您當前的位置:檢測資訊 > 法規(guī)標準
嘉峪檢測網(wǎng) 2024-11-07 09:23
腎毒性是由很多種疾病組成,通??梢岳斫鉃樗幬?、化學物或毒素導致的腎臟功能、腎損傷的快速惡化。約20%的腎毒性是由藥物引起的。藥物誘導的腎損傷(Drug-induced kidney injury, DIKI)可以分為急性腎損傷、慢性腎臟疾病或終末期腎病。每年美國出現(xiàn)的DIKI事件超過150萬,影響約26%美國人口。另外,82%的藥物失敗原因是因為藥物毒性問題,這其中腎損傷占了8-9%,很大一部分原因是由于藥物或其代謝物在腎臟的暴露濃度高于其它器官。
臨床前研究過程中,通常會開展一種嚙齒類和一種非嚙齒類重復給藥毒性試驗,常見的給藥周期是28天。在以上試驗中會伴隨考察藥物對腎臟的潛在影響。主要考察的指標包括血生化中的血清肌酐(serum creatinine, sCr)和尿素氮(blood urea nitrogen, BUN),及對腎臟的大體解剖和組織病理學檢查。臨床研究中,主要檢查的指標也是sCr和BUN。健康腎臟通常會將sCr和BUN濾過到尿液中,所以這兩個指標的異常能反應腎功能可能出現(xiàn)問題。但是,腎損傷不一定就出現(xiàn)腎功能問題。為準確鑒定DIKI,更敏感,且能在腎損傷早期提供指示的生物標記物陸續(xù)出現(xiàn),并獲得監(jiān)管機構認可,具體如下表所示。

除了檢測指標的發(fā)掘,新的檢測技術或平臺也在進步,包括微生理系統(tǒng)(microphysiological systems, MPS)、QSAR計算機模型及其它體外或in silico毒性預測工具。MPS是一套體外微生理系統(tǒng),通過微流控平臺體外復制腎臟的結構和功能,重建3D環(huán)境。MPS整合活細胞,可以模擬腎臟的結構、運輸、吸收及其它生理特征,并可以實現(xiàn)復雜體外系統(tǒng)的高分辨率和實時分子成像。QSAR模型其實已經(jīng)使用超過60年,僅10年開始與機器學習和深度學習模型技術進行結合。目前已經(jīng)成功建立很多QSAR模型,用于腎臟毒性的預測,比如regression modelling、naïve Bayes、associative neural network support vector machine、random forest、extreme gradient boosting、C4.5 decision tree、convolutional neural network fingerprint等。
對于腎毒性風險比較高的分子,可以重點考慮血清肌酐和尿素氮以外的其它特異性生物標記物,比如B2M、叢生蛋白等預測急性腎損傷,RPA-1對于大鼠腎集合管細胞損傷方面特異性更好。也可以借助一些新型檢測技術或平臺,多管齊下。

來源:藥理毒理開發(fā)