抗体医薬(mAb/ADC/BsAb)のAI薬事対応｜抗体設計×Fc工学×糖鎖工学×ICH Q5A(R2) 2025改正×CDx Codevelopmentの実装ガイド

ADC 1 分子あたり結合する細胞毒素分子数の平均値です。4-8 が一般的で、T-DXd は 8、他の ADC は 3.5-4 が多い。DAR が高いと効力は上がるが凝集・クリアランス加速・毒性懸念が増加。Site-specific Conjugation（部位特異的抱合）で DAR 均一化、AI で最適 DAR を設計段階から評価します。CMC で DAR 分布の規格管理が必須です。

ADCC 増強（Fucose 欠失、S239D/I332E 等の Fc mutation）、ADCC 減弱（IgG4、LALA mutation）、FcRn 結合増強（YTE、LS mutation で半減期延長）、Complement Activation 調節、Protein A 結合・製造性考慮が主要パターン。用途（がん・自己免疫・感染症）と標的特性で選択します。AI は構造予測と機能予測を統合して Fc 設計を支援します。

T cell engager BsAb では CRS（Cytokine Release Syndrome）が臨床試験中断要因となることがあります。Step-up dosing（段階的用量増加）で初回 CRS を軽減、Tocilizumab 併用プロトコル準備、サイトカイン（IL-6）モニタリング、Neurotoxicity（ICANS）評価も併用。AI はリスク予測モデルと既存 T cell engager 事例の学習で投与設計を支援します。

2025-01 発出の一部改正で、次世代シーケンシング（NGS）による adventitious agent detection の位置づけ、Process-based viral safety、連続製造・灌流培養対応が強化。抗体医薬の CHO 細胞由来製剤では MCB/WCB ウイルス試験、Process Clearance、Nanofiltration・Low pH 不活化バリデーションが依然必須。AI は NGS データ解析と Process-based リスク評価を支援します。

Lead 候補段階で凝集傾向・粘性・化学安定性・熱安定性・精製難易度を AI 予測。開発後期の CMC 問題を事前回避します。Aggregation propensity scoring（AggrescanSS、SAP）、粘性予測、化学修飾ホットスポット（Asn deamidation、Met oxidation）解析、TM 予測などを統合。AI スクリーニングで Lead 選定時間を 80% 短縮、成功率を向上させます。