深度表

抗体偶联药物（antibody-drug conjugate，ADC）是一类通过特定的连接子将靶向单克隆抗体与高杀伤性的细胞毒性小分子药物偶联起来的生物药，以单克隆抗体为载体将小分子细胞毒性药物高效地运输至目标肿瘤细胞中，起到治疗的目的。与传统抗体药相比，ADC药物的结构复杂度和异质性更高，因为添加了多变的有效载荷和连接子1。为确保药物安全性和有效性，ADC的深度表征在其开发过程中至关重要。这不仅包括对mAb的翻译后修饰（PTM）的鉴定和定位，还包括药物偶联的鉴定。由于质谱技术的飞速发展，质谱已经成为ADC药物表征中最广泛使用的方法。完整质量分析是用于确定小分子药物与抗体比率（DAR）的常规方法，而对结合位点的深入表征，通常依赖于bottom-up的方法。现在最广泛采用的碰撞诱导解离（CID）技术能够提供氨基酸序列确认，但是这种能量比较大的碎裂技术也将有效载荷碎裂为更小的片段，从这种方法获得的高度复杂的谱图可能很难解析。而能量更柔和的碎裂方法可以促进此类复杂样品的解析，一种基于电子活化裂解（EAD）2,3的创新、高度可重复的碎裂方法用于分析来自商业化ADC药物的偶联肽。使用10 Hz快速非靶向的数据依赖采集（DDA）方法采集数据，通过此工作流程，一次进样就可以应用基于EAD的碎片进行常规和高级表征。曲妥珠单抗美坦新偶联物（T-DM1）是最早的ADC治疗药物之一，于2013年获得FDA批准用于治疗人表皮生长因子受体2（HER2）阳性转移性乳腺癌。T-DM1是由单克隆抗体曲妥珠单抗和细胞毒素美坦新（DM1）通过不可裂解连接子共价偶联而成（图1）。将单克隆抗体（mAb）的靶标特异性与细胞毒性药物的高效率相结合，可充分利用两个方面的优势，最大限度地减少副作用3。T-DM1是与氨基连接，如连接在曲妥珠单抗的赖氨酸残基的侧链中。先前的完整质量研究表明，T-DM1的平均DAR约为3.5.1,4。但是曲妥珠单抗中有88个赖氨酸残基和4个N端基团，可能会出现450万个以上的不同分子形式1。有效载荷的位点和结构将直接影响药物的功效和安全性，因此将其归类为关键质量属性（CQA），并且需要在开发过程中进行全面表征和严格监控。图1. 细胞毒药物有效载荷和连接子与mAb偶联的示意图。T-DM1由DM1（黑色），靶向连接氨基残基的MCC连接子（linker，蓝色）和单克隆抗体组成。本研究选择了与Zeno&trade EAD相结合的DDA方法。采用这种方法，不仅可以执行常规的肽图分析，而且EAD可以在同一针分析中进行高级表征。此外，Zeno EAD增强了碎片离子的检测能力，从而正确鉴定了低丰度物质。图2展示了在偶联肽SCDK [DM1]THTCPPCPAPELLGGPSVFLFPPKPK上观察到的碎裂模式的例子。在分析中未观察到没有连接子和药物或其部分的肽，表明其完全偶联。获得了此肽段高质量的MS / MS谱图，从而使该特定肽段的MS / MS序列覆盖率达到96.6％。一个更占优势的碎片从 m/z大于500的有效载荷产生（请见图2中的标记）。观察到的有效载荷结构的主要裂解位点是DM1的COO-C键，这种碎裂模式与先前利用CID技术产生的一系列小碎片的数据不同1。较大分子量的药物碎片可以用作特征碎片，以更具体地确认有效载荷的存在，并可以用来确认有效载荷的结构。图2. 应用Zeno EAD得到的偶联肽SCDK [DM1] THTCPPCPAPELLGGPSVFLFPPKPK（z =+4）的碎片数据。来自肽段主链指定偶联肽段离子的全扫描MS / MS数据，以及有效载荷中的碎离子信息。