第一节　临床前研究对Ⅰ期临床试验设计的作用

新药Ⅰ期临床研究是药物临床试验的起始和关键阶段，临床前研究数据对于Ⅰ期临床试验设计能够发挥极其重要的作用。本章节阐述非临床资料与临床方案设计的关联性，重点介绍如何全面、科学地分析临床前研究资料（包括动物实验和体外实验数据），以支持有效、安全的Ⅰ期临床试验研究设计。

新药研发是一个漫长而艰辛的过程。按照药物研发的时间顺序，这一过程包括药物发现、临床前研究和临床研究。其中，新药Ⅰ期临床试验是药物临床研究的起始和关键阶段。近10年来，虽然基因组学、转化医学等新技术和理念为药物研发注入新动力，然而新药上市率缓慢增长而研发成本持续增加的情况没有发生本质性的改变，在这种投入和产出比继续失衡的严峻形势下，人们对新药早期临床试验（Ⅰ和Ⅱa期）投入前所未有的关注和重视。目前，新药早期临床试验研究正在从传统的经验模式逐渐向基于机制的数据密集型研发模式转变。现阶段面临的具有普遍意义的临床药理学问题包括：①如何提高人体首次试验中各种生物活性剂量预测的准确性；②如何降低人体首次试验的安全性风险；③如何提高从健康人到患者体内暴露和效应预测的准确性等。

在此过程中，临床前研究数据对于Ⅰ期临床试验设计能够发挥极其重要的作用。本章节将介绍临床前研究资料与Ⅰ期临床设计的关联性，阐述如何利用候选药物的理化性质、体外研究和模型动物的研究结果，实现从体外到体内、从动物到人类的外推，从而为新药Ⅰ期临床试验提供支持。为了避免歧义，如果没有特殊说明，本节中的Ⅰ期临床试验特指创新药的首次人体试验。

（一）临床前研究资料关注要点

新药的临床前研究涉及药学、药效学、安全性和药动学研究等众多内容。对于如何开展临床前研究，我国药品监督管理部门在2005年左右即颁布了一系列指导原则，并在2014年根据新药研发的最新进展予以修订和重新颁布，本文在此不再赘述。根据我国药品审评资料要求，临床前研究数据和其他药物申报资料通常被归纳为下列4类：综述资料、药学研究资料、药理毒理研究资料和临床试验资料（表2-1）。这些资料从各个方面初步阐明药物的药学性质、药理毒理特征等重要信息。其中，与药物的作用机制/靶点、剂量-（药理和毒理）效应关系有关的临床前研究数据对于人体Ⅰ期试验设计具有特别重要的意义，下文将逐一进行阐述。

1.非临床药动学研究

非临床药动学研究是通过体外和体内研究方法，阐明药物在不同种属动物中的吸收、分布、代谢和排泄特征，为后续的人体临床试验提供借鉴和参考。通常，非临床药动学的主要内容包括在啮齿类、犬类和/或灵长类动物中开展的体内药物吸收、分布、代谢和排泄研究，以及在体外系统中开展的酶和转运体研究（备注：体外系统包括动物源性和人源性肝细胞、肝微粒体、肝细胞胞质、S9、rhCYP和rhUGT重组酶、Caco-2和MDCK细胞等）。

通过上述体内和体外研究，可以获得药物在不同种属动物或体外系统中的吸收、分布、代谢和排泄等关键数据。这些数据包括与药物吸收有关的膜渗透系数（P _eff）；与分布有关的全血/血浆浓度比（B/P）、组织分配系数（K _p）、血浆中的游离药物分数（fu_P）等；与代谢和转运有关的酶和转运体的动力学参数，包括米氏常数（K _m）、酶和转运体的最大反应速率（V _max、J _max）、固有清除率（Cl_int）等，以及在不同种属动物中获取的药动学与药物分布、代谢、排泄数据等。基于上述体外和体内试验数据，采取各种估算方法，即可以预测人体的主要药动学参数和不同剂量下的系统暴露等。

2.非临床药效学研究

非临床药效学研究是新药临床前研究的核心内容，是支撑新药开发的基础和信心来源。全新或作用机制不明的试验药物在疗效探索和确证性临床试验中往往具有较高的失败风险。目前，超过一半的到达Ⅲ期试验阶段的药物因缺乏疗效而失败。然而，大量新药研发案例表明，很多在临床前试验中显示的药效在临床评估过程中是不可复制的。现阶段，转化医学推动生物标志物在新药研究中的应用，使得基于疾病靶标、生物标志物的临床试验设计成为可能。比较理想的创新药的药效学研究策略是首先在临床前阶段通过体外和动物实验确定药物对靶标的作用，然后确定在安全剂量范围内靶标作用可引起的生物学效应，最后确定靶标作用在患者中的疗效信号，并全面评估真实环境中的临床潜力。

