人原代肝细胞3D肝球培养技术解析：LifeNet长期稳定肝球模型在药物代谢与肝脏研究中的应用

摘要：随着药物代谢研究、肝毒性评价以及肝脏疾病模型研究不断发展，传统二维肝细胞培养体系由于难以维持长期肝功能与细胞间相互作用，逐渐难以满足现代体外研究需求。 本文围绕LifeNetHealth人原代肝细胞3D肝球培养方案展开介绍，并结合细胞复苏、接种密度、培养维护以及肝球形成特征，分析长期稳定3D肝球模型在药物代谢、肝毒性评价以及肝疾病研究中的应用价值。 关键词：人原代肝细胞；PrimaryHumanHepatocytes；3D肝球；肝细胞球体；LifeNetHealth；肝毒性；药物代谢；ADME；肝细胞培养；长期培养模型一、为什么3D肝球模型正在逐渐替代传统 这使其在药物代谢、肝毒性评价以及肝疾病研究方向具有更高应用价值。图1：人原代肝细胞球体形成示意图。二、LifeNetHealth3D肝球培养方案为何更加关注培养一致性？ 相比2D培养，基于人原代肝细胞建立的3D肝球能够更好维持细胞间相互作用、代谢功能以及长期培养稳定性，因此在药物代谢、肝毒性以及疾病模型研究中具有较高应用价值。

. | 大规模人类毒性基因组学资源助力药物性肝损伤的早期预测

它成功提前识别多种近期在临床三期中因肝毒性失败的候选药物，如 Evobrutinib、TAK-875 和 BMS-986142，这些风险曾被动物实验忽视。 除了预测能力，ToxPredictor 还能揭示导致肝毒性的分子机制，提供决策级安全信息。相比传统 3D 模型的单终点 readout，转录组学提供多维系统层面的肝细胞响应，捕获多种 DILI 机制。 当前缺乏可用于早期检测的生物标志物，传统定量构效关系（QSAR）、体外细胞毒性、3D 肝模型等手段均仅反映低维 readouts，无法捕获完整分子层面变化。 风险谱 三种 COX-2 NSAIDs 展现出完全不同的 DILI 风险： 模型揭示关键机制： 脂肪酸代谢紊乱 氧化应激 药物代谢酶激活 胆汁酸调控异常 这些特征帮助解释为什么机制相似的药物会有不同的肝毒性 芯片整合 多组学（蛋白组、代谢组）融合增强机制解析 将结构信息与通路扰动联合建模 构建 DILI 调控网络模型 随着更多毒性基因组学资源融入药物研发，预计将显著减少肝毒性事件、提高效率、降低成本、提高安全性

JCIM｜深度学习用于血液毒性预测和血液毒性化合物的结构分析

血液毒性(Hematotoxicity)已成为药物发现中一种严重但被忽视的毒性。然而，只有少数计算模型被报道用于预测血液毒性。作者从公开资源中收集数据，构建了包含正负样本分子的血液毒性数据集。 骨架分析说明了血液毒性数据集的高度结构多样性，这将有助于开发具有高度通用性的血液毒性预测模型。 这些描述符值较高的分子更有可能被预测为血液毒性化合物。 图4 基于Attentive FP模型的学习到的原子权重的热图：(A)血液毒性化合物和(B)非血液毒性化合物。 被预测为血液毒性的原子结构以红色显示，而被预测为非血液毒性的则以蓝色显示。 3.8 代表性子结构推导 表6 毒性分子的代表性结构 为了进一步关注特定的血液毒性子结构，作者开发了基于圆形拓扑的自动结构推导方法来识别更具体的血液毒性结构特征。

