3. 分布（Distribution）

药物进了血液，不意味着就到达了战场。分布——说白了就是药物从血液跑到全身组织器官的过程。这一块做不好，后面的建模全是白搭。我见过太多项目，药效数据漂亮，代谢数据也还行，但一到分布这块就垮了。嗯，今天咱们就把分布的生物学基础、关键参数和建模方法拆开揉碎了讲。

3.1 分布的生物学基础

药物从血液到组织，本质上就是个跨膜转运。我习惯把这个过程想象成一个迷宫：药物要从血管里出来，穿过毛细血管壁，再经过细胞膜，才能进入目标组织。

分布的限速步骤主要有三个：

• 血流灌注率——血供越丰富，药物送得越快。脑、肝、肾这种高灌注器官，几分钟就能达到平衡。脂肪、骨骼这种低灌注组织，可能需要几小时甚至几天。
• 毛细血管通透性——肝窦的毛细血管有窗孔，大分子也能过去。脑的毛细血管就很紧，有紧密连接。
• 组织亲和力——脂溶性药物爱往脂肪组织跑，酸性药物倾向跟血浆蛋白绑定。

这里有个我踩过的坑。我曾经做过一个抗真菌药，体外活性很好，血浆暴露量也达标，但动物实验就是没效果。后来一查，药物全被血浆蛋白锁住了，游离浓度几乎为零。反应到数据上就是Vd特别低。所以我建议，你在做分布预测时，别光看总浓度，游离浓度才是真正干活的。

3.2 表观分布容积（Vd）

Vd是个假想容积，不是真实的解剖容积。它的定义是：

Vd = Dose / C0

Dose：给药剂 (μmol/kg)
C0：给药后即刻的血药浓度 (μM)

为什么说它是「假想」的？你想想看，如果药物全部留在血浆里，Vd≈0.05 L/kg（血浆容积）。但如果药物大量结合到组织里，血浆浓度就会很低，Vd会大得离谱。我见过一个高亲脂性药物，Vd超过100 L/kg，意味着药物在血浆里几乎测不到，全跑到组织里了。

Vd 范围	含义	常见情况
< 0.1 L/kg	主要留在血浆	大分子蛋白、强酸性药
0.1 – 1 L/kg	分布到细胞外液	中等脂溶性、部分结合型
> 1 L/kg	广泛组织分布	高亲脂性、组织强结合

建模时我习惯用组织-血浆分配系数（Kp）来反推Vd。简单说，每个组织的Kp都不一样，累加起来就是总分布容积：

Vd = Vp + ∑ ( Vt × Kp_t / fu )

Vp：血浆容积
Vt：组织容积
Kp_t：组织 t 的分配系数
fu：游离分数

这个公式看起来有点绕，但核心逻辑很清楚——组织结合越强（Kp越大），游离分数越低，Vd越大。

3.3 血浆蛋白结合

血浆蛋白结合，说白了就是药物在血液里搭了个车。但这个车不是白坐的——只有游离药物才能穿过膜、到达靶点、被代谢或排泄。

主要绑定的蛋白：

• 白蛋白（HSA）——酸性和中性药物的大本营
• α1-酸性糖蛋白（AAG）——碱性药物的常见伴侣
• 脂蛋白（Lp）——高脂溶性药物也会搭一下

说到血浆蛋白结合，很多初学者容易犯一个错——以为结合率越高药效越差。不一定。我记得有个项目，某候选药的血浆蛋白结合率高达99.9%，但药效出奇的好。后来发现它的组织结合率更高，游离浓度在靶点局部反而很高。所以不要只看一个数字，要看全局。

建模时我常用平衡透析法的数据来标定结合参数。拿到游离浓度后，我用这个公式：

fu = C_f / C_total

C_f：游离浓度（透析液侧）
C_total：总浓度（血浆侧）

有的药物有浓度依赖性结合，比如结合位点饱和，高浓度时fu会升高。这个坑我也踩过。一个药物在治疗剂量下fu=0.01，到了中毒剂量时fu跳到0.1，十倍的变化，暴露量和安全性直接翻车。

3.4 血脑屏障与脑渗透

血脑屏障（BBB）是中枢神经系统药物开发的最大难关。我做过几个CNS项目，每次都要跟BBB掰手腕。

BBB的结构主要是：

• 紧密连接——限制了细胞旁路
• 外排转运体——P-gp、BCRP这些「清道夫」
• 代谢酶——CYP450在脑内也有

测量脑渗透的金标准是脑-血浆浓度比（Kp,uu）：

Kp,uu = C_brain_f / C_plasma_f

C_brain_f：脑脊液或脑组织匀浆中的游离浓度
C_plasma_f：血浆游离浓度

Kp,uu 小于0.1的，基本进不了脑。我一般筛选时要求至少0.3以上才进入后续评价。还有个参数叫log BB，是用总浓度比的log值，容易受血浆结合影响。我个人更推荐Kp,uu，因为它剥离了结合干扰。

体外预测方法我常用PAMPA-BBB或者MDCK-MDR1细胞模型。后者可以同时评估被动通透和P-gp外排。

ER = P_app (B→A) / P_app (A→B)

ER：外排比
＞2 提示可能外排
＜1 被动扩散为主

避坑指南：我曾经用PAMPA筛了一个候选物，结果显示高通透，但体内Kp,uu只有0.05。后来发现是P-gp外排太强，体外模型没表达。从那以后我坚持用双模型验证。

3.5 游离药物浓度预测

说到底，不管是分布、药效还是安全性，真正的主角都是游离药物。游离药物浓度预测是ADMET建模的终极目标之一。

预测框架是这样的：

1. 血浆蛋白结合预测——用QSAR或者生理模型估算fu
2. 组织结合预测——用Rodgers-Singh方法或深度学习方法估算Kp
3. 跨屏障预测——脑、胎盘、肾脏的游离浓度修正
4. PBPK整合法——把上面三个步骤串起来算全身分布

实战中我常用这个简化公式来估算靶点部位的游离浓度：

C_target_f = C_plasma_f × Kp_uu

如果靶点组织是肝脏或脑，先把血浆游离浓度算清楚，再乘以组织特异性的分配因子。

举个例子：一个药物的血浆总量是10 µM，fu=0.05，那么C_plasma_f=0.5 µM。如果Kp_uu(brain)=0.3，脑部游离浓度就是0.15 µM。如果靶点IC50是0.1 µM，勉强算有效，但接近边界。我会建议重新优化结构，提高logD或者降低P-gp底物特性。

最后，用一张图来总结这一章的知识脉络。我习惯把分布相关的因素梳理成一个决策流，从血浆结合到组织分配，再到屏障穿透，一层层递进。

嗯，这一章的信息量不小。从血浆结合到组织分配，再到脑渗透，最后汇聚到游离浓度预测。我个人觉得，这五个知识点里，最容易忽视的是游离分数在组织水平上的变化。很多人习惯用一个固定的fu就推全场，但实际上fu在肝、肾、脑里差别很大。

实战中我给一个简单的策略：先把血浆fu做准（体外平衡透析），再找一两个关键组织的Kp（一般是肝和脑），然后用PBPK模型反算全身分布。不求一步到位，但求每一步都不出大偏差。