实验数据获取：体内/体外ADMET数据的来源与格式归纳总结
做ADMET质控这些年，我有个很深的感触：数据质量不是后面「控」出来的，是从源头就定死的。你想想看，如果原始数据格式五花八门、来源不清，后面建什么模型、做什么SOP都白搭。这一章我专门把体内/体外ADMET数据的常见来源和格式掰开揉碎了讲，顺便说说我在项目里踩过的坑——说白了，就是帮你把数据获取阶段的「雷」提前排掉。
体外ADMET数据——来源与质控要点
体外数据是ADMET评价的第一道筛子。它的优点是通量高、成本低、周期短，但缺点也很明显——离体环境跟真实生理条件有差距。我建议你在获取体外数据时，重点关注三个维度：细胞模型、亚细胞结构、生化实验。
体外数据核心价值：用标准化实验快速筛选化合物，剔除明显有风险的候选分子，降低后期体内实验的试错成本。
1. 细胞模型数据
最常见的包括Caco-2、MDCK、PAMPA这三种模型。Caco-2测肠渗透性，MDCK测血脑屏障透过性，PAMPA做被动扩散评估。我记得有个项目，Caco-2的Papp值反复测都偏低，后来查了半天，是细胞传代次数太多导致单层不完整。
- Caco-2：培养21天形成单层，测表观渗透系数(Papp)和外排比(ER)。
- MDCK：培养3-5天，适合高通量筛选，数据变异系数控制在<20%。
- PAMPA：人工膜体系，只测被动扩散，24-48小时出结果。
2. 亚细胞结构数据
主要用人/大鼠肝微粒体、S9组分、肝细胞。测代谢稳定性（Clint, t1/2）和代谢物轮廓。
- 肝微粒体：CYP酶主要分布场所，适合测Ⅰ相代谢。
- S9组分：含CYP和部分Ⅱ相酶，覆盖面更广。
- 原代肝细胞：最接近体内代谢环境，但批间差异大，我习惯每批做标准品对照。
3. 生化实验数据
CYP抑制、hERG结合、血浆蛋白结合这些都属于生化实验。数据格式以IC50、Ki、结合率(%)为主。
| 体外实验类型 | 核心参数 | 常见数据格式 | 质控关注点 |
|---|---|---|---|
| Caco-2 渗透性 | Papp (cm/s), ER | Excel / CSV | TEER值 > 300 Ω·cm² |
| 肝微粒体稳定性 | Clint (μL/min/mg), t1/2 | Excel / CSV | NADPH再生系统活性 |
| CYP抑制 | IC50 (μM) | Excel / GraphPad | 阳性抑制剂对照在范围内 |
| hERG 结合 | IC50 (μM), %抑制率 | Excel / SDF | 阳性对照(多非利特)IC50 < 0.1 μM |
| 血浆蛋白结合 | 结合率 (%) | Excel / CSV | 平衡透析时间≥4h |
个人习惯：体外数据我要求实验人员必须在原始Excel里保留「质控标记列」，标注是否通过当日QC。这样汇总时一眼就能筛掉不合格的数据点。
体内ADMET数据——来源与质控要点
体内数据比体外复杂得多。为什么？因为生物个体差异大，实验周期长，影响因素多。我建议分三类来管：啮齿类动物实验、非啮齿类动物实验、临床观察数据。
1. 啮齿类动物数据
大鼠、小鼠是最常用的模型。主要测口服生物利用度(F)、半衰期(t1/2)、清除率(CL)、分布容积(Vd)、组织分布。
- 口服 vs 静脉：交叉设计或平行设计，采血时间点至少8个。
- 组织分布：主要器官(肝、肾、脑、心、肺)的药物浓度。
- 排泄实验：尿粪收集，通常7天，回收率需达到80%以上。
2. 非啮齿类动物数据
犬、猴等大型动物，通常在IND申报前完成。数据要求更严格，采样时间点更多，且需要做剂量线性关系。
| 体内实验类型 | 核心参数 | 常见数据格式 | 质控关注点 |
|---|---|---|---|
| 口服生物利用度 | F (%), AUC, Cmax, Tmax | Excel / Phoenix WinNonlin | 动物禁食时间一致 |
| 静脉药代 | CL, Vd, t1/2, MRT | Excel / Phoenix WinNonlin | 输液速度均匀 |
| 组织分布 | 组织/血浆比 (Kp) | Excel / CSV | 取样时间点准确 |
