综述：溶酶体贮积病中治疗性酶的人群药代动力学/药效学建模

《Clinical Pharmacokinetics》：Population Pharmacokinetic/Pharmacodynamic Modeling of Therapeutic Enzymes in Lysosomal Storage Diseases

　　摘要

背景
溶酶体贮积病（LSDs）是一类罕见的遗传性疾病，目前通过酶替代疗法（ERT）进行治疗。然而，治疗效果存在显著差异，这反映了治疗酶的药理学复杂性、患者之间的异质性以及治疗反应的多样性。群体药代动力学/药效学（popPK/PD）建模有助于描述这种变异性，识别协变量，并优化给药策略。

目标
本综述旨在全面概述已发表的LSDs治疗酶的popPK和popPD模型，总结建模策略和研究特点，并评估现有模型的质量。

方法
通过系统地搜索Medline、Embase和Web of Science（截至2025年3月的数据库），发现了关于LSDs患者治疗酶的popPK和/或popPD模型的研究。提取并比较了研究特征、结构和统计模型选择、协变量分析以及评估方法的相关数据。

结果
本综述包括了6个治疗酶的popPK模型和3个popPD模型的研究。所有模型均采用非线性混合效应（NLME）建模方法建立。在三项研究中，药代动力学特征通过双室模型得到充分描述；在两项研究中使用了三室模型；一项研究则采用单室模型。有三项研究还评估了单核细胞、白细胞和脑脊液（CSF）中的药代动力学参数。在所有测试的协变量中，总体重（TBW）被确定为三项研究中清除率（CL）和中央室分布容积（Vc）的显著预测因子。在一项评估CSF中药代动力学参数的研究中，为了提高模型拟合度，采用了基于年龄的缩放方法，而非基于体重的异速生长缩放。popPD模型较为有限，暴露-反应关系通过抑制性最大效应（Imax）模型或包含一阶马尔可夫元素的纵向逻辑回归模型来描述。

结论
尽管LSDs较为罕见，但治疗酶的popPK建模已相对成熟，使用了一室、两室或三室模型，并通过非线性混合效应（NLME）方法进行建模。总体重（TBW）被识别为关键协变量。相比之下，popPD建模的进展仍较为有限。现有模型支持使用间接反应和最大效应（Emax）模型来描述ERT的延迟和饱和效应，而诸如细胞内药代动力学评估和马尔可夫建模等创新方法展示了先进药效学方法的潜力。然而，仍需进一步明确目标细胞中药物浓度的测量作用，表征通过鞘内注射ERTs和静脉注射新型融合蛋白后LSDs对大脑的中枢神经系统（CNS）分布情况，并确定可靠的药效学生物标志物，以定义治疗酶的暴露-反应关系。

关键词
尽管溶酶体贮积病（LSDs）较为罕见，但治疗酶的群体药代动力学（popPK）建模已相对成熟，采用了一室、两室或三室模型，并通过非线性混合效应（NLME）方法进行建模，总体重（TBW）被识别为关键协变量。相比之下，群体药效学（popPD）建模仍较为缺乏，尽管现有研究表明间接反应、Emax和马尔可夫模型适用于捕捉酶替代疗法（ERT）的延迟和饱和治疗效果。总体而言，需要进一步研究细胞内药物浓度的测量意义，表征通过鞘内注射ERTs和静脉注射新型融合蛋白后LSDs对大脑的中枢神经系统分布情况，并确定可靠的药效学生物标志物，以便更好地定义暴露-反应关系并支持个体化给药策略。与罕见疾病通常的情况一样，纳入研究的受试者数量很少（<100人），并且大多数研究的患者数据来源于I/II期和III期试验[21,22,23,24,26]。大多数研究采用了广泛的血液采样方法进行药代动力学（PK）分析，每位患者至少采集10个血浆样本[21,22,23,24,25]，而其中一项研究则对脑脊液（CSF）数据使用了稀疏采样技术，对血浆数据使用了丰富采样技术[26]。在多个预定的时间点采集了输注前后的血液样本。每位患者获得的样本数量从8到31个不等。有三项研究还额外评估了单核细胞[24]、白细胞[25]和CSF[26]中的PK参数。这些群体药代动力学（popPK）模型的概要见补充图S1。表1列出了纳入研究的一般特征。

