氰戊菊酯生理毒物代谢动力学模型的建立

梁颖，丁莹，张留圈，刘贤金

1. 江苏省食品质量安全重点实验室，南京 210014 2. 农业部农产品质量安全控制技术与标准重点实验室，南京 210014



氰戊菊酯生理毒物代谢动力学模型的建立

梁颖1,2，丁莹2，张留圈2，刘贤金1,*

1. 江苏省食品质量安全重点实验室，南京 210014 2. 农业部农产品质量安全控制技术与标准重点实验室，南京 210014

利用生理毒物代谢动力学(PBTK)对小鼠静脉注射农药氰戊菊酯后，氰戊菊酯在体内分布转化代谢过程进行模拟，为评价农药暴露风险提供依据。小鼠静脉注射氰戊菊酯的PBTK模型构建分为5个房室：肝脏、肺、肾脏、充分灌注室和不充分灌注室，各房室内氰戊菊酯的浓度变化率由质量守恒微分方程表示。根据欧拉数值计算方法，对小鼠静脉注射氰戊菊酯后的毒物代谢动力学数据进行模拟。结果模拟预测了小鼠静脉注射0.5 mg·kg-1、2.5 mg·kg-1、10 mg·kg-1氰戊菊酯后血液、肝脏和肺中氰戊菊酯浓度变化曲线。为验证该模型的准确性，对小鼠静脉注射0.77 mg·kg-1氰戊菊酯后血液、肝脏和肺中氰戊菊酯的浓度值变化模拟值与前人的实验测量值进行比较，结果显示模拟值与实验值之间不存在显著性差异。因此利用该方法可以估测小鼠静脉注射氰戊菊酯的毒物代谢动力学数据，为评估农药暴露体内剂量数据提供了便利途径。

氰戊菊酯；生理毒物代谢动力学模型；小鼠；欧拉数值法；静脉注射

农药在果蔬及其加工品中总是不可避免的存在，给食品安全带了极大挑战，对农药残留进行暴露分析以及潜在慢性风险评估已日渐为公众所重视。我国2009年公布实行的《食品安全法》中明确要求建立食品安全监测与评估制度。国际上也出现了开发更真实、更详尽的化合物风险评估新方法的趋势，其中影响最为显著的是药学领域生理毒物代谢动力学(PBTK)模型的引入[1-3]。该模型可在多种条件下预测化合物在人体、动物体内吸收、扩散、代谢和排泄过程，在应用于风险评估中可以大大降低结果的不确定性[4]，与美国国家研究委员会所推荐的发展使用体外方法代替体内毒性试验方法相吻合[5]，具有不可多得的发展潜力[6]。欧洲食品安全局出版的《化学物联合机制风险评估意见》中指出：PBTK模型适用于化合物的风险评估，并且是目前最精确的模型[7]。PBTK模型在医学药物开发、药物治疗等领域研究较多，针对农药的研究较少，目前已建有毒死蜱[8]、三唑酮[9]、莠去津[10]、二嗪农[11]的PBTK模型，而针对氰戊菊酯的PBTK模型尚未建立。

氰戊菊酯是一种新型Ⅱ型拟除虫菊酯类(type Ⅱ synthetic pyrethroids)农药，具有杀虫谱广、效率高的特点，广泛用于棉花、果树和蔬菜等农作物的虫害防治。近年由于高毒剧毒有机磷农药在我国禁用，菊酯类农药使用量大幅增加，其对人类的危害越来越引起国内外学者的普遍关注。氰戊菊酯属中等毒性农药，主要干扰神经细胞膜离子通道的正常生理功能，具有类雌激素样作用，干扰雄性繁殖性能。长期氰戊菊酯暴露会使雄性大鼠睾丸指数、精子活力、精子数和睾酮含量明显下降，有报道显示男性职业暴露会引起精子活力下降、畸形精子增加[12]。此外，氰戊菊酯在对农作物病害防治过程中，大部分进入农田土壤及水体，存在严重的生态污染风险。氰戊菊酯属高亲脂性杀虫剂，在水中能直接进入水生动物的鳃和血液中，对水产动物毒性较大[13]。本文拟建立小鼠静脉注射氰戊菊酯的PBTK模型，并采用欧拉数值计算法进行模拟与验证，为评估氰戊菊酯暴露风险提供依据。

