoder undersökas. En analys från 2026 som kombinerar publicerade in vitro-avläsningar med kliniska ADA-frekvenser undersökte sambanden mellan mekanistiska mätningar och kliniska resultat [10]. Retrospektiva föreningar kan vägleda metodutveckling men ersätter inte prospektiv validering för en ny kandidat.

Den praktiska rollen för preklinisk ADA-förutsägelse är att identifiera risker som förtjänar uppmärksamhet tidigt, förklara inkonsekventa bevis och stödja evidensbaserade förändringar av molekyler eller studiedesign. För närvarande är det mest värdefulla resultatet ofta en riskbedömning som tydligt anger dess stödjande bevis, omfattningen av tillämpligheten och återstående osäkerheter.

HKeyBio Perspektiv

HKeyBio är specialiserat på autoimmuna sjukdomsmodeller. I preklinisk in vivo-effektutvärdering för autoimmuna och allergiterapier fokuserar vi på hur modeller, patologi, immunavläsningar och analytiska tester informerar varandra. För program med upprepad dosering som potentiellt påverkas av ADA kan studiedesign diskuteras mot bakgrund av behovet av att tolka förändringar i exponering och effekt. Specifika modeller, analyser, lämplighet mellan olika arter och implementeringskrav bör bekräftas individuellt i enlighet med molekylens egenskaper och utvecklingsstadium.

Referenser

[1] FDA. Immunogenicitetsbedömning för terapeutiska proteinprodukter. Vägledning för industrin. 2014. Källa

[2] EMA. Riktlinje om immunogenicitetsbedömning av terapeutiska proteiner. Revision 1. 2017. Avsnitt 6: icke-klinisk immunogenicitetsbedömning. Källa

[3] Karle AC, et al. MAPPs analyser för icke-klinisk immunogenicitetsriskbedömning: bästa praxis som rekommenderas av den europeiska immunogenicitetsplattformen. Front Immunol. 2025;16:1690101. doi:10.3389/fimmu.2025.1690101. Bild 1: CC BY 4.0. Källa

[4] Nilsson JB, et al. Exakt förutsägelse av HLA klass II-antigenpresentation över alla loci med hjälp av skräddarsydd datainsamling och förfinad maskininlärning. Sci Adv. 2023. doi:10.1126/sciadv.adj6367. Se även DTU-dokumentation för programversioner. Källa

[5] Walsh RE, et al. Preklinisk immunogenicitetsriskbedömning av bioterapeutika med användning av CD4 T-cellsanalyser. Front Immunol. 2024;15:1406040. doi:10.3389/fimmu.2024.1406040. Källa

[6] Tourdot S, et al. T-cellsanalyser för icke-klinisk riskbedömning av immunogenicitet: bästa praxis som rekommenderas av European Immunogenicity Platform. Front Immunol. 2025;16:1723110. Publicerad 12 januari 2026. doi:10.3389/fimmu.2025.1723110. Källa

[7] Gharaie S, et al. NeoThy™ immun-humaniserade möss kan producera anti-läkemedelsantikroppar för att stödja immunogenicitetsbedömning för biologiska läkemedelsprodukter. Front Immunol. 2026;17:1851898. doi:10.3389/fimmu.2026.1851898. Källa

[8] Wagar LE, et al. Modellering av mänskliga adaptiva immunsvar med tonsillerorganoider. Nat Med. 2021. doi:10.1038/s41591-020-01145-0. Källa

[9] FDA. Immunogenicitetstestning av terapeutiska proteinprodukter – utveckla och validera analyser för anti-läkemedelsantikroppsdetektion. Vägledning för industrin. 2019. Källa

[10] Agnihotri S, Venkatesh A, Ramanathan M, Balu-Iyer S. Första steget mot att förutsäga klinisk immunogenicitet av biologiska läkemedel med in vitro-baserade avläsningar som alternativ för djurförsök. J Pharm Sci. 2026;115(6):104297. doi:10.1016/j.xphs.2026.104297. Källa

Officiell dokumentation för NetMHCIIpan 4.3. Källa

Författare: HKeyBio Marketing Department | Vetenskaplig granskning: Jing Yan | Redaktör: Wang Shuyan

Om HKeyBio

HKeyBio, specialisten på autoimmuna sjukdomsmodeller, är en preklinisk kontraktsforskningsorganisation (CRO) fokuserad på autoimmuna och allergiska sjukdomar, och tillhandahåller end-to-end in vivo-effektivitetsutvärderingstjänster. Dess tekniska kärnteam har mer än 20 års erfarenhet av utvecklingsprocessen för autoimmuna läkemedel. Företaget är ISO 9001-certifierat och driver en integrerad forskningsanläggning i Suzhou Industrial Park som täcker molekylär och cellulär forskning, patologi, smådjursstudier och analytiska tester, tillsammans med två forskningsplatser för icke-mänskliga primater i Suzhou och Guangxi. HKeyBio har nästan 80 anställda, och alla projektledare har magister- eller doktorsexamen. Teamet har samlat på sig erfarenhet av att stödja mer än 500 nya läkemedelsapplikationer (IND) i autoimmuna sjukdomar, vilket gör det möjligt för dem att effektivt hantera komplexa utmaningar under utvecklingen av autoimmuna läkemedel och regulatoriska inlämningar.

·  50+ icke-mänskliga primatmodeller av autoimmuna och allergiska sjukdomar

·  500+ djurmodeller av autoimmuna och allergiska sjukdomar

·  Erfarenhet av att stödja 500+ IND-applikationer inom autoimmuna sjukdomar