纳米颗粒（NPs）在癌症治疗中的理论优势包括增加的溶解度，延长的暴露时间，选择性递送至肿瘤以及改善的封装或结合药物的治疗指数。在过去的30年中，用于治疗癌症和其他疾病的基于NP的药物输送系统的数量呈指数增长。仅在2017年，就有300多项纳米药物专利申请，其中一半以上与药物输送有关。尽管临床上使用的基于NP的药剂的数量仍然有限，但作为潜在治疗剂出现的大量出现保证了需要在动物模型和人类中对其独特药理学进行详细研究。Doxil、Onivyde和Abraxane是FDA批准用于治疗实体瘤的新型药物的唯一成员，目前在美国市场上销售。尽管这些药物在监管方面取得了成功，但由于多种因素，包括潜在的总体低肿瘤递送，基于NP的药物治疗癌症的前景仍未实现。

在药物释放前，纳米粒的布置取决于载体，而不是治疗实体。这种复杂性需要创建描述NP药代动力学（PK）的命名法，包括封装或结合、释放和总和或总量（封装的/结合药物加上已释放药物）。但是NP载体的类型是广泛的和高度可变的，并且每种类型都可能具有独特的生物相互作用和PK特性。因此，必须进行详细的分析研究，以评估药物在血浆、肿瘤和组织中的包封/结合和释放形式的布置，作为动物和患者体内PK和生物分布研究的一部分。

从理论上讲，NP可以利用EPR效应来将药物递送至肿瘤。不幸的是，由于EPR效应的异质性和缺乏关于影响EPR的因素的信息，阻碍了依靠这种方法开发有效NP的进展。肿瘤中的癌细胞被复杂的微环境所包围，该微环境由血液和淋巴循环的内皮细胞，基质成纤维细胞，胶原蛋白，单核吞噬细胞系统的细胞以及其他免疫细胞组成。这些成分中的每一个都是肿瘤传递和NPs在肿瘤内分布的潜在障碍，并且可能与EPR的变异性有关。此外，这些潜在的障碍在肿瘤内和肿瘤间可能高度可变，这进一步增加了EPR效应的异质性。因此，所有实体瘤均可能不利于依赖EPR进行递送的NPs的治疗。

特别是，当时震惊纳米医药学术界的关于纳米医药在肿瘤处暴露量只有注射剂量的0.7％的荟萃分析，当时的论文通讯作者为加拿大多伦多大学的纳米医药牛人Warren C. W. Chan（陈志和）教授。而北卡罗来纳大学WilliamC. Zamboni（也是本文的通讯作者）小组先前在2014年进行了荟萃分析，得到NP介导的肿瘤递送程度估计为AUC_tumor /AUC_plasma的中位数比为0.4（即，肿瘤暴露为血浆暴露的40％）。

但是，北卡罗来纳大学William C. Zamboni等人认为Warren C. W. Chan等人的研究结论是基于非标准的PK指标，即肿瘤中的％ID，这比描述SM和NP药物的肿瘤递送效率的其他公开PK指标低几个数量级。

为了更好地表征载有药物的NPs向实体瘤的递送，William C. Zamboni等人汇编并分析了Chan等人使用的已发表的NP PK研究在小鼠中的原始数据，并评估了描述NP制剂处理肿瘤的已建立PK参数之间的关系和肿瘤度量中的新％ID。这项研究的目的是直接比较这些PK指标的关系和绝对值，并考虑这些值如何影响结果的解释。相关成果发表在Science Advances上。

之前的方法为何有缺陷？

该研究结果强调了：在研究NP的PK时，充分的研究设计和PK指标选择的重要性。Chan等人对肿瘤中％ID的计算不同于标准的％ID计算。组织％ID的常规计算代表单个时间点在靶组织中的药物量，计算方法如下：

而Chan等人使用的肿瘤中％ID的计算从AUC_tumor（以小时为单位*％ID/g）开始，然后消掉单位（除以以小时为单位的t_last，再乘以以g为单位的肿瘤质量），得出最终单位为％ID。

假设PK研究的持续时间通常大于1h，并且小鼠模型中的肿瘤大小通常小于1 g，则将这些值修改或标准化AUC_tumor（例如，除以72h；乘以0.2 g）会导致数值逐渐变小。该非标准计算实际上不是描述单个时间点肿瘤中的药物总量，而是实际描述了在整个PK评估期间，肿瘤中药物在不同时间间隔内的平均量。

