血浆蛋白结合率是否适合作为首要优化参数

前言

依据游离药物假说的基本内容，只有游离态的药物才能发挥药物浓度基本已经形成共识，在药物发现阶段我们是否可以通过结构修饰增加药物的游离比例（fraction of unbound, fu）来达到增加游离药物浓度的目标？理解该问题有利于早期化合物的高效筛选，避免陷入迷宫。常规情况下，从DMPK的角度来看，血浆蛋白结合率（plasma protein binding, PPB）不适合作为主要的筛选指标，因为同时有理论认为只有游离态药物才能被清除。下文将就这一问题从理论分析和实验数据两个角度进行阐述，以期助于大家理解PPB的合理运用。

1 理论分析

基于游离药物才能发挥药效的理论，我们可以已基本确定我们药物发现阶段的最终目标是拿到有合适的Cu或AUCu的化合物。一般Cu和AUCu 用下式表示：

Cu=fu*C

AUCu=AUC*fu，

大多药物的PK/PD关系为AUCu驱动，后文我们将以口服药物的AUCu的计算为例进行解读。下式为AUC和AUCu计算方法，。

AUC=Dose*F/CL

AUCu= fu*Dose*F/CL

同时基于只有游离药物浓度才能被清除的理论，假设药物的清除主要依赖肝脏代谢，依据well-stirred模型，假设药物吸收良好，吸收比例分数Fa=1，无肠道代谢，则CL和F则可换算为下式，。

CL=Q*fu*Clint/(Q+fu*Clint)，

F=1-ER=1-CL/Q= Q /(Q+fu*Clint)

此处Q为肝血流速率，Clint为固有清除率；将CL和F的换算值带入方程AUC=Dose*F/CL和AUCu= fu*Dose*F/CL中，即可得：

AUC=Dose/fu/Clint

AUCu= Dose/Clint

到这里就可以发现虽然AUC与fu有着相反的关系，但是AUCu与fu 半毛钱关系没有，仅与Clint有关，Clint反映的正是化合物的代谢稳定性，这也就是代谢稳定性能够经常作为T1级别的筛选指标的原因。如果把fu 作为主要的筛选指标，你会发现fu高了，Clint不变基础上，AUC确实会高了，但是在代谢稳定性和吸收没改善的同时，AUCu可能一直没怎么变化，就会陷入魔力的转圈当中。

2

实验数据

最直观的数据就是统计上市药物的PPB情况，尝试找找PPB与各个PK参数的关联性，以理解PPB的作用。下图为Goodman & Gilman’s 统计的上市260个药物的fu值分布情况，可以发现fu的值与其是否能成功开发没有必然的联系，各类结合性质的药物均有成功案例。

下图为药物脂溶性clogP与fu的关系，各类性质的化合物整体呈现clogP越大，fu越小的关系。

下图为药物脂溶性clogP与CLint的关系，各类性质的化合物整体呈现clogP越大，CLint越大的关系。

下图为药物fu与系统清除率CL的关系，从统计数据来看两者没有明显的关联性。

下图为药物fu与表观分布容积Vss的关系，从统计数据来看两者亦没有明显的关联性。

3 组织蛋白结合率对组织游离药物浓度的影响

理想情况下，没有转运体的影响，我们认为血浆游离药物浓度与组织游离药物浓度是相等的，这也是为什么即使靶点在组织，仍然可以用血浆PK来进行化合物研究的理论基础。由于血脑屏障的特殊性，通常我们会将重心关注在脑组织的PK，下文将以CNS药物为例阐述组织游离药物比例的意义。

Cu,brain=Kp,uu*Cu,plasma

Kp,uu反映的是化合物穿透组织屏障的能力，在有外排转运体作用的时候其值会小于1 ，在完全被动扩散的情况下其值接近于1，在摄入转运体作用下其值会高于1。前文我们也阐明了改善fu并不能直接改善Cu,plasma，这里从Kp,uu定义来看同样fu的改善亦对其无直接影响。同样也反映出把fu作为评判化合物优劣的主要指标亦是不可取的，反而对于CNS药物而言，在达到一定Cu,plasma的前提下，Kp,uu的值显得

很重要，即避免化合物成为BBB外排转运体的底物。下图为32个CNS 药物mouse脑组织游离比例统计情况，亦可以看出仍然有很多高结合特点的成功药物。

小结

至此，上文简要的描述了为什么一般情况下PPB不作为主要优化参数的原因，但是这并不意味着PPB不重要，或者说PPB我们就可以不关注了。PPB仍然是进行化合物体内体外性质关联，PK/PD性质关联等方面的重要参数，只是说我们不要仅仅只关注PPB本身，最终具有决定性的因素不在于fu，而是Cu或AUCu。当然也存在开发的个例，发现PPB对其最终的开发目标有直接影响，亦可将其作为筛选的主要指标，以上均为一般情况，各类特殊情况结合实际操作。

References:

1 Liu X , Wright M , Hop C E C A . Rational use of plasma protein and tissue binding data in drug design.[J]. Journal of Medicinal Chemistry, 2014, 57(20):8238-48.

2 Liu X , Chen C , Hop C E C A . Do We Need to Optimize Plasma Protein and Tissue Binding in Drug Discovery?[J]. Current Topics in Medicinal Chemistry, 2011, 11(4):-.

3 Thanga M T , Sandhya M , Punit M . Insight into Tissue Unbound Concentration: Utility in Drug Discovery and Development[J]. Current Drug Metabolism, 2013, 14(3):-.