摘要
这篇文章讨论的是一个我觉得在 AI/ML 药物发现里会越来越重要的问题：当 PBPK 模型被前移到虚拟筛选阶段，而输入参数主要来自 QSAR/ML 预测时，组织暴露预测到底还能不能信。作者把这个问题称为 deep epistemic uncertainty：不是简单的参数置信区间，而是输入参数不确定、模型结构假设也不确定，并且很多虚拟化合物没有实验数据可以校正。
论文的主结论很清楚：用实测参数验证时，几个 PBPK 模型看起来都有相近的总体 fidelity；但一旦引入类似 QSAR 预测误差的参数扰动，模型之间的预测变异会在特定化学空间里被显著放大。尤其是更亲脂、更易质子化的分子，容易让不同组织分配假设产生分歧。对早期虚拟筛选来说，这提醒我们：不能只看名义预测准不准，还要看模型在输入误差下是否稳定。
引言
PBPK 在临床开发后期已经很常见，例如剂量优化、DDI、特殊人群外推等。这些场景的特点是：候选药物已经存在，很多参数可以实测，模型也能和实际 PK 数据来回校准。
但在 AI-driven drug discovery 或虚拟筛选里，事情变了。候选分子可能还没有合成，logD、pKa、fu、CLint 等 PBPK 输入参数只能靠 QSAR/ML 模型预测。这就带来两层不确定性：第一，PBPK 模型本身对组织分配、脂质/蛋白结合、离子化状态的抽象可能不适合所有化学空间；第二，输入参数本身有预测误差。作者的问题不是“PBPK 是否有用”，而是更尖锐的：在这种深层不确定性下，PBPK 预测还能不能为早期排序和决策提供信息。
研究方法
作者比较了四个 PBPK 模型：一个作者自己的改良模型，基于 Rodgers & Rowland-Lukacova 框架；一个 Mathew 等报道的 R&R-Lukacova 模型；以及 Pearce 等报道的 Schmitt-based 模型的校准版和未校准版。这些模型的核心差异集中在 tissue-plasma partitioning，也就是组织-血浆分配系数相关假设。
第一步是模型 fidelity 验证。作者用已知药物的实测数据评价 Kp 和 Vss 预测，共涉及1,854 个实验数据点。这一步的目的不是直接做虚拟筛选，而是先确认模型在“输入参数已知”的情况下是否具备基本预测能力。
第二步才是文章真正关心的部分。作者生成了10,000 个 pseudomolecules，其分子属性来自 Obach 数据集的相关随机采样，包括 RMM、fu、CLint、logD、donor pKa、acceptor pKa。然后按文献中 QSAR/property prediction 模型的典型 mean absolute error 注入参数扰动，例如 logD 的 MAE 约为 0.467，pKa 约为 0.42，CLint 的 log 尺度误差约为 0.25。
每个 pseudomolecule 在每个 PBPK 模型下做 1,000 次 Monte Carlo，输出 Vss、Cmax,u、AUCu 和 T>0.1 uM 等指标。这里的动态 PK 结果聚焦在肌肉细胞内未结合浓度，因为这比单纯 plasma exposure 更接近组织暴露问题。
模型 fidelity 与输入不确定性
在实测输入参数条件下，几个模型对 Kp 和 Vss 的总体表现并没有出现“一个模型绝对胜出”的情况。作者指出，虽然具体组织和离子类别下存在差异，但模型框架的选择本身不是决定 credibility 的唯一因素。这句话很重要，因为它说明如果只看总体验证指标，很容易低估模型在虚拟化合物空间中的风险。
引入参数不确定性后，故事开始变化。摘要里最抓人的数字是：在参数不确定性下，不同分子属性和模型选择组合导致预测 PK 统计量的 coefficient of variation 从 10^-6 到 31 都可能出现。也就是说，一些区域的预测几乎很稳定，另一些区域则完全不稳。
Pearce 模型的校准很有意思。校准可以限制 Vss 预测的扩散，使未校准 Pearce 模型中过大的预测方差被压下来；但作者也提醒，校准可能带来另一种问题：它会降低模型在药物样化学空间里的灵活性，让模型对某些化学属性变化的响应被“压平”。
结果
作者用 Wasserstein distance 比较不同模型在参数扰动下生成的预测分布，再用聚类把 10,000 个 pseudomolecules 分成两类。结果很直观：751 个分子（7.5%）属于高模型分歧区域，9,249 个分子（92.5%）在模型之间基本一致。
高分歧区域的化学特征很明确：这些分子更亲脂，且更容易质子化。Cluster 1 由碱性分子和两性离子组成，其中 bases 占 78%，zwitterions 占 22%；相比 Cluster 2，Cluster 1 的 logD 和 acceptor pKa 都有较大效应量差异。作者进一步把 Obach 真实药物映射回这个空间，发现 862 个 Obach 化合物中有 240 个（28%）映射到高分歧 cluster。