根据药物的作用机制，非临床药效学的研究内容和方法有很大不同。例如，某试验药物是一种针对表皮生长因子受体（EGFR）突变的选择性EGFR抑制剂。其药效学研究不仅应包括一般的抗肿瘤活性研究，如不同剂量的试验药物对于动物模型中目标肿瘤的抑制效应，还应包括EGFR野生、EGFR突变细胞株以及非EGFR突变细胞株的体外研究，以评价药物对EGFR突变细胞株的选择性抑制活性（IC₅₀）。此外，由于药物或活性代谢物的浓度数据是产生、决定或阐明药效的基础，还应在有效剂量下开展模型动物的药动学研究。上述研究数据对于药物在人体起效剂量的预测、剂量递增的设计等均具有重要意义。

需要特别说明的是，在运用临床前药效学数据支持Ⅰ期临床试验设计时，首先需要确认试验药物在动物和人类中的作用机制是否相同、相似或者存在差异。如果模型动物与人体具有相同的作用靶点（如DPP-4抑制剂）、可能相同或相近的疾病发生机制，此时可以考虑通过合理的方法将动物药效学数据外推至人体；反之，如果模型动物的发病机制与人类不同、不确定或者相近，但在药理靶点的表达或亲和力方面存在一定差异，此时则无法或难以利用动物药效学数据支持人体试验设计。

3.非临床毒理学研究

非临床毒理学研究旨在描述试验药物在不同种属动物中的毒性反应的性质、程度，以及与给药剂量的相关性等。非临床毒理学的研究内容很多，包括一般毒理学试验，急性毒性试验，长期毒性试验，遗传毒性、生殖毒性、致癌性试验，以及过敏性（局部、全身和光敏毒性）、溶血性和局部（血管、皮肤、黏膜、肌肉等）刺激性等特殊安全性试验。此外，为了获取毒性剂量下药物在体内的暴露情况，建议在急性和长期毒性试验中伴随开展毒物代谢动力学研究，这是评价药物对靶器官效应（毒性）的重要依据。

为了保证临床试验中志愿者的安全，需要完成上述非临床毒理学研究后才可以开展临床试验。然而，鉴于新药研发的高风险和高投入，可以选择用不同给药期限的长期毒性试验来支持不同阶段的临床试验。通常，啮齿和非啮齿动物连续给药至少2个给药循环或4周的重复给药毒理学试验结果可以支持为期4周的Ⅰ期临床试验。更长给药期限或给药频率的长期毒性试验可以在Ⅰ/Ⅱ期临床试验实施期间同步进行。然而，原则上支持试验药物进行Ⅰ/Ⅱ期临床试验的长期毒性试验的给药期限不应短于临床试验周期，给药间隔不能长于临床试验中的最短给药间隔。上述临床前安全性研究数据是在探索不同给药方案时需要特别注意的一个安全性问题。

（二）从体外、动物研究数据外推至人体Ⅰ期临床试验

总体研究思路是在进行首次人体试验设计时，我们需要整合和综合分析临床前的各种研究数据。图2-1总结了从体外、动物研究外推至人体Ⅰ期临床试验时需要关注的重要信息：①药动学（pharmacokinetics，PK）研究，包括不同种属动物体内的吸收（absorption，A）、分布（distribution，D）、代谢（metabolism，M）和排泄（excretion，E）特征；体外系统代谢稳定性数据。②药效学（pharmacodynamics，PD）研究，包括作用机制；模型动物中的药效学数据；产生药效的剂量-暴露数据；与药效相关的特异性生物标志物。③毒理学研究，包括毒性反应的性质、靶器官，以及毒性反应与药物剂量和暴露之间的关系。

上述体外研究、动物体内研究数据是预测药物在人体暴露和效应（疗效/安全性）的前提基础。在创新药的临床评价过程中，通过转化PK/PD模型可以有效整合这些数据，从而指导首次人体试验设计。需要说明的是，在进行外推时，应该特别关注体外和体内，以及动物和人类的种属差异，如靶点表达量、药物对靶点的亲和力及血浆蛋白结合率等方面可能存在的不同。另外，由于创新药的独特性及跨物种、跨环境外推所必须作出的许多不同假设，很难建立适用于所有药物的标准的统一方法。

