桑瀾，徐勝，何華，柳曉泉

（中國藥科大學藥物代謝動力學研究中心，江蘇 南京 211198）

對于作用靶點在中樞神經(jīng)系統(tǒng)（central nervous system，CNS）的藥物而言，腦內(nèi)濃度直接影響藥效；而對于非腦組織靶向的藥物，過多的腦內(nèi)分布可能會引起CNS 不良反應的發(fā)生。因此，了解藥物在腦內(nèi)的轉(zhuǎn)運與分布情況在新藥研發(fā)中十分重要。人腦內(nèi)的藥物濃度難以通過現(xiàn)有分析技術(shù)直接測定，而根據(jù)腦組織的生理結(jié)構(gòu)和藥物特性用生理藥代動力學（physiologically-based pharmacokinetic，PBPK）模型來模擬藥物在腦內(nèi)的轉(zhuǎn)運與分布情況是一個可行的策略。本文綜述了影響藥物在腦內(nèi)轉(zhuǎn)運分布的生理因素，以及近年來文獻報道的研究藥物腦組織分布的PBPK 模型，并探討這類PBPK 模型在藥物研發(fā)中的應用。

1 影響藥物在腦內(nèi)轉(zhuǎn)運與分布的生理因素

藥物在腦內(nèi)的分布情況受到大腦特殊結(jié)構(gòu)的影響（見圖1）。腦皮層下的毛細血管豐富而密集，為血液與腦進行物質(zhì)交換提供生理基礎(chǔ)，進入腦實質(zhì)后，藥物的分布依賴于腦內(nèi)液體，即腦細胞外液（extracellular fluid，ECF）與腦脊液（cerebrospinal fluid，CSF）的流動；而腦內(nèi)特有的血-腦屏障（blood-brain barrier，BBB） 和血-腦脊液屏障（blood-cerebrospinal fluid barrier，BCSFB）限制了有害物質(zhì)進入腦組織，為腦提供保護作用；ECF 和腦細胞統(tǒng)稱為腦實質(zhì)，腦實質(zhì)被CSF 包圍著。藥物通過動脈輸送到腦部，隨后進入毛細血管；屏障上緊密排布的細胞和多種攝取或外排轉(zhuǎn)運體則限制了藥物的腦內(nèi)分布；此外，藥物在腦內(nèi)可能與靶點結(jié)合而不能進一步分布。因此，腦內(nèi)微循環(huán)、屏障系統(tǒng)以及藥物與靶點的結(jié)合是影響藥物腦內(nèi)分布的重要因素。

1.1 腦內(nèi)微循環(huán)

腦內(nèi)微循環(huán)由腦血流、ECF 與CSF 構(gòu)成。在大腦表面存在大量的動脈和靜脈，它們負責輸送氧氣和營養(yǎng)物質(zhì)進入腦組織，并將排出的有害物質(zhì)帶離腦組織。部分由大動脈分支后形成的小動脈能夠穿透大腦皮層進入毛細血管床。腦部的毛細血管表面積大且非常密集，是血液與腦組織進行物質(zhì)交換的主要場所。此外，為了維持大腦內(nèi)的穩(wěn)態(tài)，定期清除腦內(nèi)有害物質(zhì)，ECF 與CSF 在腦內(nèi)不斷循環(huán)[1]。而藥物隨著腦血流、ECF 與CSF 的流動完成轉(zhuǎn)運，因此腦微循環(huán)內(nèi)液體流動的方向即為藥物轉(zhuǎn)運的方向。

腦微循環(huán)中的藥物首先通過大血管中的腦血流輸送，然后通過腦毛細血管血流流向大腦。因此，血流速度（Qbrain）對于藥物向大腦的傳遞十分重要。在大動脈和靜脈中，血流速度約為750 mL·min-1。然而，在與腦組織交換藥物的腦毛細血管內(nèi)，毛細血管血流速度僅為6～12 nL·min-1[2-3]；在脈絡叢部位，血流速度約為8 mL·min-1[4]。

