《自然·综述·临床肿瘤学》：ADC生物标志物的模块化框架

抗体偶联药物（antibody–drug conjugates，ADCs）已成为肿瘤治疗中发展最快的药物类型之一，超过300种ADC正在临床开发，已有20余种获得监管批准。然而，与ADC药物设计和临床应用的快速发展相比，预测性生物标志物的研究仍然相对滞后。目前，患者筛选主要依赖免疫组织化学（IHC）检测靶抗原表达，但ADC的治疗效果不仅取决于抗原丰度，还受到细胞内吞、连接子裂解、毒性载荷敏感性及肿瘤微环境等因素的共同影响。

研究人员提出一种以靶点生物学、连接子加工和载荷敏感性为核心的模块化生物标志物框架，并将肿瘤微环境和毒性风险纳入整体评价体系。该框架结合定量蛋白质组学、空间组学、数字病理、液体活检和多组学整合技术，旨在突破单一抗原表达阈值的限制，为患者筛选、治疗排序、联合用药、剂量优化及跨癌种ADC开发提供更加可靠的生物学依据。

ADC通过抗体将细胞毒性载荷递送至表达特定抗原的肿瘤细胞，兼具靶向治疗和细胞毒性治疗的特点。HER2、TROP2、CLDN18.2和B7-H3等抗原广泛表达于不同癌种，使ADC具有突破传统组织学分类、实现跨癌种治疗的潜力。然而，靶抗原表达水平与临床疗效之间并不存在稳定的对应关系。部分低表达或表达高度异质的肿瘤仍能对ADC产生响应，而部分高表达肿瘤却表现出明显耐药。

研究人员分析了2018年至2026年注册的611项ADC临床试验，发现49.6%的试验未要求特定生物标志物，23.9%仅使用IHC，13.7%结合IHC与基因组检测，真正整合多维生物学信息的策略仍然有限。传统IHC虽然成本低、普及程度高，但难以准确反映抗原空间分布、细胞内吞能力及载荷释放等过程。因此，ADC生物标志物研究需要从单一靶点表达转向多维机制评价。

图1｜2018—2026年ADC临床试验中的生物标志物应用格局。

ADC的治疗作用是多个连续且相互依赖的生物学过程共同作用的结果。药物首先通过血液循环到达肿瘤组织，随后穿过血管和间质屏障，与细胞膜上的靶抗原结合。部分ADC经内吞进入内体和溶酶体，在特定条件下释放细胞毒性载荷；另一些ADC则可能在肿瘤微环境中通过胞外蛋白酶直接裂解释放载荷。最终，载荷能否诱导肿瘤细胞死亡，取决于细胞内药物浓度、细胞周期、DNA损伤应答及药物外排能力。

图2｜ADC疗效与毒性的多维决定因素。 

靶抗原表达是目前证据最充分的ADC生物标志物，但单纯测量表达丰度并不足以预测治疗效果。真正重要的是抗原是否位于细胞膜、是否能够被抗体接近、是否具备有效内吞能力，以及抗原阳性细胞在肿瘤内部如何分布。

传统IHC使用半定量评分，容易受到样本处理、抗体克隆、染色条件和病理医生判断差异的影响。尤其在HER2低表达肿瘤中，不同观察者之间的一致性有限。数字病理和定量连续评分（QCS）能够分别测量膜表达、胞质表达及空间异质性，从而更精确地描述ADC靶点状态。

在TROPION-Lung01研究的探索性分析中，TROP2标准化膜表达比例与Dato-DXd治疗获益相关，而传统TROP2 IHC评分未能有效区分获益人群。这表明抗原的亚细胞定位可能比总体表达水平更具预测价值。不过，这些发现仍需要前瞻性验证。

靶点表达还具有动态变化特征。既往治疗可能改变抗原丰度、内吞能力及肿瘤克隆组成，因此历史活检样本未必能够准确反映当前疾病状态。未来靶点模块需要综合抗原丰度、空间分布、膜定位、内吞能力及治疗后的动态变化。

