企业官网建设流程全解析

免疫检查点抑制剂筛选做到动物模型这一步，很多人第一反应就是把实验室现有的抗体直接用起来。上个月我们团队有个研究生做MC38皮下瘤模型，拿了一支抗小鼠PD-L1抗体就直接往小鼠腹腔里打，打了两周肿瘤不但没小，反而长得比对照组还快。后来一问才知道，他用的那支是体外实验常备的流式抗体，内毒素没有控制，还含防腐剂，打进小鼠体内引发了局部炎症，肿瘤微环境直接被搅乱了。这个例子听起来有点极端，但在一线实验室里真的不算少见。

标题里这支InVivoMAb Anti-Mouse PD-L1 (B7-H1)，属于专门的体内级功能阻断抗体产品线，解决的就是"免疫检查点抑制剂筛选"场景里最核心的问题：用一支内毒素达标、无防腐剂、可直接注射的抗体，去完成药效评价、联合用药设计以及肿瘤微环境的机制验证。这篇文章我会从选型逻辑、开箱验收、给药方案、数据解读到保存避坑，把我在实际使用中积累的经验一次讲清楚，适合正在准备肿瘤免疫动物实验的研究生、医生和课题组负责人参考。

1. 从体外到体内，PD-L1抗体选型的第一道分水岭

1.1 免疫检查点筛选场景的核心逻辑

PD-1/PD-L1信号轴是肿瘤免疫逃逸里最经典的路径之一。肿瘤细胞表面高表达PD-L1，与T细胞表面的PD-1受体结合后，会向T细胞传递抑制信号，让原本应该杀伤肿瘤的细胞毒性T细胞陷入功能耗竭。体现在表型上，就是CD8阳性T细胞上的PD-1、TIM-3、LAG-3持续上调，而IFN-γ、TNF-α这些效应分子的分泌明显下降。

做免疫检查点抑制剂筛选，本质上要回答一个问题：你手里的候选方案（小分子化合物、治疗性疫苗、CAR-T细胞或者其他抗体）是不是通过阻断PD-L1这条轴来恢复抗肿瘤免疫的。要回答这个问题，光有体外共培养数据是不够的，最有力也是最稳妥的证据，是在小鼠移植瘤模型里观察阻断PD-L1之后，肿瘤生长是否受到抑制、T细胞浸润和杀伤功能是否恢复。

这里就出现了关键岔路：用什么样的抗体去实现体内阻断。很多人会顺手拿实验室里做流式或者体外阻断的抗体来充数，结果就是我在开头说的那种翻车现场。用于体内功能实验的抗体，标准完全是另一套，这也是InVivoMAb这类产品存在的价值——它把体内实验需要匹配的内毒素、纯度、无菌性、批次稳定性和体内功能验证数据，提前替用户做了。

1.2 为什么体内级抗体不可替代

体内级和体外级抗体的差异，不是"同一支抗体稀释一下"这么简单。最核心的三个指标是内毒素水平、防腐剂和纯度。

内毒素是革兰氏阴性菌细胞壁成分，在抗体纯化过程中容易残留。体外实验中内毒素的干扰相对可控，但打到小鼠体内后，微量内毒素就能激活巨噬细胞和树突状细胞，诱导TNF-α、IL-6等炎症因子释放，直接影响肿瘤微环境的免疫状态。一个内毒素超标的抗体，可能让你得到"假阳性"（炎症本身抑制了肿瘤），也可能造成"假阴性"（炎症反而招募了髓系抑制细胞）。体内级抗体通常要求内毒素低于5 EU/mg，有条件的实验室会进一步要求低于1 EU/mg。

防腐剂是另一个容易被忽略的坑。很多体外抗体用叠氮化钠作为抑菌剂，这种成分对细胞有毒性，对活体动物更是不能碰。体内级抗体必须无防腐剂，这也就要求开封后必须在规定时间内用完或者分装保存，不能像体外抗体那样在4度放半年。

