IVIVE代谢预测模型助力药物研发：如何利用体外药物代谢数据推导其体内的代谢清除特征

新药研发所面临的主要挑战是研发周期长和研发成本高，如果我们能尽早获得候选化合物与临床相关的实验数据尽早确定其开发价值，将有助于这两个问题的改进。基于这样的需求，近年来利用体外实验的数据预测体内这项技术逐渐被重视和应用，响应了创新药物开发“早期评价、早期淘汰”的研发策略。体外-体内外推 (In Vitro-In Vivo Extrapolation，IVIVE)帮助研究人员预测化合物在人体肝脏内代谢消除的速率。简单地说，IVIVE 是用体外肝脏代谢稳定性数据来预测体内的代谢清除率的一种方法。 

该内容主要分为三个部分：

1. 体外药物代谢数据应用于体内药物代谢预测简介；

2.如何建立体外药物代谢推导体内药物代谢清除率的模型；

3.采用实例来验证所建立的IVIVE代谢模型。

一、体外药物代谢数据应用于体内药物代谢预测简介

#01 关于药物代谢研究

代谢是指药物在体内受代谢酶等多种因素影响而发生结构转化的过程，也称为生物转化。药物代谢是影响药物在体内的暴露量和生物利用度的主要因素之一。所以，对药物代谢的研究已经贯穿在药物研发的各个阶段。在药物发现过程中，较早时期进行代谢稳定性的研究，将会降低后期临床前试验淘汰率，节省药物开发经费，是化合物优化过程重要的组成部分。另外，药物代谢的研究对临床前的药效评价，指导临床安全合理用药等也都发挥了非常重要的作用。

图1.药物代谢研究方法：体外法和体内法

#02 代谢研究方法:体外和体内

体外研究是指主要通过多种体外代谢模型对候选化合物的代谢特性进行筛选和研究。通过建立构效关系，化学家可以快速的进行结构修饰，另外体外研究可以排除体内一些因素的干扰。体外方法的两大特点是快速和高通量，因此在药物发现阶段，以体外研究为主。

体内研究就是经体内给药，在不同时间点取样分析，该研究能够全面、真实的反映化合物的相关特性。

体外研究和体内研究各具有自己的特点，相较于体内实验，体外实验成本低、周期短，能够为新药筛选阶段节省时间，通过体外实验筛选好的化合物进入动物PK实验。所以体外实验是为体内实验服务，其数据需要与体内数据相互结合来使用。

图2.体外体内实验

#03 体外-体内外推的挑战

随着IVIVE技术的发展，其应用也越来越广泛，从最开始的动物物种拓展到人物种，但是体外预测体内的水平通常是被低估的，也就是体外推导出来的体内的药物代谢清除率经常是低于体内实测值，并且处于3~10倍的误差范围内。针对这种现象，研究人员做了大量的改进，虽然在一定程度上提高了其可靠性，但是其低估机制依然不明确。所以目前需要解决的问题是如何进一步优化体外代谢反应体系提高实验结果的准确度和可靠性，从而提高体外预测体内的准确度。

针对这个问题，药明康德药性评价部开展了一系列与代谢相关的IVIVE工作，建立了我们实验室体外代谢数据推导体内代谢的IVIVE方法，该模型将适用于通过我们实验室的实验方法和操作得到的体外数据，可以实现更准确的预测体内的代谢清除率，详见下文。

二、如何建立体外药物代谢推导体外药物代谢清除率的模型

为了方便理解，我们用流程图的形式来展示如何建立IVIVE的方法。见下方流程图。

图3.肝固有清除率的校正方程建立流程

IVIVE方法的建立主要分为两个步骤，第一，通过体外实验数据获得肝固有清除率；第二，建立体外实验肝固有清除率的校正方程，以准确预测体内清除率。

Step 1. 通过体外代谢实验获得肝固有清除率

药物的清除有多种途径，那为什么要选择肝脏代谢清除来研究呢？因为肝脏代谢是药物在体内主要的清除途径。据统计，销售量靠前的200种药物，有75%是通过代谢途径清除的，肝脏又是发生药物代谢的主要部位，所以我们选择肝代谢作为体外预测体内的途径。

肝脏含有很多药物代谢酶，含量最多的是P450酶。在所有通过代谢途径清除的药物中，有75%以上的药物是由P450酶代谢，主要存在于微粒体中。因此肝微粒体是药物发现阶段代谢稳定性实验中最常用的实验材料，并且操作方便，成本也相对较低。

此外，约96%的化合物的代谢由P450酶和II相酶以及酯酶等共同参与。对于这些化合物来说，我们需要选择肝细胞作为体外代谢研究体系。肝细胞作为完整的体系，含有的酶种类非常丰富，并且含有微粒体中不存在的许多酶和辅酶因子，在候选药物的整体体外代谢特征评估方面比微粒体更有优势，但是成本会比微粒体高。考虑到该两种基质的独特性，因此我们同时选择了肝微粒体和肝细胞两种反应体系来分别作为IVIVE的体外实验体系，并通过一系列体外方法的优化，筛选得到最佳的体外代谢孵育体系。

