Nateglinide

题目:Advancement in peptide-based therapeutics for the treatment of type 2 diabetes mellitus: current progress and future prospects出处:摘要糖尿病是一种由胰腺分泌的激素胰岛素不足所引起的慢性疾病。尽管目前已有多种治疗糖尿病的方法，包括非肽类药物，但大多数药物存在不良反应，且与肽类药物相比效果有限。蛋白质类药物具有诸多优势，例如可促进体重减轻、显著降低血糖水平，并且发生低血糖的风险极低。本文探讨了糖尿病的治疗方式，介绍了现有的疗法，对肽类药物与其他药物进行了深入比较，分析了当前研发进展及面临的障碍，提出了一些建议，并概述了肽类药物在2型糖尿病（T2DM）治疗中的未来研究方向。近年来，包括ESMFold、ProteinMPNN、Schrödinger和AutoDock Vina在内的多种计算工具和人工智能模型，在肽类药物发现中发挥了关键作用。因此，本文还强调了人工智能药物发现的重要性，以及各类AI模型和其他计算工具在推动肽类药物发现与开发方面的重要意义。1 引言目前，糖尿病是全球增长最快的慢性疾病之一，对个人、家庭及社会的生活和健康状况产生了显著影响。糖尿病主要有三种常见类型：1型糖尿病（T1DM）、2型糖尿病（T2DM）和妊娠期糖尿病（GDM）。在三种常见的糖尿病类型中，2型糖尿病最为普遍，其病例数占总数的90%以上，远超1型糖尿病和妊娠期糖尿病。不健康的饮食习惯和久坐不动的生活方式是导致2型糖尿病的重要因素，而遗传易感性也在一定程度上影响个体患病风险。通过调整生活方式，如保持健康体重、遵循营养均衡的饮食、坚持规律的身体活动、戒烟以及限制饮酒，可以有效控制2型糖尿病。进入二十一世纪以来，肽类治疗药物的研发迎来了崭新时代，结构生物学、重组生物制剂以及革命性的合成与分析技术取得了重大进展，极大地加快了研发进程。这也旨在更深入地了解肽类激素（包括胰岛素、催产素、促性腺激素释放激素和加压素）的组成及其生理效应，这些研究推动了药理学、生物学和化学领域的重要进展，同时也促进了当代药物发现中其他关键性技术的发展。因此，目前临床上使用的肽类疗法中有相当一部分是用于治疗糖尿病的药物，例如利拉鲁肽和度拉糖肽。由于其在治疗中的高效性和选择性，肽类药物在糖尿病治疗中发挥着至关重要的作用。口服给药是治疗糖尿病的一种有前景的方法，相比注射途径，它更加便捷，也更有利于患者的依从性。如今，肽类治疗药物的研究进展已成为制药领域的重要研究方向。1.1 2型糖尿病概述 胰岛素是一种由51个氨基酸组成的激素，对葡萄糖稳态、细胞发育和代谢功能具有重要作用。1921至1922年间，著名加拿大科学家弗雷德里克·班廷博士发现了胰岛素。进食后血糖升高时，胰腺β细胞会分泌胰岛素，从而促进外周组织清除葡萄糖，维持血糖稳定。例如，该机制可增强肌肉和脂肪细胞对葡萄糖的摄取，抑制肝脏糖异生，并促进肝脏和肌肉中的糖原合成。2型糖尿病（T2DM）的特征是相对性胰岛素缺乏或胰岛素抵抗，导致葡萄糖利用减少和血糖水平升高。随着疾病进展，胰腺β细胞功能逐渐恶化，胰岛素分泌不足，因此在晚期T2DM治疗中，胰岛素成为关键治疗手段（图1）。1.2 2型糖尿病（T2DM）的发病机制 2型糖尿病约占所有糖尿病病例的90%，其特征为外周胰岛素抵抗及由此导致的胰腺β细胞功能障碍。胰岛素抵抗是指胰岛素介导的葡萄糖代谢调节在组织中出现功能异常，尤其在肌肉、脂肪和肝脏组织中表现明显，是包括2型糖尿病、代谢综合征等多种人类疾病谱的早期标志之一。肥胖、高胰岛素血症、高血糖和高脂血症等代谢紊乱可引发这些疾病的发生。胰岛素抵抗也可能由环境因素与遗传因素共同作用所致。胰腺朗格汉斯岛中的β细胞通过感知血糖水平波动而分泌并释放胰岛素，在维持血糖稳态方面起着关键作用。β细胞的退化被认为是1型糖尿病和2型糖尿病进展过程中的重要环节。β细胞的死亡与高血糖和胰岛素抵抗的加重相关，进而促进糖尿病及其并发症的恶化发展。凋亡被认为是糖尿病中β细胞损伤的主要机制。然而，β细胞功能衰竭和死亡并不仅限于凋亡，还涉及多种细胞间因素，包括细胞因子、半胱天冬酶以及细胞器（图2）。1.3 肽类治疗药物 在过去十年中，随着制药行业逐渐认识到肽类治疗药物在弥补医疗领域空白方面的潜力，以及其作为小分子药物和生物疗法更精准的补充或替代品的能力，肽类药物的研发重新获得了广泛关注并取得了显著的科学进展。一类被称为治疗性肽的特殊药物，由多个有序排列的氨基酸组成，分子量通常介于500至5000之间。基于肽的治疗候选物或经结构修饰的肽具有诸多优势，包括易于获取、生产成本较低、生物利用度更高、免疫原性更低、特异性更强、生物活性显著、固有毒性极低，以及易于纯化和保存[18]（表1）。2 目前用于治疗2型糖尿病的已获批药物 2.1 美国食品药品监督管理局（FDA）批准的药物 美国的药品审批标准被认为是全球最严格且被广泛认可的标准，其药品审批流程也最为复杂。