模型分歧最明显的地方是 Mathew 模型。对于 Cluster 1，Mathew 模型在 Vss、Cmax,u 和 T>0.1 uM 上常常是主要 outlier。作者把原因追到模型结构：Mathew 模型使用 logP 而不是 logD 来处理脂质分配，并且对酸性磷脂结合、离子化状态和亲脂性的交互做了不同抽象。对于高度质子化且亲脂的分子，这些假设会被放大，导致预测分布和其他模型拉开。
敏感性分析
作者做了 Sobol global sensitivity analysis，而且特别处理了输入参数之间的相关性。这个细节很重要，因为真实药物属性不是独立的，比如文中提到 logD 和 fu 的相关性较强，logD 和 donor pKa 也有相关性。如果把这些参数当成互相独立，敏感性解释会偏。
结果显示，Vss 的变异通常与 logD 和 pKa 有关，但不同模型把这种影响“归因”到不同路径。对 Mathew 模型来说，Vss 变异几乎完全来自参数交互，而不是某个参数的一阶主效应。这带来一个很实际的后果：如果模型变异主要来自参数交互，提高某一个 QSAR 参数的精度并不能有效降低 PBPK 输出不确定性。
对 Pearce 模型，校准会降低 logD 的影响、增加 fu 的影响，并改变 hepatic metabolism 在动态 PK 统计量中的重要性。作者的解释很有启发：对于高度亲脂分子，校准可能减少脂肪组织 hold-up、增加肝组织暴露，从而让 CLint 对 AUCu 和 T>0.1 uM 更有影响。
快速对照表
| 问题 | 论文发现 | 我的理解 |
|---|---|---|
| PBPK 能否用于虚拟筛选 | 可以提供组织暴露层面的 mechanistic projection，但会受到深层不确定性限制 | 不是不能用，而是必须配套不确定性传播和模型分歧分析 |
| 只看模型 fidelity 是否足够 | 不够。实测输入下表现相近的模型，在 QSAR 误差下可能分歧很大 | nominal validation 只能说明一部分问题 |
| 哪些分子最容易出问题 | 更亲脂、更易质子化的分子，尤其 bases 和 zwitterions | 早筛时要给这类化学空间打风险标签 |
| 模型校准是否总是好事 | Pearce 校准降低某些预测方差，但也可能限制模型灵活性 | 校准提高局部表现，不代表外推一定更可靠 |
| 改进 QSAR 参数精度是否一定有效 | 不一定。若输出变异来自参数交互，单一参数精度提升作用有限 | 要先看敏感性结构，再决定该优化哪个 property model |
讨论
我觉得这篇文章最有价值的地方，是它把“AI-PBPK/ML-informed PBPK”从概念热词拉回到了可检验的问题上。很多时候我们会说，把 QSAR 接到 PBPK，就能从结构预测人体 PK；但这篇文章提醒我们：中间每一步都可能把不确定性放大，尤其是组织分配模型里的结构假设。
这也解释了为什么后期开发中很有用的 PBPK，不一定能直接平移到早期虚拟筛选。后期 PBPK 的强项是可以拿实测参数和临床/非临床数据不断约束模型；早筛 PBPK 的困难则是参数和结构都没完全约束，却还想比较大量虚拟候选物。两者不是同一个证据环境。
我也很喜欢作者对“模型校准”的克制态度。校准不是坏事，但校准可能让模型在训练过的药物样空间里更稳定，同时在新化学空间里变得不够灵活。换句话说，校准提高了某种平均表现，但不自动等于更好的 extrapolation。
结论
如果用一句话概括这篇论文，我会写成：ML-informed PBPK 的核心风险不是模型平均误差，而是参数误差和结构假设在特定化学空间里共同触发的预测变异。
对早期药物发现来说，这篇文章的启发是：PBPK 可以进入虚拟筛选，但它不应该只输出一个排序或一个暴露值。更合理的做法是同时输出：预测分布、模型间一致性、敏感性来源、以及哪些化学空间属于高不确定性区域。只有这样，PBPK 才更像一个决策工具，而不是一个看起来很 mechanistic 的黑箱。
我的几点启发
1. 早筛 PBPK 要先问“不确定性会不会改变排序”。 如果参数扰动后模型之间仍然一致，预测才更适合支持 prioritization。
2. 化学空间标签比全局平均误差更有用。 对亲脂、易质子化分子，应默认提高警惕，因为这类分子更容易触发模型结构分歧。
3. 敏感性分析要考虑参数相关性。 logD、fu、pKa 之间的相关结构会改变 Sobol 指数的解释，不宜简单按独立参数理解。
4. 改进 QSAR 不是越多越好，而是要找真正能降低 PBPK 输出变异的参数。 如果变异来自交互项，单点优化可能并不划算。
原文信息
Prediction variability in physiologically based pharmacokinetic modeling of tissue disposition under deep uncertainty，Mustafa Farahat, D. T. Flaherty, Zachary R. Fox, Belinda S. Akpa，npj Systems Biology and Applications，Article in Press，2026。DOI：10.1038/s41540-026-00739-7。代码和数据地址：MADBioLab/PBPKPredictionVariability。
