基于肠道菌群的生理药代动力学（PBPK）模型：评估药物与化学品动力学的新方法学（NAM）

《Frontiers in Pharmacology》：Microbiota-based PBPK model: new approach methodology for assessing the kinetics of drugs and chemicals

肠道菌群在环境化学品和药物的代谢中发挥着重要作用。它通过改变代谢过程影响宿主对毒性的易感性，这一过程可通过体外（in-vitro）试验捕获，并借助计算机模拟（in silico）模型进行转化。生理药代动力学（physiologically based pharmacokinetic, PBPK）模型等计算机模拟模型可预测化合物在不同组织和器官中的浓度-时间曲线。尽管肠道菌群在塑造多种化合物的吸收、分布、代谢和排泄（absorption, distribution, metabolism and excretion, ADME）特征方面的重要性已得到公认，但PBPK模型通常未纳入肠道菌群，原因在于数据不可得或为降低模型复杂性。当肠道菌群代谢主导ADME特征时，这一纳入变得至关重要。本综述概述了将肠道菌群整合到PBPK模型中作为新方法学（New Approach Methodologies, NAMs）的关键策略和考量，涵盖模型开发与验证所需的必要方程、参数化方法和体外到体内外推（in-vitro-to-in-vivo extrapolation, IVIVE）方法。研究还聚焦于IVIVE方法的局限性，包括群体水平变异建模，以及机器学习在微生物参数推断中的新兴应用。进一步讨论了扩展的房室化（compartmentalization）以及基因组尺度代谢（genome-scale metabolic, GSM）网络模型的整合，以捕获微生物通路多样性。本综述还强调了基于肠道菌群的PBPK模型的广泛应用，包括个性化医学、转化建模、化合物-微生物互作以及化合物-微生物-饮食轴。此外，研究审视了当前监管环境，识别了PBPK指南中关于微生物代谢的现有空白，并提出了制定协调统一报告框架的方向。最后，讨论了未来方向，包括多组学整合、肠道-肝脏双向信号传导。综上，本综述为构建肠道菌群信息化的PBPK模型提供了实用路线图，可改进动力学预测并推进个性化风险评估。

主体内容总结

1 引言

肠道菌群在异生物质代谢中扮演关键角色，能够通过激活或失活作用改变药物的生物利用度、生物学效应及毒性。β-葡萄糖醛酸酶产生菌可再活化伊立替康、瑞戈非尼及非甾体抗炎药（NSAIDs）的葡萄糖醛酸结合物，导致肠道损伤和炎症；细菌还可直接生成毒性代谢物，如将溴夫定转化为肝毒性溴乙烯基尿嘧啶。已有超过30种药物和30种环境化学品被确认为肠道细菌的底物。近期研究如Zimmermann-Kogadeeva等（2020）开发了包含微生物药物代谢活性肠道房室的小鼠PBPK模型，Stevanoska等（2024）强调了将肠道微生物生物转化纳入模型的重要性。本综述旨在提供开发微生物特异性PBPK模型的整体框架，并指出监管空白。

2 微生物组相关动力学的新方法学

新方法学（NAMs）是风险评估中更快、更便宜的数据生成替代方案。传统微生物研究以动物实验或人类生物监测为主，而NAMs领域已涌现多种体外研究，包括静态和连续批量发酵系统，如连续多反应器系统PolyFermS，可在匹配生理条件下用同一粪便微生物群测试多种化合物浓度，从而获得更可靠的微生物相关动力学数据。

2.1 微生物代谢及其对化合物动力学的影响

肠道微生物代谢在胃肠道（GIT）中因区域而异，小肠（十二指肠、空肠、回肠）和大肠（盲肠、结肠、直肠）是主要代谢区域。微生物密度从十二指肠的10³–10⁴ CFU/mL递增至远端结肠和直肠的10¹² CFU/mL。主要代谢反应包括水解、还原、硫酸化、失活、去结合、去乙酰化等。微生物代谢产物在肠肝循环（enterohepatic recirculation, EHR）中发挥重要作用，可延长半衰期、增加血浆浓度。例如，柳氮磺吡啶经细菌偶氮还原酶在结肠代谢为5-氨基水杨酸（5-ASA），发挥抗炎活性。

2.2 将肠道菌群整合到PBPK模型中

将肠道菌群纳入PBPK模型可明确区分宿主组织产生的代谢物与肠道微生物产生的代谢物。体外到体内外推（IVIVE）是关键的转化过程，通常利用粪便浆液在厌氧条件下分离和孵育微生物群落。微生物内在清除率（CL_int,mic）通过体外米氏动力学参数按全身体重条件缩放获得：CL_int,mic = (V_max,mic × 60/K_m) × f_feces × BW × 1000，其中f_feces为物种特异性粪便占体重比例（大鼠0.0164，人0.0018）。肠道壁吸收速率由表观渗透系数（P_{app,in vivo}）与肠腔表面积的乘积决定。该方法的局限性包括：粪便浆液无法完全代表小肠微生物群落；体外K_m值未考虑体内pH梯度、黏液粘度等条件变化；粪便质量缩放因子为群体平均值，未反映年龄、性别、饮食、疾病状态及抗生素使用导致的个体间差异。

