毒代动力学（Toxicokinetics, TK）是研究 有毒物质在生物体内的吸收（Absorption）、分布（Distribution）、代谢（Metabolism）和排泄（Excretion）（ADME）过程及其与毒性效应（Toxicodynamics）关系的学科，旨在评估毒物的暴露剂量、体内动态变化及其与毒性的关联性。以下是基于 ICH S3A（毒代动力学研究指南）、OECD 417（化学物质毒代动力学测试准则） 及 FDA 药物开发指南 的系统化研究框架：
一、毒代动力学核心研究内容
| 研究模块 |
核心问题 |
分析方法 |
| 暴露评估 |
毒物进入体内的途径（经口/吸入/皮肤）及生物利用度（BA） |
血浆浓度-时间曲线（AUC）、峰浓度（Cmax） |
| 分布特征 |
组织蓄积（如脂肪、肝脏）、蛋白结合率、血脑屏障穿透性 |
放射性标记示踪（¹⁴C/³H）、LC-MS/MS组织定量 |
| 代谢转化 |
代谢酶（CYP450、UGT）介导的活化/解毒反应、代谢产物毒性 |
体外肝微粒体孵育、重组酶系统 + 高分辨质谱（HRMS） |
| 排泄途径 |
肾排泄（原形/代谢物）、胆汁排泄、半衰期（t₁/₂） |
尿液/粪便收集、质量平衡研究（Mass Balance） |
| 剂量-毒性关系 |
非线性动力学（如饱和代谢）、阈值剂量（NOAEL/LOAEL） |
生理药代动力学模型（PBPK） + 基准剂量法（BMD） |
二、实验设计与技术方法
1. 动物模型与给药方案
- 物种选择：啮齿类（大鼠/小鼠）与非啮齿类（犬/猴），考虑代谢酶种属差异（如CYP2D6）；
- 剂量设置：至少3个剂量组（低、中、高），覆盖毒性剂量（MTD）与无毒性剂量（NOAEL）；
- 采样时间点：密集采样（给药后0.5h、1h、2h、4h、8h、24h）以计算AUC₀→t。
2. 关键参数计算
- AUC（曲线下面积）：梯形法计算毒物总暴露量；
- Cmax（峰值浓度）：直接取自血浆浓度数据；
- t₁/₂（半衰期）：通过末端消除相斜率计算（t₁/₂ = 0.693/λz）；
- Vd（表观分布容积）：Vd = Dose / C₀（反映组织分布广度）；
- CL（清除率）：CL = Dose / AUC（评估代谢与排泄效率）。
3. 体外与计算模型
- 体外代谢：人肝微粒体孵育（评估CYP抑制/诱导）；
- PBPK建模：基于生理参数的跨物种外推（如Simcyp®软件）；
- QSAR预测：定量构效关系模型预测代谢途径与毒性。
三、毒代动力学与毒性关联性分析
| 毒性类型 |
毒代动力学关联指标 |
研究案例 |
| 肝毒性 |
肝脏Cmax与谷胱甘肽（GSH）耗竭速率 |
对乙酰氨基酚（APAP）过量致肝坏死 |
| 肾毒性 |
肾脏AUC与原形药物蓄积量（如顺铂） |
顺铂肾小管损伤与铂-DNA加合物形成 |
| 神经毒性 |
血脑屏障穿透率（LogBB）与脑组织浓度 |
有机磷农药（如对硫磷）抑制乙酰胆碱酯酶 |
| 遗传毒性 |
活性代谢物（如环氧化物）的AUC与DNA损伤标志物（γ-H2AX） |
苯并[a]芘代谢活化致DNA加合物 |
四、法规与行业标准
| 指南/标准 |
核心要求 |
应用场景 |
| ICH S3A |
明确毒代动力学数据在药物非临床安全性评价中的整合要求（如重复给药毒性试验） |
新药开发（IND/NDA阶段） |
| OECD 417 |
规定化学物质毒代动力学测试的标准化流程（单次/多次给药、质量平衡、组织分布） |
工业化学品注册（REACH法规） |
| FDA Redbook 2000 |
食品添加剂与化妆品成分的毒代动力学研究框架（包括跨胎盘/乳汁转移评估） |
食品安全与化妆品备案 |
| EPA OPPTS 870.7485 |
农药毒代动力学测试要求（如皮肤吸收率测定） |
农药登记（FIFRA法规） |
五、挑战与前沿技术
| 挑战 |
解决方案 |
技术/工具 |
| 种属差异外推 |
人源化动物模型（如CYP人源化小鼠） + PBPK/PD模型 |
Simcyp®、GastroPlus® |
| 低剂量长期暴露 |
超灵敏检测技术（如HRMS、加速器质谱AMS） |
Q-TOF（检出限fg级）、¹⁴C-AMS定量 |
| 代谢物毒性评估 |
反应性代谢物捕获（谷胱甘肽陷阱实验） + 高分辨质谱结构鉴定 |
中性丢失扫描（NL）、同位素标记示踪 |
| 复杂毒性机制 |
多组学整合（代谢组学+转录组学+毒代动力学） |
Metabolon平台、通路分析（IPA软件） |
通过毒代动力学研究，可精准评估毒物的安全阈值，指导 临床剂量设置、毒性风险预警 及 解毒策略开发。在环境与职业健康领域，毒代数据是制定 暴露限值（OELs） 的关键依据（如TLV®、PEL）。未来趋势包括 微生理系统（器官芯片） 与 AI驱动的毒性预测模型，以推动更高效、更伦理的毒理学研究。