表1 包含的研究的一般特征

表2 人群药代动力学分析的总结，包括群体药代动力学模型、协变量构建过程以及估计的PK模型参数

表3 群体药代动力学模型的固定效应和随机效应模型参数的描述

所有popPK模型都是使用非线性混合效应（NLME）建模方法开发的。该方法估计整个群体的PK参数的典型值（固定效应），同时量化PK参数的个体间差异（IIV）（随机效应）。残差变异反映了观测值和预测值之间的未解释的差异。最常用的软件是NONMEM，所有情况下都应用了一阶估计与交互作用（FOCE+I）来估计popPK参数[27]。在其中一个研究中，使用了MONOLIX软件，该软件采用期望最大化算法的随机近似（SAEM）来估计群体参数[28]。

各个研究的目标根据所研究的治疗酶和患者群体而有所不同。一项研究旨在通过将伊米格鲁卡酶的活性阈值与1型戈谢病（GD type 1）的病情严重程度联系起来，为酶替代疗法（ERT）的开始建立标准[24]。另一项研究专注于评估avalglucosidase alfa在晚发型庞贝病（LOPD）儿科患者中的替代给药方案。Tiraboschi等人的扩展研究使用了Tuffal等人的结构模型作为起点，研究了avalglucosidase alfa在LOPD儿科患者中的给药方案[21,22]。来自LOPD青少年和成人的popPK数据集补充了婴儿期发病的庞贝病（IOPD）数据。随后，通过比较不同年龄和体重组的暴露情况进行了PK模拟，基于体重临界值提出了替代给药方案[22]。

LSDs中治疗酶的PK特性可以通过一室、两室或三室模型充分描述。三项研究将治疗酶的PK描述为两室模型[23,24,25]，而另一项研究则采用了单室模型[26]。在后一项研究中，患有异染性脑白质营养不良（MLD）的患者的CSF中芳香硫酸酯酶A的水平可以通过一个连接血浆的中央神经系统（CNS）两室模型（CFS和假定的脑组织）很好地描述。该模型表明CSF中的药物迅速分布到脑组织中（分布半衰期：1小时），并在CNS中缓慢返回或持续存在（终末半衰期：477小时）。两项研究使用三室模型描述avalglucosidase alfa的PK，该模型包含一个中央室，其中包含平行线性和非线性消除过程，以及两个串联的外周室，这些外周室中的药物可以重新分布到中央室[21,22]。浓度-时间曲线的图形检查显示存在两个动力学阶段。第一阶段占了总体暴露的约99%，可以通过线性清除途径和可饱和的Michaelis–Menten清除来充分描述，其特征参数为Vm和Km。值得注意的是，在达到最大血浆浓度（Cmax）之前，Michaelis–Menten清除在初始输注过程中就变得有效，反映了在高浓度下酶消除的可饱和性质。第二阶段对总暴露的贡献很小，在低浓度时峰值出现在大约72小时，并且在三分之二的患者中持续到336小时。最大的变异性与从第二个外周室到中央室的室间清除（Qpc）有关（变异系数[CV]分别为234%和154%），这反映了描述深层室重新分布的难度。在基于模型的vestronidase alfa模拟中也观察到了可饱和的血浆清除和相应的细胞摄取，这些模拟用于为MPS VII型（MPS VII）的儿科和成人患者选择最佳给药方案[23]。这些模拟表明，更频繁地给予较低剂量（每2周4 mg/kg vs 每4周8 mg/kg）可以维持较长的中等血浆暴露时间，超过细胞摄取的饱和点（体外测定的vestronidase alfa浓度对应于50%的最大细胞摄取率）。此外，这种方案避免了可能导致细胞摄取饱和的高峰浓度。两项研究报告了中央室中的分布体积（Vc）值显著较低，Qi等人的研究为1.52 L[23]，Gras-Colomer等人的研究分别为1.10 × 10?2 L（血浆）和2.57 × 10?1（白细胞）[25]。

在三项研究中，体重（TBW）是唯一评估的形态测量变量，发现它分别影响了LSDs中avalglucosidase alfa、vestronidase alfa和芳香硫酸酯酶A的血浆PK[22,23,26]。在后一项评估CSF中芳香硫酸酯酶A PK参数的研究中，应用了基于年龄的缩放方法，而不是基于体重的异速生长缩放方法，以改善模型拟合[26]。这种方法被认为更合适，因为大脑发育的轨迹与体重不同。