此外，通过将Zeno EAD技术用于增强的碎片离子检测，还可以很好地检测到来自肽段主链的片段信息，从而提供有关肽段的分子完整性的信息。由于酶的空间位阻，抗体上偶联药物的存在会导致样品制备酶解过程中的更多漏切位点。另外，赖氨酸残基和有效载荷之间的结合过程是随机反应，偶联的比率并不总是100％，这导致了多样性和低丰度物质存在。当一个肽段中存在多个潜在连接形式时，鉴定正确的连接位点可能是一个挑战。肽段ASQDVNTAVAWYQQKPGKAPK是这种具有挑战性的另一个例子（图3）。它包含一个漏切位点和一个脯氨酸相邻的N端赖氨酸，导致偶联位点的多种选择。但是，有了从EAD技术碎裂得到丰富、高质量的MS / MS质谱图，就可以实现药物定位的自动匹配（图3A）。由于有效载荷靠近肽的C端，因此检测到的C离子比Z离子丰富（图3A），而未结合的肽显示出来自C端和N端的丰富片段（图3B）。众所周知因为电子活化解离技术不会解离脯氨酸的N端，我们还检测到了除了C15以外的从C3到C17的全系列C片段7。这提供了确凿的证据表明K15未与细胞毒药物偶联。此外，z4，z5和z7表明K18（而非K21）是药物偶联的正确位点。图3. 应用Zeno EAD得到的来自偶联/非偶联肽ASQDVNTAVAWYQQKPGK [DM1] APK（z =+3）的碎片的数据。A：来自肽段主链指定偶联肽段离子的全扫描MS / MS数据，以及有效载荷中的碎离子信息。B：来自肽段主链指定非偶联肽的全扫描MS / MS数据。 连接子显示为蓝色，DM1药物显示为黑色。结论：通过EAD的新型碎裂模式，实现了具有多个潜在位点的多肽中药物偶联的准确定位与传统的MS / MS分析相比，EAD技术获得更丰富的MS/MS碎片信息。应用Zeno EAD技术，即使对于中等强度或极低强度的母离子（例如低丰度的偶联肽），也能获得令人信服的二级碎片和出色的数据质量SCIEX ZenoTOF&trade 7600系统强大、高重现性且易于使用的多重碎裂技术，使用户能够以简单的方式解决具有挑战性的分析问题(CN)Characterization of an antibody-drug-conjugate (ADC) using electron activated dissociation (EAD).PDF点击下载声明：版权为 SCIEX 所有。欢迎个人转发分享。其他任何媒体、网站如需转载或引用本网版权所有内容须获得授权, 转载时须注明「来源：SCIEX」。申请授权转载请在该文章下“写留言”。

2023年4月10日起，由中国细胞生物学学会主办的中国细胞生物学学会第十八次全国会员代表大会暨2023年全国学术大会，在江苏苏州盛大举行！宁波力显智能科技有限公司INVIEW作为专业从事超高分辨率显微成像产品生产研发的科技企业，受邀参会并作精彩亮相。值此盛会，力显智能发布了新品——细胞计数仪！正值春日好光景，展台前人才济济！嘉宾老师们都给了INCount极大的肯定，INCount也成为了本次会议吸睛的新起之秀！新品发布期间力显展位吸引了众多行业同仁的驻足参观和交流，吸引众多参展人员深入交流探讨，众多参展人员与代理商经过亲身试用体验和咨询信息后展现出浓厚的兴趣！INCount C全自动细胞计数仪是集高清成像、精准计数、智能分析为一体的细胞计数系统，搭载深度学习智能识别算法，准确分割细胞聚团，实现精准计数及数据可视化:一键开启、快捷方便、8s计数，让细胞计数快人1秒，胜人一筹!准（ACCURATE）1.高清成像600万彩色高帧率CMOS10倍标准物镜0.25 NA值2.