摘要： 候选药物表现出体外活性之后，真正进入药物开发阶段，还需要回答吸收、分布、代谢、排泄以及药物相互作用等一系列问题。传统肝微粒体、悬浮肝细胞和Caco-2等模型仍然是ADME筛选的重要工具，但当研究进入低清除率药物、长期肝脏代谢、肠-肝联合首过、生物药-小分子DDI、ASO/GalNAc-ASO细胞摄取以及复杂代谢物形成时，单一模型往往只能覆盖其中某一个环节。微生理系统（MPS）通过3D培养、动态灌流、多器官连接及数学建模，将药物在不同组织之间连续发生的运输和代谢过程纳入同一研究框架。本文结合GSK、Roche、康龙化成、Amgen及MIT等团队的6项公开研究，系统解析器官芯片在ADME、DMPK和药理学研究中的应用逻辑。
关键词：器官芯片、ADME、DMPK、肝脏芯片、药物代谢、口服生物利用度、药物相互作用、PhysioMimix、肠肝芯片、IVIVE、ASO、GalNAc-ASO
一、为什么ADME研究不能只回答"这款药清除率是多少"
一款候选药物在细胞实验中表现出理想活性以后，后续研发真正需要回答的问题会迅速增加。对于口服小分子，需要知道它能否穿过肠道屏障、肠道本身是否发生代谢、进入门静脉以后经过肝脏还能剩多少；对于低清除率化合物，需要足够长时间才能可靠观察浓度变化；对于生物药，还可能通过炎症通路间接调节CYP酶，从而改变另一种小分子药物的药代动力学；而对于ASO、GalNAc-ASO等新型药物，仅仅知道"肝脏中检测到了多少药物"仍然不足，还需要进一步观察药物进入了哪些细胞以及在细胞内部如何分布。
因此，ADME并不是由一个单独参数组成的实验模块，而是一条从吸收、跨膜运输、细胞摄取、代谢、首过、清除、药物相互作用一直延伸到PK外推的连续过程。传统肝微粒体、悬浮肝细胞、Caco-2等模型可以高效解决其中很多单独问题，但当研究问题开始依赖多个组织和较长时间尺度时，研究者就需要考虑怎样把原本分开的多个实验环节重新连接起来。
微生理系统MPS所增加的并不是单纯的"3D培养"，而是允许研究人员在动态灌流环境中维持人源细胞、连接不同组织，并进一步通过数学模型解释不同腔室中持续变化的药物浓度。相关CN Bio PhysioMimix与ADME应用资料中所展示的不同研究，也正是围绕这些更加复杂的DMPK问题展开。
二、6个ADME案例分别在回答什么问题
| 研究团队 | 研究方向 | 代表药物 | 案例看点 |
|---|---|---|---|
| GSK | 肝脏摄取与分布 | ASO / GalNAc-ASO | 在3D人肝模型中观察ASO进入细胞后的空间分布 |
| Roche | 肝脏药物代谢 | 15种化合物 | CYP、UGT、AO活性、清除率、代谢途径与代谢物研究 |
| 康龙化成 | 口服生物利用度 | Midazolam | iPSC来源肠细胞与PHH连接，模拟肠吸收和肝首过代谢 |
| Roche | MPS + 数学建模 | 多种化合物 | 用in silico模型反向指导实验设计和采样策略 |
| Amgen × MIT | 大分子-小分子DDI | Tocilizumab + Simvastatin | 重现炎症、CYP3A4与药物PK之间的动态联系 |
| Roche | 肠-肝联合代谢 | Mycophenolate mofetil | 同时观察前药吸收、肠/肝代谢及代谢物形成 |
表1：6项器官芯片ADME/DMPK公开研究案例
三、ASO进入肝脏之后，为什么还要继续观察"进入了什么细胞"
对于传统小分子而言，组织暴露浓度经常是DMPK分析的重要信息，但对于ASO等寡核苷酸药物，仅仅测出"肝脏里有药"并不能完整解释递送是否成功。药物需要真正进入目标细胞，并进一步到达能够产生药理作用的细胞内区域，因此细胞摄取和空间分布成为新的ADME观察维度。
GSK、Cardiff University及University of Illinois等团队使用PHH与Kupffer细胞按照10:1比例建立3D人肝MPS，并比较非靶向ASO与GalNAc偶联ASO。GalNAc可以与肝细胞表面的ASGPR结合，因此能够被用于增强ASO向肝细胞的定向递送。研究通过A488标记ASO并使用多光子荧光成像，在完整3D模型中观察药物进入肝细胞后的空间分布。
图1：ASO与GalNAc-ASO的摄取差异及细胞内分布
在2 μM条件下，给药1小时后ASO-GalNAc平均荧光强度明显高于非靶向ASO，但随着浓度和时间变化，两者的摄取动力学并不完全相同，高浓度条件下还观察到可能与ASGPR介导摄取途径饱和有关的现象。研究人员进一步进入模型支架内部，对具有典型立方形态的肝细胞进行3D分析，并观察ASO主要定位于细胞核相关区域。
这一案例的真正意义，是把寡核苷酸药物的DMPK从"组织浓度"进一步推进到"目标细胞摄取---空间分布---递送机制"。这里讨论的是公开ASO/GalNAc-ASO肝脏MPS研究，不将这一实验模型与任何具体药品后续获批建立因果关系。
四、肝脏芯片能不能同时研究CYP、UGT、AO、清除率和代谢物
药物肝脏代谢并不是只有一个CYP体系。不同化合物可能依赖CYP、UGT、AO以及其他代谢途径，而且真正的DMPK研究还需要进一步估算清除率、fraction metabolized以及一、二级代谢物。
