本节摘要:一般毒性试验按暴露时长分为急性(单次/24 小时内,产 LD50 或分类终点)、亚急性(28 天)、亚慢性(90 天)、慢性(12 个月以上)与致癌联合试验。本节讲剂量组选择的方法(阶梯法、限值试验)、重复剂量试验的标准骨架(分组、动物数、观察与临床病理)、恢复期卫星组的作用,以及为什么现代急性试验已从"算 LD50"转向"分级观察终点"。1.2 的统计伏笔(每组动物数与 NOAEL 可靠性)在此落到设计参数。
本节是"NOAEL 的生产车间"——第 8 章风险评定的头号原料产地。设计里的每个数字都有讲究。
经典急性试验用多组动物精算 LD50(1.2 的 probit 回归流程),现代指南已转向分级法(上下法):一次一只动物顺序给药,根据存活或死亡决定下一只的剂量升降,2–3 个剂量台阶即可估计分级边界。动因正是 7.1 的 3R——精算 LD50 消耗大量动物,而监管实际需要的信息只是"落在哪个毒性分级"(1.1 的 WHO 表)。限值试验则处理另一个情形:受试物在 2000(或 5000)毫克每公斤仍未产生死亡时,可直接判定"低毒/微毒"级,无需继续加量——预期大剂量才可能有害的物质(如多数食品成分)用这个出口节省资源。
急性试验的现代观察终点远超死亡:临床症状记分(自主神经、神经行为)、体重与笼边观察、推荐人道终点替代死亡(7.1)。这些定性信息对临床中毒预判(第 8 章)的价值常常大于一个精确到个位数的 LD50。
以 90 天经口亚慢性试验(啮齿类)为模板,标准骨架如下:
| 设计要素 | 典型取值 | 设计逻辑 |
|---|---|---|
| 剂量组 | 对照加 3 个剂量 | 高剂量应出现明确毒性(不限死亡)、中剂量轻度毒性、低剂量无观察毒性(NOAEL 候选) |
| 剂量间距 | 2–4 倍,常用 10 倍跨度覆盖 | 太密浪费动物、太疏漏掉 NOAEL |
| 每组动物数 | 每性别 10–20 只 | 由检出功效反推(1.3 的功效算术) |
| 恢复卫星组 | 高低剂量加恢复期 28 天 | 区分可逆与不可逆效应(1.1 的可逆轴) |
| 观察终点 | 临床、体重、摄食、眼科、尿、血液学与血生化、大体解剖与全套病理 | 覆盖主要器官系统(第 5 章清单) |
| 毒代动力学卫星组 | 少量动物采血测暴露 | 确认动物暴露达到了人的水平(暴露比对,外推的关键) |
高剂量的"毒性证据"要求值得强调:如果高剂量都没出毒性,试验只能给出"在这个剂量以下未见危害"的弱结论(NOAEL 等于或高于限量),监管上叫"未达最大耐受剂量"的设计缺口。反之高剂量若过狠(出现严重应激或死亡),其他组的剂量选择就失去参照。剂量范围寻找试验(短周期剂量爬坡或借助同类物数据)因此是正式试验前的标准动作。
终点读法的层级:临床观察(最敏感但最模糊)→ 血液学与生化(器官功能的窗口,ALT/肌酐对应 5.1/5.2)→ 大体病理 → 组织病理(金标准)。NOAEL 的判定落在"最高无有害作用的剂量",而"有害"与"适应"的分界由病理学家裁定——肾上腺肥大可能是代偿性适应,肝细胞肥大可能是酶诱导(2.2)而非损伤,这类判读是毒理病理学的专业判断地带,也是 7.3 组学方法试图客观化的领域。
致癌试验(4.2 的多阶段过程所需要的终点证据)与慢性毒性常联合设计:两种性别、每组 50 只以上、染毒近两年(大鼠寿命的大部分),加上中期与末期剖检、全套肿瘤病理。代价表:一个化合物一套完整两年龄 assay 消耗数百至上千只动物、耗时约三年、经费以百万计。这组数字解释了 7.1 与 7.3 的一切:监管数据需求(REACH 等法规要求数万种化学品补数据)与动物伦理、经费现实之间无法用传统方法调和——替代体系必须出现。
遗传毒性组合(衔接 4.1)作为短期试验,在正式决策树中排在长期试验之前:细菌回复突变加体外哺乳动物试验加体内微核的"三件套"若全阴性,多数情形可暂缓长期致癌试验的紧迫性;若阳性则触发管理后果(无阈值假设或附加机制证据)。这是"分层决策"思想在毒理学测试体系中最成熟的实践。
背景:某 28 天重复剂量试验报告宣称 NOAEL 为每公斤每天 100 毫克。审阅发现:每组每性别仅 5 只动物;高剂量 400 毫克组仅见体重增重减缓 8%;未设恢复组;无毒代采样。操作:按 1.3 的功效逻辑复核——5 只动物的性别分层下,除非效应极强,统计功效极低;体重减缓 8% 通常已达"有害"判定门槛却被记为"非有害"。结果:审评驳回,要求按标准动物数与终点重做。解读:NOAEL 的可信度由三个设计参数托底——动物数(功效)、剂量组结构(间距与覆盖)、终点完整性(病理与恢复)。变式:若高剂量组确实"未达毒性",补救方案是用毒代数据证明动物暴露已达或超过人暴露的足够倍数,以暴露比对替代毒性证据(这一逻辑在低毒性大分子药物评价中常用)。
# 剂量组设计的模拟:NOAEL 落点对剂量间距的敏感性(示意) # 假设真实"最低有害剂量"在 120 mg/kg 附近,剂量结构决定 NOAEL 读数 designs = { "疏间距 50/200/800": [50, 200, 800], "中间距 25/100/400": [25, 100, 400], "密间距 30/60/120": [30, 60, 120], } true_loael = 120 for name, doses in designs.items(): noael = max([d for d in doses if d < true_loael]) print(f"{name} -> NOAEL 读作 {noael},偏离真实 {abs(noael-100)/100*100:.0f}%") # 疏间距读 50(低估安全界),密间距读 60-100 之间 —— 间距直接改写限量底线
⚠️ 常见坑:读试验报告只看结论行"NOAEL = X"。正确顺序是先看每组动物数与病理表格,再决定是否相信这个数。NOAEL 是设计参数的函数,不是物质的物理常数——BMD 法(第 8 章)正是为修正这一点而设。
动物试验的框架与代价都清楚了。下一节看替代路线能走多远:从细胞培养到类器官、从组学到计算读跨——NAMs 的能与不能。