FDA联合研究：3D肝脏微组织评估152种药物肝毒性，DILI预测准确率显著提升-InSphero数据分析

摘要

药物诱导性肝损伤（Drug-Induced Liver Injury，DILI）是药物研发过程中导致项目终止、药物警示甚至撤市的重要原因之一。传统二维肝细胞培养模型虽然应用广泛，但在长期功能维持、药物代谢能力以及人体相关性方面存在局限。为提高临床前肝毒性预测能力，InSphero与FDA国家毒理学研究中心（NCTR）开展了一项基于3D InSight人类肝脏微组织（hLiMTs）的系统研究，利用384孔高通量微球培养体系对152种FDA批准小分子药物进行肝毒性评估。研究结果显示，该3D肝脏微组织模型能够较好区分不同DILI风险等级药物，并在部分药物类别中表现出较高预测准确性。本文围绕该研究的实验设计、评估方法、关键结果及技术价值进行整理。

关键词：DILI、药物诱导性肝损伤、3D肝脏微组织、hLiMTs、InSphero、FDA NCTR、肝毒性评估、Akura 384孔板、3D细胞培养、临床前药物安全性评价

一、为什么DILI预测需要更高生理相关性的体外模型？

在药物研发过程中，肝毒性一直是影响候选药物推进的重要安全性问题。许多化合物在早期体外模型或动物实验中未表现出明显风险，但进入临床阶段后仍可能出现肝损伤信号，导致研发项目终止或后续警示增加。这说明传统模型在预测人体肝毒性方面仍存在不足，尤其是对于涉及代谢、长期暴露以及多细胞互作的药物反应，单一二维肝细胞模型往往难以完整反映人体肝脏环境。

微生理系统和三维肝脏微组织模型的出现，为这一问题提供了新的研究路径。人类肝脏微组织通常由原代实质性肝细胞和非实质性肝细胞共同形成三维结构，能够更好维持细胞间相互作用、肝细胞功能以及部分代谢特征。相比传统二维培养，三维模型在长期培养稳定性、功能保持和药物毒性响应方面通常具有更高人体相关性，因此逐渐成为临床前肝毒性筛查的重要技术方向。

二、研究背景：152种FDA批准小分子药物的系统性评估

在题为“Physiological liver microtissue 384-well microplate system for preclinical hepatotoxicity assessment of therapeutic small molecule drugs”的研究中，InSphero与FDA国家毒理学研究中心（NCTR）采用3D InSight人类肝脏微组织模型，对152种FDA批准小分子药物开展肝毒性评估。该研究的目标并不是简单验证单一药物的毒性，而是希望通过覆盖不同DILI风险等级和不同临床标签信息的药物集合，系统评估3D肝脏微组织模型在临床前肝毒性预测中的应用能力。

研究结果显示，该模型能够正确标记80%因肝毒性而撤回的药物，并准确分类89%的安全药物。在针对神经系统相关药物的分析中，模型对肝毒性药物的预测表现进一步提升，成功率达到约90%。这些数据说明，3D肝脏微组织模型在部分药物类别和DILI风险分层中具有较高应用潜力。

三、研究如何建立肝毒性评估方案？

研究团队将152种FDA批准的小分子药物在人类肝脏微组织中的细胞毒性结果与药物标签肝毒性信息及药物总峰值血浆浓度（Cmax）进行对比分析。实验中以细胞ATP水平作为细胞活性指标，并计算细胞ATP IC50。随后，研究人员将ATP IC50与Cmax之间的比值定义为C2C，用于评估体外毒性暴露与临床相关暴露之间的关系。

这种方法的核心逻辑在于，单纯观察体外IC50值并不能充分判断一个药物是否具有临床肝毒性风险，因为不同药物在人体中的有效暴露浓度差异很大。通过将体外毒性浓度与临床血浆暴露水平进行比值分析，可以更接近真实药物安全性评价逻辑，从而提高DILI风险判断的相关性。

据肝脏毒性水平对152种FDA批准的小分子药物进行不同水平分类

图1：据肝脏毒性水平对152种FDA批准的小分子药物进行不同水平分类

四、C2C指标如何用于DILI相关性评估？

研究进一步通过5折交叉验证评估hLiMTs模型对DILI风险分类的预测能力。结果显示，模型能够准确分类“vNo-DILI-concern”药物中的80%至90%，而在“vMost-DILI-concern”药物中，分类准确率位于50%至83.3%之间。该结果说明，3D肝脏微组织模型对于低风险药物具有较强排除能力，同时对于高风险药物也具备一定识别能力。