FDA是美国政府机构，长期以来通过严格执行标准，在确保药品安全性和有效性方面发挥着至关重要的作用。临床试验必须精心设计，以证明研究性药物或正在评估新适应症的已批准药物在安全性和疗效方面的表现。多种类型的药品申请可提交至FDA审批，包括IND申请、NDA、ANDA和BLA，这些机制进一步提升了FDA审批的全球公信力。在2023至2024年期间，FDA批准了多种新型药物，其中包括61种新化学实体（NCE）和43种新生物实体（NBE）。截至2020年，FDA已批准了33种用于治疗糖尿病的药物，其中6种为治疗2型糖尿病的不同类型口服药物。目前，已有80种基于肽的药物获批用于治疗，其中包括30种非胰岛素类药物，如催产素和加压素。这些药物包括双胍类（如二甲双胍）、磺酰脲类（如格列吡嗪、格列本脲）、α-葡萄糖苷酶抑制剂（如阿卡波糖）、噻唑烷二酮类（如罗格列酮、吡格列酮）、格列奈类（如瑞格列奈、那格列奈）以及DPP-4抑制剂（如西格列汀、沙格列汀）。然而，并非所有这些药物均显示出改善其他糖尿病相关结局的有效性。此外，美国食品药品监督管理局（FDA）已批准多种抗糖尿病药物，包括司美格鲁肽（Ozempic）、恩格列净（Jardiance）和利拉鲁肽（Victoza），这些药物可显著降低2型糖尿病患者的心血管不良事件发生率（表2）。2.2 二甲双胍二甲双胍（N,N-二甲基咪唑二碳酰亚胺二酰胺）（图3）是目前最常用于治疗糖尿病的口服药物，可通过恢复机体对胰岛素的反应来降低血糖水平。研究发现，二甲双胍的降糖作用可用于预防高风险人群的糖尿病。该药物最早于1922年由埃米尔·维尔纳和詹姆斯·贝尔在科学文献中报道，是一种由N,N-二甲基胍合成的物质。它于1957年首次被用于治疗糖尿病患者。尽管目前有多种药物可用于控制2型糖尿病，但大多数降糖药物都存在不良副作用。例如，噻唑烷二酮类药物可能引发心力衰竭，而磺脲类和格列奈类药物则可能导致低血糖和体重增加。尽管二甲双胍在治疗2型糖尿病方面应用广泛且疗效显著，但它常引起胃肠道不适，并可能带来其他问题，如胰腺炎、肝炎和凝血功能障碍。长期使用二甲双胍的2型糖尿病患者可能出现维生素B12水平下降，进而导致贫血。2.3 肽类2型糖尿病药物的作用机制、疗效及安全性问题 2.3.1 胰岛素及其类似物 胰岛素（图4）是一种由51个氨基酸残基组成的肽类激素，分为A链和B链两条多肽链，可调节血浆葡萄糖稳态。胰岛素的修饰形式即胰岛素类似物，可表现出与人胰岛素相当的降血糖效果。利用重组DNA技术可改变胰岛素的氨基酸序列，从而制备出与天然胰岛素相比药代动力学特性略有改善的胰岛素类似物。先前的研究表明，胰岛素有助于预防慢性糖尿病的并发症，包括大血管病变、肾病、视网膜病变和神经病变。该疗法还能减轻1型和2型糖尿病患者相关的健康问题。为了模拟生理性的胰岛素分泌以实现最佳血糖控制，像门冬胰岛素、赖脯胰岛素等胰岛素类似物在预防微血管和大血管并发症方面至关重要，并且相较于普通人胰岛素，能更有效地控制餐后血糖水平，同时降低低血糖风险。然而，胰岛素治疗也存在一些缺点，如低血糖、胰岛素抵抗、肥胖以及血糖波动等问题。由于胰岛素给药装置种类繁多，导致2型糖尿病患者容易产生困惑，进而担心用药过量。这一安全问题近期在英国受到了广泛关注。与此同时，根据英国国家患者安全局（NPSA）的一份报告，独立医疗机构在胰岛素使用和处方方面的安全性问题引发了关注，促使英国国家医疗服务体系（NHS）采取紧急措施，以减少进一步的胰岛素相关用药错误。一项荟萃分析发现，基础胰岛素常规治疗可使糖化血红蛋白（HbA1c）降至7%以下，并导致体重下降。2.3.2 胰高血糖素样肽-1（GLP-1） GLP-1是一种肠促胰岛激素，通过多种机制调节高血糖，包括抑制胰高血糖素的释放和胰岛β细胞凋亡、增强葡萄糖刺激下的胰岛素分泌、降低肝脏葡萄糖生成，并可能促进胰腺β细胞的发育与分化。目前市场上已有多种不同类型的降糖药物，每种药物的作用机制各异，具有不同的治疗优势。其中一类降糖药物可通过作用于胰腺β细胞上的GLP-1受体（GLP-1R），增加胰岛素的分泌。此外，该类药物还能有效抑制胰高血糖素的产生，延缓胃排空速度，并增强饱腹感（图5）。这些药物在多项临床研究中也显示出多种副作用，例如进食后血糖变化、体重减轻以及心血管疾病风险因素增加。然而，这些临床试验同时也观察到GLP-1RA疗法对2型糖尿病患者心脏健康结局的益处。尽管关于GLP-1类药物长期安全性的观察较多，但对注射型GLP-1药物产生过敏或过敏性休克反应的情况相对较少；相比之下，注射部位反应更为常见，尤其在使用每周一次艾塞那肽的患者中尤为普遍。目前尚缺乏足够的研究来评估这类药物在2型糖尿病患者中引发胰腺炎和癌症的安全性及可接受性问题。此外，根据一项2025年的研究，接受GLP-1治疗的2型糖尿病患者的死亡率显著降低（风险比0.39，95%置信区间0.37–0.40）。一项针对9项随机对照试验（共9773名患者）的最新荟萃分析显示，GLP-1RA治疗可改善血糖控制并减轻肥胖。