核心观点：ADC的下一轮竞争，可能不再是谁的毒素更强，而是谁能利用两种不同机制的载荷，在肿瘤细胞内形成更有效的协同杀伤，同时控制系统毒性。

2026年10月12日，全球领先的CDMO企业Lonza⁠宣布，与韩国生物技术公司Qurient达成独家许可协议，获得后者CDK7抑制剂在双载荷抗体偶联药物（Dual-Payload ADC）领域的应用权。

双方同时推出首款标准化双载荷连接子产品SYN-duo® CC，将经典拓扑异构酶Ⅰ（TOP1）抑制剂Exatecan与CDK7抑制剂结合，为ADC开发企业提供一种新的载荷组合方案。

值得注意的是，这并非简单地将两种细胞毒素连接到同一个抗体上。

其真正的科学逻辑是：TOP1抑制剂负责诱导DNA损伤，CDK7抑制剂则可能通过抑制转录和DNA损伤修复相关程序，削弱肿瘤细胞的修复能力。

这种设计代表ADC开发思路的重要转变：从单一高效杀伤机制，走向机制互补、耐药干预与精准递送相结合的系统工程。

Lonza的公告确认了产品组合及其开发意图，但尚未公布SYN-duo CC的完整药效、安全性和临床验证数据。

一、Lonza为什么选择CDK7？这笔交易真正买到了什么？

1.1 交易结构：从ADC生产服务走向核心载荷技术

根据10月12日公告，Lonza获得Qurient CDK7抑制剂在双载荷ADC应用领域的独家许可。

交易包括三个重要内容。

首先，Lonza获得了将Qurient CDK7抑制剂用于双载荷ADC开发的技术权益。

其次，双方推出SYN-duo CC标准化产品，将Exatecan与CDK7抑制剂组合，为客户提供预制型连接子—载荷方案。

第三，Lonza还可以利用自身偶联技术，将该CDK7抑制剂与其他类型载荷进行组合，形成不同的双载荷ADC设计。

公告没有披露首付款、里程碑付款、销售分成，也没有明确披露所使用CDK7抑制剂的具体化合物名称。

因此，目前不能直接将其认定为Qurient某一已知临床候选药物，也不能认为该组合已经完成临床验证。

从商业角度看，这笔交易的价值并不仅仅在于CDK7抑制剂本身。

Lonza正在把自己的商业模式从传统ADC工艺开发与生产，延伸到更上游的ADC分子设计。

过去，CDMO企业主要提供抗体偶联、连接子合成、毒素生产、制剂开发及GMP生产等服务。

未来，拥有专有载荷组合技术的CDMO，还可以直接参与客户ADC候选分子的差异化设计。

这意味着，载荷技术可能成为ADC CDMO平台的重要竞争壁垒，而不再只是可采购的化学原料。

1.2 CDK7为什么值得关注？

CDK7属于细胞周期蛋白依赖性激酶家族，同时参与细胞周期调控与RNA聚合酶Ⅱ介导的转录过程。

CDK7通过参与TFIIH复合物以及CDK-activating kinase相关活动，影响基因转录和细胞周期进程。

对于某些高度依赖转录程序的肿瘤，CDK7抑制可能干扰癌细胞维持增殖和存活所需要的关键基因表达。

但CDK7并非肿瘤特异性靶点，正常增殖组织也可能受到影响。

