今天在生信技能树看到新叶老师分享一本书：《Python Essentials for Biomedical Data Analysis: An Introductory Textbook》，这本书 从Python基础知识到生物医学应用全程指导，为数据分析奠定坚实基础，专为寻求Python编程入门指南的生物医学专业学生量身打造，包含实用示例代码。

python我们之前学过了，也做了scRNA的文章复现。

这次我们只学习其中一个章节。

药代动力学（PK）与药效动力学（PD）是药物研发中的核心概念，用于描述药物在体内的动态过程及其对生物系统的作用。PK 关注药物的吸收、分布、代谢、排泄（ADME）过程，而 PD 研究药物浓度与其治疗效应或毒性效应之间的关系。理解这些内容有助于优化给药方案、预测治疗效果并减少不良反应。目前已有多种 Python 工具被广泛用于 PK/PD 数据的建模与分析，本章将系统介绍基于 Python 的 PK/PD 分析方法。

学习目标

本章将概述药代动力学与药效动力学的核心内容，包括药物吸收、分布、代谢、排泄的关键机制以及量效关系。学员将掌握使用 Python 构建 PK/PD 模型、模拟药物体内行为及分析药理数据的基础技能。同时，本章将强调 PK/PD 建模在药物研发与临床实践中的重要价值。

11.1 药代动力学与药效动力学

药代动力学（PK）与药效动力学（PD）是两个相互关联的学科，共同描述药物与人体的相互作用，是理解药物从给药到产生治疗或不良反应全过程的理论基础 [1]。

• 药代动力学（PK）：研究药物在体内的转运过程，包括吸收、分布、代谢和排泄（ADME）。这些过程决定了药物在血液和组织中随时间变化的浓度，是优化给药方案、降低毒性的关键依据。
• 药效动力学（PD）：研究药物在作用部位产生的生物学效应，通常表现为药物浓度与药理效应之间的关系
• 给药途径：口服、静脉注射、肌内注射、皮下注射、经皮给药、吸入给药等，不同途径吸收特点差异显著。例如口服方便但吸收易受胃肠道 pH、食物等影响；静脉注射直接入血，吸收迅速且完全；经皮贴剂可实现缓慢、持续吸收。
• 药物理化性质：溶解度、分子大小、解离状态、亲脂性等，会影响药物穿透生物膜的能力。
• 制剂因素：片剂、胶囊、混悬液、缓释制剂等剂型设计，会影响吸收速度与程度。
• 生理因素：吸收部位血流量、胃排空时间、肠道蠕动及其他物质的存在等，均会影响吸收效率。

2）分布

分布是药物进入体循环后，在全身体液与组织中的扩散过程，受多重关键因素影响 [4]。

• 血流丰富的器官（肝、肾、脑）通常药物分布更快、浓度更高；
• 药物可与白蛋白等血浆蛋白可逆结合，结合型药物暂不具活性，可作为缓慢释放的储库；
• 部分药物因组织亲和力，可在脂肪、骨等特定组织中蓄积，影响作用持续时间与强度；
• 血脑屏障等生理屏障会限制药物进入，只有亲脂性足够高或具备特定转运体介导的药物才能透过；
• 药物自身性质同样决定分布特征：脂溶性药物分布更广，可进入细胞内，而水溶性药物分布范围更局限。

3）代谢

代谢是机体对药物进行化学结构改造的过程，主要发生在肝脏，由酶促反应介导，肾、肠等器官也参与代谢 [5]。药物代谢的主要目的：

• 将亲脂性药物转化为亲水性更强的代谢物，便于经肾脏排泄；
• 使药物灭活，降低或消除药理活性（部分代谢产物仍具活性甚至毒性）。

代谢反应分为两相：

• Ⅰ 相反应：氧化、还原、水解，由细胞色素 P450 酶系主导，暴露或引入药物分子的官能团；
• Ⅱ 相反应：结合反应，药物或 Ⅰ 相代谢物与内源性物质（葡萄糖醛酸、硫酸、甘氨酸等）结合，形成水溶性更高的结合物 [6,7]。