Step 2. 建立体外代谢实验肝固有清除率的校正方程

首先要挑选合适的商品化合物，主要从如下三个方面进行考虑：

第一，因为选择的是人肝脏代谢模型，所以假设这些化合物的都是通过肝代谢清除，胆汁分泌和非肝脏清除机制均未考虑。

第二个方面是为了提高所建立的方法的应用范围，在挑选化合物的时候，包含酸性、碱性和中性的化合物。

第三个方面就是所挑选的这些化合物已经有来自于文献的人体实测清除率数据从而可以用于反推理论肝固有清除率。

综合以上几个因素，最终选择了15个商品化药物进行体外肝微粒体和肝细胞代谢稳定性实验、肝微粒体和肝细胞的蛋白结合实验、血浆的蛋白结合和药物的分配比实验，得到这些化合物在人肝微粒体、人肝细胞实测肝脏固有清除率（CLint(liver)），人肝微粒体和肝细胞游离分数值（fu(inc)）和全血蛋白结合的游离分数值（fu(b)），进一步利用充分搅拌模型（well stirred model）推算出理论体内清除率（CL）。这个模型是目前最简单和最为广泛应用的一个模型，尤其适用于新化学实体的早期筛选，假定药物进入肝脏的扩散速度不受任何屏障的限制，只有游离的药物参与代谢，代谢酶在肝脏中均匀分布。

结果展示如下：图中横坐标代表化合物的实测肝固有清除率，纵坐标代表的所选化合物通过人体PK得到实测体内清除率，结合各化合物的血浆蛋白游离分数反推出来的体外理论肝固有清除率。正如业界所提到的低估现象，实测值低于理论值。通过对二者做线性回归，得到肝固有清除率的校正方程（图形上方蓝色字体部分）。图中，分别用不同的颜色的线来代表化合物的理论和实测的肝固有清除率值的误差倍数范围。根据文献中通用的两倍判断范围为标准，在所选化合物的理论和实测肝固有清除率的相关性图中，肝细胞代谢体系中的二者差值在两倍范围之内的占比为67%，肝微粒体代谢体系中的二者差值在两倍范围之内的占比为69%。

图4.人肝细胞体外代谢实验中实测肝固有清除率和理论肝固有清除率的相关性

图5.人肝微粒体体外代谢实验中实测肝固有清除率和理论肝固有清除率的实验相关性

三、采用实例验证所建立的IVIVE方法

我们选取了两个商品化合物，对该两个化合物进行体外代谢和蛋白结合实验，利用所建立的校正方程校正肝固有清除率，然后采用校正后的肝固有清除率结合well stirred model来推导人体内清除率，从而与文献中报道的其体内实测清除率相比，来判断我们的模型的准确性。

实例1

Ganetespib (STA-9090) （C20H20N4O3），一种热休克蛋白90 (HSP90) 抑制剂。首先对该化合物进行了人肝微粒体和肝细胞代谢稳定性实验，发现肝微粒体里该化合物虽然有代谢，但是其肝细胞的肝固有清除率远高于肝微粒体，所以判断该化合物为I相和II相酶均参与代谢，我们应该选用人肝细胞的体外代谢数据用于体内清除率的推导，采用相应的校正方程对肝固有清除率进行校正。同时测定该化合物在人肝细胞里的游离分数，以及经过血浆蛋白结合实验结合血液分配比，得到该化合物在全血里的游离分数，最后采用well stirred model 进行推导，得到体内清除率数值为10.32 mL/min/kg，该药物文献中报道的实测人体清除率为10.50 mL/min/kg。实测值是预测值的1.02倍，二者几乎一致。充分证明了我们所建立的肝代谢清除为主的IVIVE模型的准确性。

图6.Ganetespib (STA-9090) 的结构式

实例2

地佐辛（C16H23NO），为κ受体激动剂，起镇痛作用的。经过体外人肝微粒体和肝细胞的代谢实验数据比较，发现该化合物的体外代谢和前一个化合物情况非常相似，也是同时有I相和II相代谢酶参与，所以我们也是选用了人肝细胞代谢的数据来推导其体内清除率，推测得到其体内代谢清除率为19.02 mL/min/kg。实测人体内的清除率为49.3 mL/min/kg，实测值是预测值的2.59倍，经过文献中对该化合物的相关报道，该化合物的II相结合产物存在肾清除途径，因此其预测的肝代谢清除率小于体内实测的总清除率，是合理的。经过两个实例的验证，可以看出我们体外预测体内的误差倍数非常小，远低于目前业界存在的3~10倍的范围。

图7.地佐辛的结构式

通过肝固有清除率校正方程的获得，我们建立了更加准确的人肝微粒体和肝细胞的体外代谢推导人体内清除率的方法，获得了属于我们实验室的代谢相关的IVIVE模型，从而能够将体外数据更加准确的用于体内清除率的预测。

结语  

IVIVE代谢预测模型可以预测药物在体内的代谢清除特征，帮助提前预知药物开发价值，为体内实验提供指导依据，节省研发时间和成本。通过以上的研究，药明康德DMPK成功解决了体外预测体内水平的挑战，分享了我们模型建立中的干货。我们将持续与大家分享DMPK相关前沿研究和干货学习，欢迎关注探讨~

药明康德DMPK依托在中国（上海、苏州、南京和南通）和美国（新泽西）的研发中心，提供从早期筛选、临床前开发、到临床研究阶段的综合型药代动力学服务，助力您快速推进药物研发流程。拥有上千人的研发团队，服务超1500家全球客户，具有超过十五年的新药申报经验，已成功支持超过1200个新药临床研究申请（IND）。 

点击此处可与我们的专家进行联系。

参考文献

[1] Toward a new paradigm for the efficient in vitro–in vivo extrapolation of metabolic clearance in humans from hepatocyte data, Journal of Pharmaceutical Sciences, Vol, 102, 3239-3251

[2] Practical use of the regression offset approach for the prediction of in vivo intrinsic clearance from hepatocytes, Xenobiotica, 2012; 42(9): 841–853

作者：刘海娟，王翔凌，陈根富

编辑：方健，钱卉娟

设计：倪德伟