肝脏微生理系统（Liver MPS）在药物诱导肝损伤DILI研究中的应用：Liver-48高通量筛选与Liver-12机制解析

摘要药物诱导肝损伤（DILI）是药物研发过程中导致项目失败的重要因素之一。 CN Bio开发的肝脏微生理系统（Liver MPS）同时兼顾高通量筛选能力与深度机制解析能力，其中Liver-48适用于候选化合物毒性初筛以及供体差异分析，Liver-12则可进一步开展药物诱导肝损伤相关分子机制研究 在药物诱导肝损伤研究中，肝脏MPS主要可覆盖两类场景：一类是早期先导化合物毒性风险以及供体差异的快速筛选；另一类则是对药物不良事件相关分子机制进行深入研究。 *图2：Liver-48可生成功能稳定的肝脏微组织*进一步研究显示，Liver-48能够有效识别不同药物毒性风险差异。例如在曲格列酮和吡格列酮对比实验中，模型可明显区分不同风险等级化合物的毒性反应。 *图6：Liver-12转录组分析胆汁酸通路变化*同时还可识别多个关键肝毒性相关通路变化。

Drug Target Review | 开发一种算法来预测药物性肝损伤

确保候选药物进行毒性分析是药物开发过程的重要且必不可少的阶段。 药物开发人员的主要问题是新分子实体（NME）引起的不良肝反应的发生频率，主要是在肿瘤学上。三分之一使用蛋白激酶抑制剂治疗的患者发生肝毒性，据报道，诸如帕唑帕尼、舒尼替尼和雷戈非尼等分子具有致命的后果。 此外，接受免疫检查点抑制剂治疗的患者中有10％可能会出现肝损伤，且复发率很高。对500多种药物撤回的分析表明，由于毒性而撤回的药物中，有21％归因于肝毒性。这使其成为毒性相关药物戒断的主要原因。 然后，他们的分数将对如何解释毒性和DILI风险产生“批判性见解”，使研究人员能够确定化合物的毒性。 Ross建议，Elsevier和FDA提供的“非常强大”的信息资源将有助于加强该项目，并在将来进一步改善药物肝毒性研究。

为虚拟细胞高性价比产生药物扰动转录组数据的技术-DRUG-seq2

2025 年 11 月发表在《Nature Communications》一篇药物诱导性肝损伤（DILI）预测的研究论文，其核心是构建了目前规模最大的毒性转录组学资源与高效预测框架，为药物研发中的肝毒性风险评估提供了新方案 开发了高性能AI模型 ToxPredictor ： 该框架是机器学习驱动的毒性基因组学工具。 最终能输出剂量分辨的 DILI 概率，还可结合临床血药峰浓度建立安全边界，实现对药物肝毒性风险的分类和相关机制解析。 关键研究结果：预测性能领先：盲测验证中，ToxPredictor 框架展现出优异性能，达到 88% 的灵敏度和 100% 的特异性，远超 3D 肝模型、传统细胞毒性检测等 20 多种行业标准临床前安全模型 它还成功提前识别出 Evobrutinib、TAK-875 等多款在临床三期因肝毒性失败的候选药物，这些风险此前均未被动物实验发现。

CoTox：以思维链推理重构分子毒性预测的可解释性范式

（B）LLM 推理过程部分：基于构建的毒性提示，通过结构化指令引导 LLM 进行推理，生成包含推理过程和预测结果（如心脏毒性、肝毒性等的 “有毒” 或 “无毒” 判断及最终答案列表）的输出，体现了框架整合生物数据与化学结构进行毒性预测的核心逻辑 CoT 提示；加入生物过程信息的 BioProcess-CoT 性能提升；而结合化学与生物信息的 CoTox（IUPAC）平均 F1 分数最高（0.663），优于传统模型和其他提示策略，尤其在血液和肝毒性预测上表现突出 模型对心脏毒性、血液毒性、肝毒性、肺毒性预测为 “有毒”，对不育和肾毒性预测为 “无毒”，且每个预测都有对应的推理过程，如心脏毒性涉及 “内在凋亡通路” 和 “丙醇胺侧链” 的作用，肝毒性与 “CYP2E1 该表呈现了 Gemini-2.5-Pro 结合 CoTox 对恩替卡韦在肝、肺、肾三个器官上的毒性预测结果。 模型正确预测了肝毒性（基于 GO 术语和鸟苷类似物结构）和肺无毒（缺乏相关通路和结构特征），但误判肾毒性为 “有毒”。