两项最近的研究将popPK建模应用于GD1中的治疗酶。Gras-Colomer等人使用一个链接的两室模型同时表征了血浆和白细胞中的葡糖脑苷脂酶（GCase）活性[25]。分析发现血浆清除（CL）存在指数时间依赖性效应，在治疗开始后增加了2.32倍，这与稳态时清除的最大变化（CL1）的估计负典型群体值一致（?CL1）。尽管没有获得人口统计学或临床协变量来解释这些变异，但观察到CL1（CV：71%）和白细胞清除（CL2，CV：93%）都有较高的IIV。

模型预测的随时间变化的清除变化计算如下：
$$\text{CL}={\text{CL}}_{1}+{\Delta \text{CL}}_{1}\times {\text{e}}^{\left(-{k}_{T }\times \text{time}\right)}$$
其中CL是实际清除率，CL1是稳态时的清除率，?CL1是时间0时CL1的最大变化，kT是一阶速率常数。

Berger等人提供了额外的见解，他们研究了伊米格鲁卡酶在单核细胞内的PK[24]。两室模型充分描述了单核细胞内的动力学，显示出输注后的双相衰减和分布参数的显著IIV。

内源性的单核细胞内GCase活性（Cendo）与GD严重程度评分密切相关，可以指导治疗决定的制定。接收者操作特征（ROC）分析确认了Cendo的区分能力（ROC曲线下面积[AUROC]：0.912；95% CI 0.80–1.00），表明存在与GD1攻击性相关的GCase活性阈值。

在治疗的患者中，GCase单核细胞内活性被建模为Cendo和治疗相关活性的总和。药代动力学参数估计显示Cendo（CV：56%）以及室间转移率（k12：65%；k21：153%）的IIV很大，残差误差为26%。这些发现强调了CEndo作为疾病严重程度预测因子的临床相关性。

表4和表5总结了群体药效动力学（popPD）模型特征和估计的PD模型参数。在两项研究中，使用NLME建模方法开发了popPD模型[23,25]，而另一项研究使用线性回归探索了暴露-反应关系[29]。

为vestronidase alfa开发了一个抑制最大效应（Imax）模型，该模型充分描述了暴露-反应关系，估计的半数最大抑制AUC值（IC50）分别为8.6 μg×h/mL和7.3 μg×h/mL，尿软骨素硫酸盐（uCS）和尿 dermatan硫酸盐（uDS）的最大减少（Imax）分别为82%和77%，这些是主要的疗效终点[23]。个体vestronidase alfa曲线下面积（AUC）值与同一访问时PD终点相对于基线的百分比变化之间的关系描述如下：
$$I={I}_{0}- \left(\frac{{I}_{\text{max}} \times \text{AUC}}{\text{AUC} + {IC}_{50}}\right)$$
其中I是在特定vestronidase alfa血清暴露（AUC0–t）下的药物抑制效应（uCS或uDS的百分比减少），I0是模型中设为0的无药物反应，Imax是uCS或uDS的最大药物效应的百分比减少，IC50是达到50%最大抑制效应的vestronidase alfa的AUC。

暴露-反应曲线在每两周4 mg/kg的剂量下达到平台期，表明推荐临床方案下的疗效接近最大。

对于伊米格鲁卡酶，最终暴露-疗效关系最好通过具有第一阶马尔可夫元素的纵向逻辑回归模型来描述，这与有序分类模型相比显著提高了拟合度[25]。在有序分类模型中，每个观察值都是独立处理的，没有考虑患者的疗效等级随时间的变化。相比之下，马尔可夫元素允许模型在预测下一个疗效等级时考虑患者之前的疗效等级，从而捕捉到了疗效等级之间观察到的转换模式（例如，改善、恶化或稳定）。与有序分类方法相比，这更好地描述了疗效状态之间的转换数量和方向。Emax函数将白细胞中GCase的稳态浓度与骨髓浸润的不同西班牙磁共振成像（S-MRI）阶段的转换概率联系起来，这是评估疾病严重程度的一个重要参数。诊断时测得的内源性不足GCase活性（ActD）被发现是转换概率的预测协变量。离散时间马尔可夫模型允许使用S-MRI尺度正确预测暴露-疗效关系。