需要注意的是，DILI本身属于高度复杂的不良反应类型，可能与药物代谢、线粒体损伤、胆汁酸转运、免疫反应以及个体遗传背景等多个因素相关。因此，任何单一体外模型都很难实现百分百预测。该研究的意义在于，它证明了3D肝脏微组织模型能够在高通量条件下提供与临床标签具有相关性的毒性信号，为早期筛选提供了更具人体相关性的工具。

C2C评估DILI相关性

图2：C2C评估DILI相关性

五、基于药物标签分类的肝毒性预测结果

当研究团队将hLiMTs预测结果与药物标签中的肝毒性信息进行比较时发现，该模型对Boxed Warning药物和Withdrawn药物的肝毒性评估准确率分别达到70%和80%。在药物标签未提及肝毒性的49种药物中，有43种被模型评估为阴性，预测准确率达到87.8%。

这一结果表明，3D肝脏微组织模型不仅能够识别部分高风险药物，也能较好地区分无明显肝毒性标签的药物。这对于药物开发早期阶段尤为重要，因为过度预测毒性可能导致潜在有效药物被错误淘汰，而漏检高风险药物则可能造成后续研发失败。因此，模型需要在灵敏度和特异性之间取得平衡。

基于药物标签分类的肝毒性对比

图3：基于药物标签分类的肝毒性对比

六、基于DILIrank数据库分类的模型表现

研究还将hLiMTs预测结果与DILIrank数据库分类进行比较。结果显示，对于vNo-DILI-concern类药物，模型的肝毒性预测准确率达到88.9%（40/45）。在vMost-DILI-concern分类中，模型对于急性肝衰竭相关药物和致命性肝毒性药物的预测率分别达到100%（3/3）和76.3%（29/38）。

这些结果进一步说明，3D肝脏微组织模型在识别不同DILI风险等级方面具有较好的参考价值。尤其是在高风险药物类别中，模型能够捕捉到与严重临床肝损伤相关的体外毒性信号，为临床前风险判断提供重要依据。

基于DILIrank数据库分类的肝毒性对比

图4：基于DILIrank数据库分类的肝毒性对比

七、不同ATC药物类别中的肝毒性预测表现

研究团队还基于ATC一级分类对药物进行进一步分析。结果显示，在神经系统类药物中，hLiMTs对vNo-DILI-concern和vMost-DILI-concern药物的预测准确率分别达到90.9%（10/11）和91.6%（11/12）。这表明该模型在特定药物类别中具有较高预测能力。

药物类别差异可能与药物结构、代谢途径、血浆暴露水平以及作用靶点相关。不同ATC类别药物对肝细胞的影响机制并不完全相同，因此模型在不同类别中的表现也可能存在差异。通过药物类别分层分析，可以帮助研究人员进一步理解3D肝脏微组织模型适用场景，并为后续模型优化提供依据。

基于ATC一级分类的肝毒性对比

图5：基于ATC一级分类的肝毒性对比

八、3D肝脏微组织模型在早期药物安全评价中的价值

综合研究结果可以看出，人类3D肝脏微组织模型能够在高通量条件下提供与临床DILI风险相关的毒性信息。相比传统二维培养体系，3D模型在细胞间互作、功能维持和长期药物暴露方面具有优势，因此更适合用于早期候选化合物安全性排序。

与此同时，384孔高通量培养体系也提升了该模型在大规模药物筛选中的实用性。对于需要同时测试大量候选分子的药物研发项目而言，高通量、可扩展且具有较高人体相关性的肝毒性模型，有助于更早识别潜在风险，减少后期研发失败概率。

九、总结

InSphero与FDA NCTR基于152种FDA批准小分子药物开展的研究表明，3D InSight人类肝脏微组织模型在DILI风险预测中具有较好的应用潜力。该模型能够正确识别较高比例的撤市药物、安全药物以及不同DILIrank风险等级药物，并在神经系统类药物分析中表现出较高预测准确率。随着3D细胞培养、微生理系统和高通量筛选技术不断发展，这类更具人体相关性的体外模型有望在早期药物安全性评价中发挥更重要作用。

关于技术来源

本文内容基于InSphero公开发表的研究资料及相关文献整理，主要介绍3D InSight人类肝脏微组织（hLiMTs）在药物诱导性肝损伤（DILI）评价中的应用进展，用于科研信息分享与技术交流参考。

文中涉及的实验数据、分析结果及研究结论均来源于公开发表资料，具体内容请参考原始研究文献。