这正是将CDK7抑制剂转化为ADC载荷的潜在价值所在。

通过肿瘤相关抗原介导的靶向递送，有机会提高肿瘤组织内的有效药物暴露，同时减少游离CDK7抑制剂的系统性作用。

不过，这种优势能否实现，取决于载荷释放后的细胞内活性、肿瘤选择性、连接子稳定性及游离药物暴露。

二、SYN-duo CC的科学逻辑：让DNA损伤与修复抑制同时发生

传统TOP1类ADC通过释放细胞毒性载荷，干扰DNA复制过程，造成DNA损伤，最终诱导肿瘤细胞死亡。

Exatecan及其衍生物已经成为新一代ADC开发的重要载荷来源。

但是，TOP1类ADC并不能解决所有问题。

部分肿瘤细胞可能通过增强DNA损伤应答、改变药物转运、降低靶抗原表达等机制产生耐药。

Lonza与Qurient提出的方案，试图针对其中一部分耐药机制进行干预。

机制一：Exatecan诱导DNA损伤

Exatecan是一种喜树碱类TOP1抑制剂。

其作用是稳定TOP1与DNA形成的切割复合物，干扰DNA复制过程中正常的解旋和重新连接过程。

当复制叉与这些复合物发生冲突时，可形成更严重的DNA损伤，并诱导细胞死亡。

机制二：CDK7抑制削弱损伤修复相关转录程序

CDK7参与转录调控，因此CDK7抑制可能降低部分DNA修复相关蛋白的表达，削弱肿瘤细胞对TOP1抑制剂所造成损伤的应答能力。

这一机制并非纯粹的理论假设。

2026年AACR Drug Discovery and Development会议上，Qurient介绍了HER2靶向双载荷ADC QP101的临床前研究。

该项目将TOP1抑制剂与CDK7抑制剂共同递送至HER2表达细胞，研究重点包括对传统TOP1类ADC耐药的干预。

AACR对该研究的报道指出，CDK7抑制可降低DNA修复相关蛋白的转录表达，从而为TOP1抑制提供机制上的增敏作用。

机制三：双载荷共同递送

与两种游离药物联合给药相比，双载荷ADC理论上可以提高两种药物进入同一靶细胞的机会。

但这里需要强调一个关键区别：

共同偶联在同一个抗体上，并不等于两种药物能够以最佳比例、最佳时间和最佳浓度进入肿瘤细胞。

不同载荷的释放速率、细胞内分布、外排效率和药效持续时间都可能不同。

因此，真正决定双载荷ADC成功与否的，不只是两种毒素的组合，而是它们在肿瘤细胞内的有效暴露关系。

三、ADC毒素竞争格局：从微管抑制剂到TOP1、DNA损伤和新型调控载荷

ADC载荷技术大致经历了从超高毒性细胞毒素向机制多样化发展的过程。

早期ADC主要依赖微管抑制剂和DNA损伤剂。

近年来，TOP1抑制剂逐渐成为实体瘤ADC的重要技术方向。

随着TOP1类ADC广泛开发，耐药、交叉耐药及安全性限制也开始推动新一轮载荷创新。

3.1 主流ADC载荷类型对比

注：竞争成熟度为基于截至2026年10月公开临床验证和开发活跃程度的定性判断，并非市场份额排名。不同载荷的药效和毒性高度依赖连接子、DAR、抗体靶点及给药方案，不能仅根据游离毒素活性直接比较ADC性能。