人肝非实质细胞NPC如何突破传统肝细胞模型局限？Kupffer Cells、肝星状细胞与LSECs应用解析

摘要：在人肝病研究、药物肝毒性评价以及3D肝脏模型构建过程中，传统单一肝细胞模型由于缺乏真实肝脏微环境，往往难以完整复现炎症、纤维化以及免疫相关损伤等关键病理过程。 在肝病机制研究、药物肝毒性评价以及新药研发过程中，原代肝细胞长期以来一直是重要研究工具。然而，随着研究不断深入，研究人员逐渐发现，传统单一肝细胞模型存在明显局限。 二、什么是肝非实质细胞（NPC）？肝脏细胞通常可分为肝实质细胞与肝非实质细胞两大类。 例如，在NAFLD/NASH研究中，单一肝细胞模型通常只能诱导脂肪变性，而难以同步复现炎症与纤维化过程；在药物ADME-Tox研究中，单一肝细胞体系也难以完整模拟免疫介导型肝毒性与药物转运过程。 本文内容基于人肝非实质细胞、人原代肝细胞、肝NPC、肝毒性等公开科研资料、应用文献等内容曼博生物整理，仅用于科研技术交流。

Patterns | 可解释图神经网络在药物性质预测问题上的定量评估研究

例如，在毒性预测中，关键子结构（也称为结构预警, structural alert）通常是与毒性发生概率增加密切相关的片段。 可解释性定量评估实验结果图 图3.可视化结果图 对比药物化学家与可解释AI模型在识别分子肝毒性上的能力 为了评估可解释性方法的真实能力，研究人员邀请了7位不同经验水平的药物化学家进行了实验比较。 研究人员从肝毒性数据集的外部测试集中随机选择了50 个未标记的分子，并要求XAI模型和药物学家预测这些分子是否具有肝毒性及其引起该毒性的关键子结构。 如图4所示，XAI模型在预测肝毒性的准确度上，要优于所邀请的药物学家，而药化学家对于肝毒性的预测准确度与工作年限呈正相关。 在肝毒性的子结构识别方面，XAI模型的预测精度略低于一位工作经验长达20年的药化学家。研究人员也通过代表性的案例分析了药化学家与XAI模型对肝毒性子结构预测的偏向和趋势。 图4.

CN Bio肝脏器官芯片研究显示：Thykamine在MASH模型中展现剂量依赖性抗纤维化与抗炎作用

研究采用动态三细胞肝脏模型，包括：原代人肝细胞库普弗细胞肝星状细胞并在连续微流控条件下诱导形成MASH表型。 这些指标与MASH疾病进展中的细胞外基质沉积及肝纤维化密切相关，因此研究结果说明Thykamine可能对MASH纤维化过程产生调节作用。 4、未观察到明显肝毒性研究期间：LDH水平始终维持较低状态。未观察到明显药物性肝损伤。这说明：Thykamine在当前实验条件下具有较好的细胞耐受性。同时：白蛋白生成变化也未显示与细胞毒性相关。 九、器官芯片在药物研发中的意义相比传统模型：器官芯片技术具有：更高人体相关性更强预测能力更好的长期培养能力更真实的疾病模拟能力尤其在：肝毒性MASHADME炎症多器官互作等研究方向优势明显。 未来：随着MPS与器官芯片技术持续发展，其在：MASH肝病药物研发毒性评价等领域预计将发挥更加重要作用。