2.3 含肠道菌群的PBPK模型开发策略

全身体PBPK模型通常包含肺、肝、脑、胃、脾、肌肉、肾、性腺、脂肪组织、胸腺、皮肤和胰腺等房室，通过动静脉血液连接。肠道菌群可被视为代谢房室，或将代谢参数纳入GIT不同房室。离散房室化（而非单一肠道房室）对改进预测至关重要。肠道各房室的质量平衡方程需同时考虑前一房室的转运、肠壁吸收和微生物生物转化。口服生物利用度（F_oral）为吸收分数（F_a）、肠道可利用度（F_g）和肝脏可利用度（F_h）的乘积，其中F_g = Q_gut/(Q_gut + f_u × CL_int,mic)，F_h = Q_h/(Q_h + f_u × CL_int,hep)。对于肠肝循环化合物，微生物去结合再生母体化合物，延长全身半衰期，通常以单一集总一级速率项表示。

2.3.1 扩展房室化与肠道菌群贡献

高级房室吸收与转运（Advanced Compartmental Absorption and Transit, ACAT）模型在制药行业广泛应用，可纳入各房室中微生物的存在。概率环境房室吸收与转运（Probabilistic Environmental Compartmental Absorption and Transit, PECAT）模型由Lin和Chiu开发，基于70种药物和9种环境化学品的渗透性和吸收分数数据校准，采用蒙特卡洛模拟量化不确定性，对药物和环境化学品的平均绝对误差分别为13%和14%。PECAT为开源平台（GNU MCSim + R），与专有的ACAT模型（仅限GastroPlus）相比具有更高的透明度和可重复性。

2.3.2 基因组尺度代谢模型与PBPK的整合

基因组尺度代谢（GSM）网络模型提供系统层面的代谢反应、基因和代谢物表征框架。基于约束的重建与分析（Constraint-based reconstruction and analysis, COBRA）框架通过S × V = 0方程预测微生物驱动的代谢通量。COBRA工具箱已用于评估异烟肼药物性肝损伤的细胞水平生化响应。然而，将代谢建模扩展至人类肠道等复杂微生物群落仍面临计算和实验验证方面的挑战。

2.4 微生物参数的物种间差异

啮齿类动物与人类之间在胃肠道生理、微生物组成和酶活性方面存在显著差异。门水平分析显示，人类和非人灵长类的Firmicutes–Bacteroidetes比值高于小鼠和大鼠。人类肠道以Bacteroides属最为丰富，小鼠肠道以S24-7科为主，大鼠和非人灵长类中Prevotella属更为丰富。实验证据表明大鼠肠道微生物环境与人类更为相似，这为选择无菌大鼠进行微生物互作研究提供了依据。

2.5 捕获个体间差异的进展

群体PBPK框架结合虚拟孪生（virtual twin）方法可实现个体化预测，允许微生物参数（如V_max和K_m分布）的不确定性在群体模拟中传播。机器学习方法正被探索用于从组成或基因组数据预测异生物质生物转化潜力，如结合化学信息学方法（分子描述符、结构指纹、Tanimoto系数）预测代谢酶和细菌物种。器官芯片（organ-on-a-chip）微生理系统与AI结合用于高通量标准化3D图像分析。ML-PBPK混合平台已展示无需大量体外数据即可高精度预测人体药代动力学的能力。然而，当前肠道微生物酶和异生物质转化反应数据库仍然稀疏，限制了预测对新化合物或研究较少的微生物类群的泛化能力。

2.6 微生物特异性模型的考量、输出与验证

微生物整合的PBPK模型应能区分微生物来源和宿主酶来源的代谢物，通过估算其C_max评估体内活性。模型需纳入承载主要微生物组的房室、母体化合物向代谢物的转化系数、母体和代谢物的消除速率常数。验证需同时评估母体化合物和微生物衍生代谢物的预测性能。预测值与观测值之比在0.5至2倍范围内被广泛用作肝CYP介导PBPK模型的接受标准，但对微生物整合模型尚无固定阈值标准。回肠造口术或结肠切除术等临床场景可选择性消除结肠微生物代谢，为模型提供有力验证工具。敏感性分析应重点关注微生物动力学参数（V_max、K_m）和微生物生物量缩放因子。

2.7 提出的NAM框架

本文提出一个六步NAM框架：第一步为化合物筛选，通过功能基团识别（偶氮键、硝基、N-氧化物、亚砜、糖苷或葡萄糖醛酸/硫酸结合物）、体外厌氧粪便孵育筛选、药代动力学信号（如提示肠肝循环的二次血浆峰）及结构相似先例来判断微生物代谢是否显著；第二步为体外数据生成，包括厌氧粪便孵育和肝微粒体/S9代谢测定；第三步通过IVIVE和参数缩放将体外数据转化为体内条件；第四步根据数据可得性和研究目标选择模型结构（单房室、多房室ACAT/PECAT或GSM网络模型整合）；第五步通过敏感性分析、不确定性量化和临床数据比较进行模型验证；第六步定义应用场景。全程需考虑USFDA、EMA和OECD指南的监管报告要求。

3 基于肠道菌群的PBPK模型应用

基于肠道菌群的PBPK模型在预测环境化学品毒性、个性化风险评估和化学风险评估方面具有广泛应用前景。应用领域包括：个性化给药（基于性别/年龄/疾病分层及微生物组感知的剂量优化，如左旋多巴在帕金森病中的剂量优化、基于个体葡萄糖醛酸酶活性的伊立替康剂量调整）；转化建模（组学、动力学和反向转化的整合）；化合物-微生物互作评估；以及化合物-微生物-饮食轴的解析。