使用线性回归进行的探索性暴露-反应分析评估了avalglucosidase alfa暴露（2周内的浓度-时间曲线下面积[AUC2W]与LOPD患者6分钟步行测试（6MWT）中 Forced Vital Capacity（FVC）百分比变化和行走距离的变化之间的关系。没有发现暴露和疗效终点之间明显的关系[29]。

在所有六项研究中，都使用图形和数值诊断方法评估了popPK模型的质量[21,22,23,24,25,26]。拟合优度（GOF）图（观察值与预测值）一致表明模型充分描述了观察数据，没有系统偏差或重大偏差的证据。在Tuffal等人和Tiraboschi等人的研究中，固定了第二和第三室的参数，以避免模型过参数化和不可识别性[21,22]。最终模型的预测性能进一步通过视觉预测检查（VPCs）得到确认，这些检查显示了模拟浓度和观察浓度之间的一致性良好。模型稳健性和参数稳定性通过非参数自助法分析进行评估，通常基于1000次模拟复制。中位数自助估计与最终参数值一致，置信区间（CIs）相当窄，支持参数的可靠性。收敛率很高（大约85%–87%），表明最终popPK模型的稳定性良好。最终popPK参数的估计精度可接受，相对标准误差（RSEs）通常低于30%。Troy等人的研究中IIV估计的精度较差，可能反映了样本量较小[26]。残差变异估计也表明其他来源的变异程度很高。正如Gras-Colomer等人[25]和Troy等人[26]所报告的，计算了收缩值以评估贝叶斯单个参数估计的可靠性。在Troy等人的研究中，除了Vc、传递速率常数（Ktrans）和脑脊液中的分布体积（VCSF）外，其他IIV随机效应的收缩值通常很高，这表明只有部分参数能够通过可用数据得到充分信息。然而，没有研究报告进行过正式的外部验证，鉴于罕见疾病（如LSDs）独立数据集的有限性，这是可以理解的。4 讨论 在本综述中，总结了关于LSDs治疗性酶疗法的popPK和popPD研究。选择了六项涵盖四种不同LSDs的popPK研究[21,22,23,24,25,26]，其中两项研究还包含了popPD分析[23, 25]，还有一项研究调查了暴露-反应关系[29]。在所有可用的popPK分析中，有四项研究也包含了儿科患者的数据。如表1所示，所有纳入的研究都包括了少于100名的受试者，并依赖于I/II期和III期临床试验的数据，这本身就限制了IIV（个体间变异）和准确描述暴露-反应关系的能力。尽管如此，大多数研究采用了广泛的血浆采样方案，每位受试者至少有8个样本，最多可达31个样本，从而能够可靠地开发popPK模型。此外，本综述中包含的所有研究都应用了NLME（非线性混合效应）建模方法来分析PK（药代动力学）和PD（药效学）数据。非线性混合效应建模被广泛认为是popPK/PD分析的金标准，因为它能够描述群体中的PK/PD参数，量化患者之间和患者内部的变异性，并识别解释PK/PD参数变异性的协变量[13, 30, 31]。NLME建模的优势在于它能够使用稀疏的临床数据可靠地获得PK和PD模型，这在罕见疾病（如LSDs）中尤为重要，因为这些疾病的患者数量有限，且进行丰富采样通常不可行或不道德（例如儿科患者）[30]。NLME建模方法还用于模拟替代给药方案，这可以支持剂量优化和试验设计。然而，不应忘记NLME建模需要对结构和统计模型做出假设，这些假设可能会影响参数估计和预测结果。因此，模型评估和外部验证是确保模型稳健性和结果可靠性的关键步骤。Qi等人报告的Vc估计值（1.52 L）和Gras-Colomer等人报告的值（血浆中的1.10 × 10^-2 L和白细胞中的2.57 × 10^-1 L）明显较低，特别是与其他纳入的研究报告的值（大约3.5 L）相比。Qi等人确定了一个基线体重为20 kg的MPS VII受试者的Vc[23]。预测的20 kg儿科患者的表观Vc为1.52 L，相当于大约76 mL/kg，这在儿童的血液体积预期范围内。对于像vestronidase alfa这样主要分布在血管内和细胞外的亲水性酶来说，这个估计值在药代动力学上是合理的。另一方面，Gras-Colomer等人在讨论中指出，低预测的表观Vc值可能反映了高程度的分布到靶器官，其中白细胞被转化为组织巨噬细胞[25]。他们进一步指出，肽的分布体积通常较小，且主要限于细胞外空间，这与当前分析的发现一致。尽管有这种解释，这些值似乎仍然不切实际地低。在四项popPK研究中，将ADA（抗药物抗体）的发生作为解释估计PK参数IIV（个体间变异）的协变量进行了评估[21,22,23, 26]。