Patterns | 可解释图神经网络在药物性质预测问题上的定量评估研究

例如，在毒性预测中，关键子结构（也称为结构预警, structural alert）通常是与毒性发生概率增加密切相关的片段。 可解释性定量评估实验结果图 图3.可视化结果图 对比药物化学家与可解释AI模型在识别分子肝毒性上的能力 为了评估可解释性方法的真实能力，研究人员邀请了7位不同经验水平的药物化学家进行了实验比较。 研究人员从肝毒性数据集的外部测试集中随机选择了50 个未标记的分子，并要求XAI模型和药物学家预测这些分子是否具有肝毒性及其引起该毒性的关键子结构。 如图4所示，XAI模型在预测肝毒性的准确度上，要优于所邀请的药物学家，而药化学家对于肝毒性的预测准确度与工作年限呈正相关。 在肝毒性的子结构识别方面，XAI模型的预测精度略低于一位工作经验长达20年的药化学家。研究人员也通过代表性的案例分析了药化学家与XAI模型对肝毒性子结构预测的偏向和趋势。 图4.

Nat Rev Drug Discov｜FDA逐步淘汰动物毒性测试的计划现实吗

目标首先是彻底改革单克隆抗体的毒性测试，但其他模式也在议程上。 Emulate在2022年报告称，其Liver-Chip可以检测到许多动物测试遗漏的肝毒性信号。 图2 大鼠、狗和人类肝芯片中物种特异性药物毒性的概述 Ewart：那个项目的难点在于开发狗肝脏芯片，特别是获取新鲜的狗肝细胞。这延长了时间线。 辉瑞公司最近因其GLP-1拮抗剂danuglipron导致肝酶升高而暂停了I期试验。 以脂肪肝为例，我可以通过给肝细胞添加额外的果糖来制作一个脂肪肝模型，这完全可以接受。但其他人可能会说我需要在其中加入脂肪酸。为了说明这一点，目前有超过10种不同的脂肪肝小鼠模型。

爆肝ConcurrentHashMap

特别说明：除第一小节以外，其他均都是以JDK 1.8的ConcurrentHashMap进行分析，本文信息量略大，每一份坚持都是值得被尊重的，希望你可以坚持读完这篇文章，也希望这篇文章对各位读者朋友有所帮助。

肝透支过程

【TargetMol 明星分子】- Acetaminophen

通过髓过氧化物酶（MPO）活性的增加，观察到中性粒细胞浸润增强，提示炎症细胞在肝损伤中的参与。此外，研究指出一氧化氮（NO）在Acetaminophen肝毒性过程中起重要介导作用。 综上所述，Acetaminophen对Acetaminophen与HV110共联合作用时，可增强了HepG2细胞中自噬介导的保护反应，从进而减少了细胞的毒性损伤。 ，表明但无法完全阻断该效应，提示未发生代谢的Acetaminophen原型对Acetaminophen也参与了细胞毒性作用。 实验结果表明，特异性敲低肌肉中的GR会加重急性肝损伤并抑制肝脏再生，说明该信号通路的重要性。相反，Fgf6基因敲除的小鼠表现出肝损伤减轻和肝脏再生增强的改善效果。 文献综述显示，Acetaminophen诱导的肝毒性与氧化应激及炎症反应相关；与后生元共用时可增强肝细胞的保护性自噬；在神经母细胞瘤细胞中通过NFkB激活及线粒体途径诱导凋亡。

Nature | 动物实验时代正在落幕：科学的下一站在哪里？

例如： Liver-Chip（肝芯片） 在 2022 年研究中，能够以 87% 的准确率识别已知肝毒性药物； 成功检测出 12 种曾被动物模型误判为“安全”的药物。 优点： 使用人类细胞； 更接近人体生理； 可精准评估毒性。 局限： 结构简化，只包含部分细胞类型； 难以模拟完整器官系统。 研究人员已经构建出： 肝类器官 脑类器官 肿瘤模型 遗传疾病模型 2021 年一项研究利用肝类器官检测 238 种上市药物毒性，结果高度准确。更有意思的是“培养皿里的临床试验”。 FDA 研究团队开发了一个名为 AnimalGAN 的生成式模型，基于 8000 只大鼠数据训练，在虚拟 10 万只“数字大鼠”中成功预测肝毒性排序。

