Kp,uu,brain 怎么改变 CNS 药物发现：别再只看总脑浓度

摘要

这篇文章讲的是 CNS 药物发现里一个非常关键的暴露参数：K_p,uu,brain，也就是未结合脑-血浆分配系数。它关心的不是药物进脑总量有多少，而是脑内未结合浓度相对于血浆未结合浓度到底是多少。

作者不是单纯写概念综述，而是组织了欧美多家制药公司的行业调查。问卷包含 47 个问题，覆盖公司背景、K_p,uu,brain 的实施、应用场景、方法学、组合影响和未来方向。最终得到 14 家公司回复，其中 13 家是大型制药公司。

最核心的结果是：93% 的公司已经在跨学科层面对 K_p,uu,brain 的意义形成共同理解，79% 的回复者认为它对项目组合的影响是 game-changing。这说明 K_p,uu,brain 已经从一个 neuroPK 参数，变成 CNS 项目能不能继续推进、如何预测剂量、如何解释疗效和安全性的决策工具。

引言

传统 CNS 暴露判断很容易被 total brain concentration 误导。总脑浓度包含组织结合、细胞内外分布、血液残留等成分，并不等于靶点附近真正可以发挥作用的游离药物浓度。文章强调，药效驱动者通常是作用部位的未结合浓度，而不是总浓度。

K_p,uu,brain 可以理解成一个连接 plasma exposure 与 brain biophase exposure 的比例：

K_p,uu,brain = C_u,brain / C_u,plasma

如果 K_p,uu,brain 接近 1，说明血脑屏障两侧未结合浓度比较接近；如果明显低于 1，就要怀疑 BBB efflux、低通透性或其他限制因素；如果高于 1，则可能涉及主动摄取或脑组织内特殊分布过程。

研究方法

这篇文章的“实验”不是重新测一批化合物，而是做行业实践调查。作者群来自多家制药公司的 DMPK、translational PK/PD、CNS 药物开发等团队，问卷在 2021 年 9 月到 10 月期间收集，问题分成六类：公司背景、实施情况、应用领域、方法学、影响和未来展望。

回复者主要来自 DMPK 部门，但回答时也整合了 medicinal chemistry、neurology、biosciences 等相关团队的意见。这点很重要，因为 K_p,uu,brain 的价值本来就不是只给 DMPK 看，而是要被项目团队用于化合物选择、PK/PD 解释、治疗剂量预测和 CNS 安全性判断。

K_p,uu,brain 改变了什么

文章把 K_p,uu,brain 的行业采用描述成一个 bottom-up 的变化。它不是由公司管理层统一下命令推行，而是由项目科学家不断用案例证明：只看 total brain 或 total plasma exposure 会误判 CNS 药物的真实暴露。

到 2015 年，63% 的公司已经把这个概念嵌入项目团队。目前 57% 的回复公司表示 K_p,uu,brain 的实施和整合程度超过 80%。这说明它已经不是少数专家的技术兴趣，而是逐渐进入常规项目判断。

文章列出的主要推动因素很值得记：37% 来自药理学和 PK 研究中对科学严谨性的整体提升，33% 来自解释疗效 PK driver 的困难，23% 来自意外 CNS 副作用。换句话说，K_p,uu,brain 被接受，是因为它能回答项目中真正让人头疼的问题。

应用场景

从行业调查看，K_p,uu,brain 最常见的用途不是孤立地报告一个数字，而是把 plasma PK、靶点效力和脑内未结合暴露串起来。

12/14 公司把 neuroPK profiling 用于 efficacy 角度的化合物筛选，例如决定哪些化合物值得进入资源消耗更大的 in vivo pharmacology study。13/14 公司用它定义 CNS effect 的 PK/PD 关系或预测治疗剂量。多数公司还会直接把 K_p,uu,brain 数值用于 therapeutic dose prediction。

这里有一个很实用的判断：中等 K_p,uu,brain 不一定等于失败。如果化合物 potency 很强、人体 PK 预测良好，并且安全窗允许，即使 K_p,uu,brain 只有 0.2，也可能通过足够的未结合脑浓度达到 target coverage。也就是说，K_p,uu,brain 要和 potency、PK、PD、安全性一起看。