通常通过图形评估ADA滴度和中和活性与药物浓度的关系来考虑其影响。在某些情况下，高ADA滴度与治疗性酶的全身浓度降低有关，而中和ADA的ADA浓度低于定量限，表明可能对药物分布有潜在影响。然而，由于样本量小、ADA数据稀疏或患者间缺乏一致的趋势，最终popPK模型中并未将ADA的存在作为协变量纳入。抗药物抗体可以通过增加清除率、形成免疫复合物或中和药物活性来改变药代动力学，从而可能减少暴露和疗效[9, 10]。在LSDs中，特别是缺乏内源性酶活性的患者中，经常会发生免疫原性[32]。尽管ADA的影响通常是通过描述性方法进行探讨的，例如，根据ADA状态比较个体的PK参数或暴露指标，但在popPK/PD模型中很少对其效果进行量化。这可能是由于样本量有限、ADA数据稀疏以及对中和能力不确定所致。虽然将ADA测量值作为时变协变量纳入可以改善暴露-反应关系的描述，但由于罕见疾病典型临床试验数据集的限制，实际实施往往具有挑战性。在三项纳入的研究中，应用了异速生长缩放（allometric scaling）来调整群体PK参数[22, 23, 26]。异速生长缩放是一种广泛使用的方法，它通过考虑体重差异在药物分布中的影响，提供了一种简单且基于经验的方法，将PK参数从成人外推到儿科患者。清除率通常使用0.75的指数按体重进行缩放，而分布体积则使用1.0的指数进行缩放，反映了跨物种和年龄组的成熟生理原则。然而，这些固定指数在儿科中并不总是成立，特别是在新生儿和婴儿中，因为代谢途径、器官功能和药物特异性性质的成熟对清除率和分布体积的贡献超出了体重的影响[33, 34]。在一项研究中，由于儿科群体的体重在临床研究期间有所增加，因此在异速生长缩放过程中考虑了体重的时间变化值[22]。Troy等人为空白蛋白数据处理（CSF data）开发了一个双室模型，对血浆数据则使用了一个单室模型。基于体重的异速生长缩放应用于模型的系统部分，而对大脑部分的缩放则采用了非异速生长的基于年龄的方法，以改善模型拟合度，因为在MLD（地中海贫血）儿童中，大脑成熟与年龄的相关性比与TBW（体重）更可靠[26]。本综述中包含的研究确定TBW（体重）是CL（清除率）和Vc（体积分布）的重要协变量。这些发现表明，ERTs（酶替代疗法）的分布和消除受TBW的影响，并可能还受到身体组成的影响，强调了体重作为解释CL和Vc中IIV（个体间变异）的解释因素的重要性。由于ERTs是由大分子、亲水性蛋白质组成的，通过静脉注射给药，它们的分布主要限于血管和间隙空间。因此，与它们的群体PK参数相关的IIV可能与LBW（实际体重）或IBW（生物体重）更为相关，而不是TBW。然而，这一点迄今为止尚未进行研究。因此，我们想强调评估超出TBW的额外形态学参数的重要性。仅基于TBW进行剂量制定可能会导致体脂百分比高（体重指数高）的个体暴露相对较高，如果Vc和CL与TBW以外的形态学参数成比例的话。治疗性酶的药代动力学通常是非线性的，可能需要大量的数学建模来解决与其分布相关的复杂性[35]。治疗性酶通过受体介导的过程（如mannose 6-phosphate (M6P)受体介导的内吞作用）和非受体介导的途径（包括非特异性蛋白水解）从血液中清除[57, 58]。在低浓度下，由于受体亲和力高，清除可能很快；而在高浓度下，这些受体可能会饱和，导致剂量与全身暴露之间的非线性关系，正如Qi等人的研究所报告的[23]。Tuffal等人观察到，在avalglucosidase alfa输注期间，当血浆浓度向Cmax增加时，非线性（Michaelis–Menten）清除途径出现了短暂的饱和[21]。由于这种可饱和过程仅限于输注期间达到的高血浆浓度，因此在较高剂量水平下饱和持续时间延长。然而，Michaelis–Menten清除对总体全身清除的贡献很小。虽然在Km以上的浓度下非线性清除通常会饱和，但模拟显示，在批准的20 mg/kg每2周的剂量范围内，线性清除占主导地位。总体而言，可饱和的摄取会增加患者间药物分布的变异性，尤其是在受体表达、疾病严重程度或体重影响酶分布和清除时[58]。在popPK分析中，可以描述这些过程并用于指导剂量优化和个体化[22]。然而，在popPK分析中，药物分布主要是数据驱动的，并没有充分考虑生理信息。为了评估和预测ERT在LSDs中的潜在疗效，需要了解药物的生理分布及可能影响这一过程的变量。相比之下，基于生理学的药代动力学（PBPK）建模提供了一种机制性的方法，来理解药物特性和生理过程如何影响药代动力学。