PEAKS AB軟件在ADC藥物偶聯(lián)位點表征的應(yīng)用
編者按：
抗體-藥物偶聯(lián)物（ADC）是通過化學連接子將效應(yīng)分子與單克隆抗體（mAbs）結(jié)合而形成的。對ADC的關(guān)鍵質(zhì)量屬性（CQA），如藥物抗體比（DAR）、藥物負荷分布和藥物結(jié)合位點進行全面評估對藥物開發(fā)至關(guān)重要。其中，藥物結(jié)合位點由于影響ADC的穩(wěn)定性和藥代動力學受到廣泛關(guān)注，然而，由于技術(shù)挑戰(zhàn)，很少有研究關(guān)注這一領(lǐng)域的方法開發(fā)。
2023年2月，來自中國科學院上海藥物所的團隊在Analytica Chimica Acta（IF=6.911）發(fā)表了題為“Conjugation site characterization of antibody–drug conjugates using electron-transfer/higher-energy collision dissociation (EThcD)”的文章。EThcD碎裂模式（將電子轉(zhuǎn)移裂解（ETD）和高能碰撞解離（HCD）相結(jié)合）產(chǎn)生的碎片離子比傳統(tǒng)的HCD碎片更多，這有助于識別和定位翻譯后修飾。在EThcD碎裂模式下，作者使用PEAKS AB分析軟件表征ADC藥物的結(jié)合位點，包括隨機偶聯(lián)和位點特異性偶聯(lián)，此研究可能有助于各種臨床前和臨床ADC的質(zhì)量控制。
ADC藥物結(jié)合位點分析難點：
1、效應(yīng)分子通常具有高度疏水性，導致效應(yīng)分子偶聯(lián)的肽段在液相色譜分離過程中洗脫時間更晚。
2、與其他類型的PTM相比，效應(yīng)分子相對較大且結(jié)構(gòu)復雜（約1000-2000 Da）。
3、效應(yīng)分子容易受到碰撞誘導的碎片化的影響，會顯著削弱偶聯(lián)肽段的電離效率。這對質(zhì)譜分析結(jié)果的重現(xiàn)性造成影響。
肽圖分析方法優(yōu)化：
采用T-DM1樣品作為ADC模型，包含92個潛在的結(jié)合位點，包括88個賴氨酸殘基和4個N-末端氨基。由于結(jié)合位點多，小分子偶聯(lián)的隨機性強，增加了分析難度。作者優(yōu)化了關(guān)鍵的LC–MS/MS參數(shù)以滿足分析需求，包括液相色譜梯度、動態(tài)排除、AGC和IT。
1、在調(diào)整液相色譜梯度時，作者考慮了總的二級肽段譜圖數(shù)（PSMs）和效應(yīng)分子偶聯(lián)PSMs之間的平衡。對比了兩種不同梯度條件下的DM1偶聯(lián)肽段的PSMs的數(shù)量，發(fā)現(xiàn)梯度2條件下的效應(yīng)分子偶聯(lián)PSMs被更有效地分離（圖1B）。這樣可以減少共溶并改善了偶聯(lián)肽段的質(zhì)譜檢測質(zhì)量。
2、設(shè)置動態(tài)排除過濾已經(jīng)碎片化的母體離子，提高低豐度偶聯(lián)肽段的檢測。因此，在HCD條件的基礎(chǔ)上，AGC和IT增加20%時，偶聯(lián)肽段MS/MS譜圖的比例有所增加（圖1C）。
1、在調(diào)整液相色譜梯度時，作者考慮了總的二級肽段譜圖數(shù)（PSMs）和效應(yīng)分子偶聯(lián)PSMs之間的平衡。對比了兩種不同梯度條件下的DM1偶聯(lián)肽段的PSMs的數(shù)量，發(fā)現(xiàn)梯度2條件下的效應(yīng)分子偶聯(lián)PSMs被更有效地分離（圖1B）。這樣可以減少共溶并改善了偶聯(lián)肽段的質(zhì)譜檢測質(zhì)量。