为了更直观，我把体内级功能阻断抗体和实验室常用体外抗体的差异整理如下：

还有克隆差异的问题。同一靶点，不同克隆号的抗体各有分工。InVivoMAb Anti-Mouse PD-L1这支产品，采用的是经典的大鼠IgG2b功能阻断克隆。我习惯在实验记录里单独标注：体内阻断用这一支，流式检测PD-L1表达用另一类染色克隆（比如29E.2A3或MIH5），绝不混用。原因很简单，染色克隆的体内阻断活性通常没有经过功能验证，而体内阻断克隆做流式染色的亮度也不一定理想，各司其职才是正解。

2. 收到抗体后的开箱验收清单：先别急着打小鼠

2.1 说明书之外要核实的三组数字

很多实验室拿到体内级抗体，简单看一眼标签就直接配液注射。我建议多花半小时做一次基础验收，这一步能避免后面整个实验白做。

第一组是浓度和内毒素。Nanodrop测A280，读数乘以IgG的换算系数（1.0 A280约等于1.4 mg/mL），看是否和说明书一致。内毒素这一项，如果产品出厂报告里已经给出数值，先记录下来。如果不放心，可以用LAL显色法自己复核一遍，尤其是准备做长期给药或者静脉注射时，内毒素的把关要更严格。

第二组是纯度和完整性。取少量抗体跑一次还原和非还原的SDS-PAGE，还原条件下应该在50 kDa和25 kDa附近看到清晰的轻重链条带，非还原条件下应该在150 kDa附近看到完整IgG条带。如果出现明显降解条带或者高分子量聚集体，说明产品在运输或储存中有问题，应该联系供应商而不是硬着头皮用。

第三组是缓冲液和无菌信息。体内级抗体通常保存在无菌PBS中，不含其他添加剂。注意标签上有没有注明"无防腐剂"以及有效期。此外还要确认配对的同型对照。这支抗体是大鼠IgG2b亚型，那同型对照就应该选择相同亚型的无关特异性抗体，用同样的剂量、同样的给药途径和频次，这样才能排除抗体本身的Fc段效应和非特异性结合的干扰。

2.2 用快速功能实验做一次"预演"

产品出厂数据再漂亮，也不代表运输到你手上的这一支还保持着完整活性。我一般会在动物实验前先做两个简单验证，成本很低，但能提前发现大部分问题。

第一个是流式结合验证。取MC38或者CT26细胞，用小鼠IFN-γ（20 ng/mL）处理24小时，PD-L1表达会被显著上调。收集细胞后，先用这支体内级抗体做一抗孵育，再用荧光标记的抗大鼠IgG二抗检测，和未处理组对比看阳性比例和平均荧光强度（MFI）。如果阳性比例明显上升且MFI呈现阳性偏移，说明抗体结合活性没有问题。

第二个是体外功能验证。把肿瘤细胞和同品系来源的T细胞共培养，加入抗CD3/CD28激活T细胞，这时PD-L1会抑制T细胞增殖和IFN-γ分泌。在体系里加入这支抗PD-L1抗体后，如果能观察到IFN-γ恢复上升，说明抗体具备功能阻断活性。这个实验不需要做完全套，哪怕只是一个简单的ELISA检测IFN-γ，也足够给你吃一颗定心丸。

验收结果记入实验台账后，抗体才算进入"可用状态"。这一步花的时间，远比后面发现模型失败再排查要少得多。

3. 皮下移植瘤模型里的一套完整给药方案

3.1 细胞系和品系怎么匹配才不出错

选择肿瘤细胞系时，免疫原性和MHC表达水平是最重要的考量点。我整理了四个常用模型的响应特点，方便参考：

如果你刚接触这个方向，又希望快速验证抗体体系，我会优先推荐MC38配C57BL/6小鼠。这个组合的阳性预期比较稳定，对照组和处理组的差异空间足够大，不容易因为模型本身响应太弱而误判抗体无效。反过来，如果你研究的是低免疫原性肿瘤的联合治疗策略，B16-F10反而是合适的选择，因为它能留出"联合增效"的观察窗口。

细胞接种的细节也决定成败。细胞传代不要超过15到20代，高代次细胞的MHC-I会逐渐下调，免疫原性随之改变，直接影响PD-L1抗体的响应。接种量上，MC38一般每只1×10^6个细胞，CT26可以在5×10^5到1×10^6之间，B16-F10则建议适当降低到1×10^5到2×10^5。细胞用PBS或无血清培养基重悬，每只注射100微升，皮下接种在右侧腹或背部。整个过程要避免产生气泡，接种前把细胞悬液充分混匀但不要剧烈吹打，否则细胞活力会明显下降。

