第4章 ADMET描述符分类:吸收相关归纳总结

吸收这件事,说白了就是药物能不能从给药部位进到血液里。口服药占了大多数,所以肠道吸收一直是ADMET里最被关注的环节。我刚开始做ADMET预测时,经常把吸收和溶解度混为一谈,后来才明白两者是上下游关系——溶解度不行,吸收无从谈起;但溶解度够了,渗透性差也没用。这一章咱们就把吸收相关的描述符彻底理一理。

4.1 吸收过程的核心问题

药物从胃肠道进入体循环,要过三关:溶出、渗透、首过消除。溶出靠的是溶解度和溶出速率;渗透靠的是药物穿过肠壁细胞的能力;首过消除则涉及肠壁和肝脏的代谢酶、转运体。所以吸收描述符不能只看一个指标,得把这三关的度量工具都备齐。

我记得有个CNS项目的分子,水溶性测出来很不错,LogP也在2~3之间,结果口服生物利用度才5%。后来一查,它在Caco-2模型里渗透性极低,而且被P-gp外排得很厉害。嗯,吸收描述符之间不是孤立的,交叉验证非常必要。

4.2 主要吸收描述符一览

下面这张表是我在项目里最常检查的几个吸收相关描述符,大家可以直接当核对清单用。

描述符含义常用模型/方法参考范围应用场景
Caco-2渗透性 (Papp)人结肠癌细胞模型,模拟肠壁被动渗透体外Transwell实验≥1×10-6 cm/s 为高渗透口服候选物初筛
MDCK渗透性犬肾细胞模型,比Caco-2更快体外单层渗透类似Caco-2量级高通量渗透筛选
PAMPA人工膜模拟被动扩散,不含转运体体外人工磷脂膜Pe > 1×10-6 cm/s排除主动转运干扰时
人肠道吸收率 (HIA%)口服后从肠道进入门静脉的血药比例体内/临床估算>90% 良好吸收最终临床风险评估
口服生物利用度 (F%)到达体循环的药量占比,含首过效应动物/人体 PK 实验>30% 可接受(取决于治疗窗)成药性决策核心指标
水溶性 (Solubility)在pH 6.5(肠道环境)下的溶解度摇瓶法、浊度法>60 μg/mL 通常可接受溶出受限的预警
LogD7.4pH 7.4下的亲脂性,反映膜穿透潜力HPLC、摇瓶法1~3 最佳平衡区渗透性与代谢倾向的权衡

个人小习惯:我一般在项目早期先看LogD和溶解度,因为它们决定能不能继续往下做渗透实验。LogD太低了(<0)膜通不过,太高(>5)又容易卡在细胞膜里出不来。Caco-2和MDCK的数据出来后,结合P-gp底物预测,基本能判断吸收风险。

4.3 各描述符在项目中的适配场景

道理讲完了,咱们看具体怎么用。这部分我按照项目阶段来排,你想想看自己项目里是不是也这样。

  • 苗头化合物期:主要依赖计算预测(如ADMET Predictor、SwissADME)给LogD、溶解度、Caco-2分类(高/中/低)。我一般先跑一轮,砍掉预测Caco-2为低且溶解度也低的分子——这类分子后面大概率过不了。
  • 先导优化期:开始测实测溶解度(pH 6.5)和PAMPA。PAMPA的好处是排除转运体干扰,能清晰看到被动渗透的本底。如果PAMPA不错但Caco-2很低,就提示可能有外排转运体参与,这时候加测双向转运实验(A-B vs B-A)。
  • 候选确定期:必须上MDCK或Caco-2的单向渗透和双向实验,同时测大鼠PK得到口服F%。我曾经见过一个化合物,体外所有渗透指标都合格,结果大鼠F%只有12%。后来发现它在肠道里被CYP3A4大量代谢,首过效应吃掉了大部分。这个教训让我之后一定会检查肠壁代谢酶和CYP预测。

你看,不同阶段的描述符侧重不一样。记住一个原则:体外实验组合越丰富,预测体内吸收的准确度越高。

4.4 吸收预测的常见陷阱

我曾经吃过的大亏:有个项目Caco-2的Papp测出来是2.5×10-6 cm/s,属于高渗透。但我们忽略了供体侧pH的差异——Caco-2标准实验供体侧pH 6.5,而体内胃排空后肠腔pH变化很大。后来换用不同pH条件再测,发现pH 5.0时渗透降了一半。最终这个分子因为酸不稳定性没成药。

另外,别只看单一来源的LogD数据。不同实验室测的LogD可能差0.5个单位,这对吸收预测影响不小。我的做法是:如果实测LogD有两个以上不同来源,取中位数;如果只有预测值,先标“暂估”,等实测出来再更新。

还有一点:转运体底物识别不能光靠结构推断。我见过P-gp底物的预测模型准确率也就70%左右,实测还是金标准。如果你项目里分子带了芳香胺、叔胺结构,多留个心眼——这类结构容易成为P-gp或BCRP的底物。

4.5 知识体系图

下面这个SVG把吸收相关的描述符按“溶出-渗透-首过”三个环节做了归类,每个环节下面的描述符就是你需要关注的工具。我给项目组做培训时经常用这张图,新人一看就明白。

吸收相关描述符分类体系 ① 溶出 ② 渗透 ③ 首过消除 水溶解度 溶出速率 Caco-2 / MDCK PAMPA LogD / LogP CYP代谢稳定性 P-gp外排 肝脏首过提取比 综合指标:人肠道吸收率 (HIA%) 与口服生物利用度 (F%) 溶出 + 渗透 + 首过消除 → HIA% 与 F% 的预测骨架

图中三个环节串联起来,最终的输出就是HIA%和F%。但注意,即使这三个环节都表现良好,临床上还可能因食物效应、制剂工艺、个体差异等影响吸收。这张图帮我们快速定位问题可能出在哪一段。

4.6 实战建议

我的推荐工作流:

  1. 先用计算工具扫一遍所有待选分子的LogD、溶解度分类、Caco-2分类,标记高风险分子。
  2. 对进入先导优化的分子,实测pH 6.5条件下的溶解度以及PAMPA通透性。
  3. 如果PAMPA渗透性高但计算Caco-2低,加测Caco-2双向实验,计算外排比(ER)。ER>2提示主动外排,需要额外优化结构。
  4. 在候选分子阶段,测大鼠口服PK得到实际F%,同时测肝微粒体代谢稳定性。
  5. 最后汇总所有数据,用下列Python片段快速生成吸收评估矩阵(只做示意,数据需要你自己补充):
# 快速吸收评估矩阵示例
def absorption_assessment(logd, solubility_ug_ml, caco2_papp, er):
    score = 0
    if 1 <= logd <= 3: score += 2
    elif 0 <= logd < 1 or 3 < logd <= 5: score += 1
    else: score += 0
    if solubility_ug_ml >= 60: score += 2
    elif solubility_ug_ml >= 10: score += 1
    else: score += 0
    if caco2_papp >= 1e-6: score += 2
    else: score += 0
    if er < 2: score += 2
    else: score += 0
    if score >= 6: return "吸收风险低"
    elif score >= 4: return "中等风险,建议进一步验证"
    else: return "高风险,考虑调整结构或给药途径"

这段代码是我早期项目里手工记笔记时写的,后来整理成了公司内部工具。你不用直接照搬,但可以理解它的逻辑:把关键描述符归一化打分,综合判断。实际项目里这些阈值要根据你的治疗领域微调(比如CNS药物对LogD的要求可能更低一些)。