基于生理学的药代动力学模型使用了更多的器官和组织，每个器官和组织通过循环系统连接。这种方法考虑了详细的生理参数，如器官血流量和组织组成，允许更好地在不同群体或物种间进行外推。虽然PBPK建模可以用来估计常见的PK参数，但它对于理解特定组织水平上的药物行为特别有价值，这是popPK无法完全捕捉到的[36]。治疗性酶的PBPK能够预测与分析靶标PD效应相关的组织浓度 profiles[37,38,39]。尽管PBPK建模有潜力捕捉复杂的组织分布过程，但在LSDs治疗性酶方面仍然研究甚少，迄今为止仅有一些探索性研究[4, 40]。这为未来的研究提供了重要机会，因为这种方法可以为LSDs的ERTs剂量策略优化提供额外的价值，而最合适的剂量方案仍有争议。ERT的有效性受到酶半衰期的显著影响，血浆和细胞内 compartments之间的半衰期差异很大。静脉注射后，治疗性酶在血浆中循环，它们的半衰期通常较短（几分钟到2.5小时）。这主要是由于通过M6P受体等受体介导的快速摄取造成的。因此，输注后血浆中的暴露迅速下降。为了使ERT有效，酶必须被靶细胞内化并运输到溶酶体，在那里持续的半衰期（2到9天）允许酶活性持续。这些不同的半衰期具有重要的治疗意义。虽然血浆中的短半衰期限制了循环酶的可用性，但细胞内的持久性在很大程度上决定了PD效应的持续时间和临床收益。这种区别有助于解释为什么尽管血浆清除迅速，许多ERTs仍采用间歇性给药。对于大多数ERTs来说，细胞内的半衰期足够长，可以支持1-2周或更长的给药间隔，而不仅仅是每日给药。尽管血浆半衰期较短，但大多数治疗性酶仍表现出远超基线水平的临床疗效[41]。这表明细胞内和血浆中的PK可能会有所不同。在两项研究中，评估了血浆白细胞和单核细胞中的细胞内PK。在LSDs中，治疗性酶主要通过受体介导的内吞作用被靶细胞内化。此外，这种细胞摄取的程度是ERT疗效的关键决定因素。相比之下，由于酶的半衰期短和组织的快速分布，血浆中的治疗性酶浓度迅速下降。因此，血清PK profiling主要反映了分布和清除，而不是细胞内的可用性。假设细胞内酶活性与底物减少和临床改善更为相关[24]。白细胞可以从血液中容易获得，是组织中白细胞的可靠替代物[24, 25]。与此一致，Gras-Colomer等人在GD（戈谢病）中开发了一个popPK/PD模型，将白细胞GCase活性与巨噬细胞（戈谢细胞）对骨髓浸润的改善联系起来，这是评估疾病严重程度的重要参数[25]。在这项分析中，假设细胞内暴露能最好地预测临床反应，强调了细胞内PK作为ERT相关暴露指标的重要性。这些发现支持使用白细胞酶活性来指导剂量优化和个体化。因此，细胞内PK可能更好地反映实际的PD效应，对于理解ERT反应可能更为相关[42]。细胞内酶活性被认为是预测个体酶活性的一个PK终点[25]。因此，细胞内活性可能是LSDs患者接受ERT治疗时个体化治疗的一个可能标志[43]。然而，值得注意的是，Qi等人成功基于血浆浓度开发了一种用于α-vestronidase的popPK/PD模型，证明了系统药代动力学参数也能够充分描述LSDs的暴露-反应关系[23]。在Troy等人的研究中，评估了一种治疗性酶在脑脊液（CSF）中的药代动力学（PK）[26]。静脉注射的酶预计无法穿过血脑屏障（BBB）[44, 45]，而大多数LSDs会影响大脑[44]。因此，针对LSDs的中枢神经系统（CNS）仍然是一个主要挑战。除了调整剂量和采用替代给药途径外，通过改进酶（如融合蛋白）以及改变受体亲和力的化学变化，可以提高治疗性酶的血浓度的同时，帮助在BBB处维持较高的水平更长时间[46, 47]。最近，Muenzer等人报告了一项针对MPS II型（MPS II）儿童患者的tividenofusp alfa的1-2期开放标签研究的首批结果[59]。Tividenofusp alfa是一种新型融合蛋白，利用转铁蛋白受体穿透BBB，并直接作用于CNS。然而，血浆PK数据对于了解药物在作用部位的暴露情况具有有限的信息。在Troy等人对MLD患者进行鞘内注射的芳基硫酸酯酶A的popPK分析中，这一原则得到了体现：脑脊液浓度可以用一个两室CNS模型来描述，该模型显示药物能快速分布到脑组织室，并且在CNS中的终末半衰期非常长（约480小时），表明药物在两次给药之间能够在脑内持续存在。这些发现强调了评估组织浓度的必要性，而不仅仅是依赖血浆暴露来关联酶的分布与临床结果，并指导剂量策略的优化。

