Моноклональные антитела являются важнейшими терапевтическими средствами из-за их высокой специфичности и аффинности связывания с эпитопами (точными местами, где антитело прикрепляется к антигену, вызывая иммунный ответ). Поскольку терапевтическая эффективность антител тесно связана с их эпитопами-мишенями, характеристика эпитопов важна для понимания функциональности антител.
Однако традиционные методы изучения эпитопов медленны и трудоемки. Таким образом, существует острая потребность в более эффективных подходах, которые могут помочь точно и быстро картировать эпитопы, что в конечном итоге ускоряет разработку методов лечения следующего поколения.
Чтобы восполнить этот пробел, исследователи из Токийского технологического института приступили к новаторским исследованиям, в результате которых была разработана новая платформа под названием Epitope Binning-seq. Их результаты были опубликованы 28 мая 2024 года в журнале Communications Biology . Epitope Binning-seq оценивает сходство эпитопов с использованием генетически закодированных тестовых антител (qAbs) на антиген-экспрессирующих клетках и секвенирования следующего поколения (NGS), что позволяет одновременно оценивать несколько qAbs без индивидуальной очистки.
В этом исследовании использовались антитела-запросы (qAbs), отображаемые на поверхности клеток, экспрессирующих HER2. Введя флуоресцентно меченные эталонные антитела (rAbs) и используя анализ проточной цитометрии, исследователи смогли отличить клетки, в которых qAbs маскировали эпитопы, и клетки, где они этого не сделали.
Некоторые qAb эффективно блокировали связывание rAb с антигеном, в результате чего возникла популяция клеток без связывания rAb, называемая rAb-отрицательной популяцией. И наоборот, другие qAb позволяли rAb связываться с антигеном, создавая популяцию клеток со связыванием rAb, известную как rAb-положительная популяция.
Давая дополнительную информацию об их исследовании, доцент Тецуя Кадоносоно, соответствующий автор исследования, говорит: «Дифференциальное поведение связывания послужило основой для оценки сходства эпитопов между различными антителами. Мы провели анализ NGS на отсортированных rAb-отрицательных популяциях, чтобы идентифицировать и группировать сходные qAb в ячейки эпитопов. Этот комплексный подход позволил эффективно проанализировать большое количество антител и классифицировать их на основе их эпитопной специфичности».
Результаты были весьма многообещающими. Epitope Binning-seq точно классифицировал антитела на отдельные ячейки эпитопов, предоставляя ценную информацию об их характере связывания. В экспериментах с использованием модельных антител пертузумаба и трастузумаба этот метод точно идентифицировал и обогащал специфические qAb, обнаруживая даже клоны при очень низких начальных количествах.
Платформа с высокой точностью классифицировала 14 qAb в правильные ячейки эпитопов. Эти результаты демонстрируют потенциал Epitope Binning-seq для оптимизации ранней разработки лекарств на основе антител путем одновременной оценки миллионов qAb, что ускоряет выявление многообещающих терапевтических кандидатов.
Преимущества этой платформы значительны. Epitope Binning-seq упрощает сравнение эпитопов, позволяя быстро идентифицировать антитела со схожими паттернами связывания, что потенциально способствует развитию таргетной и эффективной терапии на основе антител. Масштабная оценка этого метода может изменить характеристики антител, позволяя одновременно оценивать миллионы qAb.
«Разработка Epitope Binning-seq представляет собой значительный прогресс в разработке лекарств на основе антител. Предоставляя быстрый, комплексный и экономически эффективный метод оценки сходства эпитопов антител, эта новая платформа преодолевает ограничения традиционных методов анализа эпитопов», — заключает Кадоносоно.
Многообещающие результаты этого исследования подчеркивают потенциал этого метода для трансформации ранней разработки лекарств на основе антител и созревания аффинности антител, прокладывая путь для более эффективных терапевтических стратегий в будущем.