1 材料与方法(Materials and methods)

1.1 模型框架

由于小鼠饮食摄入和呼吸摄入等暴露途径的吸收常数缺失，本文主要研究小鼠静脉注射氰戊菊酯后体内分布、吸收、代谢过程，不考虑其他暴露途径。PBTK模型将相应组织器官作为单独房室看待，房室间借助血液循环相连接，氰戊菊酯在各房室间转运和转化遵循质量守恒原理。静脉注射氰戊菊酯的PBTK模型根据毒理学资料分为5个房室[14]，包括肝脏、肺、肾脏、充分灌注室、不充分灌注室，如图1所示。

图1 氰戊菊酯静脉注射在小鼠体内分布代谢的PBTK模型

假设氰戊菊酯只在肝脏中发生代谢，依据流入各房室的血流速率、氰戊菊酯在房室内的组织/血分配系数和房室所占有的组织体积，可建立每一房室内氰戊菊酯浓度变化率的微分方程[15]。

动脉血和静脉血中氰戊菊酯含量的方程为：

dAart/dt=Qc(Aven/Vven)-Qli(Aart/Vart)-Qlu(Aart/Vart)-Qk(Aart/Vart)-Qs(Aart/Vart)-Qr(Aart/Vart)公式1

dAven/dt=AdKa+QliCli+QluClu+QkCk+QsCs+QrCr-Qc(Aven/Vven)公式2

其中：Ad—注射氰戊菊酯的量(mg)；Aart—动脉血中氰戊菊酯含量(mg)；Aven—静脉血中氰戊菊酯含量(mg)；Ka—吸收速率(h-1)；Vart—动脉血体积(L)；Vven—静脉血体积(L)；Qc—心输出血量(L·h-1)；Qli—肝血流量(L·h-1)；Qlu—肺血流量(L·h-1)；Qk—肾血流量(L·h-1)；Qs—不充分灌注室血流量(L·h-1)；Qr—充分灌注室血流量(L·h-1)；Cli—肝脏中氰戊菊酯浓度(mg·kg-1)；Clu—肺中氰戊菊酯浓度(mg·kg-1)；Ck—肾脏氰戊菊酯浓度(mg·kg-1)；Cr—充分灌注室氰戊菊酯浓度(mg·kg-1)；Cs—不充分灌注室氰戊菊酯浓度(mg·kg-1)。

肾、肺、充分灌注室以及不充分灌注室中氰戊菊酯含量的方程为：

dAi/dt =Vi×dCi/dt = Qi(Cart-Ai/(ViPi))公式3

肝中氰戊菊酯含量的方程为：

dAi/dt =Vi×dCi/dt = Qi(Cart-Ai/(ViPi))-Ai×Km

公式4

其中 Ai—各房室中氰戊菊酯含量(mg)；Qi—各房室中血流量(L·h-1)；Vi—各房室体积(L)；Pi—各房室/血分配系数；Km—肝中氰戊菊酯代谢速率(h-1)

1.2 生理生化参数及分配系数

模型模拟中所需用到的小鼠生理参数见表1。体重和各组织血流量数据来自参考文献[16]，各组织体积数据来自参考文献[17]。氰戊菊酯在小鼠肝内代谢常数取自参考文献[18]，氰戊菊酯在小鼠体内组织/血分配系数根据参考文献[19]的数据以参考文献[18]中的方法计算所得。

1.3 模型模拟与验证

求解PBTK模型中的质量守恒微分方程一般是由相关软件编程完成的，例如ACSL，Berkeley Madonna，Matlab等。本文中不使用模拟软件，而是利用欧拉数值法，借助Excel电子表格对模型进行求解[21]，并将其与相关的实验测量值进行比较，验证方法的可靠性。对于一阶微分方程，欧拉数值法认为时间t时方程的解近似等于t-t时方程时的解加上微分方程的斜率乘以步长(t)。根据该方法，可以计算出不用时间下各房室中及血液中氰戊菊酯的浓度变化。

