肝清除率预测与IVIVE：把体外数据外推到人体清除

药物清除的"主战场"在肝脏

肝脏是药物代谢和清除的核心器官，绝大多数小分子药物的消除都主要经由肝脏完成。对于新药研发而言，尽早预测药物在人体内的肝清除率（CLh），直接关系到给药剂量设计、给药频率安排，乃至候选药物的"去留"。一个代谢过快、半衰期过短的分子，即便体外活性再好，也难以成为好药。因此，如何用体外的实验数据预测人体的肝清除率，是 DMPK（药代动力学）研究的核心命题之一。

IVIVE：从"体外"到"体内"的桥梁

体外-体内外推（in vitro-in vivo extrapolation，简称 IVIVE）正是解决这一命题的方法论框架。它的基本思路是：先在体外用肝细胞或肝微粒体测定药物的代谢清除能力，得到"内在清除率"（CLint，代表肝脏在没有血流量限制时的代谢能力），再通过生理模型，把这个体外参数"翻译"成体内可观察的肝清除率。

具体的实验通常这样做：将药物与原代肝细胞或人肝微粒体共孵育，监测药物浓度随时间的下降，拟合出消除速率，进而算出 CLint。原代肝细胞保留了完整的转运体和代谢酶体系，是预测肝清除的金标准之一；肝微粒体则适合高通量、机制清晰的代谢稳定性评价。

生理模型：把流量与结合"算进去"

有了 CLint，还需要用生理模型把它外推到体内。经典的是"充分搅拌模型"（well-stirred model）：它把肝脏看作一个充分混合的反应器，肝清除率由肝血流量（Qh）、游离药物分数（fu）和内在清除率三者共同决定。当 CLint 远小于肝血流量时，清除受"代谢能力"限制；当 CLint 接近或超过肝血流量时，清除受"血流灌注"限制，此时药物被肝脏"一次通过"就能清除大部分。

这里有两个关键校正参数不容忽视：一是血浆蛋白结合（fu）——只有游离药物才能被代谢，蛋白结合率高的药物其游离清除率会被显著压低；二是血液/血浆分配比——它影响全血与血浆中药物浓度的换算。忽略了这两点，外推结果会严重失真。

外推的难点与局限

IVIVE 虽然强大，但并非万能。低清除率药物（CLint 很小）的外推误差通常较大，因为微小的实验误差会被模型放大；转运体介导的清除（如 OATP 主动摄取）会打破"代谢即清除"的假设，需要额外的转运体实验来补充；此外，非线性动力学、酶诱导/抑制等因素也会让简单外推失真。因此，成熟的肝清除预测往往是"体外代谢 + 生理模型 + 机制性校正"的组合拳，必要时还要结合动物体内数据和生理药代动力学（PBPK）建模来交叉验证。

肝清除率预测与 IVIVE 的价值，在于用相对低成本的体外实验，在研发早期就"看清"药物在人体内的消除命运，为候选化合物的筛选和首次人体试验的剂量设计提供关键依据。这也是 DMPK 平台对药企实在的赋能之一。

在实际项目中，肝清除率预测往往不是一次性的"算个数"，而是一个随研发推进不断细化的迭代过程。早期阶段，用肝微粒体或肝细胞的快速测定做粗筛，先淘汰清除过快、暴露不足的分子；进入先导优化后，结合转运体实验、酶表型鉴定（reaction phenotyping）厘清清除的主导机制，判断是否存在转运体-代谢的协同或饱和；到了临床前阶段，再引入生理药代动力学（PBPK）模型，把体外数据与动物体内数据整合，为首次人体剂量和给药方案提供更稳健的预测。层层递进之下，一个可靠的肝清除率预测，往往能显著降低临床早期因药代动力学不合适而失败的代价。