生理动力学模型及其在健康风险评估中的应用进展和展望
来源
《生态毒理学报》2024年
作者
管娜，朱斌，赵申升，隋海霞，刘兆平，王子健
陶氏化学中国投资有限公司；
杜邦中国集团有限公司；
北京宝洁技术有限公司；
国家食品安全风险评估中心；
中国科学院生态环境研究中心
摘要
基于生理的动力学(physiologically based kinetic, PBK)模型是一种用于模拟化学物质在有机体(如人类和其他动物物种)中的生物过程(吸收、分布、代谢和排泄，简称ADME)和推导体内、外剂量或靶器官剂量的工具。相较于PBK在药物研发的不同阶段的广泛应用，近几年来PBK在化学物质管理中应用的发展更为迅速。在过去十几年中，化学品安全管理领域的不同国际组织和权威机构相继发布了关于合理构建和使用PBK模型的指导文件。本文主要总结了人类/哺乳动物的PBK模型构建、化学物质健康风险评估中常用的软件和平台，以及PBK模型软件在化学物质管理中的应用和相关案例，简述了基于PBK和体外-体内外推(IVIVE)方法在下一代健康风险评估中的应用潜力，并对PBK在中国化学物质管理应用中需要解决的科学问题进行了讨论，以期为PBK在我国化学物质管理应用提供借鉴。
关键词
生理动力学模型；定量体外-体内外推；毒效体外-体内外推；新途径方法；反向剂量法；健康风险评估
基于生理的动力学(physiologically based kinetic, PBK)模型是一种被广泛用于模拟化学物质在有机体(如人类和其他动物物种)中的生物过程，包括吸收、分布、代谢和排泄(absorption, distribution, metabolism, excretion, ADME)的数学模型，是依据生理学、解剖学以及目标物质的化学特性等信息构建的动力学过程的模型。PBK模型与生理药物动力学(physiologically based pharmacokinetic, PBPK)、生理生物动力学(physiologically based biokinetic, PBBK)和生理毒代动力学(physiologically based toxicokinetic, PBTK)是同义词，只是在不同的应用领域有不同的习惯性叫法。其中，PBK被认为是表述该生物过程的更合适的术语。PBK模型已广泛用于药物研发的不同阶段，相关研究也最多[2–4]。在安全领域，早在1976年PBK已经开始应用在毒理学和环境健康风险评估中[5–8]，也应用于动物源性食品和食品添加剂、化妆品的安全性评估。
近年来，随着对动物福利的重视和法规的要求，新途径方法(new approach methodologies, NAMs)，如体外毒性测试，逐渐应用到化学品的危害评估和风险表征中。在下一代风险评估(next generation risk assessment, NGRA)中，体外试验的应用依赖于PBK推导出与体外效应浓度相对应的体内暴露剂量水平，称为定量体外体内外推(quantitative in vitro-in vivo extrapolation, QIVIVE)，或毒效动力学体外体内外推(toxicodynamics IVIVE, TD IVIVE)。这是为了区分传统上使用体外数据来预测体内的ADME的参数，如肝清除率、生物可利用度、吸收率等的毒代动力学体外体内外推(toxicokinetics IVIVE，TK IVIVE)。面对数以万计的合成化学物质的健康风险评估需求，预期未来NAMs和PBK将在化学物质安全评估领域有较快的发展。
为了促进PBK模型在化学物质风险评估中的应用，过去十几年不同的国际组织和权威机构相继发布了关于构建和使用PBK模型的指导文件，规范了构建PBK模型的工作流程。目前，我国正在推动构建下一代风险评估平台，而PBK及其规范化是亟需发展的核心管理技术。本文主要综述人类和哺乳动物的PBK模型、常用的软件和平台及其应用案例，并对PBK在中国化学物质安全性评估中的应用潜力进行了展望。
