聚糖对IgG1效应功能影响的多变量定量分析

Multivariate quantitative analysis of glycan impact on IgG1 effector functions.

作者信息Tamara Cvijić, Matej Horvat, Jakob Plahutnik, Ana Golob, Jaka Marušič
PMID39572418
期刊MAbs
发布时间2024-01
DOI10.1080/19420862.2024.2430295

实验完整度

包含体外糖工程样品制备、HILIC/质谱表征、BLI结合分析、ADCC/ADCP/CDC细胞功能实验及多变量回归建模等多个独立证据层级。

主要模型

CHO细胞表达的重组人源化IgG1抗体 Raji靶细胞 NK3.3效应细胞 Jurkat效应细胞

重点核对

IgG1样品通过添加糖基化抑制剂(kifunensine、2FF、dGalF、NGI-1)和酶处理生成不同聚糖变体。 BLI结合实验使用FcγRIa、FcγRIIa(H/R)、FcγRIIb、FcγRIIIa(V/F)和C1q。 ADCC实验使用Raji靶细胞和NK3.3效应细胞,效应细胞与靶细胞比例未明确说明,靶细胞用calcein-AM标记。 ADCP实验使用表达FcγRIIa131H的Jurkat效应细胞,效应细胞与靶细胞比例为2.5:1。 CDC实验使用兔补体系统。

摘要

新型治疗性蛋白和生物类似药的开发要求深入理解其结构与功能之间的关系。特别是,IgG糖基化如何影响其效应功能,这一点在世界卫生组织和监管机构的指南中日益被强调。我们的结果表明,仅1%的Fc去岩藻糖基化降低就可导致抗体依赖性细胞介导的细胞毒性增加超过25%。聚糖模式的相互关联性,加上工艺开发和制造样品中聚糖变异性低且缺乏明确界定的聚糖模式,使得研究单个聚糖结构的影响具有挑战性。传统的结构-功能研究方法通常依赖于一组次优的工具,例如用于实验设计的单因素一次一法(OFAT)和单变量数据分析。在这里,我们介绍一种系统性方法,用于理解和预测Fc聚糖对效应功能的影响,该方法结合了实验设计(DoE)、多变量数据分析和体外糖工程(IVGE)。这种方法遵循质量源于设计(QbD)原则,并与监管机构指南保持一致。我们应用了多种分析测定法,包括结合实验和基于细胞的实验,来研究IgG1分子上单个聚糖的影响。本研究开发的回归模型定量解释和预测了单个聚糖特征对Fcγ受体(FcγRs)结合以及治疗性蛋白生物活性的影响。据我们所知,这是首次报告系统性方法来定量理解糖基化对治疗性单克隆抗体效应功能的多变量影响,为推进治疗性蛋白开发提供了有价值的工具。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
IgG1 Fc糖基化(岩藻糖基化、半乳糖基化、唾液酸化、高甘露糖等)如何定量影响FcγR结合和效应功能,并建立预测模型。
核心机制
核心岩藻糖缺失增强FcγRIIIa亲和力,从而增强ADCC;半乳糖基化增强C1q结合和CDC;高甘露糖和唾液酸化降低C1q结合和CDC。
主要证据
通过IVGE生成不同聚糖变体,利用BLI测定FcγR和C1q结合,ADCC/ADCP/CDC细胞实验测定生物活性,并建立多元线性回归模型。
研究意义
该研究方法适用于所有IgG亚类,可在生物类似药开发中用于定量理解和预测糖基化对效应功能的影响,支持QbD原则。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

生成具有多样性且低相关性的IgG1糖型样品集

产生包含不同聚糖特征的IgG1样品,用于研究单个聚糖的影响。

在CHO细胞培养中添加糖基化抑制剂(kifunensine、2FF、dGalF、NGI-1)生成含不成熟Fc聚糖的样品,随后用酶(β-1,4-半乳糖基转移酶、α-2,3-唾液酸转移酶、α-(1-2)-甘露糖苷酶)处理,过程中通过蛋白A色谱纯化,获得8个主要IVGE样品和一个对照(Ctrl_FA2)。