尽管评估和预测治疗结果的一个重要步骤是研究治疗性酶的PK与其在患者中的疗效之间的关系，但这方面的研究仍然很少。将药效学（PD）数据与现有的popPK模型相结合，可以为预测酶的暴露及其相应的疗效提供一个更稳健的框架，从而增强模型的临床相关性[48]。针对治疗性酶的popPK/PD模型将提供关于浓度-效果关系的见解，有助于更深入地理解酶浓度如何与LSD患者的临床疗效和安全性结果相关。此外，这样的模型还可以支持个性化剂量策略的制定，通过考虑药物暴露的个体间变异（IIV）及其相应的PD反应来优化治疗效果。Berger等人选择细胞内浓度来开发基于immerglucerase的popPK模型，因为他们观察到每两周一次的给药方案与immerglucerase仅有几分钟的短血浆半衰期不符。在缺乏解释这一方案临床疗效的药理学证据的情况下，他们假设细胞内PK可能比血浆PK对于理解ERT（酶替代疗法）反应更为重要。鉴于这种血浆半衰期极短与临床疗效之间的明显矛盾，他们提出细胞内PK和血浆PK可能存在差异[24]。同样，Gras-Colomer等人开发了一个结合了血浆和白细胞酶活性的popPK模型。在暴露-反应分析中，选择了白细胞酶活性，因为单核细胞/巨噬细胞系统是GD1型（戈谢病）的主要靶标。此外，血浆酶活性显示出比白细胞酶活性更高的IIV（个体间变异）[25]。然而，直接量化人体内的细胞内药物浓度是具有挑战性的。在 included的研究中，细胞内浓度是通过循环血浆中的单核细胞和白细胞来评估的。在GD1型中，已证明通过循环血液单核细胞上的甘露糖受体摄取immerglucerase可以作为组织巨噬细胞的替代指标[54, 55]。此外，基于白细胞中GCase活性的药代动力学-生物标志物分析与临床对ERT的反应显示出良好的相关性[53, 56]。然而，在之前的研究中，Gras-Colomer等人使用了包含不同白细胞亚群比例的样本进行分析[53]，而研究表明在GD1型患者中，单核细胞中的酶活性比淋巴细胞和中性粒细胞高40到50倍[54]。