1.人体PK预测

在开展首次人体试验之前，采用离体器官、细胞或代谢酶系统获得的体外数据及动物药动学数据，通过体外模型和计算机模拟等方法可以推算出人体PK参数，如清除率（Cl）、表观分布容积（V _d）、消除相半衰期（t_1/2）、口服生物利用度（F）及药物暴露（AUC和C _max）等。人体PK预测是一个比较复杂的过程，开展人体PK预测通常需要下列关键数据：①动物源性和人源性材料中的体外ADME数据，尤其是与药物消除机制有关的研究数据；②至少2～3个啮齿和非啮齿动物的体内PK结果等。由临床前体外和体内PK参数推算人体PK参数是计算人体各种活性剂量的重要基础，有多种推算方法可供选择。可根据试验药物的PK特点，从中选择1种或多种方法进行推算。目前，常用的PK推算方法有异速增长模型推算法（allometric scaling，AS）、体外-体内外推法（in vitro-in vivo extrapolation，IVIVE）和生理药动学（physiologically based pharmacokinetic，PBPK）。

（1）AS：

AS是目前应用最广泛的一种预测人体PK参数的方法。其理论基础是哺乳动物具有相似的生理解剖结构和基础代谢速率，其体内的许多生理参数都与体重（body weight，BW）相关。这种关系往往不是直接成正比，可以用下列幂函数来表示，即Y=a×BW b。其中，Y代表预测的目标参数如Cl和V _d，a代表截距，BW代表体重，b代表方程系数。在实际应用中，即以不同动物种属的体重或体表面积的对数值为横坐标，以其PK参数的对数值为纵坐标，用线性回归法推算人体相应的PK参数如Cl和V _d。为了保证估算的准确性，建议采用3种以上动物的PK参数进行估算。

AS是一种基于经验的研究方法，无法反映不同动物在代谢方面可能存在的种属差异。根据既往研究经验，认为AS比较适用于推算以肾小球滤过为主要消除机制的药物的清除率；对于肝代谢是主要消除机制的药物，可采用基于体外肝微粒体、离体肝细胞或重组酶的IVIVE。当药物的体内PK机制比较复杂时（如药物的消除包括胆汁分泌和肾排泄等非肝脏途径时），建议采用更加全面、基于机制的PBPK进行PK参数的外推和估算。

（2）IVIVE：

这种方法基于体外数据预测体内PK参数，这是一个从简单体系外推至复杂体系的过程，因此其预测必然伴随着各种假设。以人体肝清除率（Cl_H）的预测为例，其应用的基础假设是试验药物的主要消除机制是肝脏代谢，忽略胆汁分泌和肾排泄等非肝脏消除机制。IVIVE采用肝脏清除的充分搅拌模型来整合固有清除率、血浆蛋白结合率和血流量，在加入药物的条件下培养肝微粒体、人源性肝细胞或者人体表达的酶，然后在低于饱和度的情况下清空药物和生成的代谢物，以计算V _max和K _m或者V _max/K _m值，获得体外肝脏固有的代谢清除率Cl_H，int，再乘以缩放因子估算最终的Cl_H。

与AS相比，IVIVE用于预测人体PK参数存在明显的优势，即使用的细胞或组织可以直接来自人体，因此在一定程度上避免种属差异对预测的影响，并可以明确不同机制对药物体内处置的贡献。然而这种方法也存在一些缺点，包括体外和体内的固有差异；不同实验方法、不同实验室获得的体外数据存在很大的变异性等。例如，有文献报道称，CYP2C9、CYP2D6、CYP2E1和CYP3A4在不同实验室的酶活性测定数据具有非常明显的差异，有些酶的活性差异甚至高达5倍以上。

（3）PBPK：

PBPK模型是建立在机体的生理、生化、解剖和药物的热力学性质基础上的一种整体模型，是一种“自下而上”（bottom-up）的研究方法。PBPK预测人体清除率的基本原理与IVIVE有一定的相似之处，也是基于各种体外研究数据实现从体外到体内、从动物到人体的外推。不同之处在于PBPK采用的是一个整体模型，将每个组织、器官或体液作为一个房室看待，房室间借助血液循环连接。每个模型房室的构建需要2个方面的数据：①机体的系统参数，如器官大小、血流速度等生理学、解剖学参数，酶和转运体活性等生化参数，以及健康和特定人群的人口统计学数据；②药物参数，如脂溶性、电离性等热力学性质参数，以及膜通透性、血浆蛋白结合率、组织亲和力等药物与机体相互作用的参数等。在此基础上通过Monte Carlo模拟预测药物的人体PK参数和动态的血药浓度-时间曲线。

