第4章 吸收(A)指标：溶解度(pH依赖性)与LogD
做药物化学的，没人不知道溶解度跟LogD这两个参数。但我发现，很多新手容易把它们当成两个孤立指标来测——溶解度只测一个pH，LogD只看一个数值。这其实是个大坑。我常说，吸收这两个字，本质就是"溶出来"和"穿过去"的平衡，而pH是贯穿始终的那根线。
这章咱们就专门把这两个指标掰开了讲。我会结合项目里踩过的坑，把溶解度为什么要有pH依赖性、LogD到底比LogP好在哪，以及它俩怎么配合着看，一次说清楚。
4.1 溶解度：别只测一个pH
溶解度的定义很简单：一定条件下，单位溶剂能溶解的最大药量。但问题在于，胃肠道不是一个恒定pH的环境。胃里pH 1~3，小肠pH 5~7.5，结肠能到pH 8。如果一个化合物只在酸性条件下溶，到小肠就析出，那你溶出曲线做得再漂亮，体内暴露量一样上不去。
我在项目里遇到过这样一个分子：体外pH 1.0溶解度高达 2 mg/mL，大家都很兴奋，觉得生物利用度肯定没问题。结果大鼠 PK 一做，AUC 低得可怜。后来一查，在pH 6.8 下溶解度只有 0.01 mg/mL——药物从胃到小肠的瞬间就析出了一大半。从那以后，我要求团队必须至少测三个pH点的溶解度：pH 1.0、pH 6.8、pH 7.4。
pH依赖性溶解度可以用下面这个关系来理解：
- 弱碱性药物：在低pH下电离，溶解度大；高pH下呈分子态，溶解度小。
- 弱酸性药物：在高pH下电离，溶解度大；低pH下呈分子态，溶解度小。
- 中性化合物：基本不受pH影响，但往往绝对溶解度偏低。
这里有个实用工具——固有溶解度（S₀）：指完全不电离的分子态溶解度，是pH依赖性曲线的"锚点"。有了S₀和pKa，你就可以预测任意pH下的溶解度。
4.2 LogD：比LogP更懂生理环境
LogP是分配系数的对数，描述的是分子在正辛醇和水之间的分配——说白了就是"亲脂性有多强"。但LogP有个问题：它只测中性分子的分配。可药物分子在生理pH下很可能部分电离，这时候LogP就没法反映真实情况了。
所以有了LogD。LogD是在特定pH下测得的分配系数，公式简单说就是：
LogD(pH) = LogP - log₁₀(1 + 10^(pH - pKa)) (适用于一元酸)我个人习惯把LogD叫做"真正干活的那个Log"。因为它对应的是胃肠道那个pH环境下的真实亲脂性。你看Lipinski规则里写的是LogP ≤ 5，但现在工业界内部做评估，基本都是看LogD₇.₄（pH 7.4下的LogD）。
举个例子你就明白了：
| 化合物 | LogP | LogD₇.₄ | 透膜性 | 实际口服暴露 |
|---|---|---|---|---|
| 分子A (弱酸，pKa 4.5) | 3.0 | 1.2 | 中 | 高 |
| 分子B (中性) | 3.0 | 3.0 | 高 | 低 (溶解度差) |
| 分子C (弱碱，pKa 8.0) | 3.0 | 0.5 | 低 | 低 |
看到没？三个分子LogP一样，但LogD₇.₄天差地别。分子C在pH 7.4下几乎全电离，亲脂性极低，透膜性自然不行。这就是为什么我总说LogP是实验室数据，LogD才是生理数据。
- LogD > 3 → 亲脂性偏高，溶解度容易出问题，代謝可能加快
- LogD 1~3 → 口服药物的"甜蜜点"，透膜与溶解相对平衡
- LogD < 1 → 亲水性太强，透膜性可能是瓶颈
4.3 溶解度与LogD：一对天生的冤家
你想想看，溶解度要求分子亲水，LogD要求分子亲脂——这两个指标天然就是矛盾的。但药物既要能溶到胃肠液里，又要能穿过细胞膜，所以你必须找到一个平衡点。
我记得有个项目，优化一个GPCR靶点的先导化合物。团队一直在提高LogD来改善透膜性，LogD从1.5做到了3.2，Caco-2数据确实漂亮了很多。但溶解度从200 µM掉到了2 µM以下，体内PK一做，暴露量反而下降了。后来我们回头把LogD调到2.5左右，同时引入一个弱碱性基团，在胃里溶解度很高，到小肠虽然溶解度降了一些，但透膜性刚好够用。最终那个化合物成了临床候选物。
这个案例让我深刻明白一件事：不要单独优化溶解度或LogD，要看它们的"动态匹配"。具体来说，有以下几条经验：
- 先看pKa：知道化合物在胃肠道的电离窗口，才能预测溶出和吸收的位置。
- 看溶解度曲线形状：pH依赖溶解度变化如果太陡（跨越超过3个数量级），体内变异度会很大。
- LogD优先看pH 6.8和7.4：这两个pH对应小肠和血液，是吸收和分布的关键。
- 用"溶解-透膜乘积"做排序：我个人会用溶解度（µM）× LogD₆.₈ 做初步排序，数值越高，成药潜力越大（当然要结合具体靶点调整）。
4.4 实战：用代码快速评估pH依赖性
最后，我分享一个自己常用的Python小脚本。它可以快速计算不同pH下的LogD，帮你判断一个化合物是否存在"pH陷阱"。
import math
def logd_at_ph(logp, pKa, pH, acid=True):
"""
Calculate LogD at given pH.
acid=True for weak acids, False for weak bases.
"""
if acid:
# 弱酸：高pH下电离，LogD降低
return logp - math.log10(1 + 10**(pH - pKa))
else:
# 弱碱：低pH下电离，LogD降低
return logp - math.log10(1 + 10**(pKa - pH))
# 示例：一个弱酸 (LogP=3.0, pKa=4.5)
print("弱酸 LogP=3.0, pKa=4.5")
for pH in [1.0, 4.5, 6.8, 7.4]:
ld = logd_at_ph(3.0, 4.5, pH, acid=True)
print(f" pH {pH:.1f} → LogD = {ld:.2f}")
print()
# 示例：一个弱碱 (LogP=3.0, pKa=8.0)
print("弱碱 LogP=3.0, pKa=8.0")
for pH in [1.0, 4.5, 6.8, 7.4]:
ld = logd_at_ph(3.0, 8.0, pH, acid=False)
print(f" pH {pH:.1f} → LogD = {ld:.2f}")输出结果会让你很直观地看到同一个小分子在不同pH下的亲脂性变化。我建议你把这条代码加到你的化合物筛选流程里，跑一遍只需5秒钟，但能帮你避免很多后期才发现的问题。
Descriptors.MolLogP 拿到LogP，再结合pKa（可以用 pKa_calculator 或实验值）套用上面的公式。虽然没有商业软件那么准，但早期筛选足够用了。
嗯，这一章的内容就到这里。溶解度和LogD是吸收指标里最基础也最容易被低估的两个参数。记住一句话：没有pH意识的ADMET评估，都是在耍流氓。下次你拿到一个化合物的溶解度或LogD数据，先问自己三个问题——这个数据是在哪个pH下测的？胃肠道里这个pH出现在哪一段？我的化合物在那个位置是溶还是析？想清楚这些，你就算真正入了ADMET的门了。