方法学工具箱

真正直接测量 brain ISF 与 plasma 中未结合浓度的方法是脑微透析，因此它常被视为 gold reference standard。但微透析成本高、技术要求高、通量低，所以在工业项目里很难大规模常规使用。调查中只有 2 家公司使用脑微透析，说明大家普遍依赖间接但可扩展的方法。

最常见策略是先测 total brain/plasma exposure，再用 plasma binding 和 brain tissue binding 校正得到未结合暴露。文章提到，12/14 公司使用 high-throughput equilibrium dialysis 的 brain homogenate 方法来评估脑组织结合和 uptake；brain slice assay 更能保留组织结构和细胞摄取信息，但操作更费力，只有少数公司使用。

另外，所有回复者都认为，只要把体内测得的 K_p,uu,brain 与 in vitro assay 可靠关联起来，就可以用 P-gp、BCRP 等转运体模型高效筛选和排序化合物。这里我觉得很关键：K_p,uu,brain 的价值不只是单次测量，而是用来校准更高通量的筛选体系。

组合影响

Fig. 5 是这篇文章最有“行业感”的结果。11/14 回复者认为 K_p,uu,brain 的实施已经产生 game-changing 影响；13/14 认为它帮助更合适地选择化合物进入后续阶段；12/14 认为它改善了 PK/PD 关系理解；10/14 认为它直接影响治疗剂量估计。

这几个数字说明，K_p,uu,brain 已经从 DMPK 参数变成项目沟通语言。它可以把 medicinal chemistry 的结构优化、DMPK 的暴露测量、pharmacology 的靶点覆盖、安全性团队的 CNS off-target 风险，以及 clinical pharmacology 的剂量预测连接起来。

快速对照表

讨论

我觉得这篇文章最值得学习的地方，是它把 K_p,uu,brain 从一个公式变成了项目决策逻辑。以前看 CNS 暴露时，容易问“脑浓度高不高”；读完这篇更应该问：脑内未结合浓度是否足够覆盖靶点，是否和 PK/PD 关系一致，是否还能解释 CNS 安全性。

它也提醒我不要把 K_p,uu,brain 当成单一 go/no-go 阈值。一个低 K_p,uu,brain 化合物如果效力足够强、外周安全性好、人体 PK 支持足够暴露，仍可能推进；一个高 total brain concentration 的化合物如果主要是组织结合，也未必有真实 CNS 靶点覆盖。

未来挑战主要在转化。文章提到的缺口包括：人脑 K_p,uu,brain 数据不足、跨物种 BBB transporter 表达差异、疾病状态下 BBB 和 CSF 暴露关系、large molecules 的概念扩展，以及 translational PBPK models 的推进。对我来说，这意味着 CNS 项目会越来越需要把 K_p,uu,brain、PET、CSF、PBPK 和 PK/PD 放在一起解释。

结论

如果把这篇文章压缩成一句话，我会写成：K_p,uu,brain 是把 CNS 药物“进没进脑”转换成“脑内游离浓度够不够、能不能解释疗效和安全性”的关键参数。

它不是一个孤立 DMPK 数字，而是连接化合物设计、转运体筛选、组织结合、PK/PD、剂量预测和临床转化的桥。真正的项目价值不在于追求一个“完美”的 K_p,uu,brain，而在于用它更早看清 CNS 暴露是否支持目标产品画像。

我的几点启发

1. CNS 暴露要从 total concentration 切换到 unbound concentration。 总脑浓度高，不代表靶点附近的游离浓度高。

2. K_p,uu,brain 应该和 potency 一起看。 中等 K_p,uu,brain 配合很强 potency，仍可能达到有效 target coverage。

3. 方法学要服务于项目阶段。 早期可以用高通量 binding 和 transporter assay 筛选，关键转化问题再用更复杂方法验证。

4. CSF 不是万能替代物。 它能否代表 brain ISF exposure 取决于化合物通透性、efflux 和采样位置。

5. CNS PBPK 的下一步价值很大。 它可以把 K_p,uu,brain、BBB transport、CSF、PET 和人群转化纳入同一套定量解释框架。