从"有效"到"耐药"：集萃药康多维肿瘤耐药模型助力新药研发 从化疗、靶向治疗，到ADC和免疫治疗，肿瘤药物不断带来新的治疗突破。但几乎所有成功的抗肿瘤治疗都会面临同一个问题——耐药。部分患者从治疗开始即缺乏响应，部分患者则在获得明显缓解后逐渐进展。其背后可能涉及靶点改变、药物摄取与外排异常、下游信号重编程、抗原呈递缺失以及肿瘤免疫微环境变化等多种机制。 因此，在临床前阶段，单纯证明候选药物能够抑制"敏感肿瘤"已经远远不够。能否在既有治疗失效的背景下重新建立疗效，并进一步回答"为什么有效"，正在成为下一代抗肿瘤药物和联合治疗策略的重要评价方向。 围绕这一需求，集萃药康通过体内连续给药诱导、体外药物压力筛选、基因工程以及天然耐药资源筛选等方式，逐步建立覆盖ADC及Payload、PD-1免疫治疗、小分子靶向药及化疗药物的耐药模型体系，为耐药机制研究及克服耐药的新药评价提供更贴近临床治疗场景的工具。

01 ADC耐药：从靶点到Payload，解析ADC耐药机制

ADC将抗体的靶向性与高活性细胞毒Payload结合，已成为肿瘤药物研发的重要方向。但ADC本身也是一条"多环节作用链"：从抗原结合、内吞、溶酶体处理，到Payload释放、胞内蓄积和最终杀伤，任一环节发生变化都可能导致耐药。因此，ADC耐药研究不能简单等同于"靶点表达下降"。 以HER2 ADC Enhertu为例，集萃药康通过持续药物压力建立了JIMT-1-Enhertu-R耐药模型。值得注意的是，耐药肿瘤仍保持较高HER2表达，提示耐药并非主要由靶点丢失导致。进一步分析发现，耐药细胞中包括ABCG2在内的部分药物转运相关基因发生改变；针对ABCG2进行干预后，细胞对药物的敏感性能够得到一定程度恢复。与此同时，该模型对另一种HER2 ADC——RC48仍保持响应，进一步说明不同ADC之间并不一定存在完全交叉耐药。

图1 JIMT-1-Enhertu-R耐药模型及机制分析。A：体内药效；B：HER2表达；C：转录组差异；D：ABCG2抑制剂干预。

这类模型的价值也因此从"证明耐药"进一步延伸至耐药机制解析、不同ADC的交叉耐药评价以及耐药后治疗策略研究。针对另一重要ADC靶点TROP2，平台同步开展了Trodelvy耐药模型的构建。在亲本NCI-N87模型中，Trodelvy表现出显著的肿瘤抑制作用，TGI达88.7%；经多轮体内药物压力诱导获得的NCI-N87-Trodelvy-R模型中，Trodelvy的治疗响应明显下降，TGI仅为12.1%，显示出明确的获得性耐药表型。该模型可用于进一步评价新型TROP2 ADC、不同Payload ADC及耐药后替代治疗策略。

图2 Trop2-ADC耐药模型代表性结果。A：亲本NCI-N87对Trodelvy的治疗响应；B：NCI-N87-Trodelvy-R耐药表型。

从ADC整体耐药，下探到Payload效应层耐药

ADC最终仍需要依赖Payload完成细胞杀伤。DXd、SN-38、Exatecan等多个常见ADC Payload均与Topoisomerase I（Topo I）抑制机制密切相关，因此，Payload本身的耐药可能直接影响多种ADC的治疗效果。 基于这一思路，集萃药康进一步建立HCT116-Irinotecan-R Topo I抑制剂耐药模型。随着体外诱导药物压力不断提高，相应细胞群在体内对伊立替康的响应逐渐减弱，TGI由70.7%逐步下降至4.6%，形成清晰的耐药表型。

图3 HCT116-Irinotecan-R代表性体内验证。A：亲本HCT116对Irinotecan的响应；B：耐药模型治疗响应显著下降。

由此，平台可以从"ADC整体耐药"进一步下探到"Payload效应层耐药"，为新型ADC、Payload替换及克服交叉耐药策略提供更加精细的评价工具。

02 PD-1耐药：把复杂的免疫逃逸拆解成可研究的模型

与直接杀伤肿瘤细胞的药物不同，PD-1/PD-L1抑制剂的疗效高度依赖完整的肿瘤免疫循环。抗原呈递不足、MHC-I功能缺失、IFN-γ信号异常以及免疫抑制微环境等，都可能造成原发性或获得性耐药。 因此，免疫治疗耐药模型需要同时覆盖两类场景：一类模拟长期治疗压力下逐渐形成的获得性耐药；另一类则针对明确临床机制建立"机制型耐药模型"。 集萃药康通过多轮体内Keytruda治疗压力建立CT26-PD1-R模型，用于模拟持续免疫治疗后出现的药效下降；同时进一步构建CT26-mB2M KO和CT26-mSTK11 KO模型，分别从抗原呈递障碍及肿瘤内在信号异常等角度模拟具有明确机制基础的免疫治疗耐药。