ECF 約占腦實質(zhì)的20%，成分與血漿相似，但蛋白質(zhì)含量較低。BBB 兩側(cè)存在離子濃度差時，毛細血管內(nèi)的血液會流向腦實質(zhì)，由于蛋白質(zhì)不能通過BBB，血漿在透過BBB 時被內(nèi)皮細胞壁過濾形成ECF。在壓力差的驅(qū)動下，腦ECF 通過對流（ECF bulk flow）在細胞外空間內(nèi)流動。腦ECF 可以直接流向腦室和蛛網(wǎng)膜下腔（subarachnoid space，SAS）并進入CSF，也可以穿透毛細血管和動脈壁流入淋巴系統(tǒng)。

CSF 是一種蛋白質(zhì)濃度較低、成分與ECF 相似的透明液體，它由脈絡叢上皮細胞分泌產(chǎn)生，脈絡叢排列在2 個側(cè)腦室（lateral ventricle，LV）和第3 腦室（third ventricle，TV）、第4 腦室（forth ventricle，F(xiàn)V）的空腔中。依次流經(jīng)4 個腦室后，CSF 進入小腦延髓池（cisterna magna，CM）并向下流入脊髓；此外，CSF 也可以在 SAS 向上流過大腦表面，通過蛛網(wǎng)膜絨毛中的瓣膜被吸收到靜脈中，完成腦脊液循環(huán)。

圖1 腦的特殊結(jié)構(gòu)及藥物在腦內(nèi)的轉(zhuǎn)運示意圖Figure 1 Schematic diagram of brain tissue and drug transport within the brain

1.2 屏障系統(tǒng)與屏障上的藥物轉(zhuǎn)運

腦毛細血管血液中的藥物在進入腦組織時受到屏障系統(tǒng)的阻礙。在目前的腦組織PBPK 模型中主要考慮BBB 與BCSFB 的作用。BBB 的功能是將血液與腦實質(zhì)分隔開來，從而避免有害物質(zhì)進入腦內(nèi)造成損傷。BBB 上的緊密連接結(jié)構(gòu)、細胞間的多種轉(zhuǎn)運蛋白和缺少窗孔的特征都使得藥物難以通過細胞旁途徑穿過血管內(nèi)皮進入腦組織。BBB 功能會隨機體的生理病理情況而變化。在某些疾病條件下（比如膠質(zhì)母細胞瘤），BBB 的緊密連接被破壞，大腦內(nèi)皮細胞之間的間隙變大，這使得細胞旁轉(zhuǎn)運增加，特別是那些通常不能透過BBB 的大分子[5]。在這類惡性腫瘤的藥物開發(fā)中，往往不考慮治療藥物的BBB 通透能力，而認為它們對腦組織具有對其他組織同樣的滲透性。然而，大量臨床證據(jù)表明，膠質(zhì)母細胞瘤患者的BBB 的破壞是不均一的[6]。這使得抗腫瘤藥物在BBB 完整的區(qū)域達不到理想藥效，因此有研究者提出通過聚焦超聲等物理手段破壞BBB可以提高BBB 的通透性，增加藥物向腦部的轉(zhuǎn)運，實現(xiàn)抗腦腫瘤藥物的靶向治療[7-8]。BCSFB 將腦毛細血管中的血液與腦脊液分離。BCSFB 由腦室的脈絡叢上皮細胞緊密排布形成，屏障上的緊密連接阻止了水溶性分子通過細胞旁途徑透過BCSFB。與BBB 不同，BCSFB 具有開孔結(jié)構(gòu)和較高的通透性。有研究表明，阿爾茨海默病患者BCSFB 的通透性與轉(zhuǎn)運體活性受到影響，而這可能與腦內(nèi)炎癥因子的沉積有關(guān)[9]。

藥物在屏障上的轉(zhuǎn)運可以分為被動擴散和主動轉(zhuǎn)運兩大類，其中被動擴散包括跨細胞和細胞旁途徑，而主動轉(zhuǎn)運主要指通過轉(zhuǎn)運體進行的物質(zhì)轉(zhuǎn)運。被動擴散是由藥物在血液和ECF 中的濃度梯度驅(qū)動的，速率取決于屏障兩側(cè)的濃度差。藥物穿過屏障的難易程度取決于屏障對藥物的滲透性（permeability，P）。這種滲透性由屏障自身的通透性（構(gòu)成屏障的細胞間隙）和藥物特性（分子大小和脂溶性）共同決定。腦毛細血管表面積和脈絡叢表面積分別為BBB 與BCSFB 內(nèi)藥物可通透表面積（surface area，S）。在PBPK 模型中，藥物在屏障上的被動擴散速率可以用膜的滲透性-表面積（permeability-surface area product，PS）來描述。