三个值得关注的变化

第一，TOP1已经成为新一代ADC的重要基础载荷。

TOP1类ADC拥有较强的实体瘤临床验证基础，也推动了连接子、DAR及载荷结构的持续优化。

但是，随着大量企业使用相似的TOP1机制，仅仅替换抗体靶点，越来越难建立充分的差异化优势。

第二，DNA损伤修复调控类载荷可能成为重要的新方向。

CDK7、PARP、ATR、WEE1等靶点并非传统意义上的超高效细胞毒靶点。

其价值可能更多体现在与DNA损伤载荷形成机制互补。

这意味着载荷选择的评价标准，需要从单纯比较IC50，转向比较机制协同、肿瘤选择性和治疗窗。

第三，免疫调控类载荷正在拓展ADC的作用边界。

传统ADC主要通过直接杀伤肿瘤细胞发挥作用。

免疫激动型ADC则尝试将局部细胞毒作用与肿瘤免疫微环境重塑结合。

不过，这类产品与双细胞毒ADC的药理逻辑不同，需要独立评估免疫激活和系统炎症风险。

四、双载荷ADC竞争格局：Lonza面临哪些竞争者？

双载荷ADC已经不再停留于概念验证阶段。

2026年的公开研究显示，多家企业正在探索TOP1抑制剂与微管抑制剂、转录抑制剂、DNA损伤应答抑制剂等不同机制的组合。

4.1 代表性竞争项目与技术平台

其中，Sutro的STRO-227具有较高参考价值。

该项目针对PTK7，采用Exatecan与MMAE两种载荷。

2026年AACR摘要披露，STRO-227使用亲水性、可被β-葡萄糖醛酸苷酶切割的连接子，载荷配置为8个Exatecan与2个MMAE。

在多个异种移植和PDX模型中，STRO-227显示出优于相应单载荷ADC的抗肿瘤活性，并报告了非人灵长类动物中的药代和安全性研究结果。

但这些仍属于临床前证据，不能据此判断其临床治疗窗优于现有ADC。

MediLink在AACR 2025公布的双载荷研究，则通过TOP1抑制剂与微管抑制剂组合，在部分耐药模型中获得了较好的抗肿瘤结果。

这两种组合代表不同的技术方向。

TOP1i与微管抑制剂组合，重点在于利用不同细胞毒机制降低单一机制耐药的影响。

TOP1i与CDK7i组合，则更强调DNA损伤和修复抑制之间的功能协同。

从理论上看，后者可能通过调控细胞对DNA损伤的应答，提高TOP1抑制剂的有效性。

但目前还没有充分的头对头临床证据证明，CDK7组合一定优于微管抑制剂组合。

4.2 Lonza的差异化优势在哪里？

Lonza与传统Biotech竞争者最大的区别，是其商业模式。

Biotech企业通常需要围绕具体抗原、抗体、连接子及载荷，开发具有完整知识产权的候选药物。

Lonza则可以将SYN-duo CC作为可供不同客户采用的技术组件。

对于没有成熟ADC化学团队的Biotech企业，这种模式可能降低早期探索双载荷ADC的技术门槛。

但标准化平台也存在局限。

不同抗原的内吞速度、溶酶体运输效率、抗体分布和肿瘤组织渗透能力存在明显差异。

因此，同一种连接子—载荷组合不一定适合所有ADC靶点。

真正具有长期竞争力的平台，需要提供的不只是可偶联的载荷，还应包括载荷比例优化、释放动力学控制、药代建模和可开发性评价。

五、AI视角：下一代ADC开发，应该如何选择毒素？

如果把ADC开发看作一个多目标优化问题，其设计变量至少包括抗体、靶点、表位、连接子、载荷、DAR及给药方案。

传统ADC研发往往采用相对线性的流程。

先选择靶点，再获得抗体，然后确定连接子和毒素，最后进行药效及安全性验证。

这种方式对于机制明确的单载荷ADC仍然有效。

但面对双载荷ADC，单独优化某一个组件可能无法获得整体最优结果。

我认为，AI真正的价值在于建立抗原—抗体—连接子—载荷—肿瘤生物学的联合优化体系。

5.1 第一层：基于肿瘤分子特征选择载荷组合

双载荷ADC不应仅仅依据两种毒素在细胞实验中的IC50进行组合。

更合理的方法是结合肿瘤的分子特征，预测不同载荷机制的互补性。

例如，对于DNA损伤修复能力较强、TOP1类ADC治疗后出现耐药的肿瘤，可以研究TOP1i与CDK7i、ATRi或PARPi的组合。

对于存在明显药物外排相关耐药的肿瘤，则应优先研究不同载荷对ABCB1、ABCG2等转运蛋白的敏感性，避免将两种具有相似外排风险的毒素简单组合。

对于抗原表达高度异质性的肿瘤，需要重点评价载荷的膜通透性、旁观者效应以及肿瘤内药物分布。

AI可以整合转录组、蛋白组、CRISPR筛选、药物敏感性及耐药模型数据，建立不同载荷组合的预测模型。

但模型预测必须通过配对的单载荷ADC和双载荷ADC实验进行验证。

5.2 第二层：建立ADC载荷协同预测模型

对于TOP1i与CDK7i组合，建议重点关注四类数据。

