try ai
科普
编辑
分享
反馈
  • 基于生理学的药代动力学(PBPK)建模

基于生理学的药代动力学(PBPK)建模

SciencePedia玻尔百科
核心要点
  • PBPK建模利用真实的生理数据构建了一个机制性的身体“数字孪生”,超越了描述性模型,旨在预测药物的行为。
  • 该模型的预测能力源于体外-体内外推(IVIVE),它将关于药物代谢和转运的实验室数据放大至整个器官乃至全身水平。
  • 模型区分了灌注限制型组织和渗透限制型组织,以准确模拟药物分布至肝脏、大脑等不同器官的速度。
  • 通过创建“虚拟人群”,PBPK建模能够模拟人类的变异性,预测不同个体的结果,并为特殊人群的个性化给药提供指导。

引言

预测药物在人体内的命运是现代医学的基石,然而,传统方法常常将人体视为一个难以理解的“黑箱”,因而存在不足。这种描述性的“自上而下”方法限制了我们预测新药在不同个体或复杂情况中表现的能力。基于生理学的药代动力学(PBPK)建模通过从基本原理出发,构建一种机制性的、“自下而上”的人体模拟,提供了一种革命性的解决方案。本文旨在揭开PBPK框架的神秘面纱,解释其工作原理及其成为不可或缺工具的原因。第一部分“原理与机制”将揭示这些模型的核心组成部分,从其基于生理数据和质量平衡方程的基础,到药物分配和实验室数据外推的关键概念。随后的“应用与跨学科联系”部分将展示PBPK建模如何被应用于解决实际挑战,例如预测首次人体给药剂量、评估药物相互作用以及为特殊人群实现个性化医疗。

原理与机制

要真正领会基于生理学的药代动力学(PBPK)建模的威力,我们必须一探其内部究竟。乍一看,预测药物在人体内的旅程似乎是一项异常复杂的任务。传统方法通常将人体视为一个抽象的“黑箱”:我们给药,测量血液中药物浓度随时间的变化,然后将一条曲线拟合到这些数据上。这种“自上而下”的方法对于描述某一次特定实验中发生的情况很有用,但这就像只通过统计城市边界的车辆来理解城市交通一样。它几乎无法告诉你主干道上的交通堵塞情况,也无法告诉你特定街区的车流状况。它缺乏真正的预测能力。

PBPK建模则彻底颠覆了这一理念。它不再使用黑箱,而是致力于在计算机中构建一个“自下而上”的、机制性的人体复制品——一种数字孪生。这就像绘制一幅详尽的城市地图,上面标明了每一条器官-街道、每一条血流-高速公路和每一个细胞-交通信号灯。通过模拟药物在这幅解剖学上精确的地图中的旅程,我们从仅仅描述数据转向了机制性地预测数据。这种方法的美妙之处在于,它并非建立在任意规则之上,而是基于一个极其简单而强大的原则:​​质量守恒​​。

用数学语言书写的人体图谱

PBPK模型的核心在于其将人体表征为一个由相互连接的器官房室构成的网络。我们使用生理学事实图谱来构建我们的虚拟人。真实的、经过测量的器官体积(VtV_tVt​)和灌注这些器官的血流速率(QtQ_tQt​)是模型的基础。肝脏、肾脏、大脑、肺、肌肉和脂肪不是抽象概念,而是由它们的实际大小和血液供应定义的房室,所有这些房室都通过循环系统——一个动脉血和静脉血的中央库——连接在一起。

对于每一个器官房室,我们都写下一个原则上连孩童都能理解的简单质量平衡方程:

器官中药物量的变化率 = (随血液进入的药物速率) - (随血液流出的药物速率) - (在器官内被消除的药物速率)

用微积分的语言来表达,这个简洁的思想就表现为一个微分方程。对于一个典型的器官,它大致如下所示:

Vt dCt(t)dt  =  Qt (Cart(t)−Cven,t(t))  −  Elimination RateV_{t}\,\frac{dC_{t}(t)}{dt} \;=\; Q_{t}\,\big(C_{\mathrm{art}}(t)-C_{\mathrm{ven},t}(t)\big)\;-\; \text{Elimination Rate}Vt​dtdCt​(t)​=Qt​(Cart​(t)−Cven,t​(t))−Elimination Rate

在这里,Ct(t)C_{t}(t)Ct​(t) 是组织中的药物浓度,而 Cart(t)C_{\mathrm{art}}(t)Cart​(t) 和 Cven,t(t)C_{\mathrm{ven},t}(t)Cven,t​(t) 分别是流入的动脉血和流出的静脉血中的药物浓度。这个方程是通用的构建模块。通过将几十个这样的方程连接在一起——其中一组器官的静脉输出成为下一组器官的动脉输入——我们就创建了一个动态的、鲜活的全身模拟系统。

药物的行程:速度限制与偏好

有了地图之后,我们必须了解“车辆”——药物分子——在地图上的行为方式。两个关键概念支配着这一过程:药物偏好去哪里,以及它能多快到达那里。

第一个概念由​​组织:血液分配系数(KpK_{p}Kp​)​​来描述。可以将其看作是衡量药物在组织中相对于血液的“舒适度”。就像油倾向于与水分离一样,油腻的亲脂性药物会很乐意离开水性的血液,在脂肪组织(如大脑或脂肪)中积聚。而水溶性更强的药物可能更愿意主要停留在血液中。KpK_pKp​值量化了这种偏好。值得注意的是,我们不必猜测这些值;我们可以利用药物的基本理化性质(如其亲脂性和电荷)以及每种组织已知的成分(其水、脂质和蛋白质的百分比),通过机制性方法高精度地预测它们。

第二个,或许也是更深远的概念,是​​灌注限制型​​和​​渗透限制型​​组织之间的区别。这决定了药物进入器官的速度限制。

想象一个拥有巨大、敞开大门的体育场。观众涌入体育场的速度并非受限于大门,而是受限于道路将他们运送到入口的速度。这就是​​灌注限制型​​分布。瓶颈在于输送药物的血流量(QtQ_tQt​)。这对于毛细血管通透性高的器官(如肝脏和肾脏)是典型情况。对于要进入这些器官的药物,其穿过毛细血管壁的转运速率(由渗透性-表面积乘积PSPSPS描述)远快于血流速率(PS≫QtPS \gg Q_tPS≫Qt​)。

现在想象另一个体育场,其入口只有一个狭窄的旋转栅门。无论道路运送来多少观众,他们都只能一个接一个地缓慢进入。瓶颈在于旋转栅门本身。这就是​​渗透限制型​​分布。限速步骤是药物穿过毛细血管壁的能力(PS≪QtPS \ll Q_tPS≪Qt​)。这是大脑的经典情况,它受到由紧密连接构成的强大血脑屏障的保护;对于静息状态的骨骼肌也是如此,其毛细血管孔隙较小。理解这种区别至关重要,因为它决定了药物是否能以足够高的浓度到达其靶点部位。

从培养皿到患者:自下而上的革命

PBPK真正的魔力在于:其预测能力来自于自下而上地构建模型,整合来自多种来源的信息。这被称为​​体外-体内外推(IVIVE)​​。

肝脏会消除多少药物?我们不必从人体数据中拟合这个值,而可以在实验室里测量它。科学家们取一份人类肝细胞样本(甚至只是其中的酶,称为微粒体),测量它们代谢药物的能力。这给出了一个​​内在清除率(CLintCL_{int}CLint​)​​的值——衡量酶固有效率的指标。

但这是在试管中每毫克酶蛋白的测量值。我们如何将其应用到整个人体呢?我们利用已知的生理学常数将其放大:

  1. 我们知道每克肝脏中含有多少毫克的微粒体蛋白。
  2. 我们知道人类肝脏的平均重量。

通过简单的乘法,我们就可以将单个试管中的活性放大到整个器官,从而得到肝脏的总内在清除能力。这个自下而上的预测值随后可以输入到我们的PBPK模型中。同样的原则也适用于其他关键过程,比如在肝脏和肾脏中将药物泵入或泵出细胞的药物转运体的活性。

正是这种机制性基础,使得PBPK模型能够模拟那些简单模型无法处理的复杂情景。例如,许多药物-药物相互作用(DDIs)是动态的。一种药物可能会在数小时或数天内缓慢地关闭一种酶(​​时间依赖性抑制​​),或者它可能在一周内触发更多酶的合成(​​诱导​​)。那些假设条件恒定的静态模型,在这些情况下会彻底失败。而一个包含酶合成和降解方程的动态PBPK模型,则能以惊人的准确性捕捉这些时间过程,预测DDI何时达到峰值以及何时会消退。这是确保患者安全的关键工具。

虚拟人群:拥抱人类多样性

当然,不存在“平均”的人。我们每个人都各不相同。PBPK最强大的功能之一就是通过创建​​虚拟人群​​来解释这种变异性。

生理学参数不是单一的数值,而是分布。例如,肝脏中药物代谢酶的丰度并非对每个人都相同。它是许多独立生物因素——基因转录、翻译效率、蛋白质降解率——共同作用的产物。中心极限定理的一个奇妙推论是,一个由许多独立正因子相乘产生的变量将不服从正态分布(对称的钟形曲线),而是遵循​​对数正态分布​​——一种总是为正值且有长尾的偏态曲线,这解释了为何偶尔会出现酶水平极高或极低的个体 [@problem_-id:3919239]。

通过从关键参数的已知分布中抽样——酶水平、器官体积、血流量、蛋白结合率——我们可以在计算机中生成数千个独特的“虚拟受试者”。我们甚至可以构建相关性,比如体型较大的人通常器官也较大。通过为每一个虚拟受试者运行我们的PBPK模拟,我们不仅预测了平均药物浓度,还预测了所有可能性的整个范围。我们可以识别出那5%可能因代谢缓慢而面临毒性风险的虚拟人群,或者那10%可能因代谢过快而经历治疗失败的人群。这使我们从“一刀切”的方法迈向了个性化医疗的梦想。

这就是PBPK建模的精髓。它是一个宏大的综合体,一个将物理学(质量守恒)、化学(药物性质)、生物学(酶和转运体动力学)以及生理学(解剖学和血流)融合成一个统一的、预测性整体的框架。它证明了这样一个理念:通过理解基本组成部分以及连接它们的规则,我们可以构建一个远比其各部分之和更伟大、更具洞察力的模型。

应用与跨学科联系

想象你是一艘微型潜艇——一个药物分子的船长,你的任务是穿越广阔而复杂的人体版图。旧地图粗糙不堪;它们告诉你起点(也许是口腔)和最终目的地(被清除),但中间的旅程却是一个谜,仅由几个抽象的数字来描述。基于生理学的药代动力学(PBPK)建模为我们提供了一种全新的地图。这是一幅详尽、动态的人体图谱,每一处器官、组织和血管都已被标绘。它不仅展示了地理位置,还描述了水流(血流)、局部条件(pH值、酶)以及你的潜艇通行的具体规则。

理解了这幅地图的绘制原理之后,我们现在可以踏上一些非凡的旅程。我们将看到这幅虚拟图谱如何让我们在新药被用于人体之前很久就能探索其命运,如何帮助我们驾驭药物相互作用的险恶水域,以及我们如何能为从最小的孩童到最年长的成人等每一个独特的个体量身定制旅程。这不仅仅是一项数学练习;它是一种发现、安全,并最终实现治愈的工具。