1
PBK模型的相关技术指南和应用(The guidance documents and applications of PBK models)
目前有很多关于PBK模型应用于化学物质危害评估和风险评估中的案例。PBK方法在毒理学的最早的应用是针对氯乙烯在相对高的暴露剂量时的饱和动力学的研究。研究发现在高剂量下由于代谢酶的活性饱和，会高估氯乙烯活性代谢产物导致的致癌性，指出应该在设计毒理学试验和解读数据时考虑毒代动力学[5, 7−8]。随后，该团队还建立了杀虫剂、塑料添加剂、溶剂和碳氢化合物的非线性代谢的PBK模型，研究在高剂量暴露后的体内的生物转化过程和外暴露与内暴露的关系。PBK模型在风险评估的首次应用是针对二氯甲烷在不同暴露途径的致癌性的研究。通过PBK模型可以计算出在不同暴露条件下，小鼠和人类肝脏和肺部组织的致癌的活性代谢物的预期暴露量。此外，PBK在化学物质风险评估中的应用还包括不同暴露剂量和暴露途径外推、预测关键靶器官的浓度、评估生物蓄积性、毒性数据的种间和种内外推、根据关键靶组织的内剂量来制定安全剂量(人类或动物)、基于人群的生物标记物监测数据反向重构外暴露剂量，将生物活性剂量转换为传统毒理学的毒性分离点(point of departure, POD)。
国际上一些监管机构已开始尝试将PBK应用在健康风险评估领域，如美国环境保护局(U. S. EPA)应用PBK模型推导致癌风险评估中的参考剂量/浓度。在N-甲基吡咯烷酮物质的评估中，用PBK模型评估内暴露剂量以及累积健康风险。欧洲食品安全局(EFSA)对食品中的全氟烷基化合物(PFAS)进行风险评估时，应用PBK模型将基于血清中PFAS水平获得的基于10%基准反应的基准剂量低限值(BMDL10)与孕产妇长期暴露量相关联，制定了每周可耐受摄入量。EFSA在对食品中多溴联苯醚类(PBDEs)物质更新的风险评估中采纳了Zhang等基于中国成年人群建立的PBK模型来预测经膳食摄入的BDE-209在人体内的暴露情况。表1总结了2021年经济合作与发展组织(OECD)发布的指南文件中具有代表性的PBK模型及其在化学物质风险评估中的应用案例。此外，PBK模型已经应用于全球化学品的注册中。例如，中国新化学物质环境管理登记指南中指出，可以基于PBK模型对化学物质的毒代动力学行为进行预测，欧盟REACH法规在其指南R.7c中指出PBK模型可用于支持化学品的毒代动力学信息或提供更多的ADME的信息。
不同国家和国际机构也发布了有关PBK模型应用的指南文件，旨在为PBK模型在化学物质风险评估和法规监管中的应用提供规范性技术指导，促进模型管理应用的接受度。U. S. EPA发布了PBK模型在健康风险评估中的评价和应用的报告，概述了模型应用于风险评估的基本原理、主要模型特征以及在U. S. EPA风险评估框架中的管理应用。2010年，世界卫生组织(WHO)发布了关于PBK模型在风险评估中的应用和表征原则的指南，通过推动PBK模型的良好规范和透明度，促进其在风险评估中的应用。EFSA在2014年发布关于植物保护产品风险评估中的良好建模规范的科学意见，提出了包括毒代动力学模型在内的环境风险评估模型建模的关键步骤。2021年，OECD发布了基于法规监管目的的PBK模型表征、验证和报告方式的指南文件，该文件为基于PBK模型的表征和报告形式提供了指导。
文章内容由凡默谷小编查阅文献选取，排版与编辑为原创。如转载，请尊重劳动成果，注明【来源：凡默谷公众号】。
2
PBK建模的基本流程(The PBK modeling workflow)
PBK模型的模拟是基于微分方程来实现的，这些方程描述了化学物质在各个组织器官(称为房室)中ADME的过程，各个房室是通过动脉和静脉血流相互连接。PBK建模有3种常见方法：自上而下、自下而上和中间方法。在自上而下模型中，模型的参数是根据体内生理动力学数据得到的，而自下而上方法则通过体外实验/计算机模拟获取[26−27]。中间方法是前2种方法的结合。由于计算机科学和体外实验/计算机模拟方法的发展，以及对体外-体内外推法中的外推因子更深度的探索，自下而上方法得到了越来越多的应用。相较于自上而下方法，自下而上的方法为模型的建立提供了更高的灵活性。总之，参数的获取途径类型决定了建模的技术路线。