首先是DNA损伤标志物，包括γH2AX及其他DNA损伤应答指标。

其次是转录抑制指标，包括RNA Pol II相关磷酸化状态和DNA修复基因表达变化。

第三是细胞命运指标，包括细胞周期、凋亡及长期克隆形成能力。

第四是耐药相关指标，包括药物外排、TOP1表达变化和DNA修复通路状态。

在算法方面，可以采用Bliss、Loewe及ZIP等协同评价方法，并结合剂量反应曲面模型。

需要注意，传统药物协同评分主要针对已知游离药物暴露条件。

对于双载荷ADC，必须进一步考虑两种载荷的细胞内释放和实际暴露。

因此，最有价值的AI模型不是简单预测两种毒素是否协同，而是预测在真实ADC递送条件下，哪种载荷比例能够实现最佳药效和安全性。

5.3 第三层：AI优化双载荷比例与连接子

双载荷ADC的DAR设计更加复杂。

对于单载荷ADC，研究人员通常关注总DAR及其对药代和稳定性的影响。

对于双载荷ADC，则至少需要同时考虑两种载荷的DAR、比例、释放速率和化学性质。

例如，DAR为4+2与8+2的双载荷ADC，即使使用相同抗体和相同两种毒素，其体内行为也可能存在显著差异。

增加DAR可能提高载荷递送量，但也可能增加疏水性、聚集倾向和非特异性清除。

AI可以结合分子描述符、抗体结构、偶联位点和实验测量结果，建立多目标优化模型。

优化目标不应只是最大化细胞杀伤，还应包括ADC稳定性、聚集水平、药代暴露、游离载荷释放及正常组织安全性。

六、未来值得重点布局的六类双载荷ADC组合

从机制互补性、竞争程度、技术成熟度和潜在差异化空间来看，我认为以下六类组合值得关注。

以上优先级是研发策略判断，不代表已经获得临床疗效验证。

其中，TOP1i+CDK7i值得优先关注，是因为它已经具备明确的机制假设、临床前研究基础和平台化商业开发进展。

不过，ATRi、WEE1i和PARPi类载荷的有效浓度、细胞内滞留和释放后活性要求，可能与传统高效细胞毒素明显不同。

因此，不能直接把现有口服小分子抑制剂连接到抗体上，就认为能够得到具有竞争力的ADC。

这些方向需要专门开展载荷化学、释放机制和细胞内药理研究。

七、AI抗体平台的机会：哪些ADC靶点值得与双载荷技术结合？

从抗体发现与工程平台角度看，双载荷ADC提供了一个重要机会：

通过更优的抗体表位、内吞性能和肿瘤选择性，提高复杂载荷组合的实际治疗价值。

对于已经拥有抗体发现、亲和力优化和成药性评价能力的研发团队，不一定需要从零开始开发全新的毒素。

更可行的策略，是围绕具有差异化潜力的ADC靶点，建立适配不同载荷机制的抗体库。

我建议重点考虑以下五个靶点。

需要特别说明，GPRC5D双载荷ADC目前更适合作为早期探索方向，不能将其与已有成熟ADC临床证据的靶点等同。

7.1 B7-H4：值得重点研究TOP1i+CDK7i

B7-H4在部分卵巢癌、乳腺癌及其他实体瘤中具有较高表达，是近年来受到关注的ADC靶点。

对于B7-H4双载荷ADC，建议首先建立不同抗体表位与内吞效率之间的关系。

随后比较TOP1单载荷ADC与TOP1+CDK7双载荷ADC在抗原高表达、低表达和耐药模型中的表现。

如果双载荷仅在高表达模型中获得有限增益，而系统毒性明显增加，其开发价值就可能不足。

真正有意义的差异化，是在临床相关耐药模型或低敏感肿瘤中实现更好的治疗窗。

7.2 PTK7：已有竞争者验证，适合开发差异化抗体

PTK7是一个值得持续关注的ADC靶点。

Sutro已经公布PTK7双载荷ADC的临床前研究数据，因此这个方向具备明确的竞争参照。

新进入者不应简单复制PTK7+TOP1i+MMAE的组合。

更值得研究的是不同PTK7表位对内吞、细胞内运输和ADC递送效率的影响。

通过抗体表位差异化、内吞动力学优化以及载荷机制选择，仍可能形成有价值的候选分子。

但必须证明相较现有PTK7 ADC方案的实质性优势。

7.3 CD79B：血液肿瘤双载荷ADC的探索机会

CD79B已有成熟ADC开发经验，适合研究双载荷是否能够改善部分B细胞恶性肿瘤中的耐药问题。

不过，血液肿瘤与实体瘤的ADC开发逻辑并不完全相同。

对于CD79B，抗原表达、内吞效率、B细胞清除深度、骨髓毒性和既往治疗导致的耐药状态，都需要纳入评价。

尤其需要判断，双载荷ADC能否相较现有CD79B ADC或其他B细胞靶向疗法产生明确临床增益。

八、建立AI驱动的ADC载荷与抗体联合优化平台

我认为，未来具有竞争力的ADC研发平台，需要把抗体工程和载荷工程连接起来。

可以将这一体系定义为：

AI-ADC OPTIMA：AI-Driven ADC Payload & Antibody Co-Optimization Platform