2.3.3 胰淀素及其类似物 胰淀素（图6）是由胰腺产生的一种激素，与胰岛素在β-胰岛细胞中共同合成并释放，在进入小肠后可作为饱腹信号发挥作用。当β-胰岛细胞分泌时，会同时释放一种由37个氨基酸组成的多肽，即胰淀素，它主要通过延缓胃排空、抑制胰高血糖素的生成以及触发厌食信号来调节血糖稳态。此外，胰淀素还在大脑皮层下与稳态和奖赏相关的区域发挥重要作用，延缓胃排空，并同步抑制餐后对进食产生的胰高血糖素反应。由于其在体重控制、食物摄入及血糖调节方面的重要作用，胰淀素及其类似物已引起研究人员的广泛关注。目前已有多种药物可供使用或正在接受测试，包括普兰林肽和达瓦林肽。过去人们认为，胰腺来源的胰淀素是代谢调节中唯一重要的胰淀素来源；然而，最近的研究表明，胰淀素也存在于中枢神经系统中，尤其是在与代谢调节相关的区域，如外侧下丘脑。因此，研究显示，包括普兰林肽和AM833在内的胰淀素类似物是有效的抗肥胖药物，有助于减轻体重。但这些药物仍存在不良反应，包括低血糖风险升高、恶心、呕吐以及食欲下降等。2.4 肽类疗法与非肽类疗法的比较 由于多年来在安全性和有效性方面表现出良好的特征，肽类药物在治疗代谢性疾病和心血管疾病方面展现出显著的疗效。肽类疗法已证实具有多种优势，包括降低心血管风险、预防低血糖、改善血糖控制以及患者耐受性良好。对于体重指数（BMI）超过35 kg/m²的患者，或BMI低于35 kg/m²但胰岛素治疗无效的患者，推荐使用GLP-1受体激动剂。此外，当肥胖伴随心理或医学问题时，该疗法也具有明显益处。大量实例表明，减重可缓解多种与肥胖相关的并发症。另一方面，非肽类药物为2型糖尿病患者提供了更大的便利，因其可通过口服给药。近期临床试验显示，这类药物的不良反应更少。本文介绍了经FDA批准、应用最广泛的非肽类药物——二甲双胍（图3）。全球已有48种非肽类抗糖尿病药物获得至少一个政府机构的批准，包括阿卡波糖（中国）、度拉糖肽（美国）、伏格列波糖（日本）、那格列奈（欧盟）、依沃西汀盐酸盐（韩国）、西格列汀（墨西哥）和格列美脲（瑞典）。非糖尿病药物在调节2型糖尿病患者血糖水平方面显示出潜在疗效。基于肽的治疗药物存在若干缺点，其中最主要的是其在体内的半衰期相对较短。研究人员正利用先进的分子自组装技术，将肽类激素构建为纳米纤维结构，从而显著延长其在体内的持续生物活性，并提供了一种有前景的纳米药物递送方法。同时，个体长期使用非肽类药物可能导致多种不良反应（图7）。因此，天然药物可能成为管理2型糖尿病更为安全的选择，值得进一步研究（表3）。3 基于新型肽类的治疗药物临床试验、递送系统及工程开发 目前，已有多种肽类疗法正在进行或已完成临床试验。例如，三肽已顺利完成Ⅲ期临床试验。替尔泊肽（Tirzepatide）已在SURPASSⅢ期临床试验项目中接受评估，用于研究其在2型糖尿病（T2DM）患者中的长期安全性、有效性及心血管结局。多项临床研究表明，替尔泊肽可显著降低体重，减少食物摄入量，降低整体食欲评分，在2型糖尿病患者中未发现明显的癌症风险，并能改善空腹时饱腹感和满足感的视觉模拟评分。在治疗40至52周后，HbA1c水平的降幅从5 mg剂量组的20.4 mmol/mol到15 mg剂量组的28.2 mmol/mol不等，显示出良好的血糖管理效果。此外，该药物对血脂谱的影响也具有积极意义，可降低低密度脂蛋白胆固醇（LDL-C）和总胆固醇水平，同时高密度脂蛋白胆固醇（HDL-C）浓度迅速提升。尽管2023至2024年另一项III期临床试验报告了显著的胃肠道并发症，如腹泻和恶心，但研究中仍观察到参与者的血糖控制和体重减轻。进一步分析发现，在SURMOUNT-1和SURMOUNT-2试验阶段，通过血脂水平和收缩压监测显示心血管风险因素较低。临床试验证实，普兰林肽（图8）可改善血糖调节，降低餐后血糖波动，减少严重低血糖风险，并促进2型糖尿病患者的体重减轻。Retatrutide在I至III期临床研究中显示出减重、血糖管理、心血管风险因素稳定以及对代谢功能障碍相关脂肪性肝病的干预作用。然而，仍需关注其长期安全性，探索其辅助治疗作用，明确其在儿科人群中的作用机制，并评估其在特定人群中的潜在应用价值。尽管瑞塔鲁肽是针对2型糖尿病合并肥胖患者的一种有前景的治疗方案，但临床试验揭示了诸多缺点，包括肠促胰素类似物、胃肠道不适、价格高昂以及储存困难（图9）。目前已批准用于治疗性肽类药物的给药途径共有11种（图10），包括皮下、静脉、肌肉、鞘内和海绵体内注射；植入型剂型；以及口服、鼻腔、气管内、局部和舌下给药方式。在多种给药途径中，口服给药对患者而言最为简便且舒适。尽管其必要性以及已确立的安全性和有效性得到认可，但由于口服生物利用度不足，许多研究人员和制药企业正致力于解决这一问题。近年来，已发现多种吸收促进剂和蛋白水解酶抑制剂可提高肽类药物的口服生物利用度。此外，由于注射带来的不适感及患者依从性较低，大多数患者并不青睐该方法。