同一条浓度曲线可能混合多种过程
瑞士罗氏（Roche）与英国曼彻斯特大学（University of Manchester）团队在 CPT: Pharmacometrics & Systems Pharmacology 发表方法教程，讨论怎样在开展器官芯片实验之前，用计算模型选择器件条件、细胞供者和采样时间。教程以肠—肝芯片为例，重点是提高药代参数的可估计性。
所用结构包括肠腔侧、肠屏障基底侧和肝区 3 个隔室，后两者通过循环培养液连接。药物从腔侧进入后，通透、肠壁代谢、肝代谢和培养液交换共同改变浓度。若只看某一区域的药物减少，容易把跨屏障转移与真正代谢清除混在一起。
作者先建立描述这些过程的数学模型，再检查在可加入药物和可取样的隔室条件下，各参数是否能被区分。拟合曲线后，还需核对各个参数能否被唯一确定；如果结构上不可辨识，就需要增加观测条件或减少待估参数。
面积、体积、取样和蒸发都会改变解释
在不含代谢过程的低通透性模拟中，较小屏障面积下长时间难以检出化合物，增加面积有助于更早获得可测信号。但对于高通透性化合物，转移过快又可能错过早期变化。因此，面积和培养液体积要与药物性质一起选择，需要结合可检测的浓度范围和变化速度选择。
连续取样还会改变实验本身。培养在支架上的细胞通常留在原处，取样却同时移走培养液和其中的药物，使细胞与培养液体积的比值增加。取样瞬间可不改变剩余液体中的药物浓度，却会改变后续的清除速度；忽略这一变化，可能高估表观清除。
蒸发则持续减少液体，能够提高药物浓度，与取走等比例药物和培养液的作用不同。教程用霉酚酸及其代谢物资料作模拟，说明这 2 种体积变化应分别纳入模型；偏差方向和幅度仍取决于化合物的吸收、分布、代谢与排泄性质。
供者信息决定实验前的不确定性
团队分析商业目录中 128 名人肝细胞供者的酶活性资料。128 指商业资料库中的供者数，各酶拥有的资料数量不同。部分酶活性跨供者相差一个或多个数量级，且分布不一定接近正态，直接用平均值和标准差可能丢失重要信息。
教程把先验数据分成 4 类：来自同一供者；来自其他供者但已知酶活性；来自肝微粒体；以及来自其他供者且酶活性未知。使用同一供者时，额外的供者差异较少；来源越不确定，实验前预测的浓度范围通常越宽。细胞选择因此应围绕目标药物的主要代谢通路。
咪达唑仑实例需要同时估计母药与代谢物
主要示范药物是咪达唑仑（midazolam）及其 1′-羟基代谢物。母药可在肠细胞和肝细胞中经细胞色素 P450 3A4（cytochrome P450 3A4，CYP3A4）代谢；代谢物还能继续在肝区清除。只测母药，无法完整辨别这些过程。
模型共同估计 5 个参数：母药和代谢物各自的肠通透性、母药的肠与肝内在清除率，以及代谢物的肝内在清除率。作者将既有实验与供者信息作为带不确定性的输入，生成 2500 组可能的浓度轨迹，并以第 5、50、95 百分位呈现分布。该分布描述计算生成的浓度轨迹范围。
母药与代谢物需要的采样信息不同
全局动态敏感性分析（global dynamic sensitivity analysis，GDSA）检查某一参数对不同时间、不同隔室浓度的影响。咪达唑仑的通透和清除参数较依赖早期变化，代谢物的肝清除则更依赖较晚时段。把采样全部集中在开头，可能改善母药估计，却损失代谢物信息。
采样还必须结合检测定量下限：敏感时点的测量可靠性还取决于浓度是否达到定量下限。教程由此强调，同时查看浓度范围和敏感性，才能选出对目标参数有信息、又可实际检测的时点。
模拟验证显示，过早结束肝区采样会丢失信息
作者从模拟集中选取 100 组实验，每组生成 3 次带残差变异的重复，再通过拟合重新估计原先设定的 5 个参数。比较中，其他采样时间不变，只把肝区最后一次取样从 24 小时提前至 8 小时。100 组实验及其重复均由计算生成。
代谢物肝清除参数的相对均方根误差在优化方案下为 32%，在提前结束采样的方案下为 75%；绝对平均倍数误差也由 1.2 升至 3.2。其他参数变化相对较小，说明采样不足可能选择性损害某个参数，各参数受影响的程度有所不同。
这项验证使用相同结构的模型生成和拟合数据，评价所设范围内的参数恢复能力。真实芯片模型及其他药物的采样安排仍需相应实验评价。获得第 1 轮实测数据后，还需检查模型结构与参数不确定性，再决定是否调整设计。