Roche团队使用15种化合物系统评估Liver-on-a-Chip中的CYP、UGT和AO相关代谢能力，并对其中12种化合物进行了IVIVE。研究还利用quinidine和diclofenac分析不同代谢途径的fraction metabolized，并以efavirenz研究更加复杂的一、二级代谢物鉴定。
图2：CN Bio LC12结构及DMPK研究路线
这项研究还揭示了一个很容易被忽略的问题：在MPS中观察到的药物浓度变化，不仅受到细胞代谢影响，也受到整个培养系统自身的物理参数影响。例如数学模型显示，如果不考虑培养液蒸发，在低清除率化合物中，内在清除率CLint可能被低估至约40%。
因此，MPS中的DMPK并不是简单把PHH培养得更久，而是需要把细胞代谢、液体体积变化、取样和流体环境共同纳入数据解释。
五、口服生物利用度为什么不能只依靠Caco-2通透性
口服生物利用度F受到多个连续过程共同决定。药物首先需要穿过肠道屏障，在肠道上皮本身可能发生代谢，随后进入肝脏并经历肝脏首过。因此单独测定Papp能够很好地反映肠道通透性，却无法自动得到完整口服首过信息。
康龙化成团队在双器官MPS中，将iPSC来源小肠上皮细胞hiSIEC与原代人肝细胞PHH连接，构建Gut-Liver体系。hiSIEC单层TEER达到300--400 Ω·cm²，同时表达肠吸收细胞、杯状细胞、Paneth细胞及肠内分泌相关标志物，并检测到CYP3A4、CES2以及P-gp、BCRP、PEPT1等代谢酶和转运体功能。
图3：hiSIEC/PHH肠-肝体系的建立与应用
在10种小分子通透性评价中，hiSIEC模型呈现出较好的体外-体内相关性。随后研究人员以midazolam为模型药物，从肠腔侧给药并持续观察1--72小时，Gut-Liver体系表现出比Caco-2/Liver体系更加明显的首过效应，使研究从单独测量肠通透率进一步延伸到"肠吸收---肠代谢---肝脏首过"连续过程。
六、为什么MPS实验开始之前，反而需要先做in silico模型
传统ADME实验中，一个实验通常重点观察一个过程，因此数据结构相对清晰。但在Gut-Liver MPS中，药物可能同时经历跨膜运输、肠道代谢、肝脏代谢、细胞摄取、介质循环、取样和蒸发，而且不同腔室中的药物浓度随时间持续变化。
因此，Roche与University of Manchester团队提出将in silico建模和DOE进一步前置。研究者可以根据各MPS腔室体积、流速、蒸发速率、化合物自身ADME特征以及供者细胞表型建立机制模型，再通过模拟结果决定哪些时间点和哪些采样位置能够获得最有价值的信息。
图4：肠-肝器官芯片及"模型---实验设计---采样---参数估算"流程
这里真正值得参考的不是某一种药物的具体实验结果，而是一种MPS方法学：先利用模型理解体系，再设计实验，再利用实验数据反向估算参数。 当器官芯片逐渐从单一器官走向多器官后，数学建模也逐渐成为解释复杂浓度变化的重要工具。
七、生物药为什么会改变另一种小分子的药代动力学
药物相互作用并不一定发生在两个竞争同一种酶的小分子之间。炎症本身可以抑制肝脏CYP酶，而针对炎症通路的治疗性抗体又可能解除这种抑制，最终改变合并使用小分子的药代动力学。
Amgen与MIT团队使用3D灌流人肝共培养模型研究IL-6、tocilizumab和CYP3A4之间的关系。持续IL-6刺激以后，CYP3A4活性出现剂量依赖下降，同时CRP升高，研究得到IL-6抑制CYP3A4对应的EC50约为463 pg/mL。
图5：炎症和tocilizumab处理后肝脏MPS中CYP3A4相关变化
在继续加入抗IL-6R抗体tocilizumab以后，即使体系中IL-6仍然存在，CYP3A4抑制得到解除，同时CRP下降。研究再加入CYP3A4相关底物simvastatin hydroxy acid后，这种酶活变化进一步转化成PK差异，药物半衰期与AUClast发生变化，而且方向与临床观察一致。
这项研究把"炎症状态→生物药干预→CYP3A4变化→小分子PK变化"完整串联起来，展示了MPS用于大分子-小分子DDI研究的另一种思路。
八、前药为什么特别适合用肠-肝联合模型研究
前药的DMPK研究比普通小分子更加复杂，因为研究人员不仅要追踪原始化合物，还要同时观察活性药物和后续代谢物。mycophenolate mofetil（MM）就是一个典型例子：MM需要转化为活性成分mycophenolic acid（MPA），而MPA又可以进一步经葡萄糖醛酸化形成MPAG。
Roche团队在Gut-Liver MPS中使用Caco-2/HT29建立肠道屏障，并连接PHH。从肠腔侧加入MM之后，同时追踪肠腔、基底侧和肝脏腔室中的MM、MPA和MPAG浓度变化。
图6：肠-肝MPS中MM、MPA和MPAG的时间-浓度变化
结果显示，肠道和肝脏均参与MPA向MPAG的代谢，48小时后肝细胞中的MPA已进一步转化为MPAG。与Gut-only体系比较，还显示肠道本身对MPA葡萄糖醛酸化具有明显贡献。
结合机制模型，研究人员进一步估算肠道与肝脏清除率、膜通透性和外排比等参数，其中MPAG估算膜通透性比MPA低1000倍以上。这种多器官模型的意义，就是把过去分别研究的吸收、肠代谢和肝代谢串联起来观察。