尽管PBK模型很早就被应用于化学物质风险评估中，但是在实际监管中的接受程度总体还比较低，这可能是由以下几个原因导致：(1) PBK模型引入的不确定性在风险评估体系中还没有很好地被定义；(2)因为缺乏目标化合物的相关体内PK测量数据和人群生物暴露标记物监测数据，难以准确对模型进行验证；(3)一线的管理人员对PBK模型不熟悉，阻碍了其对PBK模型的理解和评估人体。
针对这些问题，WHO和OECD发布了构建PBK模型的标准化工作流程的指南。对比2个指南中的工作流程，整体内容相差不大。考虑到OECD指南中收集和总结了更多的新信息，后续将以OECD的工作流程为讨论重点。
2.1 建模的目的
第1步需要明确建立模型的目的，其将直接影响所建立的模型的模拟预测能力和模型的复杂程度。PBK模型的构建方式因目的不同而有所不同。例如，当目标是评估孕妇等特定群体的模型时，应该基于孕期特征(如体质量、血流、酶水平、子宫分室等)，而不是基于平均人群的生理特征。
2.2 模型结构和选择
第2步需要定义模型的结构和细致程度。所建模型应能够预测目标化学物质(如母体化学物质和/或代谢物)在目标组织器官(如血液、血浆、肝脏、大脑等)的靶剂量水平[29−30]。就模型结构而言，其复杂程度应和应用目的相匹配。通常情况下，与化学物质的主要ADME相关的组织器官以及产生生物/毒理效应的目标组织器官在模型中应被描述为单独的房室。而对于其他非靶组织器官，当其动力学变化(如浓度-时间曲线)相似时可合并房室(如划分为充分灌注室和不充分灌注室)以降低模型的复杂性。此外，为母体物质构建的模型虽然可以模拟母体物质模拟的整体ADME，但是无法模拟代谢物的AMDE，因此，当代谢产物具有生理/毒理学意义时，所建立的模型应该包含代谢产物的子模型。在多房室模型中，还可以进一步定义每个房室的复杂程度。例如，吸收过程可以被描述为简单被动吸收模型(基于吸收速率常数(Ka)和吸收分数(Fa)建立的一个房室)，或机制性吸收模型(含多个子房室)。显然，相较于把整个吸收组织器官描述为单个房室的简单吸收模型，机制性吸收模型描述了化学物质在不同组织器官的子区域(如胃肠道中的胃、小肠、大肠等)中的吸收过程和动态分布。简单吸收模型的优点是模拟吸收需要的参数较少，因而模型中引入的不确定因素少，而机制性模型的优点是更具有生理学意义。一般可先尝试使用简单吸收模型，验证模型精度能否达到要求。在PBK模型中，根据化学物质进入组织器官时的速率限制因子类型，房室可以用灌注限速模型(受血流限制，所需参数较少)或渗透限速模型(受细胞膜限制，更具生理学意义)来描述。建模时可先尝试使用灌注限速模型。当模拟具有屏障的靶组织器官(例如血脑屏障)或当转运体在生物过程中起重要作用时，推荐使用渗透限速模型。
2.3 生理和ADME参数获取和分析
第3步是获取不同的模型参数。获取的方法取决于参数的类型和数据的可用性。PBK模型的建立基于2类参数，一类是解剖生理学参数，还有一类是化学物质特异的ADME参数。前者是物种特异性的参数，包括物种的体质量、心输出量、组织体积和血流速率，可通过文献、在线数据库、相关报告等获得，或者通过使用同种异速生长因子关系(allometric scaling)进行外推获得。这类参数存在种间和种内差异(例如，不同的族群)。化学特异性参数可以通过活体实验、体外细胞实验或通过计算机模拟方法获得，这类参数描述了化学物质的吸收(例如，吸收速率)、分布(例如，分配系数)、代谢(例如，代谢速率常数)和排泄(例如，消除速率)的相关过程。近年来针对ADME预测的计算毒理学方法，如定量构效关系模型(quantitative structure-activity relationship, QSAR)和交叉参照方法(read across)有快速的发展，详细内容留待以后综述。