2

表征糖工程化mAb的糖型

确认样品的糖型组成和非糖基化水平。

通过HILIC-FLD分析N-聚糖,并用质谱确认主要聚糖;通过rCE-SDS测定非糖基化重链(NG-HC)水平。

3

应用DoE原理混合样品以覆盖实验空间

生成具有正交糖型组合的额外样品,以支持多变量建模。

将糖工程化样品按DoE原则混合,生成14个DoE样品。

4

评估FcγR结合和生物活性

测定不同糖型对FcγR(FcγRIa、IIa、IIb、IIIa)和C1q结合亲和力及ADCC、ADCP、CDC活性的影响。

使用BLI测定结合亲和力,使用细胞学实验(ADCC、ADCP、CDC)测定生物活性。

5

建立多变量回归模型

定量描述聚糖特征对FcγR结合和生物活性的影响,并预测未测量样品的功能。

使用MLR和PLS模型,通过7折交叉验证评估预测性能,最终选择MLR。评估每个变量的显著性(p值)和效应系数。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
苦马豆素Sigma AldrichK1140
NGI-1Sigma AldrichSML1620
2-脱氧-2-氟-L-岩藻糖CarbosynthMD06089
2-脱氧-2-氟-D-半乳糖CarbosynthMD04718
Gly-X去糖基化模块AgilentGX-96-100
Gly-X InstantPC标记模块AgilentGX96-101
Gly-X InstantPC净化模块AgilentGX96-102
Acquity I-class超高效液相色谱系统Waters--
Empower色谱数据系统Waters--
BLI生物传感器Sartorius18-5125
Octet RED384系统Sartorius--
FcγRIa(胞外域)AcroBioSystemsFCA-H52H2
FcγRIIa131H(胞外域)Sino Biological10374-H08H1
FcγRIIa131R(胞外域)AcroBioSystemsCDA-H5221
FcγRIIb(胞外域)AcroBioSystemsCDB-H5228
FcγRIIIa158V(胞外域)R&D Systems4325-FC
FcγRIIIa158F(胞外域)R&D Systems8894-FC
C1qQuidelA400
吐温20VWR Life ScienceK875
384孔倾斜底黑微孔板Sartorius18-5076
钙黄绿素-AMInvitrogenC3099
Victor3多功能酶标仪Perkin Elmer--
兔补体PelFreez31060
CellTiter-Glo试剂PromegaG7572
PA800 Plus毛细管电泳系统Sciex--
离子型去污剂Sigma05030
巯基乙醇SigmaM3148
MinitabLCC statistical software20.3.0.0

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
细胞培养与IVGE样品制备
CHO细胞系来源、抑制剂浓度(kifunensine 200 ng/mL, NGI-1 20 μg/mL, 2FF和dGalF 1 mM)、培养条件(36.5°C 3天,后33°C)、收获时间(第14天)及酶处理步骤
阅读提示:见Materials and methods: Cell culture process, In vitro trimming reactions, Figure 1
糖型分析
HILIC-FLD方法、色谱柱类型、Gly-X试剂盒的使用、数据量化方法(面积百分比)
阅读提示:见Materials and methods: Glycan analysis, Table 1
FcγR结合分析
BLI传感器(FAB2G)、受体浓度(FcγRIIa、IIb、IIIa和C1q四种浓度,FcγRIa一种)、缓冲液、温度(25°C)、转速(1000 rpm)及数据拟合模型
阅读提示:见Materials and methods: FcγRs binding analysis和Results部分
ADCC、ADCP和CDC功能实验
效应细胞与靶细胞比例(ADCP为2.5:1,ADCC未明确)、靶细胞系(Raji)、效应细胞系(NK3.3或Jurkat)、抗体浓度范围(ADCC 0.008-5 μg/mL)、补体来源和浓度、孵育时间、检测试剂
阅读提示:见Materials and methods: Antibody-dependent cellular phagocytosis, Antibody-dependent cell-mediated cytotoxicity, Complement dependent cytotoxicity
多变量建模
样本量(9个主要样品+14个DoE样品)、预测变量(糖基化特征)、响应变量(结合和活性)、模型选择(MLR/PLS)、交叉验证方法(7折)、显著性水平(p<0.05)
阅读提示:见Materials and methods: Statistical data evaluation, Results: Regression modeling