在上述2 種屏障中還存在多種攝取或外排轉(zhuǎn)運體，它們分布在屏障的兩側(cè)（見圖1）。主動轉(zhuǎn)運過程根據(jù)藥物運輸方向可以分為攝取轉(zhuǎn)運和外排轉(zhuǎn)運。幫助藥物或內(nèi)源性物質(zhì)進入大腦的轉(zhuǎn)運體稱為攝取轉(zhuǎn)運體，而將化合物移出大腦的轉(zhuǎn)運體為外排轉(zhuǎn)運體。人BBB 上活躍的轉(zhuǎn)運蛋白包括有機陰離子轉(zhuǎn)運多肽1A2（organic anion transporting polypeptide 1A2，OATP1A2）、有機陰離子轉(zhuǎn)運蛋白3（organic anion transporters 3，OAT3）、單羧基反式轉(zhuǎn)運蛋白1（monocarboxylate transporter 1，MCT1）、P-糖蛋白（P-glycoprotein，P-gp）、乳腺癌耐藥蛋白（breast cancer resistance proteins，BCRPs）和多藥耐藥相關(guān)蛋白（multidrug resistance associated proteins，MRPs）。BBB 上大多數(shù)外排轉(zhuǎn)運體位于血液側(cè)，而BCSFB 上BCRP 和P-gp 位于CSF 側(cè)，MRP 位于血液側(cè)。

1.3 藥物與蛋白質(zhì)的結(jié)合

在腦組織中，藥物與腦內(nèi)蛋白質(zhì)的結(jié)合可分為特異性結(jié)合和非特異性結(jié)合。特異性結(jié)合指藥物與靶點的結(jié)合，這是發(fā)揮藥效的基礎(chǔ)。靶點可以是受體、酶、轉(zhuǎn)運蛋白或離子通道。藥物靶點根據(jù)其存在的空間位置可分為細胞外靶點或細胞內(nèi)靶點，細胞內(nèi)靶點可位于細胞質(zhì)或細胞核內(nèi)。在PBPK 模型中，藥物與靶點的結(jié)合速率用kon表示，藥物-靶點復合物的解離速率用koff表示，藥物與受體的親和力用Kd表示。藥物與腦組織的非特異性結(jié)合包括藥物與血漿蛋白及ECF 或CSF 中的蛋白質(zhì)的結(jié)合。通常只有游離藥物才能透過血管壁或生物膜。藥物在腦內(nèi)的非特異性結(jié)合會減少游離藥物的擴散[10]，從而影響藥物在腦內(nèi)進一步分布。在腦血管中，藥物可能與血漿蛋白結(jié)合以便于運輸，或結(jié)合后再解離從而發(fā)揮“藥庫”的作用。通常酸性藥物與白蛋白結(jié)合，而堿性藥物與α1-糖蛋白結(jié)合。此外，盡管ECF 與CSF 中蛋白質(zhì)含量較低，這2 個體系中的藥物-蛋白結(jié)合有時仍會被納入考慮。藥物與血漿或ECF、CSF 中的蛋白質(zhì)結(jié)合后，結(jié)合型與游離型藥物濃度處于動態(tài)平衡，游離型藥物濃度與總藥物濃度之間的比值被定義為藥物的游離分數(shù)（unbound fraction，fu）。

2 腦組織生理藥代動力學模型研究現(xiàn)狀

腦組織PBPK 模型的建立基于腦組織的生理結(jié)構(gòu)。腦組織的主要組成部分包括腦毛細血管、構(gòu)成腦實質(zhì)的各類細胞和ECF 以及CSF；此外還有將這些結(jié)構(gòu)與循環(huán)系統(tǒng)隔離開的屏障——BBB 和BCSFB。然而，模型結(jié)構(gòu)的確定并非直接將上述成分作為房室納入，而是根據(jù)研究目的選擇適用的最簡單模型，因為越復雜的結(jié)構(gòu)參數(shù)化越困難。本節(jié)綜述了近年來文獻報道過的腦組織PBPK 模型。PBPK 模型是建立在機體的生理、生化、解剖和藥物熱力學性質(zhì)基礎(chǔ)上的一種整體模型，它將解剖學上存在差異的器官或結(jié)構(gòu)看作一個房室，房室間借助于血液循環(huán)或組織液流動來連接。腦組織PBPK模型中每個房室的建立依賴于兩類參數(shù)：系統(tǒng)相關(guān)參數(shù)和藥物相關(guān)參數(shù)。系統(tǒng)相關(guān)參數(shù)主要包括解剖學參數(shù)和生化參數(shù)，如組織液流速、組織大小、轉(zhuǎn)運體或代謝酶活性等；藥物相關(guān)參數(shù)包括藥物熱力學性質(zhì)和藥物與機體相互作用，如脂溶性、電離性、膜通透性、藥物游離分數(shù)等。有文獻報道了人、大鼠、小鼠、猴子和狗的CNS 生理參數(shù)[11]，為腦組織PBPK 模型的建立提供了便利。