2.4 建立动力学数学模型并求解
第四步需要使用特定的编程语言将微分方程编码到适当的软件中，目的是通过在特定的编程软件中编写算法，将PBK模型从概念转化为可应用的模型。详细的内容可参考OECD指南。
2.5 模型验证和评估
第5步需对模型进行验证。模型的验证是对模型预测结果与同一化学物质体内实验获得的PK数据进行比较，通常认为当模型预测结果与目标物质体内测定的PK数据相差不超过2倍时，模型的预测结果是可以接受的。值得注意的是，对模型的准确性评估应该切合目的，并考虑其他可能影响评估的因素(如不同文献资料报道的体内PK数据的差异性)。此外，建模方法和过程对模型的预测能力有重大影响，规范的建模流程和可信的参数获取方式、确保模型没有运行错误等也是提升模型预测能力的关键因素。使用化学物质的体内PK数据进行模型验证仍然被认为是“金标准”，但体内PK数据，尤其是人体的TK数据通常难以获得。为了打破这个瓶颈，Ellison等[32−33]提出了一种基于同类物的结构相似性的替代评估验证方法。PBK模型的验证问题是当前关注的一个热点，OECD指南中也有关于对缺乏体内PK数据化学物质的模型验证问题的相关讨论。
在验证过程中，除了考虑模型本身的表现之外，还需对模型参数进行敏感度分析，以评估参数对模型预测精度的影响。敏感性分析分为局域敏感性和全局敏感性分析。局域敏感性分析是分析单个参数对模型预测结果的影响；全局敏感性分析则考虑了各个参数之间的相互作用或多个参数同时变化时对预测结果的影响。局域敏感性分析方法简单较为常用，而当模型参数彼此之间存在相互作用时，则应考虑进行全局敏感性分析。在通过敏感度分析识别出对模型输出影响较大的参数之后，可进一步对这些敏感参数的数据来源、数据质量进行审查和改进，从而减少模型的不确定性，提高对应用模型的信心。
2.6 模型报告
在建模过程中至模型完成时，应规范完整的记录所有的关键建模步骤、参数收集、计算和模拟过程，最后撰写成报告并存储。详细的报告模板内容和指导可参考OECD的指导文件。
3
常用软件和平台(Commonly used software and platforms)
近年来，随着法规对动物实验的限制，对动物替代测试方法的发展和使用的日益重视，监管机构不仅鼓励开发PBK模型工具，同时也支持其在合规方面的应用，这些都推动了对PBK模型应用的需求[12, 13, 35–37]。同时，随着计算机算力的提高和更多的预测工具的开发，新的各种PBK模型平台和软件应运而生，尤其针对化学物质安全性评估和不同的管理目的开发了许多PBK软件和操作平台[38−39]。
PBK软件平台包括利用质量平衡微分方程组来描述化学物质在体内的ADME建模和用不同的算法工具来求解复杂方程组。不同于已有的针对制药领域开发的PBK软件的综述[40−41]，本文旨在总结化学物质(工业化学品和食品相关化学物质)风险评估中常用的PBK软件或平台，包括近些年来各国工业界和管理机构针对化学物质安全性评估开发的免费软件。代表性平台包括ICT、INTEGRA或TKplate。表2总结了部分常用的商业软件，表3是免费或开源软件。
PBK软件应用包括但不限于创建模型、种群变异性分析、动物到人类的外推、体外到体内的外推(IVIVE)。针对不同的应用需求，有不同的模型、软件或平台提供相关的功能。如U. S. EPA针对化学物质分析排序和高通量筛查设计的通用动力学模型(high throughput toxicokinetics, Httk)的R软件包。除此之外，其他的通用生理动力学模型，如IndusChemFate、EAS-E Suite和ICE等也提供固定的房室模型用于化学品快速的筛选和评估，区别在于房室模型、适用的种属或暴露条件的不同。具有图形用户界面(gui)的软件比命令行界面更易使用。EAS-E Suite、ICE和PLETHEM把Httk的R软件也包括到平台中，提供用户友好的操作界面。构建用于更高层级的风险评估的定制PBK模型需要更开放和灵活的平台，这些平台包括大量的生理参数的数据库和复杂的吸收模型，如GastroPlus。有时甚至还需要使用一些可用于定制生理学的数学模型平台如Matlab、Magolia。使用这些开放和灵活度较高的平台或软件除了需要所评估化学物质的ADME和物理化学性质外，有时还需要使用者有一定的编程能力。