与AS和IVIVE这两种方法相比，PBPK的突出特点是能够将目标人群的变异性与PK数据进行有效整合。近年来，PBPK模型广泛应用于药物发现和开发的各个阶段，特别是在利用非临床数据进行不同种族、特殊人群剂量预测方面表现出巨大的应用价值。然而，由于人体系统的复杂性和多样性，PBPK模型也存在许多局限和不足。例如，转运体和CYP450酶在各种属、各组织器官的表达尚未清晰；缺少人血脑屏障、各脑室的详细生理参数等。此外，PBPK模型的结构复杂，以往研究人员需要采用MATLAB、NOMMEN等软件编写程序代码以实现机制性模型的构建。目前，商业化的PBPK软件如GastroPlus（Simulations Plus Inc.）、Simcyp Simulator（Simcyp Ltd.）等在很大程度上简化了建模过程，促进了PBPK在新药研发中的应用和推广。

（4）清除率、表观分布容积和生物利用度等PK参数：

上文介绍了AS、IVIVE和PBPK等PK参数预测方法，下面将阐述如何利用这些方法实现对清除率、表观分布容积和生物利用度这3个主要PK参数的预测。

1）清除率（Cl）的预测：

目前，有多种方法可以用于预测人体清除率，最为常用的是上文介绍的3种方法，即AS、IVIVE和PBPK。AS是一种基于经验的研究方法，近年出现一些新的AS校正方法，如指数法则（rule of exponents，ROE）、游离分数校正截距法（fu corrected interceptmethod，FCIM）和肝血流量校正法（hepatic blood flow，HBF）等。这些方法在AS原理的基础上引入脑重量（brain weight，BrW）、最大生命值（maximum life-span potential，MLP）等生理常数，在不同的设定条件下使用提高估算结果的准确性。下面以ROE为例进行说明。对于 Cl=a×BW b，当0.55＜b≤0.71时，可直接采用上述公式；当0.71＜b≤1时，应引入 MLP，公式校正为 MLP×Cl=a×BW b；当 1＜b≤1.3时，则公式用 BrW 校正为 BrW×Cl=a×BW b。 如果b=0.55或者b＞1.3，则提示AS不适用于该药物。需要指出的是，当肝代谢是药物的主要代谢机制或者多种代谢机制并存时，试验药物在动物和人体内的消除途径或主要代谢酶可能不同或存在较大差异，此时AS估算的准确性往往难以尽如人意。

IVIVE预测人体肝清除率是基于肝脏的2个特性：一个是清除率的相加性；另一个是应用充分搅拌模型（well-stirred model）等体外模型能够整合体外固有清除率、血浆蛋白结合率和血流量等肝脏的生理参数。人体肝清除率的表达公式见式（2-1）。

其中，Cl_b，H是肝清除率，Q _H是肝血流量，fu_B是全血中的游离药物分数，Cl_H，int是肝固有清除率。充分搅拌模型是一个稳态模型，该模型有下列假设：药物代谢酶在肝内为均匀分布，药物在肝脏的分布取决于肝灌流，不存在扩散屏障，且只有游离药物可以跨膜并占据酶代谢活性位点；假设药物在肝脏中瞬间达到动态平衡，药物通过肝脏时浓度下降的唯一原因在于消除。此时，通过体外数据预测人体清除率的基本步骤如下：①采用体外系统（肝微粒体、肝细胞和/或重组酶）获得药物的体外代谢动力学参数（V _m、K _m），当药物浓度远低于K _m时，V _m/K _m值即为每个孵育单位的肝固有清除率；②乘以所选的体外系统的转换因子，例如，每克肝中的微粒体蛋白量（MPPGL）、每克肝中的肝细胞数目（HPGL）等，即获得整个肝脏生理代谢的固有清除率（Cl_H，int）；③采用合适的肝脏模型（考虑血浆蛋白结合、全血/血浆比和肝血流速度等因素）估算肝清除率（Cl_b，H）；④加上预测的肾清除率（可采用AS估算），即可获得总清除率的预测值。对于多数在肝脏代谢而不经胆汁分泌的药物，IVIVE预测是比较准确的。然而当转运蛋白以及膜渗透性成为肝脏消除速率的限速步骤时，体内的肝脏代谢过程不能在体外系统完全实现，此时药物的体内代谢过程更加复杂，预测时需要考虑的因素更多。

PBPK预测人体清除率的基本原理与IVIVE有相同之处，也是基于各种体外研究数据实现从体外到体内、从动物到人体的外推。不同之处在于PBPK是一个整体模型，能够整合目标人群的人口统计学（性别、年龄、体重和基因信息）、生理系统参数（器官大小、血流速度、酶和转运体活性）和药物参数（脂溶性、电离性、血浆蛋白结合率）、体外系统（肝微粒体、肝细胞、重组酶等）、代谢动力学数据，在此基础上通过Monte Carlo模拟预测药物的人体清除率。