在全身PBPK 模型中，腦組織被視為一整個房室，通過血液循環(huán)與系統(tǒng)藥代動力學（pharmacokinetics，PK）連接起來[12-14]。這類模型可以用于藥物物料平衡的研究；也可以和藥物毒性數(shù)據(jù)結(jié)合來探究藥物的不良反應。全身PBPK 模型可以預測腦組織中整體藥物濃度，但藥物在腦組織中具體分布情況無法得知。此外，全身PBPK 模型的建立與驗證需要來自多個組織中的藥物濃度信息，然而實際研究中可能只關(guān)心腦組織中藥物濃度，因此缺少其他組織的藥物濃度數(shù)據(jù)，此時全身PBPK模型的應用存在限制。

因此，為了進一步探究藥物在腦組織中的分布情況，結(jié)合微透析技術(shù)建立腦組織PBPK 模型的方法應運而生。使用腦內(nèi)微透析技術(shù)來測定腦ECF 中游離藥物濃度，可以將全身PBPK 模型中的腦室根據(jù)細胞內(nèi)和細胞外空間進一步區(qū)分為單獨的房室。微透析技術(shù)的一個顯著優(yōu)點是可以頻繁地收集透析液樣品進行PK 特征分析，因為ECF 中的液體實際上沒有減少[15]。Tunblad 等[16]應用腦內(nèi)微透析技術(shù)探究了建模時可使用的數(shù)據(jù)對模型結(jié)果的影響（見圖2）。他們建立的模型包括動脈室、靜脈室、外周室和腦細胞外液室。系統(tǒng)PK 參數(shù)通過動脈血中總濃度獲得，而藥物與蛋白結(jié)合率可以通過靜脈血和ECF 中游離藥物濃度計算得到。圖3 給出了以嗎啡為模型藥物，應用這一模型對腦透析液、靜脈透析液和動脈血中總藥物濃度的觀測數(shù)據(jù)、群體預測和個體預測。

Westerhout 等[17]2012 年報道的研究包含4 個CSF 房室的大鼠腦組織PBPK 模型，目的是探究不同的CSF 采樣點是否在大鼠體內(nèi)產(chǎn)生類似的PK 特征，從而推斷人CSF 藥物濃度是否可以代替ECF的藥物濃度。模型結(jié)構(gòu)見圖4，在他們的模型中包含中央室、外周室、腦實質(zhì)室和4 個不同的CSF 室。藥物從腦ECF 轉(zhuǎn)運至CSF 并依次經(jīng)過LV、第3 和第4 腦室（third and fourth ventricle，TFV）、CM 和SAS。然而，由于缺少人腦內(nèi)的藥物濃度數(shù)據(jù)，他們對人腦內(nèi)藥物濃度的預測還有待臨床數(shù)據(jù)驗證。Yamamoto 等[18]改進了這一模型，并使用臨床數(shù)據(jù)和文獻中的數(shù)據(jù)[19]進行驗證（見圖5[20]）。之后，他們又加入了亞細胞室、腦微血管室，并將BBB 和BCSFB 處的被動擴散分解為跨細胞和細胞旁2 個途徑[21]。這一系列研究的目的是建立對不同藥物都具有適用性的綜合PBPK 模型，無需體內(nèi)數(shù)據(jù)，根據(jù)生理和病理條件下系統(tǒng)特異性和藥物特異性參數(shù)即可預測CNS 中多個區(qū)域的藥物濃度-時間分布。