因此，在药物技术领域，研究者提倡采用非侵入性的替代给药途径，如口服、肺部、鼻腔、透皮和颊黏膜给药等，这些途径尤其适用于肽类和蛋白质药物的递送（图10）。肽工程因其延长的半衰期以及在稳定性、生物活性和螺旋性方面的显著提升而成为一种有前景的方法。为了通过保护肽免受酶降解并提供多种缓释机制来增强其疗效，已开发出许多新型制剂。蛋白质工程的主要方面包括结合亲和力与特异性、减少聚集、自组装、热稳定性和蛋白水解稳定性。因此，强大的蛋白质工程工具可用于改善肽的稳定性及其他性能。近年来，蛋白质工程领域的发展，如自组装、β-发夹结构基序以及非天然氨基酸的应用，显著提升了基于肽的治疗药物的功能性和稳定性，使其安全性较以往有了明显提高（表4）。4 2型糖尿病肽类治疗的挑战 4.1 药理学与免疫学不良反应 近年来，基于肽的药物展现出巨大潜力，吸引了制药公司的广泛关注；然而，也必须考虑一些局限性，例如生物利用度低和代谢不稳定性。美国食品药品监督管理局（FDA）刚刚批准了司美格鲁肽口服片用于治疗2型糖尿病患者。该药物的生物利用度约为1%，这一数值显著偏低，成为许多肽类疗法面临的重要障碍。肽类分子体积大、分子量高，同时兼具亲水性和疏水性成分，这使其难以进入体内各个组织和细胞，因而表现出渗透性差的特点。此外，半衰期短以及蛋白酶解稳定性有限是肽类疗法的主要缺点，可能导致其功能和二级结构大量丧失。在吸收方面，由于分子尺寸相对较大、极性表面积较高以及被动扩散能力较差，这类药物的吸收能力受到明显限制。这些问题与其ADME特性密切相关，包括吸收、分布和代谢不足。根据一些研究，肽类药物的使用还可能引发恶心、呕吐和腹泻等胃肠道副作用。对于不含肽类成分的药物，其免疫原性反应显著高于肽类药物。而肽类治疗则有可能引发较弱的免疫反应，从而导致过敏反应。因此，在处理肽类药物的过敏性和免疫学副作用时，必须格外谨慎。4.2 成本与生产挑战 由于肽类药物具有诸多优势，此类产品的市场正在持续扩大。数据显示，目前在美国、欧洲和日本已有约100种肽类药物可供使用，且随着前沿研究的持续推进，预计这一数量还将继续增长。根据Grand View Research Inc.的分析，2019年全球这类药品的年销售额已达到150亿至200亿美元，预计到2025年底销售额将超过480亿美元，年均增长率达9.4%。用于治疗2型糖尿病（T2DM）的大多数肽类药物价格昂贵，原因有多个方面。尽管这些药物疗效显著且优势明显，但其在全球市场上的需求始终旺盛，导致可用于T2DM治疗的供应有限，从而推高了其成本。较高的费用也使制药公司能够为创新疗法的研发提供资金支持，同时研究人员仍在不断探索此类药物的局限性。肽类药物的制造工艺十分复杂，包含多个阶段，主要包括固相合成（SPSS）、液相固相合成（LPSS），以及少量的混合型SPPS/LPP方法，其中SPSS是合成的主要基础。该阶段需使用大量溶剂和试剂，不仅推高了药品成本，还带来环境危害。另一个需要考虑的因素是纯化。目前存在多种药物纯化方法，各有优缺点。许多制药企业依赖制备型液相色谱法，主要是因为其灵活性较高。然而，这种方法仍使药物生产更具挑战性。为防止肽类污染物在不同合成阶段之间累积放大，SPPS过程中实施有效的过程质量控制至关重要。例如，在36个氨基酸组成的恩夫韦肽（enfuvirtide）的SPPS合成中，每次偶联步骤中活性降低0.1%，就会导致纯度下降0.3%，最终粗肽的整体纯度下降达9.9%。这凸显了质量控制的重要性及其对肽类治疗药物生产成本的重大影响。肽类药物的储存具有挑战性且成本高昂。若储存不当，肽类药物容易发生水解、氧化及其他降解反应，从而显著影响其化学和物理稳定性。这种不稳定性严重限制了肽类药物的应用，尤其是在缺乏可靠冷藏条件的地区。在此类情况下，这些药物在低温、减少冻融循环以及无蛋白酶环境中使用、保存和运输时，对条件和要求都较为严格。目前已有多种合成载体系统（如聚合物纳米颗粒和纳米乳剂）被用于保护肽类药物在给药前的稳定性，以应对治疗中的各种挑战。然而，这些纳米载体可能面临复杂的制造工艺问题，例如生产过程中对肽类分子不利的条件或载体去除困难，从而导致药物成本上升。将金属有机框架（MOFs）用于肽类药物的生物矿化，为肽疗法在恶劣环境下的稳定保护提供了一种实用且简便的方法，尤其适用于发展中国家；然而，该技术尚不具备成本效益。5 肽类治疗药物的未来发展方向与研究路径 研究人员正致力于克服肽类疗法的局限性，并探索未来研究的重要机遇。近年来，生物信息学和合成生物学的进步推动了蛋白质工程的新技术发展，从而增强了RiPP型蛋白的稳定性和有效性。人工智能（AI）近期也取得了显著进展，为肽类药物的研发开辟了全新可能。许多应用领域已开始采用AI技术，如机器学习、深度学习、自然语言处理和数据挖掘，这些技术有助于更高效地分析和理解海量的生物与化学数据。研究人员可通过运用这些计算方法，加速肽类药物的设计、筛选与优化过程，从而开发出更高效的肽类治疗药物。其中，深度学习已成为肽类药物发现中的突破性方法，能够以极高的精度捕捉非线性模式，并有效处理复杂的结构数据。