影响代谢的因素：

• 基因多态性：CYP450 等同工酶的遗传差异导致个体代谢速度不同；
• 年龄与性别：新生儿与老年人酶活性较低，激素差异也会影响代谢；
• 疾病状态：肝炎、肝硬化等可显著降低代谢能力；
• 药物相互作用：合用药物可诱导或抑制代谢酶，改变其他药物代谢（如利福平为酶诱导剂，酮康唑为酶抑制剂）。

4）排泄

排泄是药物及其代谢物从体内清除的过程，主要途径包括 [8]：

• 肾脏排泄：最主要途径，包括肾小球滤过、肾小管主动分泌、被动重吸收 [9]。尿液 pH、肾功能水平直接影响排泄速度。
• 胆汁排泄：药物经肝脏分泌入胆汁，随粪便排出；部分药物可发生肠肝循环，被肠道菌群解离后重吸收，延长体内停留时间 [10]。
• 其他途径：肺呼出挥发性药物，以及经汗液、唾液、泪液、乳汁排泄，对哺乳期用药安全具有重要临床意义。

排泄功能受损（肾衰、肝功不全）会导致药物蓄积并引发毒性，这类患者通常需要调整给药剂量以降低不良反应风险。

11.1.2 药效动力学

药效动力学是药理学的一个分支，研究药物对机体产生的生物化学与生理学效应，以及药物在分子和细胞水平的作用机制 [11]。它主要阐述药物如何与靶点结合（通常是受体、酶、离子通道或转运蛋白），进而产生治疗效果或不良反应。理解药效动力学有助于优化药物治疗方案、预测治疗效果、减少不良反应。

药物 - 受体相互作用

大多数药物通过与特异性受体结合发挥作用。受体是位于细胞表面或细胞内的蛋白质，可识别并响应生长因子、激素或神经递质等内源性物质 [12,13]。药物与受体结合后，可产生以下作用：

• 激动剂：模拟内源性配体的作用，激活受体产生生物学效应；
• 拮抗剂：阻断内源性配体与受体的结合，不产生效应；
• 部分激动剂：具有一定激动活性，但产生的效应弱于完全激动剂；
• 反向激动剂：结合受体后产生与激动剂相反的效应。

效能是指药物可产生的最大效应，与剂量无关；高效能药物与受体结合后即可引发强烈生物学反应 [14]。效价强度则表示药物产生特定效应所需的剂量，效价越高，达到相同效应所需的药物浓度越低。

解释药物 - 受体相互作用的经典理论包括：

• 锁钥模型：药物（钥匙）与受体（锁）结构精确互补，结合特异性极高；
• 诱导契合模型：药物结合会诱导受体蛋白发生构象改变，增强结合亲和力 [15]。

剂量 - 效应关系

剂量 - 效应关系描述药物效应强度随药物浓度或剂量变化的规律，用于区分治疗效应与毒性效应，并确定最佳给药方案[16]。

• 量反应剂量 - 效应曲线：表示单一生物单位（器官、受体、细胞）对不同剂量药物的反应，典型呈S 形曲线，分为三个阶段：
1. 亚治疗阶段（无明显效应）；
2. 治疗阶段（效应随剂量升高而增强）；
3. 平台期（达到最大效应，剂量继续升高效应不再增强） [17]。
• 质反应剂量 - 效应曲线：表示群体中不同个体对药物剂量的反应分布，用于确定某一百分比群体达到特定效应的剂量 [18]。