为了支持21世纪化学物质风险评估(RISK21)和有效利用体外测试数据(Tox21和ToxCast)，新开发或更新的软件亦包括QIVIVE的功能，如用ICE、PLETHEM和TKplate，采用体外的生物效应剂量来推导相对应的外暴露剂量或人体等效剂量，极大促进了模型利用大量已有的高通量测试数据，如U. S. EPA的高通量体外生物活性的数据，方便了模型针对海量化学物质风险筛查和初级评估的应用。
有些开源平台或被广泛接受的商业平台因其透明度和可重复性更易被监管机构接受，如GastroPlus和Simcyp。商业平台(例如Simcyp)在给监管机构提交基于PBK的风险评估报告时通常有形成记录和规范化报告功能，便于追溯模型所使用的求解方程、生理和ADME参数值及其数据源，区别于如Berkeley Madonna和Simulink这种不具备管理要求功能的软件平台。
对于熟悉PBK概念的人来说，理想的PBK软件是不需要很多的培训即可建模或直接使用，同时提供易于使用的界面和建立适合应用目的的内置开发功能。软件或平台要具有足够的稳健性，能提供完整的生命周期生理、代谢酶和转运体的数据，以及从个体外推到人群或种群的能力，以帮助实现对多化学物质、多物种和多种暴露方式的模拟。至今尚没有一个平台能提供所有的功能，使用者需要基于模型的使用目的，从大量的软件、平台中选择合适的软件和足够充分的基础数据来建模。
4
PBK模型在下一代风险评估中的应用(The applications of PBK models in NGRA)
OECD在2021年颁布的PBK模型指南中列出了PBK模型在化学物质风险评估中可能的应用场景。在传统基于动物实验的风险评估中，PBK模型可以预测特定物种和外暴露途径下的靶剂量，从而采用靶剂量对风险评估中的不确定系数进行优化。近年来，随着NGRA理念的提出，通过NAMs减少对传统动物实验的依赖对化学品开展风险评估。使用NAMs数据的主要挑战之一是如何将体外生物试验得到的效应浓度和人体暴露水平，如离体的POD(PODin vitro)和活体的POD(PODin vivo)联系起来，而PBK的QIVIVE的模型可以为NGRA提供这一关键信息。
基于PBK的QIVIVE模型在NGRA中的一类典型应用是由化学品的外暴露剂量出发，推导出人体内暴露水平(如血浆浓度)，进而与由体外效应浓度(如AC50、IC50等)得到的安全阈值(PODin vivo)相比，来计算安全边际(margin of safety, MoS)和生物活性/暴露比(bioactivity exposure ratio, BER)，也称为正向剂量法(forward dosimetry)。另一类应用则是从PODin vivo出发，利用反向剂量法(reversed dosimetry)推导与其对应的PODin vivo，用于指导最大安全暴露剂量的制定。目前更多的研究工作聚焦在有效的、可用于风险评估的体外生物活性的信息方法开发(如多能干细胞、3-D细胞培养和组织芯片等)，以及基于毒理学信号通路的体外数据整合方式(如AOP、BioMap等)。