2、設(shè)置動態(tài)排除過濾已經(jīng)碎片化的母體離子，提高低豐度偶聯(lián)肽段的檢測。因此，在HCD條件的基礎(chǔ)上，AGC和IT增加20%時，偶聯(lián)肽段MS/MS譜圖的比例有所增加（圖1C）。
圖1 | 肽圖分析工作流程和分析T-DM1的LC–MS/MS參數(shù)優(yōu)化。通過EThcD表征ADC隨機偶聯(lián)位點
使用EThcd碎裂方式分析T-DM1偶聯(lián)位點，在62個軟件鑒定的結(jié)合位點中，58個（16個在輕鏈，42個在重鏈）具有DM1相關(guān)的特征離子。在手動檢查MS/MS譜圖的過程中，發(fā)現(xiàn)一些有趣的肽段。如圖2A中，由于MS/MS譜圖中缺乏DM1特征離子，該肽段的驗證受到影響；圖2B中，肽段“SCDK（DM1）THTCPCPPELLGGPSVFLFPPKPK”具有特征離子和3個可能偶聯(lián)DM1的賴氨酸位點，但是MS/MS譜圖中沒有賴氨酸位點完全斷開的片段離子，就無法確認K4處的DM1偶聯(lián)；圖2C中，肽段“FTISATSK（DM1）NTAYLQMN”沒有觀察到特征離子，但是K9偶聯(lián)位點的片段離子有助于正確識別位點。如圖2D所示，EThcD可以準確定位K4偶聯(lián)的DM1效應(yīng)分子，而HCD不能準確定位。
圖2 | 利用片段離子驗證可靠的ADC偶聯(lián)位點盡管PTM搜索可能存在很高的錯誤發(fā)現(xiàn)率，這項研究首次報道了使用偶聯(lián)位點的片段離子來評估軟件搜索結(jié)果。HCD和EThcD分別鑒定了近56個和46個可靠的結(jié)合位點（圖3A），不過經(jīng)過手動檢查特征離子和片段離子后，EThcD鑒定到的MS/MS圖譜的可信度高于HCD。
T-DM1的賴氨酸殘基的DM1修飾可能由于空間或靜電阻礙影響了蛋白酶的水解。因此，胰蛋白酶的酶解肽段具有更多的不完全酶解和更長的肽段，這適合于使用ETD裂解�？傮w而言，EThcD可能更適合ADC結(jié)合位點的表征。
另外還發(fā)現(xiàn)，在EThcD下，所有手動驗證的偶聯(lián)位點的MS/MS圖譜得分略低于HCD數(shù)據(jù)（圖3D）。理論上，偶聯(lián)肽段對EThcD表現(xiàn)出更好的裂解。一種可能的解釋是，盡管已經(jīng)調(diào)整了一些軟件工具來處理ETD數(shù)據(jù)，但EThcD數(shù)據(jù)分析中存在一些不足。首先，b/y和c/z離子序列在合并后具有更高的指定錯誤率；其次，ETD產(chǎn)生的非c/z碎片離子數(shù)量越高（例如帶電的還原母離子和無法解釋的峰），錯誤分配的幾率就越大。因此開發(fā)用于優(yōu)化現(xiàn)有程序的新算法可以最大限度地發(fā)揮EThcD碎片化的優(yōu)勢。
T-DM1的賴氨酸殘基的DM1修飾可能由于空間或靜電阻礙影響了蛋白酶的水解。因此，胰蛋白酶的酶解肽段具有更多的不完全酶解和更長的肽段，這適合于使用ETD裂解�？傮w而言，EThcD可能更適合ADC結(jié)合位點的表征。
