Towards a novel toxicity prediction pipeline, combining PBPK models and mechanistic cellular adversity models 迈向新型毒性预测流程：结合生理药代动力学（PBPK）模型与机制性细胞不良结局模型

《Toxicology》：Towards a novel toxicity prediction pipeline, combining PBPK models and mechanistic cellular adversity models

　　

摘要：目前迫切需要能够准确预测药物不良反应的无动物方法。特别是药物诱导的肝损伤（DILI）是一种难以用现有方法预测的常见不良反应。在本研究中，研究人员开发了一种数据驱动的计算不良结局模型，用于预测尼呋喃妥因（NIT）、双氯芬酸（DIC）和酮康唑（KET）暴露后肝细胞凋亡细胞的相对数量。随后，研究人员将该不良结局模型调整为体内情境，并开发了三种药物的生理药代动力学（PBPK）模型，以模拟人体和大鼠肝脏中的药物浓度。结合PBPK、应激通路和不良结局模型，构建了针对临床相关剂量下大鼠和人体的定量系统毒理学（QST）模型。对于这三种药物，模型均预测大鼠和人类具有低水平的毒性，这与体内观察结果一致。对修饰因素（性别、年龄）的详细分析表明，与男性相比，女性和老年人的凋亡细胞数量预计会增加。耦合不同的模型生成了一种新颖的建模流程，这是迈向计算机模拟DILI预测的重要一步。

论文解读：耦合PBPK与细胞应激模型构建新型DILI预测流程

研究背景与立项依据

药物研发过程漫长且成本高昂，即使进入临床研究阶段，仅有约十分之一的药物能获得批准，其主要原因往往在于安全性问题，尤其是药物诱导的肝损伤（Drug-Induced Liver Injury, DILI）。DILI不仅是药物在安全性评估中失败的常见原因，也是药物上市后撤市的主要因素之一。目前的风险评估方法在很大程度上仍依赖于动物实验，但动物实验成本高昂，且在预测人类DILI方面能力有限，同时还存在伦理争议。因此，迫切需要开发能够在不使用动物的情况下准确预测DILI等不良结局的新方法。现有的计算机DILI预测平台多基于机器学习，虽然能提供二元预测，但缺乏机制洞察且无法提供浓度依赖性预测。相比之下，定量系统毒理学（Quantitative Systems Toxicology, QST）平台虽能提供机制性见解，但往往并非免费开放。鉴于此，本研究旨在结合生理药代动力学（Physiologically-Based Pharmacokinetic, PBPK）模型、机制性应激通路模型和细胞死亡模型，开发一种新型的QST流程，以实现从体外到体内的毒性预测。该研究成果已发表于《Toxicology》期刊。

主要关键技术方法

本研究采用了多项关键技术方法。首先，研究人员利用先前建立的应激通路数学模型，描述了氧化应激反应（Oxidative Stress Response, OSR）和综合应激反应（Integrated Stress Response, ISR）的关键组件（如ATF4, CHOP, NRF2, GSH）的动态变化。其次，开发了体外和体内两种版本的不良结局（Adversity）计算模型，通过常微分方程描述活细胞和凋亡细胞的动态变化，并利用最大似然法进行参数校准。第三，构建了尼呋喃妥因（NIT）、双氯芬酸（DIC）和酮康唑（KET）在大鼠和人类中的PBPK模型，以模拟口服给药后的肝脏药物浓度，部分参数通过文献获取并结合实验数据进行了优化。最后，通过将PBPK模型模拟的肝脏浓度作为输入，耦合应激通路模型和不良结局模型，构建了完整的计算毒理学预测流程。

研究结果

3.1. 体外不良结局模型描述尼呋喃妥因（NIT）暴露下的细胞凋亡

研究人员利用先前开发的应激通路模型，结合细胞死亡测量数据，建立了计算模型来预测体外不良结局。初始模型版本利用CHOP和ATF4的表达来预测细胞凋亡。通过分析敲低OSR组件（KEAP1, NFE2L2, GCLC, GCLM）的实验数据，研究人员发现谷胱甘肽（GSH）对细胞活力有显著影响。因此，他们在模型中加入了GSH对细胞死亡的抑制效应。最终，该模型成功描述了NIT暴露下HepG2细胞群体中凋亡细胞和活细胞的剂量和时间依赖性动态变化。

