相关实验视频
Updated: Jan 11, 2026

Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
针对生物疗法的新方法方法:一种基于模型的新型指标,用于评估免疫性风险
Rachel H Rose1, Aban Shuaib1, Manon Wigbers1
1Certara Predictive Technologies, Applied BioSimulation, Sheffield, United Kingdom.
量化系统药理 (QSP) 模型预测抗药抗体 (ADA) 对生物治疗药理动力学 (PK) 的影响. 虽然预测ADA发生率仍然具有挑战性,但QSP模型在大多数情况下准确预测了ADA对药物度的影响.
科学领域:
- 生物制药的发展.
- 免疫学 免疫学 免疫学
- 药理动力学 药理动力学
背景情况:
- 由抗药抗体 (ADA) 驱动的免疫性通过改变药理动力学 (PK) 和疗效来复杂化生物治疗开发.
- 临床前评估经常预测ADA的发展,但不能预测它们对PK的临床影响.
- 定量系统药理学 (QSP) 提供了一种机械方法来模拟ADA动态及其PK效应.
研究的目的:
- 评估QSP模型在预测免疫性发病率和ADA介导的生物治疗药物PK变化的有用性.
- 确定预测临床相关免疫性的主要参数.
主要方法:
- 开发和应用QSP模型,整合生物机制和药物特异性参数.
- 对13个单克隆抗体和融合蛋白的数据进行分析,以评估模型性能.
- 确定ADA对药物暴露的影响的预测标记.
主要成果:
- 质量标准模型显示,在准确预测ADA形成的发生率方面存在挑战.
- 这些模型成功地预测了ADA对13种测试的生物治疗药物中的10种药物度的影响.
- 较高的ADA与药物度比率成为临床相关免疫性和药物暴露变化的重要预测因素.
结论:
- 尽管在预测ADA发病率方面存在挑战,但QSP建模是预测免疫性对生物治疗PK的影响的宝贵工具.
- ADA与药物度比率是评估免疫性临床相关性的关键指标.
- 进一步完善QSP模型可以改善风险评估,并指导生物治疗开发策略.
更多相关视频
11:07Whole-animal Imaging and Flow Cytometric Techniques for Analysis of Antigen-specific CD8+ T Cell Responses after Nanoparticle Vaccination
Published on: April 29, 2015
09:03Rapid In Vivo Assessment of Adjuvant's Cytotoxic T Lymphocytes Generation Capabilities for Vaccine Development
Published on: June 19, 2018
相关概念视频
Types of Biopharmaceutical Studies: Controlled and Non-Controlled Approaches
Non-controlled studies, commonly employed for initial exploration, lack a control group, rendering them susceptible to biases and external influences. In contrast,...
Pharmacokinetic Models: Comparison and Selection Criterion
Physiological models take a detailed approach by considering specific molecular processes. They can predict drug distribution, metabolism, and elimination changes, providing a comprehensive understanding of how drugs interact with the body.