网孔插入物把药物扩散与细胞代谢分开观察

韩国忠南大学(Chungnam National University)与韩国毒理学研究所(Korea Institute of Toxicology)等团队在 Computational and Structural Biotechnology Journal 报道体外到体内外推(in vitro–in vivo extrapolation,IVIVE)研究,尝试同时描述培养系统中的药物扩散和细胞代谢。

装置在单个培养容器中放入多孔网制成的插入物,细胞培养在插入物内,外部培养液中的药物经网孔进入细胞所在空间。网孔大小与搅拌共同改变浓度达到平衡的速度,因此外部药物浓度和细胞实际接触浓度可以随时间不同。

研究先用罗格列酮及不同孔径建立扩散模型,再在插入物中培养人肝癌来源 HepaRG 细胞系,加入双氯芬酸或睾酮。这样的设计让单纯物理转运和细胞代谢分别提供模型输入。

不同孔径改变浓度曲线,模型仍有经验性假设

研究用不同网目数的插入物测量罗格列酮随时间进入内部的过程。网孔越小,浓度达到平衡所需时间越长;孔径和网目数的对数回归 R² 为 0.984。最密网孔难以直接成像测量,孔面积由回归估算。

团队采用 Weibull 分布函数拟合扩散时间过程,估算并关联各孔径的参数。论文将这部分视为对观察曲线的经验描述,函数本身没有完整推导被动扩散的物理机制。

加入代谢后,双氯芬酸模型包含外部和插入物内的原药及代谢物,共 4 个室;睾酮实验只测量原药减少。模型还加入细胞数量校正,因为细胞数量增加后,测得的代谢变化并未按比例增长。

两种底物分别检验代谢物形成和原药减少

双氯芬酸外部浓度为 40 μM,插入物内分别使用 10 万、20 万和 50 万个 HepaRG 细胞。团队连续 72 小时测量原药及 4-羟基双氯芬酸,每个条件进行 3 次重复测量。睾酮采用 1、5 和 20 μM,以固定 50 万个细胞检测原药时间过程。

研究以模型拟合两种底物的实验数据,并为代谢参数设定变异,得到预测区间。双氯芬酸模型既反映进入细胞空间的原药,也反映代谢物生成和再分布;睾酮模型主要反映原药消除。

部分初次参数估计不确定度较高:双氯芬酸代谢物释放参数和细胞代谢参数的相对标准误分别为 1287% 和 392%,睾酮细胞代谢参数为 137.6%。研究进行了 500 次自助重采样,大部分参数的不确定度下降,但代谢物释放参数的中位值也发生较大变化。

这些数值表明,曲线拟合与单个参数的稳定性需要同时观察。论文提供了自助重采样和预测区间,模型中某些参数仍受到有限数据和实验变异的影响。

网孔插入物模型拟合双氯芬酸、4-羟基双氯芬酸及睾酮的浓度时间过程,阴影为 90% 预测区间。

窄屏可横向滑动查看完整图表。

网孔插入物模型拟合双氯芬酸、4-羟基双氯芬酸及睾酮的浓度时间过程,阴影为 90% 预测区间。(Seongwon Park et al. / Computational and Structural Biotechnology Journal, 2025, Figure 5;CC BY 4.0)

校正细胞代谢能力后,外推至人肝清除率

模型得到的 HepaRG 体外固有清除率,双氯芬酸约为 0.078,睾酮约为 0.159 mL/min/10⁶ 个细胞。团队分别按 30% 和 70% 的相对代谢能力校正到原代人肝细胞,再结合肝细胞数量、肝重及 70 kg 成人参数进行放大。

最后采用充分搅拌肝模型,将肝血流、药物游离比例和培养液中的未结合比例纳入计算。双氯芬酸预测肝清除率为 2.91 mL/min/kg,论文引用的人体肝清除率约为 4 mL/min/kg;睾酮预测值为 5.03–11.63 mL/min/kg,并与换算后的文献范围比较。

作者还以所得双氯芬酸清除率建立一室人体药代动力学(pharmacokinetics,PK)模拟。预测的峰浓度和总暴露量略低于所比较的临床资料,半衰期则较接近。扩散装置简化了实际人体吸收,消除时间过程与完整口服暴露的拟合程度也不同。

底物差异决定代谢校正是否可沿用

HepaRG 是人肝癌来源的永生化细胞系,其代谢能力与原代人肝细胞存在差别。论文用于睾酮的 70% 校正,来自咪达唑仑在 HepaRG 与人肝细胞中的 CYP3A4 活性比较。虽然两种药物都由 CYP3A4 代谢,结合位点和底物行为仍可能不同。

研究实际检验了双氯芬酸和睾酮两个底物,分别代表 CYP2C9 和 CYP3A4 相关代谢。后续扩展需要确定各底物的细胞代谢差异,并考虑暴露期间的细胞增殖、空间限制和活性变化。本文提供的是扩散与代谢相结合的外推路线及其初步比较结果。

来源与延伸阅读

  1. Mechanistic in vitro–in vivo extrapolation (IVIVE) approach using a biomimetic in vitro system for the prediction of hepatic clearance. Computational and Structural Biotechnology Journal. 2025. doi:10.1016/j.csbj.2025.05.036 ↗