基于生理药代动力学建模解析奈玛特韦中枢神经系统分布：血浆EC90倍数具有药物、靶点部位及物种特异性

《British Journal of Pharmacology》：Plasma EC90 multiples are drug, target site and species specific—A physiologically based pharmacokinetic modelling example of nirmatrelvir central nervous system distribution

背景与目的：在血浆中实现最低未结合药物浓度高于体外EC90是常见的抗病毒药代动力学/药效学（PK/PD）靶标。然而，这一标准往往忽视了药物向中枢神经系统（CNS）等靶点部位的限制性分布，而靶点部位需要谷浓度高于1×EC90。目前，所需EC90倍数（n）是凭经验定义的，缺乏机制性证据。本研究利用大鼠体内奈玛特韦的生理药代动力学（PBPK）建模，弥合血浆与靶点部位暴露之间的差距，为抗病毒剂量选择中最小EC90倍数提供机制基础。 实验方法：将基于大鼠血浆数据开发的奈玛特韦群体药代动力学（popPK）模型整合至LeiCNS PBPK平台。该PBPK模型经大鼠脑脊液（CSF）浓度验证后，用于模拟药物在不同CNS区室中的分布，以评估具有不同血脑屏障（BBB）通透性的抗病毒药物血浆与外周部位之间的关系。 关键结果：模拟结果强调，血浆中未结合分数（fu）和未结合组织-血浆分配系数（Kp,uu）是决定最小EC90倍数的主要因素。研究人员证明，在不考虑药物及物种依赖性参数和相关身体分布的情况下，仅以血浆Cmin达到任意EC90倍数为目标，可能导致外周靶点部位药物暴露不足。 结论与意义：靶点部位浓度而非血浆总浓度，是与体外EC90关联的机制上正确的效应部位。通过同时纳入fu和Kp,uu，可以预先预测更具机制依据的EC90倍数。

论文解读

一、研究背景与问题

在抗病毒药物研发中，体外EC₉₀（抑制90%病毒效应的有效浓度）常被用作连接体外药效与体内药代动力学（PK）的关键指标。长期以来，学术界和监管机构普遍采用血浆最低药物浓度（C_min）达到EC₉₀或其倍数作为PK/PD靶标来指导剂量设计。然而，这一做法存在根本性的机制缺陷：血浆浓度并不能直接反映药物在靶点部位的实际暴露水平。尤其是对于中枢神经系统（CNS）这类受血脑屏障（BBB）和血脑脊液屏障（BCSFB）保护的靶点部位，药物的分布受到主动外排转运体（如P-糖蛋白）等机制的限制，导致靶点部位浓度远低于血浆浓度。

目前，EC₉₀倍数（n）的设定完全依赖经验，缺乏机制性依据。虽然已有研究提出血浆C_min应达到2倍甚至更高倍数的EC₉₀，但究竟需要多少倍数才能确保靶点部位达到有效浓度，尚无明确的机制性指导。这一不确定性严重制约了抗病毒药物的理性开发和跨物种的剂量转化。此外，SARS-CoV-2等病毒可在脑内长期存留，与长新冠等后遗症密切相关，使得CNS作为抗病毒靶点部位的重要性日益凸显。

二、研究内容与意义

本研究以奈玛特韦（NMR，Paxlovid的主要活性成分）为案例药物，通过整合群体药代动力学（popPK）建模与LeiCNS-PK3.0生理药代动力学（PBPK）平台，系统解析了NMR在大鼠CNS各部位的分布特征。研究核心目标是揭示EC₉₀倍数的机制本质，即血浆中需要达到多少倍的EC₉₀，才能确保靶点部位的未结合谷浓度（fC_min）达到EC₉₀。

研究的重要意义在于首次提出了一个简洁的机制性公式：×EC₉₀ = 1/(K_p,uu × f_up)，其中K_p,uu为稳态未结合组织-血浆分配系数，f_up为血浆未结合分数。该公式表明，EC₉₀倍数并非一个普适常数，而是随药物、靶点部位和物种而变化的参数。这一发现为抗病毒药物的剂量选择提供了机制驱动的理论框架，有望减少早期药物研发中的经验性不确定性。

三、主要技术方法

研究人员利用既往发表的Sprague-Dawley大鼠药代动力学数据（Avedissian et al., 2024），共包含10只大鼠的327个血浆样本和83个脑脊液（CSF）样本。首先，使用NONMEM软件（版本7.5）建立NMR血浆popPK模型，采用一室模型、一级吸收和比例误差模型，纳入吸收速率常数（k_a）的个体间变异（IIV）和生物利用度（F）的个体间场合变异（IOV）。随后，将血浆popPK模型整合至LeiCNS-PK3.0 PBPK平台，该平台结合CNS生理参数与药物理化性质（分子量499.535、logP 2.12、pKa 7.1等），通过预测BBB和BCSFB的跨细胞和旁细胞被动扩散，并以不对称因子（AF）校正主动转运，模拟NMR在脑细胞外液（brainECF）、脑细胞内液（brainICF）和脑脊液（CSF）等CNS区室的分布。模型预测的CSF浓度与大鼠小脑延髓池实测浓度进行验证。所有模拟和可视化均在R软件（版本4.5.2）中完成，使用rxode2包求解常微分方程组。