3.2. 适应体内预测的调整不良结局模型

为了验证模型的通用性，研究人员将其应用于DIC和KET。由于不同药物诱导细胞凋亡的机制存在差异，直接应用NIT的参数会导致预测偏差。对于DIC，通过重新校准CHOP依赖性凋亡参数改善了拟合度；而对于KET，由于其几乎不诱导CHOP，模型将凋亡的驱动因子替换为ATF4。此外，为了模拟体内肝脏环境，研究人员调整了模型参数，设定最大细胞容量（CM）等于初始活细胞数，并移除了基础凋亡率。通过降低凋亡细胞的清除率，模型能够较好地复现体内观察到的肝脏再生和细胞清除动力学。

3.3. 大鼠和人类口服给药后的PBPK模型预测肝脏浓度

研究人员开发了三种药物的PBPK模型。模型模拟结果显示，NIT在大鼠和人类血浆与肝脏中的浓度相似，而DIC和KET在肝脏中的预测浓度约为血浆浓度的10倍，这归因于其较高的肝-血浆分配系数。与httk包中的生理毒代动力学（PBTK）模型相比，本研究构建的PBPK模型能更好地描述血浆浓度数据。模拟还表明，KET在体内消除较慢，长期给药后存在积累风险。

3.4. 大鼠PBPK耦合应激通路模型预测低发生率不良结局

将PBPK模型输出的肝脏浓度作为应激通路和不良结局模型的输入，研究人员模拟了大鼠30天内每日给药的情况。大多数条件下仅预测到轻微的应激通路激活和少量凋亡细胞。然而，对于最高剂量的NIT，活细胞数量下降幅度超过了凋亡细胞的增加量。研究发现这是由于ATF4对细胞增殖的抑制作用阻碍了组织再生。通过大幅降低ATF4对体内细胞生长的抑制效应，模型预测的细胞比例恢复了合理性。总体而言，模型预测的低毒性水平与TG-GATEs数据库中的病理学数据基本一致。

3.5. 人类预测显示多数人无不良结局，但可指示风险因素

基于常规给药方案的人类模拟显示，三种药物均未引起显著的应激通路激活或细胞凋亡，这与DILI仅影响少数服药人群的事实相符。然而，通过调整PBPK模型参数以模拟女性和老年人，研究发现与常规男性模拟相比，女性和老年人的凋亡细胞有所增加，其中老年女性在所有三种药物模拟中均表现出最高的凋亡细胞数量和最低的活细胞数量。此外，个体敏感性差异（通过敏感性参数模拟）可导致凋亡细胞数量高达4倍的差异。结果表明，尽管总体毒性较低，但老年人（尤其是女性）在长期服用DIC时需更加谨慎。

讨论与结论

本研究通过耦合多种计算模型，成功构建了预测化合物毒性的流程。尽管经过参数校准后，体外不良结局模型能够描述数据，但对于DIC和KET需要重新校准或模型结构调整，这表明当前的凋亡调控机制模型仍需完善，未来可能需要纳入JNK、GADD34等其他调节因子以提高通用性。GSH敲低实验的影响较小，可能是因为细胞内的抗氧化防御系统具有冗余性。虽然HepG2细胞是可行的测试系统，但其代谢能力与原代人肝细胞（PHH）存在差异，未来利用PHH数据进行模型开发将是自然的延伸。此外，体内环境的复杂性，如肝脏分区化和多种细胞类型的相互作用，尚未在当前模型中充分体现，空间模型的引入将有助于提升生物学准确性。PBPK模型受限于公开数据的缺乏，尤其是关于肝脏浓度的时间过程数据，未来需要更多受试者的数据来提高模型可靠性。尽管存在局限性，该流程预测的低毒性水平与现实情况相符，且能识别出女性和老年人等易感人群。这项研究标志着在迈向计算机模拟DILI预测方面迈出了重要一步。