图4 PD-1耐药代表性体内验证。A：亲本CT26对Keytruda的响应；B：CT26-PD1-R获得性耐药模型；C：CT26-mB2M KO机制型耐药模型；D：CT26-mSTK11 KO机制型耐药模型。

这样的组合，使模型不仅能够回答"新药在PD-1失效后是否仍然有效"，还可以进一步用于筛选针对特定耐药机制的联合治疗、新型免疫调节药物及下一代免疫治疗策略。

03 小分子及化疗耐药：从临床耐药突变到下一代抑制剂

靶向药物的耐药往往具有更加明确的分子基础，因此也是验证新一代抑制剂能否真正突破既有治疗瓶颈的重要场景。

EGFR-TKI：同时覆盖获得性耐药与明确突变机制

在EGFR-TKI领域，平台既建立了通过长期药物压力获得的HCC827-OSI-R奥希替尼耐药模型，也通过基因工程构建携带C797S耐药突变的NCI-H1975模型，分别模拟获得性耐药与明确突变驱动的耐药机制。两类模型在体内外均表现出明显的奥希替尼敏感性下降，可用于下一代EGFR抑制剂及耐药后联合策略评价。

图5 EGFR-TKI耐药模型体内外验证。A/D：Osimertinib体外敏感性变化；B：亲本NCI-H1975对Osimertinib的响应；C：NCI-H1975-C797S模型体内验证；E：亲本HCC827对Osimertinib的响应；F：HCC827-OSI-R体内验证。

KRAS：从G12C耐药走向新一代RAS(ON)抑制剂耐药

KRAS曾长期被视为"不可成药"靶点，以Sotorasib（AMG510）为代表的KRAS G12C抑制剂成功上市，首次实现了KRAS的直接药物干预。但随着临床应用推进，继发性KRAS突变及旁路信号激活等获得性耐药机制也逐渐显现，如何克服既有KRAS抑制剂耐药已成为该领域下一阶段的重要研发方向。 针对KRAS G12C抑制剂治疗后可能出现的耐药突变，集萃药康建立了MIA-PaCa-2-KRAS G12C/Y96D模型。该模型对AMG510表现出明显耐药，而对作用机制不同的RAS(ON) multi-selective inhibitor RMC-6236（daraxonrasib）仍保持显著治疗响应。

图6 KRAS耐药模型代表性结果。A：亲本MIA-PaCa-2对AMG510和RMC-6236均有响应；B：KRAS G12C/Y96D模型对AMG510耐药，而对RMC-6236仍保持治疗响应。

RMC-6236通过与Cyclophilin A形成复合物并结合活化状态RAS，阻断RAS与下游效应蛋白相互作用，其作用机制与传统KRAS G12C抑制剂存在明显差异。2026年8月，daraxonrasib（RASONQUE）获FDA批准用于既往接受过至少一线系统治疗、或不适合多药联合系统治疗的转移性胰腺癌患者，标志着广谱RAS(ON)抑制策略正式进入临床应用阶段。 随着这一类药物进入更广泛的临床应用，获得性耐药也将成为新的核心研发问题。已有研究开始关注RAS通路再激活、旁路信号改变等潜在耐药机制。基于这一快速发展的临床需求，集萃药康正在加快RMC-6236耐药模型的开发与验证，进一步拓展从KRAS G12C抑制剂耐药到新一代RAS(ON)抑制剂耐药的模型布局，为下一代RAS靶向药物、耐药后治疗策略及联合用药研究提供临床前评价工具。

集萃药康耐药模型资源（代表性模型）

平台模型覆盖ADC及Payload、免疫治疗、小分子靶向药及化疗药物，并以药物诱导与基因工程等不同策略模拟临床耐药场景。

从"敏感模型"走向"耐药场景"，让临床前评价更接近真实治疗问题

肿瘤耐药机制并不存在统一答案。ADC可能需要关注药物转运和Payload，免疫治疗需要关注抗原呈递及免疫微环境，而小分子药物则常常与继发突变和旁路信号激活密切相关。

因此，一个真正有研究价值的耐药模型体系，关键并不只是模型数量，而是能否覆盖不同耐药来源、不同药物机制以及不同研发阶段的问题。

目前，集萃药康已围绕ADC及Payload、PD-1/PD-L1、EGFR、KRAS、CDK4/6等方向布局多种耐药模型，并可进一步结合体内药理药效、靶点表达、转录组、免疫细胞亚群及细胞因子等检测，从单纯的"耐药表型"进一步延伸至机制解析、候选药筛选、联合治疗评价以及耐药后治疗策略研究。

让药物在"容易治疗的肿瘤"中有效，只是第一步；真正困难的问题，是当标准治疗已经失效时，新药还能否重新建立疗效。