另外還發(fā)現(xiàn)，在EThcD下，所有手動驗證的偶聯(lián)位點的MS/MS圖譜得分略低于HCD數(shù)據(jù)（圖3D）。理論上，偶聯(lián)肽段對EThcD表現(xiàn)出更好的裂解。一種可能的解釋是，盡管已經(jīng)調(diào)整了一些軟件工具來處理ETD數(shù)據(jù)，但EThcD數(shù)據(jù)分析中存在一些不足。首先，b/y和c/z離子序列在合并后具有更高的指定錯誤率；其次，ETD產(chǎn)生的非c/z碎片離子數(shù)量越高（例如帶電的還原母離子和無法解釋的峰），錯誤分配的幾率就越大。因此開發(fā)用于優(yōu)化現(xiàn)有程序的新算法可以最大限度地發(fā)揮EThcD碎片化的優(yōu)勢。
通過EThcD表征ADC特異性偶聯(lián)位點
ADC-134-4是K251位點偶聯(lián)的ADC藥物，攜帶MMAE作為效應(yīng)分子。其特征碎片離子為m/z 718.5，HCD碎裂傾向于裂解MMAE分子產(chǎn)生m/z 506.36的碎片離子。盡管圖4A中的MS/MS光譜觀察到與MMAE相關(guān)的特征離子506.36，但HCD碎裂在可能的偶聯(lián)位點K249和K251附近不存在片段離子，而EThcD 碎裂下MS/MS圖譜中的片段離子有很好的碎裂，有助于驗證偶聯(lián)位點（圖4B）。
同樣，應(yīng)用HCD和EThcD表征ADC-10-2藥物偶聯(lián)位點，結(jié)果發(fā)現(xiàn)，與HCD相比，EThcD可以更準確地識別K252為主要結(jié)合位點（圖4C和圖4D）。
圖4 | EThcD碎裂精確定位位點特異性ADC的正確偶聯(lián)位點結(jié)論
ADC偶聯(lián)位點的表征是一個復雜但有前途的研究領(lǐng)域。作者結(jié)合PEAKS AB分析軟件，評估了EThcD表征ADC偶聯(lián)位點的可能性。EThcD碎裂產(chǎn)生了更多的主鏈斷裂，提高了修飾位點定位的精確度。與HCD相比，EThcD在隨機偶聯(lián)和特異性偶聯(lián)位點的鑒定中均觀察到更高比例的可信MS/MS圖譜�？傮w來說，將胰蛋白酶消化、60分鐘液相色譜分離、EThcD碎裂和PEAKS AB軟件搜索相結(jié)合來進行ADC藥物偶聯(lián)位點的表征，是ADC藥物質(zhì)量控制的一種很有潛力的方法。
如果您想了解更多關(guān)于PEAKS AB軟件的詳細介紹，請點擊下方鏈接了解更多！
相關(guān)推薦
-
在線講座丨PEAKS AB 3.0新功能以及PEAKS全新Confident PTM搜索功能
（點擊圖片即可查看活動詳情）
如果您想深入了解更多關(guān)于PEAKS 軟件更多內(nèi)容，歡迎掃描下方二維碼關(guān)注我們！
- 用戶文章：基于LC-MS/MS鑒定絲綢種類以提供古代使用野生蠶絲的證據(jù)
- Nature最新研究成果：內(nèi)源性肽維持中樞神經(jīng)系統(tǒng)的免疫豁免機制
- PAT過程分析技術(shù)(Process Analytical Technology):生物制藥4.0的基石
- 蛋白質(zhì)組學基礎(chǔ)：常用蛋白參考數(shù)據(jù)庫的介紹及選擇
- 通過調(diào)節(jié)Ideonella sakaiensis菌株產(chǎn)生的PET降解酶的糖基化修飾詳解
- 利用深度學習框架實現(xiàn)肽段從頭測序FDR和準確性評估詳解
- 常見HLA匹配的七個SARS-CoV-2抗原免疫肽組分析詳解
- 免疫沉淀（IP）與酸洗脫（MAE）分離方法免疫肽結(jié)果的比較詳解
Copyright(C) 1998-2024 生物器材網(wǎng) 電話：021-64166852;13621656896 E-mail：info@bio-equip.com