溶解度与溶出预测：连接结构与制剂

溶解度是决定口服吸收的两大因素之一（另一个是渗透性）。但「溶解度」这个词涵盖了好几个不同的量，混淆它们是很常见的错误。

先分清几种溶解度

类型	定义	用途
本征溶解度 S₀	中性形式在水中的平衡溶解度	分子固有性质，用于建模
平衡溶解度	特定 pH 下达到平衡的溶解度	制剂开发的基础
动力学溶解度	从 DMSO 储备液稀释后的表观溶解度	早期筛选（快但不准）
溶出速率	单位时间溶解的量	常比平衡溶解度更决定吸收
生物相关溶解度	在 FaSSIF/FeSSIF 中的溶解度	更接近体内实际

动力学溶解度与平衡溶解度可能相差很大：动力学法测的是过饱和状态下的瞬时值，常高估。早期筛选用它没问题，但不能拿来做制剂决策，更不该混进同一个建模数据集。

影响溶解度的三个因素

# 通用溶解度方程（GSE）给出了直观的框架：
#
#   log S₀ = 0.5 - 0.01 × (MP - 25) - logP
#
# 其中 MP 是熔点（℃），logP 是脂水分配系数
#
# 这个简单公式揭示了三个关键因素：
#
# 1) 晶格能（由熔点反映）
#    分子堆积越紧密、晶格能越高 → 越难溶解
#    → 破坏晶格对称性、引入扭曲可以改善
#
# 2) 疏水性（logP）
#    越疏水越难溶于水
#    → 引入极性基团
#
# 3) 电离（pH 依赖）
#    可电离基团在合适 pH 下大幅提高溶解度
#    → 成盐（见 394）
#
# GSE 的精度有限（常有 1 个 log 单位以上误差），
# 但它的价值在于告诉你「该往哪个方向改」

「高熔点 = 难溶」这个关系常被忽略：如果一个分子 logP 不高却仍然难溶，问题很可能在晶格能上。此时增加极性基团帮助有限，应该考虑破坏分子的平面性与对称性（如引入 sp³ 中心、扭曲共轭）来降低堆积效率。

计算预测

from rdkit import Chem
from rdkit.Chem import Descriptors, Crippen

def estimate_solubility_gse(smiles, melting_point=None):
    """通用溶解度方程估算"""
    mol = Chem.MolFromSmiles(smiles)
    logp = Crippen.MolLogP(mol)
    if melting_point is None:
        # 没有熔点数据时的粗略近似（精度会下降）
        return 0.5 - logp
    return 0.5 - 0.01 * (melting_point - 25) - logp

# 机器学习方法（更实用）
# 数据源：AqSolDB、ESOL、TDC 的 Solubility_AqSolDB（见 244）
#
# 用 Chemprop（见 174）或 ECFP + 梯度提升
# 典型精度：RMSE 约 0.7~1.0 log 单位
#
# 注意：
#   1) 训练数据混合了不同测定方法与条件，噪声不小
#   2) 数据本身的实验误差约 0.5 log，这是精度天花板
#   3) 对训练分布外的新化学型外推能力有限

# 更可靠的做法：用自家实测数据微调公开预训练模型

BCS 分类：决定制剂策略

类别	溶解度	渗透性	限速因素	改善策略
I	高	高	胃排空	通常无需特殊处理
II	低	高	溶出	增溶手段最有效
III	高	低	渗透	渗透促进剂、前药
IV	低	低	两者	最困难，常需重新设计分子

先确定 BCS 类别，再决定优化方向。这是最容易被跳过但最有价值的一步——如果分子是 III 类（渗透受限），花大力气提高溶解度不会改善吸收。搞错限速因素，所有优化都是无效功。

增溶策略（针对 BCS II 类）

层级	手段	特点
分子层面	引入极性基团、降低 logP、破坏平面性	最根本，但可能影响活性
固体形态	成盐（见 394《盐型选择 Salt Selection》）、共晶（见 395《共晶 Cocrystal》）	成本低、常规
无定形	无定形固体分散体（ASD）	效果显著但需稳定化
粒径	微粉化、纳米混悬	提高溶出速率（不改变平衡溶解度）
增溶剂	表面活性剂、环糊精、共溶剂	制剂手段
脂质制剂	SEDDS 自乳化系统	适合高脂溶性分子
前药	接可水解的亲水基团（如磷酸酯）	需要体内转化

溶出速率往往更关键

# Noyes-Whitney 方程：
#
#   dC/dt = (D × A / h) × (Cs - C)
#
#   D  = 扩散系数
#   A  = 表面积        ← 粒径减小可大幅提高
#   h  = 扩散层厚度
#   Cs = 饱和溶解度
#   C  = 当前浓度
#
# 关键洞察：
#   即使平衡溶解度不变，增大表面积（微粉化、纳米化）
#   也能显著提高溶出速率
#   → 对溶出限速的药物，这可能就够了
#
# 但注意：
#   纳米化会增加表面能，可能加速化学降解或引起聚集
#   且工艺成本上升

生物相关介质：更接近真实

• FaSSIF（空腹状态模拟肠液）：含胆盐与磷脂，pH 6.5；
• FeSSIF（进食状态模拟肠液）：胆盐浓度更高，pH 5.0；
• SGF（模拟胃液）：pH 1.2；
• 为什么重要：胆盐胶束能大幅增溶疏水药物，在纯水中溶解度极低的分子在 FaSSIF 中可能高出十倍以上。用纯水数据判断吸收会严重低估。
• 食物效应预测：FaSSIF 与 FeSSIF 中的溶解度差异，提示该药是否有明显食物效应。

建模时的数据纪律

• 不要混合不同类型的溶解度数据：动力学与平衡、不同 pH、不同介质的数据不可混用；
• 记录 pH 与介质：没有这些元数据的溶解度值几乎无法使用；
• 注意固体形态：同一化合物不同晶型的溶解度不同（见 393《多晶型 Polymorphism》），文献数据常不注明晶型；
• 数据噪声约 0.5～0.7 log：模型 RMSE 到这个量级就接近天花板了。

延伸资源

• 盐型与共晶：394《盐型选择 Salt Selection》、395《共晶 Cocrystal》；多晶型：393《多晶型 Polymorphism》；
• ADMET 建模：334《训练 ADMET 多任务模型》、244《TDC ADMET Group》；理化性质见「成药性」模块。