在生物药与肽类药物研发领域，免疫原性——即药物引发人体免疫反应的能力——始终是悬在研发者头顶的“达摩克利斯之剑”。它直接影响药物的安全性与有效性，也决定着患者能否真正从创新疗法中获益。随着多肽药物研发的深入，传统认知正在被打破，新的评估体系也在加速建立。
免疫原性研究，正从“经验推测”走向“精准预测”。
打破常规：单次给药也能触发免疫反应
传统观点认为，免疫系统需要像“初次接种+加强针”这样多次暴露于药物，才会产生显著的免疫反应。
但近年研究发现，某些肽类药物仅单次给药即可诱导免疫原性。
这一现象背后，存在两种可能机制：其一，预存免疫反应。即使患者从未接触过某种药物，体内可能已存在能与该药物结合的抗体或T细胞。这源于人体对其他类似蛋白（如内源性肽或既往接触过的药物）的交叉反应。其二，药物结构特性。某些肽类药物的特殊结构可能更易被免疫系统识别，从而绕过了传统“多次暴露”的需求。这一发现意味着：免疫原性风险评估必须从首次给药开始，而非仅关注长期用药后的反应。在药物研发早期阶段即引入免疫原性评估，已成为降低临床开发风险的关键策略。
非天然氨基酸的身份谜题：免疫风险如何预判
为增强药物稳定性或活性，研发人员常在多肽中引入非天然氨基酸。然而，这些“非自然”结构对免疫原性的影响难以预测，成为风险评估的难点。
针对这一挑战，行业前沿探索出几种评估策略：
1.中性占位符替代法：将非天然氨基酸替换为不影响HLA结合的惰性结构，作为基线参考。
2.天然氨基酸扫描：用20种天然氨基酸逐一替换非天然位点，模拟潜在免疫反应范围。
3.结构相似性分析：选择化学性质接近的天然氨基酸进行比对，评估交叉反应风险。
通过这些方法，可初步划定含非天然氨基酸肽的免疫原性风险范围，为药物设计提供依据。
机器学习等计算工具的进步也在助力这一领域。已有研究团队开发出能够预测含非天然氨基酸肽段与HLA分子结合亲和力的模型，为免疫原性风险评估提供了新的计算工具。
另有研究提出结合化学指纹图谱与序列信息的机器学习方法，用于预测含非天然氨基酸肽段的MHC II类分子结合能力。这些进展正在将免疫原性风险评估从“猜测”推向“计算”。
杂质之困：从“经验推测”到“精准预测”
对于采用化学合成工艺生产的肽类药物（包括许多仿制肽），杂质带来的免疫原性风险是监管关注的重点。
美国FDA在《仿制肽类药物指南》中明确要求：仿制药中含量超过0.5%的“新杂质”应被去除，因为它们可能引发FDA认为无法充分解决的潜在免疫原性风险。申请人需提供理由，证明每种新杂质不含对主要组织相容性复合物具有更高亲和力的序列。这意味着，对于合成多肽而言，免疫原性评估不仅要看药物活性成分（API）本身，还需系统评估杂质谱中每一种肽相关杂质的潜在风险。
科学的风险评估流程通常遵循从“计算预测”到“体外验证”的路径。首先通过生物信息学工具预测杂质是否含有新的T细胞表位；若预测提示风险，则进一步通过HLA结合试验和T细胞功能检测进行验证。建立涵盖HLA结合试验与T细胞功能检测的技术体系，通过测定API与杂质肽的IC50值系统评估其与HLA分子的结合亲和力差异，并通过覆盖95%人群的HLA选择策略提升风险评估的准确性。化学合成可能产生结构特殊的杂质，需要通过精准识别这些“分子级差异”来有效控制风险。
未来展望：个体化与全链条管控
免疫原性研究的前沿，正朝着更精细、更个体化的方向发展。人源性肽药物的耐受性机制值得深入探索。某些仿制肽（如特立帕肽）可能含有天然的调节性T细胞（Treg）表位，这有助于抑制免疫反应。但若药物中存在杂质或降解产物，这些Treg表位的保护作用是否会受到影响？这需要进一步研究。
降解产物的影响同样不容忽视。药物活性成分或杂质在体内外可能发生降解，形成聚集体或脱酰胺物质等新产物。这些产物的免疫原性特征需通过体外实验结合临床样本（如HLA分型患者的纵向数据）进行验证。
从分子设计到临床验证的全链条免疫原性评估体系正在建立。通过结合免疫信息学工具、体外实验及真实世界数据，多肽药物的免疫原性管理将更加精准，最终惠及全球患者。
参考文献
Jiang S, et al. Machine learning application to predict binding affinity between peptide containing non-canonical amino acids and HLA-A0201. PLoS One. 2025;20（6）：e0314833.
De Groot AS, et al. In silico Immunogenicity Assessment for Sequences Containing Unnatural Amino Acids: A Method Using Existing in silico Algorithm Infrastructure.Frontiers in Drug Discovery. 2022;2.
De Groot AS, Mattei A, Gabriel B, et al. Immunogenicity of Generic Peptide Impurities: Current Orthogonal Approaches.Pharm Res. 2025;42（5）：805-818.
Mattei AE, Roberts BJ, Lelias S, et al. Immunogenicity risk assessment of peptide-related impurities identified in generic teriparatide products.?Front Immunol. 2025;16:1730346.
Lee JK, et al. Proceedings of the 2024 FDA-CRCG Workshop: Scientific and Regulatory Considerations for Assessment of Immunogenicity Risk for Generic Peptide and Oligonucleotide Drug Products.AAPS J. 2026.