四、研究结果

（一）血浆群体药代动力学模型

研究人员利用327个血浆浓度数据点建立了NMR在大鼠体内的popPK模型，最终模型为一室模型联合一级吸收和比例误差。模型参数估计显示：消除速率常数（k_e）为0.32 h^-1，表观分布容积（V/F）为3.22 L，吸收速率常数（k_a）为0.92 h^-1，相对生物利用度（F）固定为1。模型纳入k_a的个体间变异（方差29.2%CV）和F的个体间场合变异（方差86.5%CV），比例残差为38.9%CV。拟合优度图显示模型能充分描述NMR在大鼠体内的血浆药代动力学特征，可作为PBPK模型的输入。

（二）PBPK预测NMR的CNS分布——血浆、靶点部位与EC₉₀的关系

将血浆popPK参数输入LeiCNS-PK3.0模型后，预测了NMR在血浆、brainECF、brainICF和小脑延髓池中的浓度-时间曲线。模型准确描述了NMR从血浆向小脑延髓池的分布过程。在每日两次30 mg·kg^-1给药方案下，血浆总浓度可达到体外EC₉₀（90.5 ng·ml^-1），但小脑延髓池和brainECF中的未结合谷浓度均远低于EC₉₀，brainICF浓度更低。当模拟血浆总浓度中位数达到3×EC₉₀（271.5 ng·ml^-1，相当于90 mg·kg^-1剂量）时，CNS靶点部位浓度仍未能达到EC₉₀。这表明BBB和BCSFB对NMR的CNS穿透构成显著障碍，血浆需要超过3×EC₉₀才能确保CNS内达到有效浓度。

（三）理解K_p,uu对关联血浆PK与靶点部位动力学至关重要

研究人员模拟了具有相同系统PK和血浆蛋白结合特性（f_up=0.48）但不同K_p,uu值（0.1-1.5）的五种虚拟药物的CNS分布。结果显示，药物的靶点部位暴露因K_p,uu不同而差异巨大：当K_p,uu<1（主动外排主导）时，靶点部位浓度显著低于血浆；K_p,uu=1（被动扩散）时两者接近；K_p,uu>1（主动摄取）时靶点部位浓度可高于血浆。这证明仅以f_up校正EC₉₀来指导血浆C_trough目标，是靶点部位PK和药效的不可靠预测指标。

（四）EC₉₀倍数是药物和物种依赖的值

研究人员推导出通用公式×EC₉₀ = 1/(K_p,uu × f_up)，并绘制了f_up（0.01-1）和K_p,uu（0.01-2.0）组合下的800种虚拟药物的等高线图。图中标注了17种常见抗病毒药物（如amprenavir、remdesivir、molnupiravir、acyclovir等）的预期EC₉₀倍数，显示不同药物、不同靶点部位和不同物种间的EC₉₀倍数差异显著。以NMR为例，大鼠brainECF的×EC₉₀为8.6（f_up=0.48，K_p,uu,BBB=0.24），大鼠小脑延髓池为6.5（K_p,uu,BCSFB=0.32），人brainECF为9.2（f_up=0.31，K_p,uu,BBB=0.35），人肺为6.5（K_p,uu=0.5）。当模拟260 mg·kg^-1（约为30 mg·kg^-1的8.6倍）剂量时，brainECF未结合浓度恰好达到EC₉₀，验证了公式的预测能力。

五、讨论与结论

讨论部分强调了几个关键观点。第一，EC₉₀基于体外细胞培养基中的药物浓度测定，因此细胞外液（ECF）才是与EC₉₀关联的正确效应部位，而非全组织浓度。第二，K_p,uu的获取是应用该公式的主要挑战，最理想的方法是在体微透析，但该技术具有侵入性、成本高且在人体的应用受伦理限制；替代方案包括利用体外外排比（ER）的倒数预测K_p,uu（K_p,uu=1/ER），或利用物种间转运体蛋白表达差异进行跨物种转化。第三，EC₉₀倍数的应用前提是血浆与靶点部位之间已达到药理学稳态，这是K_p,uu作为稳态参数的内在属性。第四，与仅基于被动扩散原理预测全组织分配系数（K_p,u）的传统PBPK方法相比，K_p,uu能更准确地反映靶点部位的未结合浓度，避免因忽视主动转运和细胞内隔离（如溶酶体 sequestration）而导致的暴露量高估。

研究结论指出，血浆C_min/EC₉₀>1作为抗病毒治疗的替代PK靶标一直缺乏机制性依据。通过本研究的PBPK建模，研究人员证明了EC₉₀倍数并非普适常数，而是由f_up和K_p,uu共同决定的药物、靶点部位和物种特异性参数。提出的公式1/(K_p,uu × f_up)为抗病毒药物研发提供了一种机制驱动的血浆靶标预测方法，使剂量选择从经验性倍数转向证据驱动的理性设计，具有重要的转化医学意义。