2）表观分布容积（V _d）的预测：

表观分布容积反映药物分布的程度，由药物在血浆和组织中的结合情况（亲和力）决定。通常认为只有游离的药物可以扩散通过膜，因此药物在组织中的分布受到血浆蛋白结合率的影响。表观分布容积的构成可以用式（2-2）表示：

其中，V是表观分布容积，V _p是血液体积，V _TW是外周组织体积，fu是血液中的游离药物分数，fu_T是组织中的游离药物分数。药物与各组织器官的亲和力有很大不同，这取决于药物的理化性质和结构以及器官组分类型。通过测定药物与血浆、组织匀浆和细胞膜的结合率、log P等一系列体外参数，可以预测药物在体内的分布容积。文献报道的分布容积预测方法很多。其中，尽管AS忽略人体各个器官对于药物分布的影响，但其在预测人体分布容积上仍是一个比较有效的方法，这可能与体积和体重存在良好的相关性有关。此外，文献报道的表观分布容积的其他预测方法还包括Øie-Tozer法、PBPK估计法等。近年来，PBPK在表观分布容积预测方面引起很大关注。其理论依据是各个器官的组分类型和比例在不同的哺乳动物中没有明显不同，因而假定动物的组织/血液分配比（K _p）数据经过血浆蛋白结合校正后可适用于人类，在此基础上基于计算机进行预测。

3）生物利用度的预测：

生物利用度（bioavailability，F）反映药物通过不同的给药途径吸收进入体内的速度和程度。药物吸收特别是胃肠吸收是涉及药物的理化性质、制剂、胃肠转运和肝脏代谢等多种因素等的一个复杂过程。药物口服进入胃肠道后，首先经过溶解、崩解等过程释放药物，然后经过肠壁再通过门静脉到达肝脏，最后吸收进入体循环系统。这是一个动态的连续过程，受到包括饮食在内的很多生理因素的影响。整体生物利用度可以分解为在每个部位损失后残余部分的累积，即F=F _a×F _g×F _H。其中，F _a代表从制剂中释放的药物，F _g代表经过肠道代谢后剩余的药物，F _H代表经过肝脏首关代谢后剩余的药物。

相对于分布和消除的预测，生物利用度的预测并不成熟，到目前为止尚未形成科学且统一的方法，人们仍在积极探索生物利用度预测的最佳方法。首先，AS不适用于预测药物的生物利用度，这是由于吸收与体积大小的相关性要远远小于分布和消除。此外，大量研究表明动物与人类的生物利用度没有相关性，因此基于动物数据也是难以准确预测人体F值。目前，在药物吸收预测方面比较受关注的是PBPK。Simcyp和GastroPlus等商业化PBPK软件均推出吸收预测模型，下面以Simcyp的ADAM模型加以阐述和说明。ADAM模型将整个胃肠道根据解剖结构分为9个房室，即依次为胃、十二指肠、空肠Ⅰ、空肠Ⅱ、回肠Ⅰ、回肠Ⅱ、回肠Ⅲ、回肠Ⅳ和结肠。从公式F=F _a×F _g×F _H可知，F的预测必须成功解决制剂溶出、胃肠代谢和肝脏代谢这3个方面的问题。F _a的预测主要与制剂因素有关，这些因素包括药物在胃肠溶液中的溶解度、成盐形式、颗粒分布等。常见方法是将药物制剂置于模拟胃肠液（pH、溶液成分等与真实胃肠液相似）中，获取药物的体外溶出数据，模拟体内溶出行为。F _g（肠道代谢）的预测需要整合胃肠道的主要生理、生化常数，如胃排空时间、肠壁血流速度、表面积、肠道代谢酶和转运体含量等。这样的模型无疑能够更真实地模拟胃肠环境。在ADAM模型中，当药物通过每个部分时，一部分被吸收，另一部分被代谢或降解，剩下的则进入下一段，如此等等。随着时间推移，将各个部分的吸收累加即为肠道的吸收（F _g）。最后是通过肝脏首关效应进行剩余的部分F _H的预测，可以采用1-E _H（E _H是肝脏抽提比，即1-肝清除率/肝血流量）来估算。

在口服药物的生物利用度预测中，目前最大的瓶颈问题是肠道代谢。经过多年的研究，人们对于肝脏代谢已经有了比较深的认识和了解。然而，对于肠道代谢尚存在很多挑战，这些挑战包括不同种属动物在肠道代谢酶表达的差异、人体肠道药物代谢酶含量数据的缺乏、代谢酶-转运体交互作用等。因此，就PBPK肠道吸收模型而言，各人群机体的系统生理、解剖和生物学参数的获取是需要解决的关键问题。