目前已報道的大部分腦組織PBPK 模型都是根據(jù)腦血管、CSF、ECF、細胞實質(zhì)等腦組織成分區(qū)分腦室的，這些模型可以探究藥物在BBB 上的轉(zhuǎn)運情況但不能反映藥物在依據(jù)結(jié)構(gòu)劃分的各個腦區(qū)（皮質(zhì)、海馬等）的分布情況。Zakaria 等[22]在2018 年提出了根據(jù)生理學結(jié)構(gòu)區(qū)分腦室的大鼠CNS模型。這一模型內(nèi)嵌于一個全身PBPK 模型中，并且包含5 個房室（見圖6）：腦血管、CSF、海馬區(qū)（hippocampus，HP）、前額葉皮質(zhì)區(qū)（frontal cortex，F(xiàn)C）和腦組織剩余部分（rest of brain，ROB），模型結(jié)構(gòu)使用文獻報道過的苯妥英[23]和卡馬西平[24]在不同腦區(qū)中的數(shù)據(jù)進行驗證（見圖7）。這一模型也被用于預測了人腦內(nèi)不同區(qū)域的藥物PK特征。盡管缺乏臨床數(shù)據(jù)驗證，這種根據(jù)腦區(qū)劃分方式的方法仍然是一個很有意義的嘗試，因為實驗表明許多靶向CNS 的藥物在腦內(nèi)的分布存在區(qū)域特異性[23,25]，而這與腦組織不同結(jié)構(gòu)的解剖學差異和功能有關(guān)。

圖2 基于微透析數(shù)據(jù)建立的腦組織生理藥代動力學模型[16]Figure 2 Physiologically-based pharmacokinetic model of the brain tissue based on microdialysis data[16]

圖3 腦透析液、靜脈透析液和動脈血中嗎啡濃度的實測值-群體預測值和實測值-個體預測值散點圖[16]Figure 3 Scatter plots of the observed data,population predictions and individual predictions of morphine concentrations in cerebral dialysate,venous dialysate,and arterial blood [16]

圖4 包含4 個腦脊液房室的腦組織生理藥代動力學模型結(jié)構(gòu)示意圖[17]Figure 4 Physiologically-based pharmacokinetic model of the brain tissue containing four cerebrospinal fluid chambers [17]

圖5 大鼠和人靜脈注射15 mg·kg-1 對乙酰氨基酚后血漿和蛛網(wǎng)膜下腔中藥物濃度預測值與實測值[17,20]Figure 5 Observed data and predictions of drug concentrations in plasma and subarachnoid space in rat and human after i.v.infusion of 15 mg·kg-1 acetaminophen [17,20]

圖6 根據(jù)生理學結(jié)構(gòu)區(qū)分腦室的大鼠腦組織生理藥代動力學模型[22]Figure 6 A region-specific rat brain physiologically-based pharmacokinetic model established according to the physiological structure of the brain tissue [22]

圖7 大鼠給予苯妥英或卡馬西平后腦區(qū)或血漿中藥物濃度預測值與實測值[22]Figure 7 Observed data and predictions of drug concentrations in rat plasma and brain regional compartments after phenytoin or carbamazepine administration [22]

總的來說，本節(jié)所述的PBPK 模型為分析研發(fā)中藥物在BBB 和BCSFB 上的轉(zhuǎn)運提供了良好的基礎(chǔ)，同時也為預測人體內(nèi)未結(jié)合的ECF 藥物濃度提供了合理的生理學方法。然而，這一類模型在進行種屬間轉(zhuǎn)化時仍然存在限制。盡管固定了系統(tǒng)相關(guān)參數(shù)，模型中的藥物相關(guān)參數(shù)仍然是通過數(shù)據(jù)擬合得到的。尤其是描述藥物跨BBB 或BCSFB 轉(zhuǎn)運過程的參數(shù)往往代表著幾種動力學過程的凈效應，將模型中系統(tǒng)相關(guān)參數(shù)替換為人的生理值的種屬間轉(zhuǎn)化方法需假設(shè)不同物種間跨BBB 和BCSFB 轉(zhuǎn)運具有類似的機制，而這顯然是不成立的。

