把细胞增殖、死亡和衰老分开计算
韩国 CHA 大学（CHA University）团队在 Pharmaceuticals 提出一种药物反应分析方法。研究把增殖细胞、死亡细胞和进入持续细胞周期停滞的衰老细胞分开，建立群体动力学模型，再用人卵巢癌细胞的奥拉帕利公开数据检验其用途。
常用的细胞存活率把药物组与对照组的存活细胞数量相除。细胞进入衰老状态后仍然存活，却不再按原速度增殖，因此同样的存活细胞数量，可以对应不同的增殖、死亡和衰老变化。
模型为三种过程分别设定速率。增殖细胞的净增长取决于分裂、死亡和进入衰老状态的平衡；总存活细胞同时包括增殖及衰老细胞，生长曲线也随两类细胞的比例改变。
检测时长和倍增时间改变常用药效指标
研究先模拟衰老较明显和衰老可忽略两种情景，再用相同生长曲线计算不同时间点的药物浓度—效应曲线。按存活率评价时，延长观察时间通常显示更高敏感性；按简单指数增长计算的表观生长率，也会在衰老明显时随时间改变。
另一组模拟让两个细胞系具有相同的相对生长抑制，但原始倍增时间分别约为 1.4 和 3.5 天。同样的检测时长下，增殖较快的细胞会呈现更低的相对存活率，影响细胞系之间的敏感性比较。
团队把 2–8 天的曲线汇总为半数抑制浓度（half-maximal inhibitory concentration，IC50）、半数最大效应浓度、最大效应和抑制曲线下面积。在这些模拟中，IC50 的时间变化较大，某些 2 天曲线甚至不能得到有限 IC50；曲线下面积的相对变化较小。
研究还为 7 个模拟药物设置不同的表型作用。即使只使用同一细胞系，改变曲线计算方式、汇总指标或检测时间，也会改变药物排序。这组结果来自理论模拟，实际药物示范另用公开奥拉帕利数据。
例如在同一组 3 天存活率模拟曲线中，按 IC50 或半数最大效应浓度排序，药物 1 最强；按最大效应排序，药物 4 最强；按抑制曲线下面积排序，药物 2 最强。指标分别强调效力、最大作用或整体抑制，得到的排序反映所选择的评价维度。
公开奥拉帕利数据提供两种不同抑制模式
再分析使用 OV1369(R2) 和 OV1946 两种人卵巢癌细胞，药物处理持续 6 天。数据同时包含存活细胞时间过程，以及末次检测中的死亡和衰老比例；衰老通过衰老相关 β-半乳糖苷酶染色测量，死亡采用流式细胞分析。
将相同数据改为 3 天或 6 天检测后，IC50 随之改变。OV1369(R2) 的两种常用计算方式中，3 天与 6 天 IC50 的比值约为 1.5–3；OV1946 的 6 天 IC50 约为 3 天的 1/10。延长观察时间呈现更高敏感性。
团队用存活细胞曲线拟合净生长速率，并把死亡及衰老比例转换为相应的增量比例，再联立估算三种表型速率。原数据仅在 4 个浓度下测量了最后一次检测的表型，因此完整估算限于生长曲线与表型测量都具备的浓度。
OV1369(R2) 在 2.5 μM 奥拉帕利下，生长抑制主要伴随分裂延缓和衰老；衰老及死亡速率相对未给药生长速率的变化分别约为 10.3% 和 0.3%。OV1946 在 0.01 μM 下，死亡对应变化约为 26.3%，衰老约为 3.8%，表型组成明显不同。
这些百分比表示模型速率的相对变化，细胞总数中的死亡或衰老比例另由实验测量。分开记录两类数值，才能看清药物抑制增长时，各过程分别贡献了多少。
窄屏可横向滑动查看完整图表。
单一浓度评价需要配套的时间过程和表型测量
作者提出，在未给药对照之外，选定浓度同时测量细胞增长、死亡与衰老，可以得到有表型含义的药物变量。扩大浓度范围后，各表型也可以各自形成浓度—效应关系，帮助分析药物机制。
研究的模型把衰老视为持续的细胞周期停滞，并暂不考虑衰老细胞的死亡。实际示范主要基于两个细胞系，最低 3–4 个浓度的生长曲线拟合较好；生长很少时，拟合收敛仍会遇到困难。
当药物显著抑制增长时，活细胞时间曲线的幅度较小，参数拟合容易不稳定。作者提出在这类条件下检测死亡细胞累积，作为估算净生长速率的另一条数据路径。新指标的可用性仍取决于实际取得的计数和表型测量。
论文保留浓度—效应曲线用于展示整体反应的价值，同时提出把表型速率用于药理基因组学关联和机制分类。后续比较的关键，是同时取得足够的时间点和具体表型数据，再确定哪些变量能够稳定区分药物作用。