连接子决定ADC在何处、何时以及以何种方式释放细胞毒性载荷。超过80%的已获批ADC使用可裂解连接子，其释放过程受到蛋白酶活性、酸碱环境和氧化还原条件等因素影响。

传统模型认为ADC必须先结合抗原并进入细胞，随后在溶酶体中释放载荷。然而，研究人员发现部分ADC可以通过肿瘤微环境中的胞外蛋白酶实现载荷释放。例如，组织蛋白酶L（CTSL）能够裂解T-DXd的连接子，在部分HER2低表达模型中促进胞外载荷释放和抗肿瘤作用。这意味着某些ADC的疗效可能部分独立于抗原表达和细胞内吞。

因此，研究人员提出“连接子加工能力”这一潜在生物标志物概念，综合考虑蛋白酶活性、连接子化学性质和释放产物的膜通透性。不过，蛋白酶表达并不等同于实际裂解活性，不同ADC的连接子机制也存在明显差异。目前尚无连接子加工生物标志物经过前瞻性验证并正式用于患者筛选，这仍是三个核心模块中临床成熟度最低的部分。

即使ADC成功到达肿瘤并释放载荷，肿瘤细胞仍可能因内在耐药机制而无法被有效杀伤。因此，载荷敏感性是决定ADC疗效和治疗排序的重要因素。

对于拓扑异构酶I抑制剂载荷，耐药机制主要涉及TOP1改变、药物外排增强以及DNA损伤修复能力提高。ABCC1和ABCG2等转运蛋白能够降低细胞内载荷浓度，而SLFN11表达、同源重组缺陷及复制压力相关特征可能影响肿瘤对DNA损伤的敏感性。

更重要的是，具有相同载荷机制的ADC可能发生交叉耐药。研究显示，患者连续接受两种拓扑异构酶I抑制剂类ADC时，后续治疗的有效性可能下降。在SATEEN II期试验中，既往接受T-DXd的患者随后使用戈沙妥珠单抗联合曲妥珠单抗，客观缓解率仅为3.7%。这些结果提示，ADC治疗排序不能仅根据靶抗原是否不同决定，还应考虑载荷类别及既往治疗形成的耐药状态。

因此，载荷模块需要整合DNA损伤应答、药物外排、细胞周期、既往治疗暴露以及特定载荷作用机制相关的分子特征，为选择不同载荷类别和制定联合治疗策略提供依据。

肿瘤微环境不是独立于三个核心模块之外的简单变量，而是贯穿ADC作用全过程的调节因素。血管分布、细胞外基质、间质密度和免疫细胞组成能够影响ADC进入肿瘤的效率；局部蛋白酶活性决定部分连接子的裂解；缺氧和营养限制则可能改变细胞周期、DNA损伤修复及载荷敏感性。

空间病理分析显示，即使靶抗原表达相近，不同肿瘤组织结构也可能产生不同治疗结果。例如，具有较好血管分布和适当间质结构的肿瘤可能更容易实现ADC递送。因此，研究人员认为肿瘤微环境应作为增强或削弱靶点、连接子和载荷作用的整体背景纳入生物标志物评价。

现有ADC生物标志物研究主要关注疗效，但毒性同样决定患者能否持续获益。ADC毒性可能来自正常组织中的靶抗原表达、循环中提前释放的载荷、非特异性组织摄取，以及患者自身药物代谢能力的差异。

例如，UGT1A1基因多态性可能影响SN-38代谢，并增加戈沙妥珠单抗相关中性粒细胞减少和腹泻风险。NEXUS-01研究还发现，较低的CYP2D6代谢活性与特定ADC在较高剂量下的剂量限制性毒性相关，促使研究方案加入基因分型和个体化剂量调整。