2.人体PD预测

PD预测可以借鉴上文所述的PK预测策略，两者有相同也有不同。相同之处在于，PD预测同样需要考虑体外-体内差异、不同动物之间及动物-人类之间的差异。但是就复杂性而言，体内PD预测所面临的挑战要远远超过PK预测。根据受体占据理论，药物作用的强度与占据受体的数量成比例。当所有受体均被药物占据时，即产生最大的药效。因此，药物效应包括2个主要部分，即药物与主要靶点的相互作用，以及靶点占据和观测的反应之间的级联反应。前者通常可以通过体外实验获得，采用动物源性和人源性受体、细胞或组织开展的体外药理学试验是判断种属差异的一个好选择。然而，体外系统无法评估靶点激活后产生的生物学效应，这些研究只能在模型动物中开展。目前，许多机制性动物PD模型可以用于人体PD预测。表2-2列出肿瘤、糖尿病等治疗领域药物的几种动物PD模型、生物学终点指标。另外，转化医学的快速发展使得生物标志物研究蓬勃发展。在新药早期临床评价中，如果能够使用特异性的生物标志物，无疑对于药效评价是极其有益的。

根据前文所述，我们可以看出虽然药物的作用机制和治疗领域不同，但PK预测的目标总是围绕清除率、分布容积等参数。然而药物的PD特征会随着药理靶点不同而随之变化。通常体内PD特征评价涉及2个方面的内容，一是药物的特异性参数，二是机体的系统参数。后者描述的是机体的生理、病理状态，涉及药物与其药理靶点的相互作用。所以PD预测需要特别考虑目标靶点在不同动物之间及动物-人类之间的差异，以及疾病机制在不同种属之间的区别。例如，对于抑郁症等疾病，经典的小鼠强迫游泳抑郁模型中动物的情绪反应和人类抑郁之间可能有本质不同。因此，归纳、比较和总结试验药物在不用种属动物中的浓度-效应（不良反应或药效）关系并分析差异的内在原因，对于PD预测无疑具有重要意义。

PD和PK是两个密切相关的动力学过程。我们知道，在很多情况下作用部位的药物浓度是无法直接测定的。因此，当药物在体内的吸收、分布、代谢和排泄过程已经清楚的基础上，可以通过PK/PD的研究方法，结合血中的药物浓度与靶部位的药物浓度从而预测药物效应。根据药物效应的方式，PD在体内的时间动力学变化可分为直接和间接过程，这些过程可以采用一些经验和机制性PK/PD数学模型来进行描述。对于直接效应模型，浓度与效应以可逆模式被联系起来，效应与浓度直接相关，在观测到C _max的同时可观测到最大效应（E _max），两者之间没有延迟，表现为浓度-时间曲线与效应-时间曲线的趋势一致。典型的直接效应模型是Sigmoid E _max模型（Hill方程）。 Sigmoid

E _max是根据受体占据理论描述浓度-效应的米氏方程，方程见式（2-3）。

其中，E _max是药物所能产生的最大效应；EC₅₀是产生50%的最大效应时的药物浓度；γ是Hill方程系数，是影响曲线斜率、陡峭程度的参数；C是药物浓度。有也可没有药理意义，也可以是非整数。虽然Sigmoid E _max模型是一个基于经验的模型，但它引入最大效应这一重要概念。模型中的E _max和EC₅₀值可以从体外药物受体相互作用实验预测获得。除Sigmoid E _max模型外，描述药效学的直接模型还有线性模型、对数线性模型等。

事实上，在许多情况下药物效应与血中的药物浓度之间并不存在直接的关系，血药浓度达到峰值时，其产生的药效经常会出现延迟。造成延迟的原因比较复杂，有2个基本解释：一个说法是药物效应是药物作用的直接结果，但作用部位不在血浆隔室或其附近血液灌流充分的器官，而是在一个药物浓度变化滞后于血药浓度变化的组织或器官之中。此时反映药物到达预期药理作用部位需要一定时间。另一个说法是药物并不产生直接的药理效应，而是通过改变一些参与机体生理效应调节的内源性活性物质的合成（或分泌）和降解过程而发挥作用。Sheiner等提出的生物相概念较好地解释了这一现象，其核心思想是将经典的房室模型进行扩展，提出一个假设的“效应”室。生物相模型中的这个虚拟的效应室可能是一个特定的组织或器官，如眼、皮肤、消化道、肺脏、中枢神经系统、淋巴系统或肿瘤组织等，也可能是药物的某种活性代谢产物、结合或游离态的药物等。效应室中的浓度往往是难以测定的，其方程描述见式（2-4）。

