结合胎盘转运机制的二甲双胍药代动力学（PBPK）模型比较，用于预测胎儿和母亲的暴露情况

《CPT: Pharmacometrics & Systems Pharmacology》：Comparison of Metformin PBPK Models Incorporating Placental Transfer to Predict Fetal and Maternal Exposure

胎盘转运模型对左旋多巴药代动力学预测的影响及最佳方法选择

　　
本研究聚焦于开发并验证一种基于生理学的药代动力学（PBPK）模型，以准确预测格列卫特发性糖尿病（GDM）患者使用甲苯达唑期间胎儿暴露量。通过对比四种胎盘转运建模方法，最终确定了整合被动扩散和主动转运蛋白动态的第四种方法（Approach 4）为最优方案。该模型成功将92%的脐带血浆浓度（UCC）观测值纳入预测区间，为妊娠期用药安全性评估提供了可靠工具。

### 1 研究背景与科学意义
妊娠期糖尿病的发病率在2020年已达7.8%，较2016年增长20%。作为糖尿病治疗的一线药物，甲苯达唑需通过胎盘屏障进入胎儿循环。然而，胎盘转运机制具有复杂性和动态性，其研究面临多重挑战：
- **胎盘屏障特性**：胎盘由母体循环、合胞滋养层细胞和胎儿循环三部分构成，转运过程受物理屏障（如胎盘膜厚度、面积）和生物屏障（如转运蛋白表达量）共同影响。
- **转运蛋白动态变化**：研究表明，妊娠期合胞滋养层中OCT3、SERT、PMAT等转运蛋白的表达量随孕周呈现显著波动。例如，SERT在孕中期表达量最高，而PMAT在孕晚期表达量上升。
- **临床数据局限性**：直接获取胎儿浓度的研究受伦理限制，现有UCC数据多来源于分娩时脐带血样本，无法反映孕期动态变化。

### 2 研究方法创新性
研究采用PBPK建模框架，其核心创新体现在三个方面：
1. **多维度数据融合**：整合了体外转运蛋白动力学数据（如HEK293细胞系表达的OCT3清除率）、离体胎盘实验数据（开放/闭合系统实验测得转运参数），以及临床药代动力学数据（MPC和UCC观测值）。
2. **动态胎盘模型构建**：采用三室模型（母体循环、合胞滋养层、胎儿循环）模拟胎盘屏障，其中：
- 母体侧室体积为250ml，代表全身循环
- 胎儿侧室体积为150ml，基于新生儿血流量推算
- 合胞滋养层体积3.395ml，按胎盘总体积（659ml）和20个绒毛叶分布计算
3. **参数校准策略**：
- 被动扩散参数通过平行人工渗透阵列（PAMPA）测定，考虑胎盘膜面积（母体侧110,000cm2，胎儿侧69,400cm2）和渗透系数（0.5×10??cm/s）
- 主动转运参数基于稳定表达细胞系（如MDCKII细胞系测得PMAT转运率283.6μl/min/million cells）
- 引入相对表达因子（RAF/REF）校正胎盘与体外实验数据的差异，例如MATE1的RAF值仅为0.128，反映胎盘中该蛋白低表达特性

### 3 关键研究发现
#### 3.1 模型验证与比较
通过对比四种建模方法（表2），发现：
- **Approach 1（灌注受限模型）**：虽能准确预测母体血药浓度（MPC），但UCC预测误差达69%（仅31%数据在5%-95%区间）
- **Approach 2（开放系统cotyledon数据）**：使用离体开放系统测得的表观清除率（0.000692 L/h/mL），虽改善UCC预测（54%数据在区间内），但无法反映胎盘屏障的动态双向转运特性
- **Approach 3（闭合系统三室模型）**：通过拟合离体闭合系统数据（1250μg IV负荷），获得更高UCC预测值（0.64 mg/L vs实测0.42-0.64 mg/L），但仍有46%数据偏离预测区间
- **Approach 4（主动转运+被动扩散）**：整合PAMPA被动清除（母体侧0.00019 L/h/mL，胎儿侧0.0003 L/h/mL）和五种主动转运蛋白（SERT、PMAT、THTR2、MATE1、OCT3），UCC预测精度达92%，FM比值时间曲线与实测数据高度吻合（图3）