2 结果与讨论(Results and discussion)

2.1 小鼠静脉注射氰戊菊酯的模拟结果

氰戊菊酯的NOEL(无明显损害作用水平)为2 mg·kg-1体重，大鼠急性经口半数致死量为75-88 mg·kg-1体重。本文对小鼠注射量模拟选择围绕无明显损害作用水平并远小于致死量，取小鼠静脉注射0.5 mg·kg-1体重、2.5 mg·kg-1体重、10 mg·kg-1体重的氰戊菊酯在肝脏、血液的毒物代谢动力学进行了模拟，步长为0.004 h。图2为血液中氰戊菊酯浓度变化模拟曲线。该模拟曲线是基于小鼠静脉注射氰戊菊酯后瞬间在血液中分布达到平衡的假设前提条件下进行的，因此该曲线与实际相比具有一定前延性。图3为肝脏中氰戊菊酯浓度变化模拟曲线。当静脉注射后1.36 h时，肝脏中氰戊菊酯的浓度达到最高，随之下降。图4为肺中氰戊菊酯浓度变化模拟曲线。当静脉注射后1.1 h时，肺中氰戊菊酯的浓度达到最高，随之下降。同一时间肺中氰戊菊酯的浓度高于肝脏中浓度。

表1 小鼠生理生化参数及氰戊菊酯在组织/血中的分配系数

2.2 模型的验证

对模型模拟所获得的氰戊菊酯在小鼠体内毒物代谢动力学数据与前人实验数据相比较，以验证模型和求解方法的准确性。张增利等[22]注射0.77 mg·kg-1氰戊菊酯于小鼠，测量了小鼠不同时间血液、肝脏、肺中氰戊菊酯的浓度，本文对上述暴露情况进行模拟，将模拟结果与实验数据进行比较，具体见图5、图6和图7。血液、肝脏、肺中氰戊菊酯浓度的实验值与模拟值经方差分析，P>0.05，差异均不显著，由此可认为方法得到的结果与实验测量值基本一致。

图2 小鼠不同剂量静脉注射血液中氰戊菊酯变化模拟曲线

图3 小鼠不同剂量静脉注射肝脏中氰戊菊酯变化模拟曲线

图4 小鼠不同剂量静脉注射肺中氰戊菊酯变化模拟曲线

图5 小鼠静脉注射血液中氰戊菊酯变化的实验与模拟值对比

图6 小鼠静脉注射肝脏中氰戊菊酯变化的实验与模拟值对比

图7 小鼠静脉注射肺中氰戊菊酯变化的实验与模拟值对比

3 结论(Conclusion)

由于动物毒理学实验条件要求严格、动物福利法规对实验动物数量限制，虽然已经有一部分氰戊菊酯在动物体内毒理学资料[22-24]，但暴露剂量单一、浓度时间点取值少，在评估实际暴露风险中具有很大局限性。PBTK模型基于毒物代谢动力学机制开展毒理学研究，具有极大的优势，可模拟不同剂量暴露、不同时间化学物体内剂量水平，在模拟低剂量暴露情形下的优势尤为突出。而利用欧拉数值法求解PBTK方程组，不需昂贵模拟软件，不需编程，是一种简便、易学、经济且有效的工具。

文本所建立的PBTK模型可以较好的模拟小鼠静脉注射氰戊菊酯后体内代谢动力学过程，获得各组织、血液中氰戊菊酯浓度变化的一系列内剂量数据，为进一步评估农药暴露风险提供了途径。

[1] Jos G B, George L, Kannan K, et al. PBTK modelling platforms and parameter estimation tools to enable animal-free risk assessment: Recommendations from a joint EPAA - EURL ECVAM ADME workshop [J]. Regulatory Toxicology and Pharmacology, 2014, 68(1): 119-139

