在2026年伦敦世界ADC大会上，专家们指出，payload设计、靶向策略以及人工智能驱动的发现所取得的进展，正深刻改变着抗体药物偶联物的开发格局。

本次大会并未流于宏大的宣言，而是聚焦于切实进展：创新方法、可靠的临床前验证以及AI驱动的洞见，正如何助力ADC药物的发现与开发。

ADC设计迈向整体整合

本次大会的一个核心共识是，业界日益认识到ADC必须作为完全整合的治疗体系来设计——抗体、连接子、偶联策略和payload必须协同作用。Sygnature Discovery的ADC项目负责人Joshua Greally对此阐释道：

"DMTA循环(设计、合成、测试、分析)需要扩展，将ADC的每个组成部分都纳入其中。唯有如此，我们才能开发出真正契合目标疾病、具备针对性的治疗方案。"

Sotio Biotech生物制品核心技术总监Sarka Stehlikova进一步强化了这一观点，她强调了在设计与机制理解之间取得平衡的重要性：

"关键在于理解ADC中的每一个相互作用——不仅仅是各个组成部分本身，更是它们如何相互影响。整体性的方法能够确保最终的分子在患者体内按预期发挥作用。"

Sygnature Discovery肿瘤药物发现副总裁Allan Jordan也对此表示赞同，他指出payload已不再是次要的考量因素，并强调了以下趋势：

"我们明显看到，业界正从使用通用的高毒性payload，转向精心设计那些具备ADC所需特性、能够更精准地区分病变细胞与正常组织的payload。"

专家们的共识清晰明确：采取整体整合的方法，能够提升疗效、减少脱靶效应，并助力ADC在日益复杂的肿瘤治疗格局中取得成功。

以更智能的payload拓宽治疗窗口

Payload创新是本次大会反复出现的主题。传统的ADC payload往往会导致全身毒性，从而限制了治疗窗口和患者的耐受性。

Starpharma业务发展主管Tony Eglezos阐述了他们基于树枝状聚合物的灵活平台如何解决这一难题："树枝状聚合物使我们能够精准控制payload的释放速率，调节生物分布和药代动力学特性，从而消除那些常常引发毒性的药物峰值浓度效应。"

Sotio公司的Stehlikova也强调了她所在的团队如何利用payload创新来平衡药效与耐受性："我们的目标是在不牺牲疗效的前提下拓宽治疗窗口。通过提升payload的选择性并优化连接子设计，我们能够降低全身毒性，最终改善患者的治疗结局。"

通过整合化学、生物学与计算科学，各大研发机构正致力于拓宽ADC的治疗窗口，力求在保持高效杀伤肿瘤细胞的同时，最大限度地减少副作用。

双特异性靶向与蛋白质组学开启新机遇

靶点生物学仍是制约众多ADC发展的瓶颈。同时靶向两个抗原的双特异性ADC，作为提升肿瘤选择性和疗效的有效途径，在大会上备受关注。Promatix Biosciences首席执行官Michael Hunter博士分享了其团队的洞见：

"通过应用我们自有的蛋白质组学数据库TX Pro，我们已识别出超过2000种潜在的顺式双特异性靶点组合，这些组合在多种肿瘤类型中均表现出显著的差异表达。结合逻辑门控策略，这极大地拓展了肿瘤学中此前未被开发的靶点空间。"

Hunter博士还强调了源自患者数据的重要性："我们必须以患者为起点，聚焦于蛋白质层面而非mRNA。通过对比肿瘤细胞表面蛋白与健康组织的表达差异，我们能够精准靶向，从而最大限度地降低毒性。"

纵观整个领域，先进的蛋白质组学和计算筛选技术，正帮助研究人员探索那些以往被认为难以成药的靶点，为下一代ADC的开发奠定坚实基础。

临床前验证与生物标志物：价值愈发凸显

专家们强调，ADC开发正日益向小分子药物发现模式靠拢，愈发重视机制理解和早期生物标志物的整合。Sygnature Discovery的Greally对此阐释道：

"我们需要洞悉每一个作用机制：抗原结合、内化、payload释放以及内体逃逸。每一个环节都应为我们早期的生物标志物策略提供指引。"

Outer Biosciences首席科学家Jason Holsapple则描述了他们团队如何利用生理相关的皮肤模型来补充和完善上述方法："我们的平台能够检测到传统细胞或动物模型可能忽略的潜在毒性，特别是针对ADC payload而言。越早获得毒性洞察，后续的疗法就越安全。"

如今，从组织化学到细胞水平分析的各项临床前验证，都被视为在临床试验启动前指导ADC设计的不可或缺的关键环节。

AI与计算平台：驱动精准与高效

最后，人工智能和机器学习作为加速ADC发现流程的工具，在大会上被反复提及。

谈及Outer Biosciences的AI平台时，Holsapple表示："我们的机器学习平台能够整合来自多名捐赠者和多个实验的数据，实现化合物的早期筛选，并聚焦于最具潜力的候选分子。"

Michael Hunter也强调了预测算法如何助力优化双特异性ADC的结合亲和力："我们的模型能够确保对肿瘤细胞产生杂交亲合力结合，同时最大限度地减少单价脱靶效应——这让我们告别了盲目摸索的时代。"

结语

纵观2026年伦敦世界ADC大会，一幅产业变革的清晰图景跃然眼前。专家们普遍认同，ADC的未来在于深度整合：化学与生物学的融合、payload与靶点的匹配、以及AI驱动的洞见贯穿始终。双特异性设计、高选择性payload、稳健的生物标志物策略以及预测性的计算工具正汇聚成一股强大合力，共同催生更安全、更强效的疗法。

正如Sygnature Discovery的Joshua Greally所总结的那样：“新一代ADC将更安全、更有效，并且真正围绕患者的需求来设计。”

从临床前探索到临床转化，ADC的开发正超越渐进式的改良，迈向一个全面整合、以患者为中心的新范式——这场深刻变革所预示的，不仅是新药的不断涌现，更是全球患者治疗结局的切实改善。