在问题出现之前，先降低稳定性风险
能够通过结合筛选的候选物，并不一定就能在开发过程中存活下来。
聚集、胶体不稳定性以及热敏感性，是生物药后续失败的最常见原因之一——而且它们往往会被忽视，因为能够捕捉这些问题的测量被应用得太晚。
从命中确认到主导化合物提名之间的窗口期，是稳定性风险最容易管理的阶段。在这一阶段，样品量很小，候选池仍然足够大，便于做出有意义的筛选，而淘汰一个有问题分子的成本，只是项目再推进几个月后的零头。随着生物药项目从发现和早期开发过渡到临床前阶段，命中验证逐渐让位于主导化合物和候选物优化，对更深入、更全面的生物物理表征的需求也随之增加。此时，稳定性筛选从辅助角色转变为核心角色。
在本博客中，我们将重点介绍动态光散射（DLS）和静态光散射（SLS）在早期稳定性筛选中的作用，以及它们如何与纳米颗粒跟踪分析（NTA）和差示扫描量热法（DSC）协同工作，构建对候选物可开发性的完整认知。
为什么稳定性风险是一个隐藏问题
与靶标具有高亲和力结合的分子，在制剂条件下仍可能发生聚集、在储存过程中变性，或在皮下给药所需的浓度下表现出不可预测的行为。
然而，这些问题出现的可能性，在主导早期筛选的结合与活性检测中基本是不可见的。高通量结合筛选可以告诉你某个分子是否与其靶标相互作用，却无法告诉你该分子在高浓度下能否保持单分散、能否经受三次冻融循环，或能否在典型制剂缓冲液的完整 pH 范围内维持其高级结构。
早期生物物理稳定性筛选的目的，就是通过加入结合数据无法提供的正交读数来弥补这一差距。
DLS 和 SLS 能揭示什么——以及为什么这在早期很重要
在 Zetasizer Advance 系列 上进行的动态光散射，通过利用粒径与扩散速率之间的关系，测量溶液中蛋白质的水动力半径。对于生物治疗候选物而言，它是可获得信息量最高的早期测量之一。它运行速度快、样品需求少，而且对具有诊断意义的变化非常敏感，往往在其他方法尚无法察觉之前就能发现问题。
聚集形成的最早信号
光散射强度与粒径的六次方关系，使 DLS 对较大颗粒具有极高的敏感性。在一个以单体为主的群体中，只要存在一个聚集体，其产生的散射信号就会远远超过其体积贡献。这意味着，DLS 能够在聚集体仍完全无法通过按体积或数量加权的分布看见时，捕捉到聚集形成的最早迹象。沿温度梯度监测粒径和多分散性，可以得到聚集温度（Tagg），即制剂在热应激下开始失效的一个早期可测节点。
预测在制剂浓度下的行为
Tagg 告诉你蛋白在热应激下何时发生聚集，但不能解释原因，也不能告诉你候选物在制剂所需的高浓度下会如何表现。为此，同一套 DLS 和 SLS 测量流程所导出的两个相互作用参数，提供了具有前瞻性的答案。
扩散相互作用参数 kD 由不同浓度系列的 DLS 测量导出，用于量化溶液中蛋白-蛋白相互作用的净效应。较大的正 kD 表示排斥相互作用：候选物更能抵抗自缔合，并且在制剂浓度下更可能保持稳定。负 kD 则表明吸引相互作用，预示在制剂条件下具有更高的聚集倾向和更高的黏度。
第二维里系数 B22 由 SLS 测量导出，提供了同一图景中的热力学部分。正的 B22 值表示蛋白更倾向于与溶剂结合而非自缔合，因此是溶解度和胶体稳定性的有利指标。负的 B22 值则提示候选物存在聚集或沉淀风险。
关键在于，这两个参数都可由同一浓度系列实验导出，但由于 kD 与 B22 相关，直接测量 B22 更为理想，因为它是对蛋白-蛋白总体吸引/排斥的热力学、浓度依赖性度量，因此对聚集风险的解释更直接；而 kD 则是基于扩散的间接替代指标，可能受到分子大小、摩擦和黏度等多种因素的影响。
这意味着，kD、B22、Tagg、PDI 和粒径分布都可以通过同一台 Zetasizer Advance 仪器，在协同的测量流程中获得。这就是早期 DLS 和 SLS 筛选的实际价值：在尚未投入大量资源进行制剂开发之前，识别最可能发生聚集的条件。
使用 NTA 分辨复杂群体
DLS 测量的是整体群体的集合平均值。在聚集体尺寸跨度很大的异质样品中，NanoSight Pro 上的纳米颗粒跟踪分析（NTA）可提供逐颗粒的粒径和浓度数据，而这些是集合式 DLS 无法分辨的。
这两种技术是互补的：DLS 具有速度快、灵敏度高和可提取胶体参数的优势；NTA 则用于分辨和定量需要更高分辨率视角的较大聚集群体。
DSC 为图景补充了什么
DSC 通过表征结构稳定性来支持 DLS 和 SLS，确定蛋白的折叠构象如何响应热应激。
MicroCal PEAQ-DSC 测量蛋白在温度升高时展开所吸收的热量。熔解温度（Tm）是蛋白群体中 50% 已展开时的温度。较高的 Tm 通常与更好的实际储存稳定性相关，而较低的 Tm 则是公认的制剂风险早期指标。
将 DSC 与 DLS 数据结合，可区分两种机制上不同的失效模式：与展开耦合的聚集，以及在低于变性温度时作为纯胶体事件发生的聚集。
这两种情形对制剂策略的含义不同，对后续开发的影响也截然不同。尽早识别某个候选物属于哪一种模式，可以避免制剂团队在一个具有内在缺陷、无法完全解决的分子上耗费数月优化条件。
从筛选到可开发性
将 DLS、SLS、NTA 和 DSC 结合使用并尽早应用，能让开发团队在失败仍可避免的阶段获得更好的候选物决策数据。
如果某个候选物表现出极佳亲和力，但 PDI 很高、kD 为负，而且 Tm 明显低于行业常规水平，那么它已经暴露出一个重要问题：它是一个可开发性风险项。在主导候选物评估阶段发现这一点，与在制剂开发阶段、优选候选物已经提名之后才发现，根本不可同日而语。
展望未来，能够运行 DLS、SLS 以及基于内源荧光的结构稳定性测量的高通量平台的出现，可能会把这种早期筛选能力扩展到以往单台仪器难以实现的规模。这将把本文所述的表征深度带到候选物筛选漏斗的最早阶段。
了解更多关于 Malvern Panalytical 完整生物药表征工作流程的信息。
即将推出！借助突破性新平台加速生物药表征
只有当你能够快速、可靠且规模化地产生稳定性数据时，这些数据才真正有价值。因此，我们将于 9 月推出一款突破性的新分析平台，旨在消除生物药表征中速度与数据深度之间传统上的权衡。
观看新平台的实际应用
欢迎参加我们即将举行的网络研讨会，Ready to Accelerate Your Biologics Pipeline? Stop Compromising in Biologics Characterization，届时我们将发布这一突破性平台，并演示它如何帮助您更快、更有把握地做出开发决策。
立即注册，锁定席位：
{{ product.product_name }}
{{ product.product_strapline }}
{{ product.product_lede }}