其中，C _p代表血中的药物浓度；k_1e代表药物从中央室消除的一级速率常数；k _e0代表药物从效应室消除的消除速率常数，其大小主要与血药浓度和药效学之间的滞后程度有关；C _e代表效应室的药物浓度。如前文所述，在很多情况下药物是通过改变一些参与机体生理效应调节的内源性活性物质的合成（或分泌）和降解过程而发挥作用的。此时，可以采用间接效应模型（indirect responsemodel，IDR）来描述这一过程。经典的方程见式（2-5）。

其中，R是药物效应，k _syn是零级合成速率常数，k _deg是一级降解速率常数。根据药物的作用机制，IDR模型有4种形式，即抑制生成、抑制降解、激活生成、激活降解。此外，还有很多PD模型可以描述不同机制的药物间接效应，如靶点介导药物处置模型（TMDD）、昼夜节律模型（circadian model）、转导模型（transduction model）等。

基于体外、动物PD数据进行体内PD预测时，需要考虑体外-体内、动物-人类种属等可能存在的差异。需要考虑的因素主要包括血浆蛋白结合率、药理靶点亲和力和表达情况、组织分布和活性代谢产物等。对于血浆蛋白结合率高的小分子药物，在不同动物种属血浆中的游离药物分数通常差别很大，此时必须进行游离药物分数校正。另外，对于小分子和生物制品药物，都应该考虑药物与药理靶点之间相互作用的种属差异。在药物发现和先导化合物优化过程中，如果能够确认体外和体内效应强度参数之间的关系，无疑可以增加此时数据外推的可信性，否则应校正可能存在的差异。由于药物的药理效应受到药物从体循环系统输送至作用靶点这一分布过程的影响，因此，如果可能的话，在描述药物输送至靶点的时间过程时，最好能够测定靶组织中的药物浓度。此外，了解药物在体内的代谢情况也是非常重要的，因为活性代谢产物可能对药效有贡献，从而使得浓度-效应关系更加复杂。

3.人体安全性预测

药物在人体的安全性评价是新药Ⅰ期临床试验的主要目的之一。创新药早期临床评价存在许多潜在风险，包括对试验药物了解不足、试验设计方案不合理和试验实施质量不高等，因此试验开始前必须对风险要素进行评估，并制定风险控制计划。与PK和PD预测相比，从动物到人体的安全性外推具有更大的不确定性和挑战。本节将从作用机制、靶标性质和动物模型的相关性3个方面来说明在进行人类安全性外推时，体外和非临床动物研究数据的关注要点。

（1）作用机制：

主要或次要机制是否采用动物源性或人源性细胞、器官材料，候选药物的作用机制对于人类是否具有可转化性；受体在动物组织中的分布、一般药理学和毒理学研究等体外研究数据是否能够证明作用机制对于人类靶器官的选择性。

（2）靶标性质：

靶标的结构、组织分布（包括在人类免疫系统细胞内/上的表达）、细胞特异性、疾病特异性；靶标和伴随靶标作用的性质及强度（程度、幅度、持续时间和可逆性）等，靶标在动物、健康人和患者中的潜在差异；靶标在相关动物种属和人类中的基因多态性差异，以及对药理学作用的影响。

（3）动物模型的相关性：

模型动物毒理学试验中的靶器官毒性反应、性质等，判断动物和人类在毒性反应中的相关性，评估人类发生药物相关严重毒性的风险。根据既往研究案例，中枢神经系统的毒性反应在临床前后的一致性较差，在动物中发现的共济失调和癫痫等毒性反应较少在人类临床试验中重现。除过敏外，免疫系统的不良反应在人类试验中也较少出现。相关性较好的器官是心血管、血液和胃肠道系统，后两者的安全性外推常用于抗肿瘤药、抗感染药。

对于Ⅰ期临床试验设计而言，除上文重点阐述的非临床药动学、药效学和毒理学研究数据外，其他资料如药物研发立题依据、药物的理化性质（log P、MW）、同类药物的临床前/临床研究文献等也同样具有重要的价值和意义。此外，虽然新药的非临床研究涉及的研究内容很多，但各个研究之间不是彼此孤立的，而是密切联系、相互支撑的。例如，在药效学和毒理学评价中伴随进行药动学研究，获得药物和/或活性代谢物的浓度数据及其相关药动学参数，可提供药物对靶器官效应（药效或毒性）的依据，是产生、决定或阐明药效或毒性大小的物质基础。综合分析临床前研究的体外和体内数据，结合药效学和毒理学资料，可以为Ⅰ期临床试验设计提供有力支持。

（王洪允）

参考文献

［1］CFDA.药物非临床药代动力学研究技术指导原则.［2020-10-12］.http：//www.cde.org.cn/zdyz.do？method=largePage&id=21e45c8c5bacf662.

