基于模型的推第二阶段剂量的选择,用于抗TIGIT免疫疗法,利用同表达的PD-1抑制剂的目标参与
Irina Kareva1, Ping Hu2, Vadryn Pierre2
1QP, EMD Serono, Billerica, Massachusetts, USA.
Clinical pharmacology and therapeutics
|February 8, 2025
概括
这项研究利用已知的PD-1通路,改进了TIGIT免疫疗法的剂量预测. 数学建模能够在有限的数据中准确预测TIGIT药物疗效,从而优化治疗策略.
科学领域:
- 免疫治疗是一种免疫疗法.
- 药学指标 (Pharmacometrics) 是一个指标.
- 翻译医学是一种翻译医学.
背景情况:
- 准确的免疫疗法剂量预测需要了解药物-标关系在作用部位.
- 免疫细胞上PD-1和TIGIT的同时表达为利用途径之间的数据提供了机会.
研究的目的:
- 通过使用PD-1通路的数据来改进针对TIGIT向免疫疗法的剂量预测.
- 开发一种数学模型,用于预测TIGIT抗体的药物度和目标参与.
主要方法:
- 开发了一种数学模型,将PD-1对抗剂的血度与瘤微环境 (TME) 目标接触联系起来.
- 应用了PD-1模型来评估抗TIGIT抗体提拉戈卢马布的药物度-点参与关系.
- 扩展模型以预测另一种抗TIGIT抗体 (M6223) 的有效剂量,使用临床PK/PD数据和虚拟人口分析.
主要成果:
- 在TME中成功建模了PD-1药物标参与关系.
- 证明了PD-1模型的适用性,以预测蒂拉戈卢马布的剂量反应关系.
- 预计M6223的有效剂量,展示了框架的实用性.
结论:
- 通过在作用地点量化估计药物标关系来完善剂量预测的框架.
- 展示了一种方法,使用基于模型的药物开发和途径推断来利用有限的数据为剂量优化策略提供信息.