因此，毒性标志物不应仅用于不良反应发生后的解释，而应与疗效标志物同步开发，为患者选择、给药剂量和治疗指数优化提供依据。

实现模块化框架需要能够同时测量蛋白表达、空间结构、功能状态和动态变化的技术体系。定量免疫荧光和人工智能辅助数字病理能够在常规病理切片上识别膜定位、细胞内表达及肿瘤空间异质性。质谱蛋白质组学则能够在较宽动态范围内定量检测多个靶蛋白，并减少传统IHC半定量评分的局限。空间转录组学和多重蛋白成像进一步保留肿瘤细胞、间质和免疫细胞之间的空间关系。

分子影像提供了另一种互补策略。免疫PET可以利用放射性标记抗体评估全身病灶的靶点可及性和药物分布，克服单次活检只能反映局部组织状态的限制。在ZEPHIR研究中，部分HER2阳性患者的病灶未显示相应示踪剂摄取，而影像结果能够帮助预测T-DM1治疗缺乏响应的可能性。

液体活检则适合连续监测治疗过程中出现的基因改变、耐药克隆和疾病负荷变化。人工智能与多组学整合能够进一步将这些复杂数据转化为潜在预测模型，但关键挑战并非缺少测量技术，而是如何从相关性信号中识别真正具有因果意义和临床决策价值的标志物。

图3｜指导ADC应用的模块化生物标志物框架。

模块化生物标志物要进入临床，必须在不同癌种、检测平台和医疗体系中验证。单一临床试验得到的表达阈值可能无法直接推广到其他人群，因为不同地区的疾病谱、既往治疗、样本处理和临床实践均存在差异。

研究人员特别关注亚太地区快速发展的ADC临床研究。中国和日本正在推进CLDN18.2、B7-H3、TROP2及EGFR等靶点的ADC开发，为全球生物标志物研究提供新的患者队列和转化数据。OASIS等研究计划则尝试结合数字病理、液体活检、核医学影像和患者来源模型，建立人工智能驱动的综合评分体系。

考虑到跨机构数据共享涉及隐私、监管和商业限制，研究人员建议采用联邦学习与分布式研究网络，在不集中共享原始患者数据的条件下开展跨队列模型训练和独立验证。

模块化ADC生物标志物框架的临床与患者意义

目前ADC治疗通常依据单一靶抗原表达逐步筛选药物，患者可能需要反复接受活检、检测和不同治疗方案，增加时间成本、毒性风险和心理负担。

模块化框架希望建立一种“治疗选择型生物标志物”，同时评价多个候选ADC靶点以及相应的载荷敏感性，从而在多种可用药物之间进行比较，而不是仅回答患者是否符合某一种ADC的入组条件。

例如，同一患者可能同时表达HER2和TROP2，但两类ADC具有不同的连接子和载荷机制。未来可以通过多重蛋白检测、既往载荷暴露及耐药特征，选择更适合患者当前疾病状态的治疗方案。研究人员强调，这一策略最终需要证明能够改善患者生存、生活质量和治疗耐受性，而不仅是提高预测模型的统计性能。

模块化框架还可以改变ADC临床开发的组织方式。在临床前阶段，研究人员应结合正常组织与肿瘤组织的抗原图谱、连接子加工能力及载荷敏感性，优先选择具有明确生物学依据的适应证。

在I期试验中，可以通过治疗前后配对活检、药代动力学和早期药效学检测，判断药物是否有效递送、释放载荷并产生预期生物学作用。II期试验则应利用候选标志物开展患者富集、治疗排序及联合治疗研究。进入III期试验后，需要锁定检测方法、评分算法和阈值，并在多中心环境中验证其临床价值。

这一策略并不意味着对所有患者进行全面多组学检测，而是根据ADC开发阶段及最主要的机制不确定性，选择能够回答关键问题的最小检测组合。

ADC靶抗原通常呈连续表达，而不是简单的阳性或阴性。因此，单一表达阈值可能无法适用于不同癌种、转移部位和治疗阶段。

T-DXd获得HER2阳性实体瘤的跨癌种批准，体现了生物标志物驱动治疗的潜力，但不同癌种即使具有相同HER2表达水平，也可能表现出不同疗效。这说明跨癌种ADC开发可能需要结合组织类型、载荷敏感性及其他机制标志物动态调整筛选标准。