卷积神经网络（CNNs）作为一种广泛应用的深度学习技术，通过分析序列数据和理化性质来识别治疗性肽类药物，在肽类药物研发中具有巨大潜力。在广阔的肽序列空间中筛选治疗性肽类药物既具挑战性又耗时，而传统实验方法也难以涵盖所有特定的相互作用序列。机器学习技术能够高效、准确地发现和设计基于肽的药物。此外，为了提高从高性能测序数据集中预测功能性肽的准确性，支持向量机、随机森林、极随机树以及深度学习方法均表现出显著优势，且效率更高（表5）。尽管将人工智能应用于肽类药物开发具有诸多优势，但对预测模型进行细致验证和优化处理仍可能面临重大挑战（图11）。6 讨论近年来，肽类疗法的需求显著增加，因此过去几年中已有多款基于肽的药物获得美国食品药品监督管理局（FDA）批准。然而，肽类抗糖尿病药物仍存在一些局限性，包括免疫刺激、肾功能损害、降低糖化血红蛋白（HbA1c）、胃肠道反应以及胰腺炎等。近期的技术进步催生了多项创新理念和举措，以弥补肽类治疗药物的不足。例如，深度学习技术、人工智能模型以及PROTAC技术的发展，有助于确定蛋白质降解机制，从而实现对更有效肽类药物的分析、探索和筛选。此外，肽类药物在储存和递送方面也存在重大缺陷。开发可穿透黏膜的纳米颗粒（如聚乙二醇化，PEGylation）有望解决这一问题。聚乙二醇化可通过在表面添加PEG链，防止药物聚集、吸收和被吞噬，从而提升肽类治疗药物的疗效。此外，许多问题可通过生理活性蛋白的细胞内递送以及对蛋白质表达水平的调控来解决，而这些因素至关重要；因此，未来的研究应更加关注基于肽类药物的细胞内递送机制，以确保肽类药物具有前景且安全。TPEs 可进一步开发以提高患者的舒适度，同时也能增强蛋白质或肽类等大分子物质的生物利用度。针对2型糖尿病（T2DM）的肽类疗法是众多科学研究的重点。一项针对307名接受肽类药物治疗的T2DM患者的研究分析显示，在体重控制、糖化血红蛋白（HbA1c）降低以及血糖水平稳定方面均取得了良好效果。目前尚无心血管问题或严重低血糖的报告。然而，另一项药物警戒研究指出，部分患者也表现出自杀倾向和情绪沮丧。7 结论肽类治疗药物在治疗2型糖尿病方面表现出多种有益作用，包括低血糖风险相对较低。尽管在蛋白质错误折叠、稳定性、储存、递送、降解、生物利用度等方面存在诸多困难，但肽类药物的开发可能为治疗这一长期慢性疾病提供更有效的方法。声明：文献版权归英文原版作者所有，翻译仅供学习交流，不做任何商业用途。如涉及侵权，请联系公众号管理员处理。

药物相关性肾盂肾炎：基于美国食品药品监督管理局不良事件报告系统数据库的真实世界药物警戒研究 姚莹 1张丽芬 2姜苗 3张乃文 4徐润冰 4  （1. 北京中医药大学第三临床医学院，北京 102488； 2. 北京中医药大学第三附属医院肾病科，北京 102488； 3. 北京中医药大学生命科学学院，北京 100029； 4. 北京中医药大学东直门医院血液肿瘤科，北京 100700 ） DOI：10.3969/j.issn.1671-2390.2026.05.001 摘 要 目的基于美国食品药品监督管理局不良事件报告系统（food and drug administration adverse event reporting system，FAERS）数据库，对药物相关性肾盂肾炎（drug-related pyelonephritis，DRP）的药物进行数据挖掘。 方法收集2004年1月至2024年12月美国FAERS数据并进行分析。采用报告比值比（reporting odds ratio，ROR）法、比例报告比值法、贝叶斯可信区间递进神经网络法和多项式伽马泊松分布缩减法4种方法识别可疑药物，并通过Lasso回归解决多重共线性问题。应用多变量逻辑回归确认独立关联性。建立模型评估死亡结局和住院治疗的预测因素，并排除主要合并症病例。采用单因素方差分析比较不同药物的发病时间分布特征。 结果共检索9603例相关报告，年龄（54.4±19.9）岁，以女性患者为主（67.2%）。分析发现10种药物被确认与疾病独立相关，包括7种免疫抑制剂（霉酚酸、司库奇尤单抗、他克莫司、环孢素、培塞利珠单抗、戈利木单抗、那他珠单抗）和3种钠-葡萄糖协同转运蛋白2（sodium-dependent glucose transporters 2，SGLT2）抑制剂（达格列净、卡格列净、恩格列净）。其中，免疫抑制剂中以他克莫司暴露频率最高（n=266）。SGLT2抑制剂中，卡格列净关联强度最高（ROR=9.75，95%CI：8.11~11.72）。探索性分析发现其他低频但一致性信号（如萨特利珠单抗、那格列奈、恩诺单抗维多汀），值得进一步研究。其中SGLT2抑制剂表现出最强的风险信号和发病时间较早，而免疫抑制剂多表现为延迟性发病。9.6%的DRP患者出现死亡结局，其中免疫抑制剂的使用与病死率降低相关（OR=0.38，95%CI：0.20~0.70，P<0.01）。他克莫司、霉酚酸、培塞利珠单抗、那他珠单抗和司库奇尤单抗与住院时间延长显著相关。 