九、6个案例实际上组成了一条怎样的ADME研究链
将这些研究放到同一张逻辑图里，可以看到它们并不是6个彼此孤立的实验，而是在回答药物进入人体以后不同阶段的问题：
肠道吸收 → 肠道首过 → 肝脏首过 → 药物代谢与清除 → 转运与代谢物形成 → DDI → 靶细胞摄取与组织分布 → PK参数与人体外推。
传统ADME模型仍然非常适合高通量、快速筛选和单一机制拆解，而MPS更加适合在已经明确关键候选以后，对多过程耦合问题进行进一步研究。
因此，器官芯片在ADME中的定位并不是"取代Caco-2、微粒体或者悬浮肝细胞"，而是当这些模型分别给出单个参数以后，为研究多个生理过程之间如何连续衔接增加一个新的实验层级。
十、哪些ADME问题更值得考虑使用MPS
对于高通量早期筛选，简单模型依然具有明显效率优势。但当候选进入以下问题时，动态MPS更值得被纳入考虑：低清除率化合物需要延长观察窗口；口服候选需要同时研究肠道吸收和肝首过；前药需要同步追踪母体药物和多个代谢物；生物药可能通过炎症或其他信号间接改变CYP；ASO等新型药物需要观察目标细胞摄取和空间分布；多器官体系还需要结合数学模型进行机制参数估计。
真正决定是否需要MPS的不是药物类型本身，而是当前科学问题是否依赖长期、人源、动态或多组织之间的联系。
十一、总结
ADME研究正在从"分别测几个参数"逐步发展到"解释药物从进入人体到被清除之间发生的连续过程"。GSK的ASO研究把DMPK推进到细胞摄取和空间分布，Roche的研究把肝代谢扩展到多酶系统、清除率和代谢物，康龙化成把肠道吸收与肝脏首过连接起来，in silico建模进一步帮助优化MPS采样，Amgen与MIT则把炎症、生物药和小分子PK连接在同一体系中。
这些案例共同说明，器官芯片在ADME领域真正增加的不是一个新的检测指标，而是把过去被拆开的多个生理过程重新连接起来研究。
参考文献
- Majer J, Alex A, Shi J, et al. Multimodal imaging of a liver-on-a-chip model using labelled and label-free optical microscopy techniques. Lab on a Chip. 2024;24(19):4594-4608.
- Docci L, Milani N, Ramp T, et al. Exploration and application of a liver-on-a-chip device in combination with modelling and simulation for quantitative drug metabolism studies. Lab on a Chip. 2022;22(6):1187-1205.
- Milani N, Parrott N, Galetin A, Fowler S, Gertz M. In silico modeling and simulation of organ-on-a-chip systems to support data analysis and a priori experimental design. CPT Pharmacometrics & Systems Pharmacology. 2024;13(4):524-543.
- Long TJ, Cosgrove PA, Dunn RT 2nd, et al. Modeling Therapeutic Antibody-Small Molecule Drug-Drug Interactions Using a Three-Dimensional Perfusable Human Liver Coculture Platform. Drug Metabolism and Disposition. 2016;44(12):1940-1948.
- Milani N, Parrott N, Ortiz Franyuti D, et al. Application of a gut--liver-on-a-chip device and mechanistic modelling to the quantitative in vitro pharmacokinetic study of mycophenolate mofetil. Lab on a Chip. 2022;22(15):2853-2868.
拓展阅读
CN Bio PhysioMimix器官芯片与ADME/DMPK应用资料
关于技术来源
本文基于CN Bio公开技术资料及ASO/GalNAc-ASO摄取、肝脏药物代谢、Gut-Liver MPS、DDI及机制建模相关公开研究，曼博生物MineBio整理，用于科研信息分享、实验参考和ADME/DMPK研究思路参考。文中各项实验结果均对应特定化合物、细胞来源、器官芯片系统和研究条件，不应直接外推至其他药物或作为统一实验参数。本文围绕器官芯片、ADME、DMPK、肝脏代谢、口服生物利用度、DDI、ASO及肠-肝联合代谢等方向整理相关公开技术信息。