关键参数包括：

• 阈剂量：产生可测量效应所需的最小剂量；
• 封顶效应：超过该剂量后效应不再继续增强；
• 曲线斜率：反映效应随剂量变化的响应灵敏度。

关键药效动力学参数

核心参数包括半数有效浓度（EC₅₀）、最大效应（Emax）、治疗窗和治疗指数。

• EC₅₀：产生 50% 最大效应所需的药物浓度，用于比较作用于同一受体的不同药物的效价强度。
• Emax：药物可产生的最大效应强度，反映药物的效能。效能相同（Emax 相同）但 EC₅₀不同的药物，最大效应相同但效价强度不同。
• 治疗窗：药物最低有效浓度（MEC）与最低中毒浓度（MTC）之间的浓度范围。药物浓度维持在此范围内可最大化疗效、最小化毒性风险。
• 治疗指数（TI）：药物中毒剂量与有效剂量的比值，用于评估药物安全性。计算公式：TI = TD₅₀ / ED₅₀其中：
• TD₅₀：50% 群体发生毒性反应的剂量；
• ED₅₀：50% 群体达到预期治疗效应的剂量。

治疗指数越高，药物安全范围越宽，有效剂量与中毒剂量差距越大；治疗指数低的药物（如地高辛、华法林）需要严格控制剂量并监测血药浓度[19]。

药效动力学模型

药效动力学模型用于描述作用部位药物浓度与效应强度之间的定量关系，帮助预测药物效应的时间过程与强度，优化给药方案。

• 线性模型：假设药物浓度与效应呈直接正比关系，适用于效应随浓度线性变化的药物。
• Emax 模型：最常用的经典模型，描述效应随浓度升高逐渐趋近最大值（Emax），呈双曲线关系 [20]。

影响药效动力学的因素

多种因素可改变药物的药效动力学特性，影响疗效与安全性：

• 年龄：儿童因受体敏感性与表达水平不同需要调整剂量；老年人因受体功能发生增龄性改变，药物反应通常减弱。
• 疾病状态：肝肾功能不全、重症疾病等会改变受体敏感性或表达水平，影响药物效应。
• 遗传变异：药物基因组学研究表明，编码受体或下游信号蛋白的基因差异会显著影响药物疗效与个体反应 [22]。
• 药物相互作用：
• 协同作用：两药合用效应相互增强；
• 拮抗作用：一药减弱另一药的效应；长期用药可导致耐受性（受体脱敏）或致敏性，改变药物效应强度。
• 耐受性与快速耐受性：
• 耐受性：长期用药后效应逐渐减弱，需要更高剂量才能达到相同效果；
• 快速耐受性：短时间内反复给药后效应迅速下降。