结论多种常用药物，尤其是免疫抑制剂和SGLT2抑制剂与肾盂肾炎显著相关，这强调制定药物特异性监测策略的重要性，也凸显了将药物警戒数据整合到临床决策中的必要性。 关键词 肾盂肾炎；药物警戒；不良事件；免疫抑制剂 肾盂肾炎通常由细菌从下尿路逆行感染所致［1］，其主要临床表现为发热、腰痛、排尿困难等［2］，严重者，如急性肾盂肾炎可进展为脓毒症或永久性肾损伤［3］。急性肾盂肾炎发病人群多集中于15~29岁且其他方面健康的女性［4］。患者发病多数由革兰阴性杆菌（如大肠埃希菌）上行性感染所致［5］。此外，越来越多的证据表明，包括药物相关机制在内的非感染性病因可能诱发类似肾盂肾炎的肾脏炎症［6-7］。药物相关性肾盂肾炎（drug-related pyelonephritis，DRP）虽报道较少，却是临床肾脏病学中一个重要但尚未被充分认识的疾病［8］。它涵盖了一系列药物不良反应，这些反应可直接损伤肾组织，或通过免疫抑制、尿流停滞、破坏黏膜防御功能而间接使个体易发感染。其涉及的药物种类较多，如免疫抑制剂、化疗药、抗生素、非甾体抗炎药以及具有抗胆碱能特性并可能损害膀胱排空的药物［9-10］。尽管DRP具有临床重要性，但由于其症状与常规感染性肾盂肾炎相似及临床对其认识不足，该病常被漏诊。鉴于诊断方面的困难以及临床数据有限，迫切需要系统性地评估特定药物与肾盂肾炎之间的关联。来源于美国食品药品监督管理局（food and drug administration，FDA）不良事件报告系统（FDA adverse event reporting system，FAERS）2004年1月至2024年12月的真实世界药物警戒数据，为上市后药物安全提供了宝贵的见解，有助于在大型、多样化人群中识别潜在的安全信号［11］。本研究通过FAERS数据库挖掘识别提示DRP的特定药物信号，提高临床对DRP这一罕见但重要的药物不良反应的认识。 资料与方法 一、数据来源与研究设计 本研究基于FAERS数据库，数据提取时段为2004年1月至2024年12月。不良事件采用《医学词典》首选术语进行分类。FAERS数据库涵盖七个部分：人口学资料（demographic，DEMO）、药物信息（drug information，DRUG）、不良事件记录（adverse event data，REAC）、报告来源（reported source information，RPSR）、治疗时间（therapeutic start and end dates of the reported drugs，THER）、药物适应证（indications，INDI）及报告结局（patient outcomes related to adverse events，OUTC）。根据推荐方法学剔除重复记录，筛选DEMO表中的PRIMARYID、CASEID和FDA_DT字段。对具有相同CASEID的重复报告，保留FDA_DT最新或PRIMARYID数值最大的记录。在INDI文件中检索 “肾盂肾炎”“急性肾盂肾炎”和“慢性肾盂肾炎”，识别相关病例。将药物角色分为主要怀疑药物、次要怀疑药物、相互作用药物及合并用药，其中仅主要怀疑药物被纳入后续分析。 二、统计分析 本研究采用多阶段统计建模策略以增强信号检测能力。初筛阶段，使用4种不相称性分析方法评估药物-事件关联：报告比值比（reporting odds ratio，ROR）法、比例报告比值（proportional reporting ratio，PRR）法、贝叶斯可信区间递进神经网络（Bayesian confidence propagation neural network，BCPNN）法和多项式伽马泊松分布缩减（muti-item gamma poisson shrinker，MGPS）法［12］。所有方法均基于2×2列联表构建。对初筛阳性的药物进一步进行单变量Logistic回归分析。为提高分析可靠性，本研究在全FAERS数据集中筛选DRP事件，将目标病例报告与所有其他非病例报告进行比较，估算粗ROR及其95%CI。仅纳入P<0.05且肾盂肾炎相关报告数≥100的药物作为候选变量。最后通过10倍交叉验证的Lasso逻辑回归进一步筛选变量，以减轻多重共线性并防止过拟合。该模型以肾盂肾炎的发生作为二元因变量，以每种候选药物的使用与否作为自变量，最终筛选出具有非零回归系数的精简变量集。 在FAERS报告的肾盂肾炎病例中，死亡结局占比9.6%。为分析与死亡相关的因素，本研究建立以死亡发生与否为因变量的多因素Logistic回归模型。暴露变量为已识别出的潜在致病性候选药物；协变量经预先设定，包括年龄、性别、体重、急性反应状态及发病时间≤72 h的极早发事件。同时，采用多因素Logistic回归分析住院情况，以住院发生与否为因变量，其定义遵循FDA不良事件严重性判定标准。两模型均排除潜在的合并症（如自身免疫性疾病、恶性肿瘤或移植状态）干扰。