一种新药的旅程

一种新药从实验室的发现到药房货架的道路漫长而充满不确定性。PBPK建模在几个关键节点上扮演着值得信赖的向导角色,使这段旅程更安全、更快捷、更高效。

从实验室到首次人体试验

药物研发中最令人望而生畏的问题或许是:对于一种全新的药物,在其首次人体(FIH)试验中,安全有效的起始剂量是多少?几十年来,科学家们依赖一种称为经验异速生长定标法的方法,这有点像试图通过简单地放大老鼠的测量值来预测一个人的身高和体重。这种方法能让你八九不离十,但它忽略了所有那些使人类不同于老鼠的美妙的、物种特异性的复杂性。例如,一种药物可能在老鼠血液中与蛋白质紧密结合,但在人类血液中却自由漂浮。简单的放大法会完全忽略这一点,导致对人类体内活性、非结合药物浓度的危险错误预测。

PBPK建模采用了一种更为优雅的“自下而上”的方法。我们不是对整个动物进行放大,而是从基本原理出发构建一个“虚拟人”,使用一个包含标准人体生理学——器官大小、血流速率和组织成分——的数据库。然后,我们用来自实验室实验的药物特异性数据来为这个模型提供信息:肝细胞分解药物的速度有多快,它穿过肠壁细胞的效果如何,以及它如何与血浆蛋白结合。这个使用实验室数据来为全身模型提供信息的过程被称为体外至体内外推(IVIVE)。

有了这个虚拟人,我们可以在给任何一个人用药之前进行模拟。对于口服药片,我们可以预测有多少从肠道吸收,又有多少在“首过代谢”中立即被肝脏破坏——这是一个更简单的模型无法解决的关键细节。我们甚至可以进行一次“试飞”,给几名人类志愿者服用一剂极小、无害的“微剂量”药物。通过测量由此产生的微小浓度,我们可以对我们的虚拟地图进行现实检验和微调,从而大大提高我们对完整治疗剂量的预测准确性。这一整套框架是现代模型引导的药物研发(MIDD)的基石,它使我们能够更有信心地选择FIH起始剂量,平衡潜在疗效与至关重要的安全性。

驾驭临床试验的挑战

一旦药物进入临床试验,真实世界便引入了新的复杂性。人们会进食。他们会服用其他药物。他们的基因构成各不相同。我们的生理学地图必须足够强大,以应对这种变异性。

一个简单的问题,如“这个药片应该随餐服用吗?”具有重大的影响。对于一种难以溶解的药物,进餐时释放的胆汁盐可以像洗涤剂一样,增加其吸收。一个包含胃排空、胃酸度和胆汁流量等参数的PBPK模型,可以模拟空腹和进食状态之间的差异。在某些情况下,这些模拟的可靠性足以说服监管机构,一项独立的、昂贵的临床食物效应研究是不必要的,从而加速了药物到达需要它的患者手中的进程。

一个更为关键的挑战是预测药物-药物相互作用(DDIs)。想象一位移植患者,他依赖特定剂量的免疫抑制剂来防止器官排斥。如果他感染了病毒,需要一种新的抗病毒药物,会发生什么?这种抗病毒药物可能会阻断负责清除该免疫抑制剂的肝脏酶。这种分子层面的交通堵塞可能导致免疫抑制剂的浓度飙升至毒性水平。利用PBPK,我们可以为这两种药物建立相互关联的虚拟模型。抗病毒药物的模型预测其在肝细胞内的浓度,这反过来又动态地改变了免疫抑制剂模型中的清除率。这使我们能够在一个潜在危险的相互作用在患者身上发生之前预见到它,并推荐具体的剂量调整。

这种能力甚至延伸到我们自身的基因蓝图。我们可以构建反映药物代谢酶和转运体中已知基因多样性的“虚拟人群”。例如,我们可以测试一种DDI在携带导致转运蛋白活性较低的基因变异的个体中是否更为严重,从而确保药物对每个人都安全,而不仅仅是“平均”的人。