在Pompe病中，重组人酸性α-葡萄糖苷酶（rhGAA）的主要靶组织是心脏和骨骼肌，该酶被运输到溶酶体内分解糖原。通常使用血浆药物浓度作为组织暴露的替代指标，因为假设系统药物浓度反映了作用部位的细胞内药物浓度。然而，先前的研究在Fabry病和Pompe病中表明，这一假设不适用于α-glucosidase alfa和β-agalsidase，并且可能也不适用于其他通过M6P受体内化的ERTs，这是由于所谓的“ sink效应”[49]。肝脏和脾脏等器官中M6P和甘露糖受体的高表达会导致酶在输注后迅速被摄取，从而阻止其到达主要靶组织，因此起到“汇”（sink）的作用。在GD型中，这种现象是有利的，因为肝脏和脾脏中的巨噬细胞是靶组织。在不太有利的情况下，增加酶剂量可能有助于克服这种效应，尽管这也可能增加不良反应或抗体形成的风险[50]。进一步研究细胞内暴露情况对于确定疗效和理解及预测ERT反应的个体间变异至关重要。

在 included的研究中，只有少数popPD分析被发表，而popPK分析则更为常见。在Qi等人的研究中，建立了一个间接反应模型，将α-vestronidase的暴露与MPS患者尿中糖胺聚糖（uGAGs）的减少联系起来[23]；而Gras-Colomer等人应用了一个离散时间马尔可夫模型来捕捉白血细胞中预测的immerglucerase暴露与GD型骨髓浸润不同阶段之间的转换概率[25]。相比之下，所有其他研究主要关注PK特征描述，PD评估仅限于探索性的暴露-反应分析[29]。没有发现α-avalglucosidase暴露（AUC2W和Cmax）与疗效终点（预测的FVC百分比变化和6MWT行走距离）之间存在明显关系。这有几个原因：首先，暴露-反应分析基于在唯一剂量水平（每两周20 mg/kg）生成的数据，限制了检测系统暴露与临床结果之间相关性的能力；其次，α-avalglucosidase的药理效应依赖于受体介导的细胞摄取和随后的溶酶体转运；因此，血浆暴露指标（如AUC和Cmax）不能充分反映作用部位的药物浓度；第三，评估的临床终点受到多种患者和疾病相关因素的影响，包括疾病异质性、年龄、性别、身高、体重和疲劳，这些因素可能进一步影响潜在的效果-反应关系。已发表的popPD模型数量有限，这突显了需要进一步开发能够同时捕捉LSDs中生物标志物和临床终点的定量PK/PD框架。

对于LSDs中的治疗性酶，间接反应模型和Emax模型似乎特别合适，因为ERT不会直接导致临床结果的即时变化。此外，结合疾病进展模型将有助于将暴露与长期功能结果（如Pompe病中的6MWT或FVC）联系起来[51]。然而，在威胁生命的疾病中包含安慰剂组往往不符合伦理，因此不适合用于疾病进展的建模。作为一种现实的替代方案，可以使用外部和历史患者数据来表征疾病进展，而不是安慰剂对照。治疗开始前收集的历史队列数据提供了关于未经治疗疾病进展的宝贵信息。此外，治疗开始前的患者纵向数据可用于估计同一人群中的基线进展率和IIV。另外，如果在建模框架中适当考虑了患者特征和数据收集的差异，观察性研究也可以作为外部比较组。在某些情况下，最终证明无效的疗法的临床试验数据也有助于理解疾病进展，前提是仔细评估了潜在的残余治疗效应和偏差。最后，当疾病进展由有限数量的临床定义类别描述（例如疾病严重程度等级），并且患者随时间只有少数时间点的观察数据时，马尔可夫模型可能有用，如GD型中的情况[52]。综上所述，这些方法可以提高popPK/PD模型在支持LSDs剂量优化和个性化治疗策略方面的能力。

**结论**
本综述总结了目前发表的关于LSDs中治疗性酶分布和效应的popPK和popPD模型。迄今为止，文献中有六个popPK模型和三个关于暴露-反应关系的popPD模型。所有模型都是使用NLME建模方法建立的。popPD建模的进展较为有限，只有少数研究将暴露与PD生物标志物或更重要的临床结果联系起来。尽管如此，这些分析提供了关于暴露-效果关系的宝贵见解，支持使用间接反应模型和Emax模型来捕捉ERT效果的延迟和饱和特性。创新的方法，如血浆白细胞和单核细胞中的细胞内PK测量、基于年龄的药物在CNS中的分布调整（特别是在IT给药后），以及应用于分类结果的马尔可夫模型，展示了先进药代计量方法在解决LSDs独特复杂性方面的潜力。然而，仍需要进一步阐明药物浓度在靶细胞中的作用，并更好地定义它们对治疗反应的相关性，表征ERTs在IT给药后影响大脑的CNS分布，以及IV给药新型融合蛋白的情况，并确定用于定义LSDs中治疗性酶暴露-反应关系的稳健PD生物标志物。