此外，本研究单独总结了各药物的发病时间（time to onset，TTO），并通过单因素方差分析比较了不同药物间的发病时间分布差异。所有统计分析均在R 4.4.3和Excel 2021软件中完成。 结 果 一、 描述性分析 本研究共纳入9603例肾盂肾炎相关不良事件报告。如表1和图1A所示，纳入患者中女性占比更高。研究人群年龄（54.4±19.9）岁，发病主要集中于18~75岁人群，该趋势在女性中更显著。已报告者体重（69.3±25.4）kg。报告来源以医师为主。报告主要来自美国、日本和法国。住院为最常见的不良结局，死亡结局占比为9.6%，如图1B所示，该比例提示其临床危害性，需引起临床医师关注。 表1   FAERS数据库中药物相关性肾盂肾炎患者的基线数据Tab 1   Baseline characteristics of patients with drug-related pyelonephritis in the FAERS database 注：FAERS为食品药品监督管理局不良事件报告系统。 图1   FAERS数据库中药物相关性肾盂肾炎报告的特征分析1A.不同年龄段的性别分布情况；1B发生肾盂肾炎不良事件患者结局的性别分布Fig 1   Characteristic analysis of drug-related pyelonephritis reports in the FAERS database.　1A. Sex distribution across different age groups； 1B. Sex distribution of outcomes in patients with adverse events of pyelonephritis 注：FAERS为食品药品监督管理局不良事件报告系统。 二、 与肾盂肾炎相关的药物 本研究初步筛选出98种与肾盂肾炎可能相关的药物。经交叉验证Lasso回归（最优λ=1.048 626×10‒⁵，图2），从18种单因素Logistic回归预选药物中，最终确定10种与肾盂肾炎显著相关的药物。这些药物主要分为2类：免疫抑制剂（7种，分别为他克莫司、霉酚酸、戈利木单抗、培塞利珠单抗、那他珠单抗、司库奇尤单抗和环孢素）和钠-葡萄糖协同转运蛋白2（sodium-dependent glucose transporters 2，SGLT2）抑制剂（3种，分别为达格列净、卡格列净和恩格列净）。其中，免疫抑制剂中以他克莫司暴露频率最高（n=266）。SGLT2抑制剂中，卡格列净关联强度最高（ROR=9.75，95%CI：8.11~11.72）。（表2、图3、4）。 图2   经单变量逻辑回归筛选的17种药物的交叉验证Lasso回归分析结果Fig 2   Cross-validation Lasso regression results for 17 drugs selected by univariable logistic regression 表2   基于多变量逻辑回归与不相称性分析筛选出的与肾盂肾炎相关的药物Tab 2   Drugs associated with pyelonephritis identified by multivariable logistic regression and disproportionality analysis 注：SGLT2为钠-葡萄糖协同转运蛋白2；ROR为报告比值比；PRR为比例报告比值比；EBGM为经验贝叶斯几何均数；IC为信息成分。 图3   基于多变量逻辑回归分析的与肾盂肾炎相关的药物Fig 3   Drugs associated with pyelonephritis based on multivariable logistic regression analysis 图4   与肾盂肾炎相关药物的火山图Fig 4   Volcano plot of drugs associated with pyelonephritis 三、 新发现的药物信号 除上述前10种高置信度药物外，探索性分析发现21种低频药物（n=3~20，表3）满足不相称性标准，涵盖肿瘤抗体/小分子和免疫调节剂（如恩诺单抗维多汀、萨特利珠单抗等）、代谢/神经系统或其他疗法药物（那格列奈、美曲普汀等）、抗感染/皮肤科药物（塔瓦博罗）以及抗病毒复方组合（奥比他韦/帕利瑞韦/利托那韦）。其中，萨特利珠单抗不相称性最高（n=14，ROR=29.91，95%CI：17.64~50.73；PRR=29.47；EBGM=29.43；IC025=4.13），其次为那格列奈（n=4，ROR=17.95，95%CI：6.70~48.04；PRR=17.79；EBGM=17.78；IC025=2.85）和恩诺单抗（n=20，ROR=12.58，95%CI：8.10~19.53；PRR=12.50；EBGM=12.48；IC025=3.01）。本表呈现基于低频（n<100）报告的探索性不相称性分析信号。