摘要：今天为大家带来的文章基于计算方法与SAR（Read-across）的N-亚硝胺杂志风险评估的综述。内容基于在维也纳大学Europin summer school中赛诺菲公司的计算毒理学家Alexander Amberg的报告进一步整合而成。

今天为大家带来的文章基于计算方法与SAR（Read-across）的N-亚硝胺杂志风险评估的综述。内容基于在维也纳大学Europin summer school中赛诺菲公司的计算毒理学家Alexander Amberg的报告进一步整合而成。

亚硝胺（N-nitrosamines）作为一类重要的药物相关杂质，自2018年在缬沙坦（Valsartan）等药物中首次被发现以来，引起了监管机构、制药企业以及学术界的广泛关注。缬沙坦事件是生产工艺的变更，导致合成过程中使用的溶剂和试剂形成了痕量的NDMA（N-亚硝基二甲胺）和NDEA（N-亚硝基二乙胺）造成的。这些杂质在极低浓度下即可诱导DNA损伤和癌症，因此全球范围内进行了药品召回和大规模的监管审查。

评估杂质致突变性和致癌性的途径一般依赖于动物实验，但这不仅耗时耗力，而且存在伦理问题。随着ICH M7指南的发布，首次允许利用计算机模拟（in silico）方法结合read-across进行潜在致突变杂质的风险评估，为药物质量控制提供了新的路径。

本文综述了N-亚硝胺的毒理学基础、作用机制、形成途径以及最新的风险评估方法，重点介绍了结构-活性关系（SAR）、read-across、致癌效力分类方法（CPCA）和量子化学计算在风险评估中的应用。

N-亚硝胺具有多种毒理作用，包括肝毒性、肾毒性、神经毒性和免疫毒性，但其核心问题在于基因毒性与致癌性。由于其作用机制是通过代谢活化后生成反应性中间体，与DNA碱基形成加合物，从而导致突变，因此在理论上即使是单分子水平也可能诱发癌变。

监管上通常通过可接受日摄入量（Acceptable Intake, AI）来控制N-亚硝胺杂质水平。例如，N-亚硝基二甲胺（NDMA）的动物实验TD50值为0.096mg/kg/d，经换算其AI为96ng/天，远低于人类日常饮食中摄入的NDMA量。这表明药品中杂质控制需要更为严格的限值。

缬沙坦事件中，厂家采用了含二甲胺的溶剂，并使用亚硝酸钠清除残余叠氮化钠，结果在条件不当时形成了NDMA和NDEA。这一事故为行业敲响了警钟，促使监管机构提出更加严格的N-亚硝胺控制措施。

图1：亚硝酸盐的介绍

此外，N-亚硝胺在食品（肉类、鱼类、啤酒）中亦常见，但药品中的控制要求远高于食品领域。

图2：N-亚硝胺的作用机理

N-亚硝胺的致癌性源于其在肝脏中被CYP450酶系活化，经α-羟基化生成不稳定的重氮离子和烷基阳离子，这些活性中间体可与DNA碱基（鸟嘌呤、腺嘌呤、胞嘧啶、胸腺嘧啶）形成加合物，引发基因突变。部分结构上的差异（如取代基类型、空间位阻）会显著影响其代谢方式和活化效率，从而决定了其致癌效力。

图3：SAR 分析结果示例

用于将致癌性进行分类的结构特征根据TD50致癌效力，可将不同的亚硝胺划分为不同类别（范围可相差4个数量级）

SAR通过分析已知N-亚硝胺的结构特征与致癌性数据（如TD50）之间的关系，预测未知结构的风险。read-across则利用结构相似化合物的实验数据来推断目标化合物的毒性。影响因素包括：取代基的电子效应与立体效应；分子量与稳定性；代谢活化潜力。

这种方法尤其适用于缺乏充分动物实验数据的N-亚硝胺检测。

5.2 致癌效力分类方法（CPCA）

2023年由国际药监机构合作开发的CPCA提供了一种基于SAR的标准化分级方法。其核心是计算效力分值：

效力分值 = α-氢数量评分 + 去活化特征评分 + 活化特征评分

根据效力分值，可将N-亚硝胺分为五个致癌效力类别，每一类对应特定的AI限值。这种方法被设计为保守预测，即宁可高估风险也不低估。

5.3 量子化学计算

图4：量子力学方法，对各个生物活化步骤（A–F）的Gibbs 自由能 [kcal/mol] 进行计算。

量子化学方法通过计算关键代谢步骤的Gibbs自由能，预测生物活化的可能性。自由能越低，活化步骤越容易发生，相应的致癌风险越高。这一方法为理解不同N-亚硝胺的活化机制提供了分子层面的证据。

5.4 补充实验方法

在部分情况下，可通过改良的体外实验（如增强型Ames试验）验证预测结果。例如，N-亚硝基雷米普利在Ames试验中呈阴性，说明其不具强致突变性，从而允许提高AI限值。

随着ICH M7指南的实施，监管机构已正式接受基于in silico预测与read-across的风险评估方法，这标志着药品杂质管理进入了以计算方法为核心的新阶段。N-亚硝胺作为高关注度杂质，其风险评估策略已从依赖大量动物实验转向：

SAR与read-across → 数据缺口填补

CPCA分级 → 标准化风险控制

量子化学计算 → 分子机制验证

实验补充 → 特殊案例支持

总体而言，基于计算方法与read-across的N-亚硝胺风险评估，不仅提高了药品安全控制的科学性与效率，也符合减少动物实验的伦理要求，将在未来药品监管中发挥越来越重要的作用。

参考文献

ICH M7 (R2). Assessment and Control of DNA Reactive (Mutagenic) Impurities in Pharmaceuticals to Limit Potential Carcinogenic Risk, 2023.

Thresher J, et al. Are all nitrosamines concerning? A review of mutagenicity and carcinogenicity data. Regul Toxicol Pharmacol. 2020;116:104749.

Cross K, Ponting D. Developing structure–activity relationships for N-nitrosamine activity. Comput Toxicol. 2021;20:100186.

Kruhlak NL, et al. Carcinogenic Potency Categorization Approach (CPCA) for N-nitrosamines. Regul Toxicol Pharmacol. 2024;150:105640.

Wenzel J, et al. Predicting DNA-reactivity of N-nitrosamines: A quantum chemical approach. Chem Res Toxicol. 2022;35:2068–2084.

FDA. Recommended acceptable intake limits for nitrosamine drug substance-related impurities (NDSRIs): Guidance for Industry. 2023.

EFSA. Review on nitrosamines in food until 2017. EFSA J. 2017.

EMA. “Valsartan medicines: review of impurities” (2018). https://www.ema.europa.eu/

来源：健康益民交流