3.2 剂量、途径、频率和时间窗口的确定逻辑

体内抗PD-L1的经典给药方案，多数文献采用每只小鼠每次200微克，腹腔注射，200到250微升的体积，隔天一次或者每周三次，持续两到三周。这个剂量不是拍脑袋定的，它是基于药代动力学和大量实验数据的折中：低于100微克往往不足以在肿瘤部位达到持续有效的阻断浓度，而超过250微克边际收益并不明显，还徒增成本。

给药途径方面，腹腔注射（IP）是最常用的，操作简单、耐受性好。静脉注射（IV）也可以，但对操作要求更高，而且对内毒素的要求更严格。瘤内注射（IT）适合专门研究肿瘤局部免疫微环境的情况，可以让抗体浓度在局部更高，但操作时要注意避免直接损伤肿瘤导致出血或破溃。

给药时机的选择同样关键。皮下瘤接种后，每天都测一次肿瘤体积，等到大部分肿瘤生长到60到100立方毫米时进行随机分组。这个体积窗口很重要：太小了分组后基线差异会被放大，太大了肿瘤微环境里已经形成比较稳定的免疫抑制格局，PD-L1阻断的效果会打折扣。分组时先剔除过大过小的极端个体，然后按肿瘤体积均匀分配到各组，保证组间平均体积没有统计差异。

对照组的设计至少要包含同型对照。PBS组可以用来观察单纯的溶剂效应，但同型对照的价值是排除了Fc段受体介导的效应，让抑制效果可以归因于对PD-L1的特异性阻断。实验终点一般设置在对照组平均肿瘤体积达到1500到2000立方毫米时，这要在实验方案里提前和动物伦理审查委员会确认好。

4. 肿瘤体积之外，那些能让审稿人点头的数据

4.1 TGI、肿瘤重量和生长曲线的正确算法

如果实验只出一条肿瘤生长曲线，数据的说服力会打折扣。我通常会在结果里至少呈现三块：肿瘤体积随时间变化的曲线、终点肿瘤重量、以及肿瘤生长抑制率（TGI）。

TGI的标准计算公式是（1-处理组平均肿瘤体积/对照组平均肿瘤体积）×100%。这里的对照组，我习惯使用同型对照组而非PBS组，因为同型对照能更干净地反映抗体的特异性阻断效果。TGI达到多少算有效没有绝对标准，经验上单药抗PD-L1在响应模型里通常能到50%到70%以上。如果对照组和处理组的肿瘤体积曲线在给药两周后依然完全重叠，就要回头检查抗体活性、剂量和模型选择。

统计处理上，肿瘤体积的组间比较适合用重复测量双因素方差分析（two-way ANOVA with repeated measures），因为它考虑了同一批小鼠在不同时间点的关联性。终点肿瘤重量如果满足正态分布用非配对t检验，不满足则用Mann-Whitney U检验。生存曲线的对比用Log-rank检验。

结果展示时，我强烈建议把每只小鼠的个体生长曲线画出来，再配上组均值±标准误（SEM）的汇总曲线。个体曲线能反映组内异质性，有时候均值看起来差异显著，但个体离散度非常大，这在实际解读时要心里有数。肿瘤重量最后还要配合多时间点体重记录，体重持续下降提示潜在毒性，这在联合用药实验里尤其重要。

4.2 肿瘤浸润淋巴细胞分析和联合用药的时间顺序

肿瘤体积只是宏观层面的疗效指标，要想说明"抗PD-L1是通过恢复T细胞功能来抑制肿瘤"，还需要肿瘤微环境层面的证据，也就是肿瘤浸润淋巴细胞（TILs）分析。

TILs的流式分析流程并不复杂，但细节比较多。取下来的肿瘤组织先剪碎成1到2毫米的小块，加入含1 mg/mL胶原酶IV和100微克/mL DNase I的消化液，37度振荡消化30到60分钟，然后过70微米滤网，再用Percoll密度梯度离心去除死亡细胞和碎片。如果肿瘤细胞碎片太多，会导致流式上机时死细胞比例高，影响后续门控。