3 腦組織生理藥代動力學模型的應用

3.1 基于機制的生理藥代動力學/藥效學模型

腦組織PBPK 模型不僅可以用于估計BBB 和BCSFB 的流入和流出參數(shù)來解釋藥物的腦內(nèi)PK 特征，還能為腦ECF濃度與藥效學（pharmacodynamics，PD）數(shù)據(jù)建立聯(lián)系。Hammarlund-Udenaes 及其同事基于大鼠腦內(nèi)微透析數(shù)據(jù)和阿片類藥物的鎮(zhèn)痛作用，報道了一系列基于機制的PBPK/PD 模型[26-30]。他們的研究目的之一是定量解釋嗎啡和羥考酮的PK/PD關(guān)系[30]。這2 種鎮(zhèn)痛藥在體外實驗中對阿片受體的親和力有顯著差異，但在大鼠血漿內(nèi)藥物濃度相近時可以產(chǎn)生等效的鎮(zhèn)痛效應。他們認為這可能與2種藥物的BBB 轉(zhuǎn)運差異有關(guān)?；跈C制的PBPK/PD 模型模擬出的藥物濃度結(jié)果支持這一假設(shè)，BBB對羥考酮的攝取速率高于外排速率，而嗎啡的結(jié)果相反，這使得羥考酮的腦內(nèi)ECF 游離藥物濃度比嗎啡高6 倍[29-30]。這一結(jié)果提示，在研究靶點位于CNS 的藥物時，應考察藥物的腦內(nèi)游離藥物濃度與藥物效應的PK/PD 關(guān)系，而不是血漿PK/PD 關(guān)系。

此外，腦組織的PK 還可以和受體占有率數(shù)據(jù)（receptor occupancy，RO）結(jié)合，建立PBPK/RO 模型。Wong 等[31]開發(fā)了2 種常用的抗抑郁藥氯氮平和利培酮的大鼠和人的全身PBPK/RO 模型，充分預測了人體內(nèi)原藥和代謝物的血漿藥物濃度（見圖8）及其對人腦內(nèi)多巴胺D2受體的占有率水平（見圖9）。PBPK/RO 模型的應用可以從D2受體擴展到CNS 的其他受體，從而評價藥物的受體選擇性。所有已上市的抗精神病藥物對CNS 中的非D2受體都有明顯的親和力[32]，而它們與5-羥色胺（5-HT）受體或乙酰膽堿受體的相互作用是引起CNS 不良反應的重要原因。例如，氯氮平引起的代謝紊亂（如體質(zhì)量增加或糖尿病）可能與其對組胺H1受體和5-HT2C受體的過度親和力有關(guān)[33]；而氯氮平對5-HT2A受體和毒蕈堿M1的高親和力可能誘發(fā)運動障礙[34]。因此，通過PBPK/RO 模型評價藥物的受體選擇性具有重要的臨床意義。

圖8 人口服氯氮平和利培酮給藥后血漿中原藥和代謝物濃度預測值與實測值[31,35-36]Figure 8 Observed data and predictions of parent drug concentrations and metabolite concentrations in plasma after oral administration of clozapine and risperidone in human [31,35-36]

圖9 人口服氯氮平和利培酮后D2 受體占有率的預測值與實測值[31]Figure 9 Observed data and predictions of D2 receptor occupancy after oral administration of clozapine and risperidone in human[31]

3.2 體外-體內(nèi)外推/生理藥代動力學模型

PBPK 模型中的系統(tǒng)相關(guān)參數(shù)具有實際的生理意義，部分參數(shù)可在機體內(nèi)直接測得，從而為這一類模型的種屬間轉(zhuǎn)化提供了良好的基礎(chǔ)。除了直接將動物模型中的系統(tǒng)相關(guān)參數(shù)替換為人的生理值外，近年來越來越多的研究者在估計PBPK 模型的參數(shù)時采取了基于體外-體內(nèi)外推（in vitro-in vivoextrapolation，IVIVE）的策略。這種“自下而上（bottom-up）”的方法是將體外實驗測得的轉(zhuǎn)運體或代謝酶的動力學參數(shù)，通過比放因子（scaling factor，SF）轉(zhuǎn)化為PBPK 模型中的參數(shù)。SF 表示藥物在體外實驗及體內(nèi)環(huán)境中測得的動力學過程之間的活性差異[37]。此外，還要考慮體內(nèi)與體外實驗體系中轉(zhuǎn)運體的蛋白表達水平差異。