[2] DeWoskin R S, Sweeney L M, Teeguarden J G, et al. Comparison of PBTK model and biomarker based estimates of the internal dosimetry of acrylamide [J]. Food and Chemical Toxicology, 2013, 58: 506-521

[3] Teuschler L K. Deciding which chemical mixtures risk assessment methods work best for what mixtures [J]. Toxicology and applied pharmacology, 2007, 223(2): 139-147

[4] Trine K R, John C L, Otto M. Risk assessment of mixtures of pesticides: Current approaches and future strategies [J]. Regulatory Toxicology and Pharmacology, 2010, 56: 174-192

[5] Andersen M E, Krewski D. Toxicity testing in the 21st century: Bringing the vision to life [J]. Toxicological Sciences, 2009, 107: 324-330.

[6] Punt A, Schiffelers W A, Horbach G J, et al. Evaluation of research activities and research needs to increase the impact and applicability of alternative testing strategies in risk assessment practice [J]. Regulatory Toxicology and Pharmacology, 2011, 61(1): 105-114

[7] EFSA. Scientific opinion of the PPR Panel on A Request from the EFSA Evaluate the Suitability of Existing Methodologies and, if Appropriate, the Identification of New Approaches to Assess Cumulative and Synergistic Risks from Pesticides to Human Health with A View to Set MRLs for Those Pesticides in the Frame of Regulation [R]. EC 396/2005, EFSA J 704. 2008.

[8] Smith J N, Hinderliter P M, Timchalk C, et al. A human life-stage physiologically based pharmacokinetic and pharmacodynamic model for chlorpyrifos: Development and validation [J]. Regulatory Toxicology and Pharmacology, 2014, 69(3): 580-597.

[9] Crowell S R, Henderson W M, Kenneke J F, et al. Development and application of a physiologically based pharmacokinetic model for triadimefon and its metabolite triadimenol in rats and humans [J]. Toxicology Letters, 2011, 205(2): 154-162

[10] Lin Z M, Fisher J W, Ross M K, et al. A physiologically based pharmacokinetic model for atrazine and its main metabolites in the adult male C57BL/6 mouse [J]. Toxicology and Applied Pharmacology, 2011, 251(1): 16-31

[11] Poet T S, Kousba A A, Dennison S L, et al. Physiologically based pharmacokinetic / pharmacodynamic model for the organophosphorus pesticide diazinon [J]. Neurotoxicology, 2004, 25(6): 1013-1030

[12] Meeker J D, Barrd B, Hauser R. Human semen quality and sperm DNA damage in relation to urinary metabolites of pyrethroid insecticides [J]．Human Reproduction, 2008, 23(8): 1932-1940

[13] 丁正锋, 史阳白, 李潇轩, 等. 氰戊菊酯对河川沙塘鳢幼鱼的毒性效应[J]. 生态与农村环境学报. 2013, 29(30): 357-363

Ding Z F, Shi Y B, Li X X, et al. Toxic effects of Fenvalerate on Odontobutis potamophila Juvenile [J]. Journal of Ecology and Rural Environment. 2013, 29(30): 357-363 (in Chinese)

[14] Shah P V, Mc G D. Fenvalerate [M]. Washington DC USA, Environmental Protection Agency, 2012: 307-361

[15] Office of prevention, pesticides and toxic substances. Physiologically-Based Pharmacokinetic/ Pharmacodynamic Modeling: Preliminary Evaluation and Case Study for the N-Methyl Carbamate Pesticides [M]. Washington D.C: US Environmental Protection Agency, 2003: 11-16

[16] Brown R P, Delp M D, Lindstedt S L, et al. Physiological parameter values for physiologically based pharmacokinetic models [J]. Toxicology and Industrial Health, 1997, 13(4): 407-484

[17] Davies B, Morris T. Physiological parameters in laboratory animals and humans [J]. Pharmaceutical Research, 1993, 10(7): 1093-1095

