2. 药物ADMET基础概念归纳总结

在做批次效应分析之前，我建议我们先回到原点。说白了，ADMET就是药物在体内走过的那条路。你设计了一个分子，它能不能成药，不是只看活性就行的。好多项目死就死在这五个字上——吸收、分布、代谢、排泄、毒性。

我个人习惯把这五个维度分开理解，但实际项目里它们彼此缠得很紧。来讲讲每个概念的底层逻辑。

2.1 吸收：药能不能进到血液里

你吃了药片，药物先穿过肠壁，再经过肝脏，最后进入血液循环。这个过程就叫吸收。核心指标是生物利用度（F）。我记得我做过一个项目，候选分子在体外活性极好，但大鼠口服生物利用度只有2%，数据直接没法往下推。

影响吸收的几个关键因素：

• 水溶性——药物在胃肠液里得先溶解，不然你想想看，一坨固体怎么透过细胞膜？
• 渗透性——穿过肠壁细胞的能力。Caco-2细胞模型就是测这个的。
• 首过效应——肝脏会把一部分药物代谢掉，剩下多少才进循环。
• 外排转运体——比如P-gp会把药物泵回肠腔，降低吸收。

这里有个避坑指南。我曾经在预测口服吸收时，只盯着PAMPA（人工膜渗透性）的数据，结果体内实验全部翻车。为什么呢？因为PAMPA测的是被动扩散，但很多药物是转运体介导的主动运输，根本不走这条路。

2.2 分布：药物到哪去了

药物进了血，接下来会分布到各个组织器官。这步很关键——如果你想要药到大脑去起作用，但血脑屏障把它挡住了，那啥都白搭。

分布的核心参数是表观分布容积（Vd）。Vd大的药物，说明它在组织里结合得多，血里剩得少。我见过一个极端例子：某个脂溶性极高的小分子，Vd超过5000 L，这已经不是“分布”了，基本是在组织里住下了。

影响分布的关键因素：

• 血浆蛋白结合率——结合太紧，游离药物少，药效可能不够。
• 组织亲和性——跟脂肪组织、肌肉、肝脏的结合能力。
• 血脑屏障——特殊转运体和紧密连接控制中枢进入。
• 组织pH差异——弱碱性药容易在酸性细胞器里富集。

我在做预测模型时经常发现，单靠logP去拟合Vd，误差能大到一个数量级。分布是靠转运体、蛋白结合、组织pH共同决定的，光用一个参数根本不够。

2.3 代谢：肝里发生了什么

代谢就是肝脏把药物改造成更容易排出的物质。这事儿由细胞色素P450酶系（CYP450）主导。CYP3A4这个酶，你只要做药就一定躲不过它——临床60%以上的药物都走这条路。

代谢分两个阶段：

• Ⅰ相代谢——氧化、还原、水解。引入或暴露极性基团。
• Ⅱ相代谢——跟葡萄糖醛酸、硫酸、谷胱甘肽等结合。产物水溶性大幅提高。

你想想看，如果一个药物被代谢太快，半衰期可能只有几分钟，一天得吃好几次。但如果代谢太慢，药物积累又有毒性风险。所以代谢稳定性是一个平衡点。

我曾经踩过一个坑：只看肝微粒体代谢数据就判定候选分子代谢稳定，结果体内实验发现它被CYP2C9代谢得很快。原因很简单——人肝微粒体里CYP3A4占了大头，但那个分子刚好是CYP2C9的底物，不同酶的贡献被平均掉了。

2.4 排泄：怎么离开身体

排泄是药物从体内清除的最终步骤。肾脏排泄最多，胆汁排泄也有。核心参数是清除率（CL）和半衰期（t½）。

排泄途径	主要机制	影响因素
肾小球滤过	分子量小、未结合的药物被滤出	血浆蛋白结合率、肾血流量
肾小管分泌	主动转运，逆浓度梯度	OAT、OCT、P-gp转运体竞争力
肾小管重吸收	脂溶性药物可被重新吸回	尿液pH、药物pKa、脂溶性
胆汁排泄	分子量>500，极性强的药物	MRP2、BCRP转运体

举个例子：如果你在预测时忽略了尿液pH对重吸收的影响，可能会把某个弱酸性药物的排泄速率算错。我做过一个项目，给药后尿pH从6.0变到7.5，那个药的半衰期直接翻了一倍。

2.5 毒性：安全第一

这一块是整个ADMET里我最不敢马虎的。毒性分很多类：

• 肝脏毒性——比如转氨酶升高、肝细胞坏死
• 心脏毒性——hERG通道抑制导致QT间期延长，严重时会致死
• 遗传毒性——Ames试验阳性意味着有致癌风险
• 光毒性——某些分子在紫外线照射下会产生反应性氧物种

说实话，很多候选分子不是因为活性不够被淘汰的，而是死在了毒性上。hERG安全窗口不足是个常见死法。FDA对hERG抑制的阈值很严格：IC50比有效治疗浓度至少高30倍，不然就得做全面QT研究。

我做预测时会特别注意一点：很多毒性数据的体外模型和体内实际情况差距很大。比如肝毒性，体外用HepG2细胞测的IC50，到了人体可能完全不是一回事。批次效应在这里表现得尤其明显——不同批次细胞的代谢酶表达量不同，测出来的毒性值能有10倍偏差。

2.6 把ADMET串起来：理化性质与成药性的关系

讲到这里，你可能觉得ADMET五个部分都是独立的。其实底层是统一的。所有的ADMET行为都可以追溯到几个核心理化性质：

• 脂溶性（logP/logD）——影响吸收、分布、代谢、排泄、毒性几乎全部
• 极性表面积（TPSA）——决定能否透过细胞膜和血脑屏障
• 分子量（MW）——影响渗透性、胆汁排泄、hERG联合风险
• 酸碱解离常数（pKa）——决定离子化状态，影响溶解度和膜透性
• 氢键给体/受体数目——影响被动扩散和转运体识别

我个人习惯把ADMET预测看成一张网。只看一个维度，往往会错过真正的限制环节。预测时先跑一遍所有维度的初步筛选，找到最可能出问题的那个点，再深入做实验验证。这样效率最高。

这张图我放在每轮项目启动会上。它把ADMET五个维度、关键参数、以及批次效应的破坏链路串在一起。你可以看到——每个维度的实验数据都被批次效应威胁，而所有数据汇到一起影响最终的模型预测和决策。后面所有章节的讨论，都会围绕这张图展开。