监管实施还要求检测方法具备可重复性、明确的样本要求、稳定的评分算法和可接受的检测时间。复杂多组学模型虽然能够提供丰富信息，但如果成本过高、样本需求过大或无法在常规医院部署，其实际临床价值仍然有限。

因此，研究人员主张从单一抗原表达阈值转向经过验证的机制导向生物标志物组合，同时通过前瞻性研究和上市后证据持续完善患者筛选标准。

ADC治疗效果并非仅由靶抗原表达决定，而是靶点生物学、连接子加工、载荷敏感性和肿瘤微环境共同作用的结果。研究人员提出的模块化框架为解释ADC疗效差异、获得性耐药和毒性提供了统一的机制视角，也为患者筛选、治疗排序和临床试验设计建立了更加系统的研究路径。

目前，靶抗原表达具有相对成熟的临床证据，载荷交叉耐药正在获得越来越多的临床支持，而连接子加工及多模块整合标志物仍缺乏充分的前瞻性验证。未来的关键并不是无限增加检测指标，而是识别能够真正改善临床决策的最小生物标志物组合，并通过跨癌种、跨地区和多中心研究证明其可靠性。

ADC生物标志物研究的未来方向，是从单一靶抗原表达驱动的患者筛选，转向基于作用机制的多维精准治疗决策。 这一转变不仅要求研究人员理解ADC能否结合肿瘤细胞，还需要明确药物能否有效进入肿瘤组织、连接子能否在适当位置释放载荷、肿瘤细胞是否对载荷敏感，以及患者能否耐受治疗。

研究人员强调，模块化框架目前仍属于需要进一步验证的研究体系，而非已经建立的临床预测标准。不同ADC的抗体、连接子和载荷性质存在差异，各模块对疗效的相对贡献也会随着癌种、既往治疗和肿瘤微环境发生变化。因此，不太可能存在适用于所有ADC的统一生物标志物组合。未来需要通过前瞻性临床试验，确定哪些指标能够提供超越传统IHC的独立预测价值，并明确不同机制指标在患者选择和治疗排序中的实际作用。

尤其重要的是，生物学相关性并不等同于临床可操作性。即使某个蛋白酶、DNA修复因子或药物外排转运体与ADC耐药有关，也必须进一步证明测量该指标能够改善患者治疗决策。研究人员因此提出，应优先解决不同ADC中靶点、连接子、载荷和肿瘤微环境的相对作用，寻找具有临床意义的最小检测组合，并验证生物标志物指导的治疗能否真正改善疗效、剂量选择和毒性管理。

实现这一目标还需要建立跨机构、跨地区的标准化验证体系。定量蛋白质组学、空间生物学、数字病理和实时分子检测已经具备分析ADC复杂作用机制的技术基础，但不同平台之间的测量差异、样本获取困难、检测成本以及数据共享限制仍然制约临床转化。研究人员认为，未来应将临床试验网络与转化研究平台紧密连接，通过统一检测标准、纵向样本采集和独立队列验证，将分散的研究结果整合为可重复、可推广的临床证据。

最终，模块化生物标志物框架的价值不在于构建越来越复杂的预测模型，而在于将ADC作用机制中的复杂生物学信息转化为简单、可靠且能够指导临床决策的工具。随着越来越多具有相同靶点或相似载荷的ADC进入临床，未来精准治疗的关键问题将从“患者是否表达某一靶抗原”，进一步转变为“对于这一患者，在当前疾病状态和既往治疗背景下，哪一种ADC能够提供最大的治疗获益和最小的毒性风险”。

这一转变将推动ADC研发从经验性的靶点选择和药物排序，逐步走向以机制证据为基础的个体化治疗，为实现真正的精准肿瘤学提供新的发展方向。

Liu, J., Ruan, DY., McNamee, N. et al. A modular framework for antibody–drug conjugate biomarkers. Nat Rev Clin Oncol (2026). 

https://doi.org/10.1038/s41571-026-01213-3