染色Panel按功能划分：

重点关注的数据包括：CD8阳性T细胞占CD45阳性细胞的比例是否上升、CD8/Foxp3比值是否增加、以及CD8阳性T细胞中PD-1和TIM-3双阳的耗竭亚群是否减少。联合使用胞内细胞因子染色（先加PMA/Ionomycin和Brefeldin A刺激）可以有效评估当下T细胞的杀伤潜能。

联合用药实验是免疫检查点筛选里最常见的进阶用法。抗PD-L1（200微克/只）联合抗CTLA-4（100微克/只）是经典组合。给药时序上，有研究提示同时给药和序贯给药的效果并不完全相同，先给抗CTLA-4促进T细胞浸润、再给抗PD-L1解除耗竭，在某些模型里表现出更好的协同。但这不是铁律，我建议在正式实验前先做一个三只小鼠的小规模预实验，比较同时给药和间隔24小时给药的趋势差异，再决定正式方案的时序。

5. 保存、批次和模型稳定：三个容易翻车的坑

5.1 抗体分装、冻融和批次管理

体内级抗体最忌讳反复冻融。每冻融一次，抗体的聚集和活性损失就累积一次，三次之后即使SDS-PAGE看不出明显降解，体内活性也可能已经显著下降。正确做法是收到抗体后第一时间按单次用量分装，比如每管50微升或者100微升，用低蛋白吸附的离心管分装，-80度长期保存。工作管放在2到8度短期存放，一周内用完，绝不能再放回-80度反复冻。

稀释液的选择也有讲究。用无菌PBS按最终浓度稀释即可，不需要额外添加载体蛋白。有些抗体在极低浓度下容易粘壁，注射前轻轻混匀、必要时短暂离心，避免浓度不均。

批次管理是另一个容易忽略的坑。同一个体内实验，尽量全程使用同一批次抗体，因为不同批次之间可能存在微小的内毒素或纯度差异。如果你需要在一个多月内完成多批次的动物实验，建议一次性备足同一批次的量。开封后认真记录批号、到货日期、分装时间，这些信息在实验结果需要复现或者审稿人要求提供抗体信息时能省下大量沟通成本。

5.2 细胞代次、支原体和动物环境对结果的影响

很多"抗体没效果"的结论，其实是模型不稳定的问题。肿瘤细胞传代过高后，免疫原性下降，MHC-I表达降低，PD-L1表达也可能改变，这时候再打抗PD-L1抗体自然看不到效果。解决办法是建立低代次的工作库：刚拿到细胞时尽快扩增并冻存一批低代次种子库，之后每次实验从种子库复苏，工作代次控制在固定范围内，不做盲目传代。

支原体污染对免疫实验的影响更隐蔽。支原体可以改变肿瘤细胞的表面分子表达，影响T细胞功能。建议每季度用PCR法检测一次常用细胞系的支原体状态，这是所有免疫相关实验的基本卫生习惯。

动物房环境也不能忽视。SPF环境和非SPF环境下小鼠的基础免疫状态差异明显，垫料、饲料、饲养密度、昼夜节律都会影响肿瘤生长速度和免疫细胞浸润。同一个项目的动物实验，尽量安排在同一饲养批次、同一动物房内完成。如果中途换了饲养环境，最好重新做一版预实验再继续正式实验。

还有一个实操层面的检查：每次给小鼠称重和量瘤径时，观察精神状态、活动度和注射部位反应。如果小鼠在给药后出现弓背、竖毛、体重骤降超过20%或者不明原因死亡，优先怀疑给药操作、抗体污染或剂量毒性，不要着急得出"这个靶点无效"的结论。

最后分享一个我自己的习惯。所有正式的体内实验之前，我一定会先跑一轮小规模预实验，每组三只小鼠，给药一周，只看肿瘤生长趋势和体重变化。这个预实验的样本量虽然做不了统计，但足以发现剂量不足、模型不响应或者操作层面的明显问题。我靠着这个习惯，避开了好几次批次差异和细胞状态引起的无效实验。抗PD-L1这种工具抗体的质量本身通常很稳定，真正不稳定的往往是模型、细胞和操作，把这些变量控制住了，你的筛选结果才有资格进入下一轮验证。