| 排泄实验 | 累积排泄率 (%) | Excel / CSV | 代谢笼无交叉污染 |
| 剂量线性 | 剂量-AUC线性关系 | Excel / GraphPad | 最低剂量组CV < 30% |
我曾经踩过的坑：有次做大鼠口服实验，10个化合物的体内数据分散在5个Excel文件里，文件名、时间点、单位都不统一。最后汇总时发现3个化合物的剂量根本对不上。从那以后，我强制要求所有体内实验使用同一个数据模板，单位、时间点、列名全部标准化。
数据格式标准化——质控的基石
数据格式这件事，看着琐碎，但直接影响后续所有分析。你想想看，如果每批数据的列名、单位、采样时间点都不一样，后面做汇总、建模、交叉验证的时候，光清洗数据就得花掉一半时间。
常见数据格式对比
| 格式 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|
| Excel (.xlsx) | 日常实验记录、小批量数据 | 易操作、可视化好 | 版本混乱、易出错 |
| CSV | 批量导入、程序读取 | 通用性强、体积小 | 无格式约束、易串列 |
| SDF (.sdf) | 结构+数据一体化 | 保留分子结构 | 文件大、编辑不便 |
| XML / JSON | 数据库交换、Web服务 | 结构化好、可校验 | 冗余度高 |
| Phoenix 格式 (.phx) | 药代动力学分析 | 专业软件原生支持 | 跨平台兼容性差 |
标准化数据模板示例
我习惯用CSV做数据交换格式，列名规范如下。每个实验都按这个模板输出，后面汇总只用写一个脚本就能搞定。
Compound_ID, Species, Route, Dose_mg_per_kg, Time_hr, Conc_ng_per_mL, Matrix, Study_Date, QC_Pass
CMP-001, Rat, PO, 10.0, 0.25, 125.3, Plasma, 2024-01-15, Yes
CMP-001, Rat, PO, 10.0, 0.50, 342.1, Plasma, 2024-01-15, Yes
CMP-001, Rat, PO, 10.0, 1.00, 567.8, Plasma, 2024-01-15, Yes
CMP-001, Rat, PO, 10.0, 2.00, 423.6, Plasma, 2024-01-15, Yes
CMP-001, Rat, PO, 10.0, 4.00, 198.2, Plasma, 2024-01-15, Yes
CMP-001, Rat, PO, 10.0, 8.00, 45.7, Plasma, 2024-01-15, Yes
CMP-002, Rat, PO, 10.0, 0.25, 89.4, Plasma, 2024-01-15, Yes建议：模板里一定要留一个QC_Pass列。这列标记了该数据点是否通过当日质控。后面做汇总时，直接过滤掉QC_Pass != "Yes"的行，干净利落。
数据获取阶段的避坑指南
这一节专门聊我见过的、踩过的坑，你当个参考。
- 坑1：实验记录不完整——缺日期、缺动物编号、缺批号。我个人习惯要求每个实验员在Excel第一行写「元数据」：日期、项目、实验员、试剂批号、细胞代次。
- 坑2：单位不统一——有的用μM，有的用ng/mL，有的用nM。换算一次就多一次出错风险。我建议在模板中用固定单位，并在文件命名里注明单位体系。
- 坑3：文件名乱起——"最终版3.xlsx"这种名字是数据管理的噩梦。我推过一个命名规则：
项目_化合物_实验类型_日期_v版本.xlsx，强制执行。
特别注意：体内实验的原始数据（LC-MS/MS图谱、积分数据）必须与最终汇总表一起归档。不要只留汇总表！我遇到过审计时被要求提供原始图谱，结果发现原始文件被删了的情况。嗯，那场面相当尴尬。
好了，关于数据来源和格式，这章就讲这么多。这些内容看着基础，但基础不牢，后面所有分析都站不住脚。希望你在自己的项目里也能把数据获取阶段做扎实——因为ADMET质控的真正起点，不在分析软件里，而在你拿到原始数据的那一刻。