#### 3.2 转运蛋白敏感性分析
对Approach 4的敏感性研究发现：
- **母体侧转运蛋白（SERT/PMAT/THTR2）**：清除率每倍增变化，UCC最大值（Cmax）相应产生97%或49%的增幅/衰减
- **胎儿侧转运蛋白（OCT3）**：清除率倍增导致UCC Cmax下降45%，半衰降低则引发74%的浓度上升
- **双向转运蛋白（MATE1）**：清除率降低50%可使UCC Cmax上升70%，证实其作为母体侧反向转运通道的关键作用

### 4 理论突破与实践价值
#### 4.1 胎盘转运机制的新认知
研究揭示了甲苯达唑胎盘转运的以下特征：
1. **双向转运主导性**：约75%的转运过程由主动机制（如SERT的钠依赖性摄取）驱动，被动扩散仅占25%
2. **时空异质性**：孕中期OCT3表达量达峰值（51.4 μL/min/million cells），导致胎儿侧清除率是母体侧（MATE1）的5倍，形成单向转运优势
3. **疾病影响**：GDM患者胎盘中SERT表达量较健康孕妇升高2.3倍（RAF=1.84），这可能是Approach 4能更好预测FM比值的原因

#### 4.2 临床转化潜力
该模型在以下场景具有应用价值：
- **用药剂量优化**：通过调节PMAT（0.5-2倍变化影响UCC达30%）和MATE1（0.5-2倍影响达70%）的活性，可预测不同剂量下胎儿暴露量
- **妊娠期监测**：模拟孕周变化（如孕晚期MATE1清除率下降40%）对UCC的影响，为分阶段给药提供依据
- **药物警戒**：当THTR2表达量异常升高（如疾病状态导致RAF=3.5），可提前预警UCC超阈值风险

### 5 模型局限与改进方向
#### 5.1 当前模型局限性
1. **数据依赖性**：OCTN转运蛋白数据缺失导致模型预测可能存在偏差（文献显示OCTN1在胎盘中清除率可达总清除量的15%）
2. **动态参数缺失**：未纳入胎盘屏障通透性随妊娠周数变化的动态参数（如孕晚期膜厚度增加12%）
3. **生物等效性假设**：默认胎盘屏障为均质结构，未考虑绒毛膜滋养层细胞的空间异质性

#### 5.2 未来改进方向
1. **多组学数据整合**：结合转录组（PlacentaDB）和蛋白质组数据，建立胎盘转运蛋白时空表达图谱
2. **机器学习优化**：利用迁移学习将离体PAMPA数据（μmol/min/cm2）与临床数据（mg/L）进行关联建模
3. **多尺度建模**：构建从分子水平（转运蛋白动力学）到器官水平（胎盘血流动力学）的跨尺度模型

### 6 对药物研发的启示
1. **前临床研究设计**：建议在体外实验中同时考察转运蛋白的双向活性（如OCT3的摄入与排泄能力）
2. **临床研究优化**：开发便携式胎盘转运监测设备（如可穿戴式胎盘膜电化学传感器），实时获取UCC数据
3. **法规应用前景**：该模型已通过FDA SimCyp认证体系，可作为新型GDM治疗药（如DPP-4抑制剂）的孕妇用药安全性评价标准

### 7 结论
本研究建立了首个整合主动转运与被动扩散的胎盘转运模型（Approach 4），其预测精度达到92%的临床数据覆盖度。关键发现包括：
- 母体侧SERT和PMAT协同作用形成主要摄取通道
- 胎儿侧OCT3通过负反馈调节控制转运平衡
- MATE1反向转运对UCC具有决定性影响（清除率变化70%）

该模型为GDM患者用药提供了新的决策工具，特别是当胎盘转运蛋白表达发生病理改变时（如妊娠期高血压疾病导致OCT3表达下降），可通过模型参数调整快速评估胎儿风险。后续研究应着重于开发可实时更新的动态胎盘模型，以应对妊娠期连续变化的生理特性。