即AI驱动的ADC载荷与抗体协同优化平台。

平台可分为四个模块。

模块一：Target & Epitope Intelligence

通过蛋白结构预测、抗原表达分析和表位建模，筛选具有较好肿瘤选择性和内吞潜力的抗体。

重点关注抗体结合表位是否影响抗原内吞，以及抗体在不同肿瘤细胞中的递送差异。

模块二：Payload Synergy Intelligence

建立不同载荷组合的机制知识库和实验数据集。

通过多组学分析、药物敏感性预测和剂量反应建模，筛选可能产生协同效应的载荷组合。

重点评价TOP1、微管抑制、转录抑制和DNA损伤应答等机制之间的互补性。

模块三：Linker & DAR Optimization

结合连接子化学性质、偶联位点、DAR和药代数据，建立ADC多目标优化模型。

目标是同时改善载荷递送、血浆稳定性、聚集风险和有效暴露。

模块四：AI + Wet Lab Closed Loop

通过自动化表达、偶联、分析和细胞功能评价，持续产生标准化实验数据。

将BLI/SPR、SEC-HPLC、DSF、DLS、细胞内吞、载荷释放、细胞毒性及耐药模型结果纳入统一数据体系。

利用主动学习选择下一轮最有信息价值的抗体、连接子和载荷组合。

最终形成从抗体发现、ADC构建到候选分子优化的闭环。

这一平台的竞争优势，不在于拥有多少个AI模型，而在于能否持续产生高质量、可追溯的抗体—载荷—药效数据，并用这些数据提高下一轮分子设计的成功率。

九、商业化机会：ADC平台企业应该如何进入双载荷赛道？

对于AI抗体发现平台和早期Biotech企业，双载荷ADC并不意味着必须自建完整的高活性毒素化学及GMP生产体系。

更现实的商业路径，可以从三个层次展开。

第一层是差异化ADC抗体发现。

围绕B7-H4、PTK7、CD79B等靶点，开发具有差异化表位、良好内吞效率和成药性特征的抗体。

这一阶段的核心竞争力来自抗体发现、功能筛选和工程优化。

第二层是载荷适配型抗体工程。

与拥有连接子和载荷技术的合作伙伴共同开发，比较不同抗体与不同载荷组合的适配性。

重点回答一个商业上十分重要的问题：同一个载荷平台，为什么使用某一抗体时能够获得更好的治疗窗？

第三层是AI驱动的ADC联合开发。

建立从靶点、抗体、连接子、载荷到药效的联合优化能力，与ADC Biotech、药企及CDMO开展合作。

这种模式能够避免早期企业承担全部毒素化学、工艺放大和临床开发成本，同时保留抗体及分子设计环节的技术价值。

当然，平台合作必须明确抗体序列、表位、连接子、载荷组合、偶联工艺和最终ADC产品的知识产权归属。

尤其是在采用独家授权载荷技术时，还需要审查使用领域、再许可、商业化区域及技术改进成果的权利边界。

十、靶点AI说：下一代ADC真正的竞争壁垒是什么？

Lonza与Qurient的合作，反映了ADC产业一个值得关注的变化。

过去，ADC技术竞争主要集中在抗体靶点、连接子稳定性和高效细胞毒素。

随着TOP1类ADC的广泛开发，行业开始更加关注耐药机制、肿瘤异质性和不同载荷之间的功能协同。

双载荷ADC提供了一种新的解决路径，但同时引入了更多研发变量。

两种毒素并不天然优于一种毒素。

更高的总DAR也不一定意味着更好的抗肿瘤活性。

真正需要证明的是：双载荷设计能否在临床相关模型中改善耐药、扩大有效治疗人群，或者在可接受的毒性条件下提高疗效持续时间。

截至目前，双载荷ADC仍面临较多临床转化问题，包括两种载荷的药代差异、释放动力学、系统毒性和复杂的生物分析要求。2026年发表的双载荷ADC临床药理综述也强调了这些挑战。

对于AI驱动的抗体研发企业而言，未来最值得布局的方向，并不是单独开发某一种新毒素，而是建立能够回答以下问题的技术能力：

为什么某个肿瘤适合某一种载荷组合？

为什么某个抗体表位更适合递送这种组合？

为什么某种DAR和连接子能够产生更好的有效暴露？

为什么某些肿瘤细胞会对这一组合产生耐药？

以及，如何在进入昂贵的动物实验和临床研究之前，利用AI与标准化湿实验尽可能回答这些问题？

ADC的下一阶段，可能是从“靶向递送一种高效毒素”，走向“针对特定肿瘤生物学状态，精准递送经过优化的多机制药物组合”。

Lonza此次引进CDK7抑制剂，是这一趋势的又一个重要产业信号。

但SYN-duo CC能否真正改变ADC治疗格局，还需要后续候选分子的药效、安全性和临床数据证明。

对于中国AI抗体平台而言，最值得把握的机会，是利用抗体发现、表位工程、多目标优化与自动化实验闭环能力，成为下一代ADC设计的重要技术提供方。

未来ADC平台的价值，不只是发现一个好抗体，而是证明这个抗体为什么能够把正确的载荷，以正确的方式，递送到正确的肿瘤细胞。