伴随着Tox21和ToxCast为代表的体外测试技术发展，基于PBK模型的QIVIVE在使用体外生物活性数据进行环境化学物质风险评估，以及相关监管决策制定中发挥着越来越重要的作用。全球许多机构和组织在其风险评估实践中应用QIVIVE的方法，探索新的风险评估方法和框架。例如，U. S. EPA使用QIVIVE对没有体内毒性数据的化学物质进行快速风险筛查，或者支持证据权重方法来确定数据需求或得出外推系数。最近Xie等的研究基于内分泌干扰物的不同生物学效应终点和AOP的体外高通量筛选数据，应用QIVIVE推导人体等效剂量(human equivalent dose, HED)，结果表明基于可靠的特定的信号通路的QIVIVE对于传统毒理学终点(apical endpoint)有更好的预测能力。Chen等以全氟辛烷磺酸(PFOS)为例，整合了毒理基因组学和PBK模型开发了一种概率性人类健康风险评估方法。该方法基于人类体外和小鼠体内毒物转录组学数据。这个创新性研究工作采用转录组差异性表达基因(differential expression genes, DEGs)来构建多个显著富集的信号通路和疾病后，再采用贝叶斯算法分析DEG的剂量-反应数据，然后通过PBK模型将的基因的基准剂量(benchmark dose, BMD)转换为HED，进而采用传统制定不确定性系数的方法综合考虑小鼠体内数据和人体外数据的的不确定性系数获得参考剂量(reference dose, RfD)。基于上述方法获得的RfD与U. S. EPA推荐的RfD相似，而基于最敏感信号通路和疾病(对应传统毒理学中最敏感的靶点)推导的RfD更接近最近EFSA制定的RfD。QIVIVE的技术方法同样存在众多挑战，例如，我们通常采用体外测试中的培养液浓度来模拟动物实验中的血清浓度。体外实验中的名义浓度(nominal concentration)并不能等同于动物试验中的生物有效态或游离态浓度，因此，在做QIVIVE时需要考虑带来的不确定性。
5
结论与展望
在21世纪，NGRA会逐渐取代传统风险评估方式，实现风险评估方法的范式转移(paradigm shift in risk assessment)。21世纪创新技术方法如组学技术、高通量和高内涵测试技术、先进的器官芯片和虚拟组织/器官技术、基于人工智能的计算毒理学模型等NAMs作为替代化学物质风险识别和危害表征中传统的活体试验方案已经有了长足的发展。基于r-TK的IVIVE-PBK模型在这一转变中发挥着不可替代的作用。包括我国在内的很多国家或国际组织正在研究基于NAMs的NGRA方法，NGRA的终极目标是完全替代动物实验，因此还有很长一段路要走。例如，可以基于机器学习/人工智能的方法来简化PBK模型的开发、优化PBK模型的PK参数，更好地预测化学物在人体中的暴露量和清除率等，从而减少甚至最终相关的替代动物实验。本文分析了PBK目前的部分进展和所面临的技术挑战，但是国际科学界讨论的更多的科学和技术方法问题不可能在一篇综述中涵盖。因此，NAMs当前的研究重点之一是如何针对管理层建立采用NAMs和NGRA的信心，或如何大幅度降低在管理中采用这些新范式时的不确定性。
目前在我国的食品安全风险评估中，PBK主要被用于优化危害评估中的不确定系数，包括替代物种间毒代动力学或毒效动力学系数的差异、取代传统评估因子来推导人体等效剂量系数，或优化化学物质特异的校正系数。从长远NGRA科技需求看，当前迫切需要着手构建适合中国人群生理特征的下一代PBK框架指南，制定高通量的Httk参数，从国家层面规范PBK使用的标准化。同时，开发简单易懂的PBK软件/平台，提高使用者的接受度。最后，应鼓励和资助科学界开展IVIVE-PBK、NAMs和NGRA相关的案例的研究和学术讨论。
参考文献
详见《生态毒理学报》2024年
免责声明
本公众号发布的文章均为促进制药界同行的交流与学习；不用于任何商业用途。我们尊重原创作品。选取的文章已明确注明来源和作者，版权归原作者所有，如涉及侵权或其他问题，请联系我们进行删除。
内容由凡默谷小编查阅文献选取，排版与编辑为原创。如转载，请尊重劳动成果，注明【来源：凡默谷公众号】。
文章内容为作者观点，不代表本公众号立场。
文章搜索
本公众号开通往期文章任意搜功能啦
在公众号菜单栏中输入“搜索”，即可搜索往期微信内容
封面图片来源于：https://pixabay.com/zh/返回搜狐，查看更多