通过时间平均和转换为药物质量，Chan等人的计算排除了药物浓度（即质量作用定律）、暴露持续时间和相对分布（即靶点/靶点接触）等重要的药理学概念，这些概念是理解药物效应的基础。因此，肿瘤测量中的%ID很难解释，因为它不是测量有多少可用的药物分布到肿瘤，甚至不是多少注射药物分布到肿瘤（正如它已经被解释的那样）。如果根据肿瘤计算中的%ID推断，肿瘤的完全摄取应为100%，但是这种情况只有当整个注射剂量的药物瞬间分布到肿瘤并在整个观察过程中都保留在肿瘤中时才适用。为了澄清这一点，使用这个计算，静脉注射时的全身暴露只有在药物无限期循环且从未清除的情况下才是100%ID。显然，这是一个非常有缺陷的计算。

结果相差100倍！

研究人员建立了描述NP肿瘤递送程度和效率的PK指标，同时考虑了全身（血液或血浆）和肿瘤暴露（即药物浓度和持续时间，AUC）。根据血液和肿瘤浓度与时间曲线计算肿瘤的标准PK度量和%ID的示例如图5所示。

用实线表示的模拟数据集表示0.2g肿瘤中%ID的近似中值（0.7%ID）和AUC_tumor/AUC_blood 比率（70%）。虚线表示近似的四分位数范围。鉴于肿瘤指标中的％ID忽略了全身暴露，因此AUC_blood中任何程度的变化都不会影响肿瘤指标中％ID的计算或解释。相反，根据定义，AUC_tumor/AUC_blood比对全身暴露和靶组织暴露中的一种或两种变化都很敏感。这些差异突出了肿瘤测量中的%ID与标准PK参数之间的脱节，并解释了本分析中确定的参数之间缺乏相关性。这个例子和研究的结果表明，使用非标准的PK指标可以显著改变对肿瘤药物传递的解释。

图|血液和肿瘤中NPs的浓度与时间曲线示例及PK度量计算

Chan等人使用的肿瘤度量的％ID不仅是％ID的非标准计算，而且还发现它与其他标准PK参数无关。对于完整数据集和所有三个子集（脂质体，聚合物NP或无机NP），无论是否包含异常值，此观察结果都是一致的。但是，Chan等人计算出的肿瘤中的％ID可能已经测量了不同的过程，例如递送效率。类似地，肿瘤中的％ID与肿瘤递送效率的度量（即，RDI-OT AUC_tumor）之间存在弱的关系或没有关系。所有子集的肿瘤中位数ID的中位数为0.67％ID，而AUC_tumor / AUC_blood的中位数率为76.12％。对0.67％ID更准确的描述是在整个PK评估期间中，每隔1小时，在肿瘤中平均可发现0.67％的注射剂量。总的来说，肿瘤中％ID的中位数和AUC_tumor / AUC_blood比值的中位数相差113倍。

图|所有数据集的肿瘤％ID与传统PK指标之间的比较

不足之处：

该研究有几个局限性和要考虑的因素。

1）此分析中包括的源研究仅限于先前由Wilhelm等人确定和评估的研究，以提供PK度量结果和解释的直接比较。

2）另外，在此分析中完成的计算取决于作者在源研究中收集和发布的数据的质量和准确性。研究设计，分析方法和测得的部分均可能影响PK数据的结果和解释。（本文分析总样本量减少了约三分之一）；

3）这些研究中的大多数都测量了总药物，而不是具有生物活性的释放药物分数。

尽管存在这些局限性，该研究还是提供了从相同源数据计算得出的PK指标的直接比较，并强调了选择不同的PK指标如何显着影响NP PK结果的解释。因此，指标选择极大地影响了结果的解释和研究结论。优化的研究设计，包括肿瘤和血液浓度的分析，对于了解NP肿瘤给药的效率和不足至关重要。

为了全面评估纳米粒对实体瘤治疗的当前和潜在影响，需要更详细和更广泛的荟萃分析、建模和统计比较，理想情况下使用包括所有药物组分（即总药物、胶囊药物和释放药物）的PK数据集来评估和预测NP制剂的属性，给药方案和动物模型特征与高肿瘤转移率和NPs治疗实体瘤的疗效相关。

参考文献：

LaurenS. L. Price, et al., A reanalysis of nanoparticle tumor delivery usingclassical pharmacokinetic metrics. Science Advances 2020.

DOI:10.1126/sciadv.aay9249

https://advances.sciencemag.org/content/6/29/eaay9249