Ball 等[38]在2012 年提出的模型中，將腦組織分為腦血管和腦實質(zhì)2 個房室，并內(nèi)嵌于大鼠全身PBPK 模型中。他們通過體外實驗測定了BBB 對嗎啡和羥考酮的被動轉(zhuǎn)運或主動轉(zhuǎn)運通透性，之后將模型中的BBB 通透性（P）固定為測量值，應用PBPK 模型模擬了大鼠腦內(nèi)的游離藥物濃度（見圖10）。他們的模型中用相對活性因子（relative activity factor，RAF）表示轉(zhuǎn)運蛋白在體外-體內(nèi)活性的差異，這一參數(shù)值可以由模型與大鼠觀測值擬合得到。在大鼠到人的轉(zhuǎn)化時，他們將模型中大鼠的生理參數(shù)替換為人體的生理值，并使用了與大鼠模型中相同的RAF。他們假設(shè)在大鼠和人之間，每單位膜表面積或每單位微血管蛋白量的相關(guān)轉(zhuǎn)運體的表達水平和活性相同。2014 年，Ball 等[39]提出了包含腦血管、CSF、ECF 和細胞實質(zhì)4 個房室的腦組織PBPK 模型，并詳細討論了在臨床前研究階段建立腦組織IVIVE-PBPK 模型的策略以及參數(shù)化方法。

圖10 大鼠靜脈推注嗎啡和羥考酮后腦內(nèi)游離藥物濃度的實測值與預測值[38]Figure 10 Observed data and predictions of unbound brain concentrations after i.v.infusion of morphine and oxycodone [38]

Lu 等[40]在2016 年提出了用于描述人腦內(nèi)藥物處置的4Brain 模型。該模型在一項0 期臨床試驗中被用來預測一個研發(fā)中的藥物AZD1775 穿透BBB的能力[41]。作者通過文獻中報道的對乙酰氨基酚和苯妥英的臨床數(shù)據(jù)驗證了4Brain 模型。這2 個藥物分別代表不同的腦內(nèi)轉(zhuǎn)運機制，對乙酰氨基酚進入腦組織主要依靠被動轉(zhuǎn)運[42]，而苯妥英作為P-gp的底物，主要通過轉(zhuǎn)運體介導的主動轉(zhuǎn)運進入腦組織中（見圖11）[43]。在4Brain 模型中，基于IVIVE策略由體外實驗得到的藥物相關(guān)參數(shù)包括：1）BBB與BCSFB 的PS；2）BBB 與BCSFB 上轉(zhuǎn)運體活性（CLin/CLout）；3） 腦內(nèi)藥物的代謝清除率（CLmet）。其他系統(tǒng)相關(guān)參數(shù)由文獻中報道過的生理值得到。然而，這一模型沒有納入ECF，因而不能預測作用于膜結(jié)合受體的藥物的受體結(jié)合動力學以及藥物的效應[18,40]。4Brain 模型用于預測對乙酰氨基酚給藥后，虛擬人群血漿和CSF 中藥物濃度（見圖12）。

4 結(jié)語

腦組織PBPK 模型的建立基于腦組織的生理、生化、解剖和藥物熱力學性質(zhì)。相較于房室PK 模型，腦組織PBPK 模型為種屬間轉(zhuǎn)化提供了更好的基礎(chǔ)。在新藥研發(fā)中，腦組織PBPK 模型可以用于預測藥物在腦內(nèi)的PK 行為、探究藥物的PK/PD 關(guān)系，或基于IVIVE 策略進行種屬間轉(zhuǎn)化。隨著對腦組織解剖學研究的不斷深入以及微透析技術(shù)的發(fā)展，模型結(jié)構(gòu)和參數(shù)越來越接近真實的生理情況，這有助于提高模型的預測準確性?？傊谀X組織PBPK 模型預測藥物在人腦內(nèi)的轉(zhuǎn)運和分布情況可以成為新藥研發(fā)中的重要策略，這使得這一研究領(lǐng)域具有良好的應用前景。

圖11 基于體外-體內(nèi)外推方法建立的4Brain 模型結(jié)構(gòu)[40]Figure 11 Model structure of the 4Brain model using the in vitro-in vivo extrapolation approach [40]

圖12 對乙酰氨基酚給藥1 000 mg 后藥物濃度預測值與實測值[20,40,42,44]Figure 12 Observed data and predictions of drug concentrations after administration of 1 000 mg paracetamol [20,40,42,44]