智能识别算法确保计数结果准确稳定，准确分割细胞聚团，获得更准确的分析结果 识别重复精度CV5%。3.大样本量细胞统计分析一次可支持6样本各3个视野的成像统计，符合统计学，保障数据准确性。快（EFFICIENT）1.指尖触控触屏操作，简单方便。2.预设多种实验类型实验流程采取一键“宏”模式，预设了台盼蓝、AO/Pl等实验类型，简化手动操作步骤，提高实验效率。3.实现8s样本台盼蓝计数，35s双荧光AOPI计数。智（SMART）1.智能识别结合先进软件和深度学习的智能识别算法，可自动对焦、自动曝光、告别复杂参教设置,最大程度减少用户间操作差异。2.数据可视化内置多种可视化数据分析图像模式3.高性能硬件和配置12核酷睿isCPU,运算快速,分析流畅，智能分析不卡顿。＋（AND MORE）1.细胞转染效率分析、细胞周期分析在实现细胞计数的基础上，INcount还可以帮动用户进行组胞转染效率分析和细胞周期分析，精确定量、定性分析，无需第三方分析软件，大大提高实验者效率。2.支持定制支持用户定制，助力更多用户实验。力显的明星产品也是毫不逊色！力显也向业界同仁全面介绍了iSTORM超高分辨率显微成像系统及活细胞成像仪器赛乐微在生物医学领域的创新应用成果，收到了现场专家以及代表用户的一致好评。感谢客户们与专家们的认可客户都说好，才是真的好！在场的客户数就是对我们最好的肯定!关于我们About us 宁波力显智能科技有限公司（INVIEW）是专业从事超高分辨率显微技术和产品研发的科技企业，依托复旦大学的自动控制、新一代信息技术及香港科技大学的生物、光学、图像处理等的技术，拥有光学、生物、自控、机械、信息技术等多领域交叉学科技术团队，将2014年诺贝尔化学奖技术产业化，推出了超高分辨率显微成像系统iSTORM、细胞智能监控助手赛乐微等一系列产品，帮助人们以前所未有的视角观察微观世界，突破极限，见所未见。

获取纳米颗粒定量化形貌信息，是科学家研究纳米颗粒材料性能的重要科研途径，对于推动纳米颗粒材料创新十分重要。扫描电子显微镜(SEM)和透射电子显微镜(TEM)是表征纳米颗粒材料形貌的重要工具。 　　然而，扫描电子显微镜和透射电子显微镜产生的图像，会因为较大的背景干扰和庞大的纳米颗粒数量，使获取纳米颗粒材料形貌信息变得困难。如何在海量而复杂的图像中实时准确地自动获取纳米颗粒定量化形貌信息成为挑战。 　　针对这一问题，中国科学院沈阳自动化研究所数字工厂研究室王卓课题组提出了一种基于深度学习的通用框架，用于对前述两种电子显微镜所产生图像中的纳米颗粒形貌进行快速、准确地在线统计分析。 该项研究近期获国际学术期刊Nanoscale (影响因子8.307)封面(Outside Front Cover)刊载，文章题目是A deep learning-based framework for automatic analysis of nanoparticle morphology in SEM/TEM images。 纳米颗粒分割模块结构示意图 　　该通用框架主要包括纳米颗粒分割模块、纳米颗粒形状提取模块和纳米颗粒形貌统计分析模块三个重要组成部分。其中，在纳米颗粒分割模块的设计中，研究人员将轻量化空洞空间池化金字塔模块、双注意力机制和改进的多尺度渐进融合解码器相融合，能够对纳米颗粒形貌特征进行多尺度多维度的快速捕获和融合，提高该通用框架的实时性和准确性。 　　试验结果表明，研究人员提出的模型在数据集上测试达到86.2%的准确率，并且将模型部署在嵌入式处理器上处理速度可达11FPS，可以满足电镜端的实时处理需求。