References

1. Gallo JM. Pharmacokinetic/pharmacodynamic-driven drug development. Mt Sinai J Med. 2010;77(4):381–8.2. Fan J, de Lannoy IA. Pharmacokinetics. Biochem Pharmacol. 2014;87(1):93–120.3. Jollow DJ, Brodie BB. Mechanisms of drug absorption and of drug solution pharmacology. 1972;8(1):21–32. https://doi.org/10.1159/000136324                                                                                                                                                                                                                        .4. Onetto AJ, Sharif S. Drug distribution. 2023 Jun 26. In: StatPearls [Internet]. Treasure Island: StatPearls Publishing; 2025. PMID: 33620813                                                                                                                                                                                                                        .5. Susa ST, Hussain A, Preuss CV. Drug metabolism. 2023 Aug 17. In: StatPearls [Internet]. Treasure Island: StatPearls Publishing; 2025. PMID: 28723052                                                                                                                                                                                                                        .6. Zhao M, Ma J, Li M, Zhang Y, Jiang B, Zhao X, Huai C, Shen L, Zhang N, He L, Qin S. Cytochrome P450 enzymes and drug metabolism in humans. Int J Mol Sci. 2021;22(23):12808. https://doi.org/10.3390/ijms222312808                                                                                                                                                                                                                        .7. Hossam Abdelmonem B, Abdelaal NM, Anwer EKE, Rashwan AA, Hussein MA, Ahmed YF, Khashana R, Hanna MM, Abdelnaser A. Decoding the role of CYP450 enzymes in metabolism and disease: a comprehensive review. Biomedicines. 2024;12(7):1467. https://doi.org/10.3390/biomedicines12071467                                                                                                                                                                                                                        .8. Garza AZ, Park SB, Kocz R. Drug elimination. 2023 Jul 4. In: StatPearls [Internet]. Treasure Island: StatPearls Publishing; 2025. PMID: 31613442                                                                                                                                                                                                                        .9. Bardal SK, Waechter JE, Martin DS. Chapter 2 - Pharmacokinetics. In: Applied pharmacology; 2011. p. 17–34., ISBN 9781437703108. https://doi.org/10.1016/B978-1-4377-0310-8.00002-6                                                                                                                                                                                                                        .10. Dawson PA, Shneider BL, Hofmann AF. Bile formation and the enterohepatic circulation, physiology of the gastrointestinal tract. 4th ed. Academic Press; 2006. p. 1437–62., ISBN 9780120883943. https://doi.org/10.1016/B978-012088394-3/50059-3.11                                                                                                                                                                                                                        11. Marino M, Jamal Z, Zito PM. Pharmacodynamics. In: StatPearls. Treasure Island; 2024.12. Watts SW, Townsend RR, Neubig RR. How new developments in Pharmacology Receptor theory Are changing (our understanding of) hypertension therapy. Am J Hypertens. 2024;37(4):248–260 https://doi.org/10.1093/ajh/hpad121                                                                                                                                                                                                                        .13. Kazi JU, Rönnstrand L. FMS-like Tyrosine Kinase 3/FLT3: from basic science to clinical implications. Physiol Rev. 2019;99(3):1433–66. https://doi.org/10.1152/physrev.00029.2018                                                                                                                                                                                                                        .14. Higham JP, Colquhoun D. The affinity-efficacy problem: an essential part of pharmacology education. R Soc Open Sci. 2024;11(7):240487. https://doi.org/10.1098/rsos.240487                                                                                                                                                                                                                        .15. Mahapatra MK, Karuppasamy M. Fundamental considerations in drug design. Computer Aided Drug Design (CADD): from Ligand-based methods to structure-based approaches. 2022:17–55. https://doi.org/10.1016/B978-0-323-90608-1                                                                                                                                                                                                                        16. Moini J, Logalbo A, Schnellmann JG. Chapter 4 - Pharmacodynamics, neuropsychopharmacology. Academic Press; 2023. p. 55–74., ISBN 9780323959742,. https://doi.org/10.1016/B978-0-32395974-2.00012-8                                                                                                                                                                                                                        .17. Waud DR. Analysis of dose-response curves. Trends Pharmacol Sci. 1981;2:52–5. https://doi.org/10.1016/0165-6147(81)90261-3                                                                                                                                                                                                                        .18. Hewlett PS, Plackett RL. A Unified Theory for quantal responses to mixtures of drugs: noninteractive action. Biometrics. 1959;15(4):591–610. https://doi.org/10.2307/2527657                                                                                                                                                                                                                        .19. Blix HS, Viktil KK, Moger TA, Reikvam A. Drugs with narrow therapeutic index as indicators in the risk management of hospitalised patients. Pharm Pract (Granada). 2010;8(1):50–5.20. Holford N. Pharmacodynamic principles and the time course of immediate drug effects. Transl Clin Pharmacol. 2017;25(4):157–61. https://doi.org/10.12793/tcp.2017.25.4.157                                                                                                                                                                                                                        .21. Ngcobo NN. Influence of ageing on the pharmacodynamics and pharmacokinetics of chronically administered medicines in geriatric patients: a review. Clin Pharmacokinet. 2025;64(3):335–367 https://doi.org/10.1007/s40262-024-01466-0                                                                                                                                                                                                                        .22. Cacabelos R, Naidoo V, Corzo L, Cacabelos N, Carril JC. Genophenotypic factors and pharmacogenomics in adverse drug reactions. Int J Mol Sci. 2021;22(24):13302. https://doi.org/10.3390/ijms22241330                                                                                                                                                                                                                        .