人源细胞组成的双流道屏障模型
血脑屏障会限制药物从血液进入脑组织，因此中枢药物研发需要辨别候选分子能否跨过这一屏障。韩国化学技术研究院等机构在 Pharmaceutics 报道一项微流控芯片研究：用人源细胞重建血管侧与脑侧环境，在持续流动条件下测量化合物跨屏障后的浓度。
研究者在芯片下层流道培养人脑微血管内皮细胞，上层流道放入人源星形胶质细胞和脑周细胞。荧光成像显示三类细胞附着在相应位置；CD31、GFAP 和 NG2 染色用于确认细胞身份。流动培养后，团队以荧光葡聚糖检查两个流道之间的屏障功能，为后续药物实验建立模型状态参照。
这是一套体外人源屏障模型，目标是比较测试化合物在该系统中的运输行为。它可以同时观察血管侧和脑侧的浓度变化，但芯片没有包含全身循环、肝肾清除或不同脑区的血管差异，因此实验读数应按体外模型的范围解释。
10 种化合物在两个流道内分别取样
团队选择咖啡因、卡马西平、地昔帕明、洛哌丁胺、西替利嗪、长春新碱、LP533401、奈法唑酮、多奈哌齐和辛伐他汀共 10 种化合物。其中既有临床用药，也有实验性抑制剂 LP533401；研究对象不能统称为 10 种已上市药物。所选物质的已知脑部暴露和转运特征不同，适合观察模型能否形成区分。
在屏障形成后，研究者分别从血管侧和脑侧给药，于 1、4、9、24 小时收集两个流道的流出液，再用液相色谱－串联质谱测量化合物浓度。双向给药使团队可以观察血液到脑侧的运输，也可以观察反方向的移动。咖啡因用作较易通过屏障的参照，洛哌丁胺则用于观察与外排转运相关的反向运输。
原文的浓度曲线显示，不同化合物在血管侧和脑侧达到较稳定水平的速度并不相同。多数化合物在 24 小时观察期内仍未达到脑侧浓度平台；咖啡因、LP533401 和长春新碱是文中列出的例外。直接把单个取样时点的浓度当作最终分配结果，会丢失这种随时间变化的信息。
由浓度曲线计算分配和表观通透性
研究者把不同时间段收集到的药物量换算为累计浓度曲线，并估计两个流道接近稳定时的浓度。脑侧与血管侧估计浓度之比记为 Kp，用于描述本模型中的分配情况；另根据拟合曲线从给药开始至预测达到 90% 稳态浓度时的运输速率、膜面积和给药浓度，计算表观通透性 Papp；部分预测平台时间超出了 24 小时观察期。两项指标都来自同一芯片实验和后续计算。
原文表 3 给出的 10 种化合物 Kp 跨度为 0.0170 至 0.4794。咖啡因和卡马西平在这套模型中相对较高，LP533401 和西替利嗪较低。作者把这些趋势与既有动物或细胞研究对照，但不同系统的 Kp 绝对值并不一致；这些比较用于理解模型读数，尚未构成与人体脑内暴露的独立预测检验。
论文图 5 在本研究数据中比较 Kp 与 Papp，线性拟合的决定系数 R² 为 0.608。它说明两种由同一实验得到的通透性指标在所测化合物中有一定关联。表 4 未列出长春新碱的 Papp 数值，因此对单药参数的引用需以各表的实际报告范围为准。
窄屏可横向滑动查看完整图表。
这项研究为药物评价带来的增量
这项工作的实用之处，是把人源屏障芯片、双向取样和质谱定量连成一套药物运输分析。研究者既可以查看血管侧至脑侧的进入情况，也可以比较反向运输；同一模型内的多时点取样还为计算 Kp 和 Papp 提供了浓度曲线。
研究使用 10 种性质不同的化合物，足以展示方法如何处理不同运输趋势，但其性能判断仍限于这一组测试物。文中没有提供大规模独立药物集对人体脑部暴露的前瞻验证；原作者也指出，模型尚未覆盖炎症状态、区域性屏障差异及血浆蛋白结合等会影响体内分布的因素。
后续若用于候选药物筛选，需要让更多化合物在同一测量流程下接受测试，并把体外指标与清楚定义的人体或其他参照数据分别比较。现阶段，这篇原始研究最明确地展示了多时点人源芯片实验如何生成可比较的药物跨屏障读数。