［2］CFDA.药物重复给药毒性研究技术指导原则.［2020-10-12］.http：//www.cde.org.cn/zdyz.do？method=largePage&id=abf139c330d74064.

［3］CFDA.药物单次给药毒性研究技术指导原则.［2020-10-12］.http：//www.cde.org.cn/zdyz.do？method=largePage&id=75c870924b8a52af.

［4］CFDA.药物刺激性、过敏性和溶血性研究技术指导原则.［2020-10-12］.http：//www.cde.org.cn/zdyz.do？method=largePage&id=d01dbe7c6bafbbff.

［5］CFDA.药物安全药理学研究技术指导原则.［2020-10-12］.http：//www.cde.org.cn/zdyz.do？method=largePage&id=d281d6b63f249a51.

［6］CFDA.药物毒代动力学研究技术指导原则.［2020-10-12］.http：//www.cde.org.cn/zdyz.do？method=largePage&id=355a05d8463f0b7e.

［7］BOXENBAUM H.Interspecies scaling，allometry，physiological time，and the ground plan of pharmacokinetics.JPharmacokinet Biopharm，1982，10：201-227.

［8］ROSTAMI-HODJEGAN A，TUCKER G T.Simulation and prediction of in vivo drug metabolism in human populations from in vitro data.Nat Rev Drug Discov，2007，6（2）：140-148.

［9］BARTER Z E，BAYLISSM K，BEAUNE P H，et al.Scaling factors for the extrapolation of in vivo metabolic drug clearance from in vitro data：reaching a consensus on values of human microsomal protein and hepatocellularity per gram of liver.Curr Drug Metab，2007，8（1）：33-45.

［10］ROWLANDM，PECK C，TUCKER G.Physiologically-based pharmacokinetics in drug developmentand regulatory science.Annu Rev Pharmacol Toxicol，2011，51：45-73.

［11］RING B J，CHIEN J Y，ADKISON K K，et al.PhRMA CPCDC initiative on predictive models of human pharmacokinetics，part 3：comparative assessment of predictionmethods of human clearance.JPharm Sci，2011，100（10）：4090-4110.

［12］LOMBARDO F，WATERSN J，ARGIKAR U A，et al.Comprehensive assessment of human pharmacokinetic prediction based on in vivo animal pharmacokinetic data，part 2：clearance.JClin Pharmacol，2013，53（2）：178-191.

［13］LOMBARDO F，WATERSN J，ARGIKAR U A，et al.Comprehensive assessment of human pharmacokinetic prediction based on in vivo animal pharmacokinetic data，part1：volume of distribution at steady state.JClin Pharmacol，2013，53（2）：167-177.

［14］JONES R D，JONESH M，ROWLAND M，et al.PhRMA CPCDC initiative on predictive models of human pharmacokinetics，part2：comparative assessment of prediction methods of human volume of distribution.J Pharm Sci，2011，100（10）：4074-4089.

［15］CAIH，STONER C，REDDY A，et al.Evaluation of an integrated in vitro-in silico PBPK（physiologically based pharmacokinetic）model to provide estimates of human bioavailability.Int JPharm，2006，308（1-2）：133-139.

［16］PAIXÃO P，GOUVEIA L F，MORAIS JA G.Prediction of the human oral bioavailability by using in vitro and in silico drug related parameters in a physiologically based absorptionmodel.Int JPharm，2012，429（1-2）：84-98.

［17］AGORAM B，WOLTOSZW S，BOLGERM B.Predicting the impactof physiological and biochemical processes on oral drug bioavailability.Adv Drug Delivery Rev，2001，50（Suppl 1）：S41-S67.

［18］JAMEI M，TURNER D，YANG J，et al.Population-based mechanistic prediction of oral drug absorption.AAPS J，2009，11（2）：225-237.

［19］GIBBS JP.Prediction of exposure-response relationships to support first-in-human study design.AAPS J，2010，12（4）：750-758.

［20］DANHOFM，DE LANGE E C，DELLA PASQUA O E，etal.Mechanism-based pharmacokinetic-pharmacodynamic（PK-PD）modeling in translational drug research.Trends Pharmacol Sci，2008，29：186-191.

［21］SHEINER L B，STANSKID R，VOZEH S，et al.Simultaneous modeling of pharmacokinetics and pharmacodynamics：application to d-tubocurarine.Clin Pharmacol Ther，1979，25：358-371.

［22］DAYNEKA N L，GARG V，JUSKOW J.Comparison of four basic models of indirect pharmacodynamic responses.JPharmacokinet Biopharm，1993，21：457-478.

［23］SHARMA A，JUSKOW J.Characterization of four basic models of indirect pharmacodynamic responses.J Pharmacokinet Biopharm，1996，24：611-635.