GHS制度下Material Safety Data Sheet染发剂MSDS危险公示标签

日本后生劳动省对其GHS危害评价为： 1、硝基苯（CAS：98-95-3） 危险性类别 危险说明代码 急性毒性―口服，类别4急性毒性―皮肤，类别4急性毒性―吸入，类别4严重眼损伤/眼刺激，类别2B致癌性 ，类别2生殖毒性，类别1B特定目标器官毒性―单次接触，类别1（神经系统，血液系统，肝脏，生殖器官（男性））、类别3（麻醉效应）特定目标器官毒性―多次接触，类别1（神经系统，血液系统，呼吸器官，肝脏，肾脏 ，类别2生殖毒性，类别2特定目标器官毒性―单次接触，类别1（神经系统，血液系统）特定目标器官毒性―多次接触，类别1（神经系统，血液系统） H302：吞咽有害。 1特定目标器官毒性―单次接触，类别1（心脏，肌肉，肾脏）特定目标器官毒性―多次接触，类别1（肝，神经系统，肾脏）、2（心脏，肌肉） H301：吞咽会中毒。 H372：长期或反复接触会对器官造成伤害（肝，神经系统，肾脏）。H373：长期或反复接触可能对器官造成伤害（心脏，肌肉）。

28岁程序员网购生发丸吃成肝损伤

小王赶紧就医，被诊断为重度药物性肝损伤。 医生称，该生发丸中主要成分为何首乌，具有肝毒性。 其导致的肝损伤也与机体因素有关，具有偶发性、隐匿性、个体差异大、难以预测等特点，建议在专业人士的指导下使用。

NC揭示：一种染料是​死亡帽菇（毒鹅膏）的解毒剂

摄入48小时内，若未及时治疗，毒素会造成肝肾损伤进而导致死亡。目前没有可用的解毒剂，但病人可通过液态活性碳或其他疗法被治愈。 α—毒蕈环肽的致死机制尚不完全清楚。 科学家并不清楚糖与蛋白的结合过程对蘑菇毒性的发挥至关重要。 该团队随后筛选了美国食品和药物管理局批准的3000多种药物，以寻找能够抑制STT3B作用的分子。 摄入α—毒蕈环肽后中毒的小鼠中，在1-4小时内喂食吲哚箐绿可以降低小鼠的肝肾损伤，提高小鼠的生存率。在8-12小时给药则药效降低，很可能因为已经出现了不可逆的器官损伤。 我们的研究发现STT3B蛋白是α—毒蕈环肽发挥毒性作用所必需的，而其抑制剂吲哚箐绿（ICG）可以作为特异性的解毒剂。 进一步我们证明了ICG能够有效阻断α—毒蕈环肽对细胞、肝脏类器官和雄性小鼠的毒性作用，从而整体提高了动物的生存率。

文献分享---空间单细胞蛋白质组学景观解码肝内胆管癌肿瘤微环境生态（CODEX）

知识积累肝内胆管细胞癌（iCCA）患者的预后和治疗反应依赖于肿瘤微环境（TME）组分之间的空间相互作用。肝内胆管细胞癌（iCCA）是第二常见的原发性肝癌，具有高度侵袭性和异质性，使治疗选择复杂化。 结果3、ScRNA-seq表明CD163hi M2样RTMs对抗肿瘤CD8+ T细胞的作用在scRNA-seq队列中进行了T细胞的亚群分析，揭示了细胞毒性CD8T细胞。 使用NicheNet进行的细胞间相互作用分析表明，来自M2样RTMs的配体可能影响细胞毒性CD8T细胞的下游靶基因，从而可能损害其抗肿瘤免疫。 总之，这些分析强调了M2样RTMs在iCCA中的预后影响，揭示了它们独特的通路活性和对细胞毒性CD8*T细胞的影响。