[18] Tong J, Zhang Z L. Toxicokinetics of fenvalerate mixed with phoxim in mice [J]. Journal of Occupation Health, 2002, 44: 103-104

[19] Schmitt W. General approach for the calculation of tissue to plasma partition coefficients [J]. Toxicology in Vitro, 2008, 22: 457-467

[20] Poulin P, Krishnan K. Molecular structure-based prediction of the partition coefficients of organic chemicals for physiological pharmacokinetic models [J]. Toxicology Methods, 1996, 6: 117-137

[21] Meineke I, Brockmoller J. Simulation of complex pharmacokinetic models in Microsoft Excel [J]. Computer Methods and Programs in Biomedicine, 2007, 88(3): 239-245

[22] 张增利, 童建, 周建伟, 等. 农药氰戊菊酯混配前后的代谢动力学研究[J]. 工业卫生与职业病, 2002, 28(5): 270-273

Zhang Z L, Tong J, Zhou J W, et al. Study on toxicokineticsof fenvalerate before and after mixed with phoxim [J]. Industrial Health and Occupational Diseases, 2002, 28(5): 270-273 (in Chinese)

[23] Misra S, Sharma C B. Metabolism and bioaccumulation of fenvalerate and its metabolites in rat organs [J]. Biomedical Chromatography, 1997, 11: 50-53

[24] Yang D R, He F S, Li T. Repetitive nerve stimulation and stimulation single fiber electromyography studies in rats intoxicated with single or mixed insecticides [J]. Toxicology, 2001, 161(1-2): 111-116

◆

Physiologically Based Toxicokinetic Model for Fenvalerate in Mice

Liang Ying1,2, Ding Ying2, Zhang Liuquan2, Liu Xianjin1,*

1. Key Laboratory of Food Quality and Safety of Jiangsu Province, Nanjing 210014, China 2. Key Laboratory of Control Technology and Standard for Agro-product Safety and Quality, Nanjing 210014, China

Received 8 August 2014 accepted 19 September 2014

The physiologically based toxicokinetic (PBTK) model was developed to simulate the process of absorption, distribution and metabolism of fenvalerate in mice’s body after intravenous injection. The PBTK model for fenvalerate contains five compartments: liver, lung, kidney, rapidly perfused tissues and slowly perfused tissues. The change rate of the amount of fenvalerate in the compartments could be described by the mass balance differential equation. The toxicokinetic data were simulated according to Euler’s method of numerical integration. The concentrations of fenvalerate in the liver, lung and blood were obtained for exposing to 0.5 mg·kg-1, 2.5 mg·kg-1, 10 mg·kg-1fenvalerate. The simulation results were validated by comparing them with experimental measurements. It was found that the simulation results obtained were very close to experimental results. This method could predict the toxicokinetics of injectionof fenvalerate in mice. By this model, the internal doses of organism exposed to hazards could be estimated providing a new route for assessing the hazards.

fenvalerate; physiologically based toxicokinetic model; mice; Euler’s method; injection

国家自然科学基金(Nos.31201356)；江苏省农业自主创新项目(Nos. cx(13)3087)；江苏省自然科学基金(Nos. BK20130701)

梁颖(1980-)，女，副研究员，博士，研究方向为农产品质量与安全，E-mail：mnily555@163.com

*通讯作者(Corresponding author)， E-mail: jaasliu@163.com

10.7524/AJE.1673-5897-20140808001

2014-08-08 录用日期：2014-09-19

1673-5897(2015)3-170-07

X171.5

A

刘贤金(1963-)，男，植物保护博士，研究员，主要研究方向为农产品质量安全，发表学术论文90余篇。

梁颖, 丁莹, 张留圈, 等. 氰戊菊酯生理毒物代谢动力学模型的建立[J]. 生态毒理学报, 2015, 10(3): 170-176

Liang Y, Ding Y, Zhang L Q, et al. Physiologically based toxicokinetic model for fenvalerate in mice [J]. Asian Journal of Ecotoxicology, 2015, 10(3): 170-176 (in Chinese)