为每个人服务的药理学:量身定制旅程

“标准人”地图是一个宝贵的起点,但PBPK的真正力量在于其个性化的能力。我们的生理机能不是一成不变的;它在我们的一生中发生着深刻的变化,而PBPK模型可以随之变化。

从摇篮……到金色年华

儿童不仅仅是小一号的成人。他们的身体处于不断变化的状态。一个三岁的孩子,相对于其体型,拥有更高的心输出量和血流量,以及远低于成人的体脂比例。同样,一个80岁老人的生理机能也与众不同,其特点通常是流向肝脏和肾脏的血流减少、器官体积变小,以及与药物结合的血蛋白发生变化。

传统上对这些人群的剂量调整往往是粗略的。但有了PBPK,我们不仅仅是调整剂量;我们改变的是地图本身。我们可以在虚拟模型中调整器官体积、血流速率和身体成分,以反映儿童或老年人独特的生理状况。这使我们能够更准确地预测药物将如何分布和消除,从而帮助我们为我们中最脆弱的人群找到既安全又有效的正确剂量,。

生命的奇迹:怀孕与哺乳

怀孕是人一生中经历的最具动态性的生理状态之一。血容量扩张,心输出量增加,肾功能增强。至关重要的是,还有一个新的、正在发育的生命,其安全至高无上。一个PBPK模型可以被优雅地扩展,创建一个相互关联的母-胎系统。这使我们能够研究关于胎盘转运的关键问题。

母亲服用的药物会穿过胎盘到达胎儿吗?我们的模型会考虑药物的分子大小、其对脂肪组织的亲和力,以及它是否带电荷。它还考虑了胎盘自身的防御系统:像P-糖蛋白(P-gp)这样的“守门员”蛋白,它们会主动将外来物质泵回母体循环。通过整合所有这些因素,我们可以预测胎儿的暴露率。这有助于临床医生做出至关重要的决定,例如选择像肝素这样无法穿过胎盘的大分子药物,而不是能够穿过的小分子抗凝剂。这是将建模应用于保护生命最初阶段的深刻应用,。

超越医学:保护我们的世界

指导挽救生命的药物开发的相同原则,也可以用来保护我们免受环境中化学物质的危害。通过为工业污染物、杀虫剂或挥发性化合物建立PBPK模型,我们可以了解它们在暴露后在体内的旅程。通过针对最易感人群——如儿童,他们的新陈代谢更快、身体成分不同,可能导致不同的风险——的生理特点来定制这些模型,我们可以进行更准确的毒理学风险评估,并建立基于证据的安全限值。这是同样的质量平衡和生理学框架,不仅应用于治疗,也应用于预防。

地平线:数字孪生

如果你的医生可以在给你服药之前,先在一个完美的虚拟版“你”身上测试一种新疗法,会怎么样?这就是“治疗数字孪生”的愿景,而PBPK建模构成了其机制核心。

想象一个模型,它不是基于一个平均的人,而是用你的数据进行了精细的个性化:你通过MRI扫描得到的特定器官大小,你的药物代谢酶的基因图谱,你通过实验室测试得到的实时肾功能。这就创建了你的个人PBPK地图。当这张地图与一个药效学(PD)模型——一个描述药物在其靶点处的浓度如何转化为生物学效应的模型——连接起来时,它就变成了一个关于你的身体对药物独特反应的全面模拟。这个机制性骨架,植根于质量守恒等不可动摇的物理学和生物学定律,使得真正个体化的剂量选择成为可能,以前所未有的准确性预测疗效和安全性。这是我们生理学图谱的终极应用:一份通往健康与治愈的个性化指南。

通过拥抱我们自身生理机能的美妙复杂性,并将其转化为数学语言,我们获得了一个强大的工具——一个连接了实验室工作台与医院病床、连接了年轻人与老年人、连接了医学与环境科学的工具。这个工具不仅让我们能够观察一个分子在体内的旅程,更能引导它,使医学对每个人都更安全、更有效、更具个性化。