信号检测标准与主要分析保持一致（ROR>3且95%CI下限>1，并采用PRR、EBGM和IC算法进一步验证）。因此类药物的肾盂肾炎相关报告数较少，此发现应谨慎解读，视为假设生成信号，其拓宽了基于报告数≥100报告阈值和多变量验证得出的主要结论，但并未改变该结论。（表2） 表3   新发现的肾盂肾炎药物信号Tab 3   Newly identified pyelonephritis drug signals 注：ROR为报告比值比；PRR为比例报告比值比；EBGM为经验贝叶斯几何均数； IC为信息成分。 四、 不良事件发生时间分析 本研究比较了免疫抑制剂与内分泌药物相关肾盂肾炎的发病时间。免疫抑制剂组发病时间显著长于内分泌药物组（P<0.001，图5）。其中，那他珠单抗［979.2（241.0，1146.5） d］发病时间最长，其次为戈利木单抗［561.5（55.0，646.0） d］和培塞利珠单抗［522.8（66.0，718.0） d］；而内分泌药物的发病时间较短，达格列净［156.5（19.3，208.5） d］最短。提示免疫抑制剂可能具较长潜伏期，需延长治疗后监测时间。（表4） 图5   不同系统药物导致肾盂肾炎发病时间Fig 5   Time to onset of pyelonephritis induced by drugs from different systems 表4   不同系统药物所致肾盂肾炎的发病时间分布（d）Tab 4   Distribution of time to onset of pyelonephritis induced by drugs from different systems（d） 注：SGLT2为钠-葡萄糖协同转运蛋白2。 五、 死亡结局的多变量Logistic回归分析 采用多变量Logistic回归模型评估接受治疗患者出现死亡结局的相关因素（表5）。模型已排除患有自身免疫性疾病、恶性肿瘤或移植状态等主要合并症的病例。结果显示，免疫抑制剂使用为死亡的保护性因素（OR=0.38，95%CI：0.20~0.70，P<0.01）；该类药物虽显著增加肾盂肾炎的发生风险，却未升高患者病死率。其原因可能在于，免疫抑制剂的影响更多地体现在延长患者住院疗程上，而非直接导致死亡。其余混杂因素，包括性别、年龄、体重及发病时间与死亡无显著关联（P>0.05）。因此，为深入分析免疫抑制剂是否会延长住院时间，本研究进一步开展多变量Logistic回归分析，结果表明他克莫司、霉酚酸、培塞利珠单抗、那他珠单抗和司库奇尤单抗与住院时间延长显著相关（P<0.05，图6）。 表5   药物相关性肾盂肾炎患者死亡结局的多变量Logistic回归分析Tab 5   Multivariable Logistic regression analysis of mortality outcomes in patients with drug-related pyelonephritis 图6   探究特定免疫抑制剂及其他药物与住院时间延长关联Fig 6   Association between specific immunosuppressants and other drugs and prolonged hospitalization 讨 论 本研究基于真实世界药物警戒数据，分析了不同药物在肾盂肾炎发病中的特异性作用机制。他克莫司、霉酚酸等免疫抑制剂可能会通过抑制宿主免疫或影响黏膜防御，增加尿路感染风险，其分子的异质性导致发病时间和临床结局存在差异。SGLT2抑制剂则通过渗透性利尿和葡萄糖促进微生物增殖的机制，多导致早发性感染。这些发现提示DRP并非单一病症，而是药物特异性免疫学和药代动力学所导致的结果，需根据具体药物制定个体化监测与预防策略。 一、 免疫抑制剂的特异性机制与差异化风险 1. 钙调磷酸酶抑制剂 他克莫司和环孢素同属钙调磷酸酶抑制剂，但免疫抑制强度存在差异。两者均通过抑制钙调磷酸酶活性、阻断T淋巴细胞活化发挥免疫抑制作用，但其细胞内结合受体不同，他克莫司主要与FKBP12结合，而环孢素则与环孢素调节蛋白形成复合体。在分子水平上，他克莫司对钙调磷酸酶的抑制效力约为环孢素的10~100倍［13］，从而更有效地下调白细胞介素（interleukin，IL）2等促炎细胞因子的表达，这可能解释其更强的免疫抑制效应及更高的抗急性排斥疗效。 本研究中，他克莫司相关肾盂肾炎的报告数及关联强度均高于环孢素，且发病时间更短，这一现象可能与其更强且更持久的免疫抑制效应有关。此外，既往研究提示两种药物在肾脏毒性谱上亦存在差异：他克莫司更易影响肾小球滤过功能，而环孢素对近端小管上皮损伤更为突出，这种差异性肾脏损伤模式可能进一步影响局部抗感染能力［14］。药代动力学方面，他克莫司主要经CYP3A4代谢，血药浓度易受合并用药及个体代谢差异影响，浓度波动可能导致免疫抑制过强，从而增加感染风险。针对钙调磷酸酶抑制剂相关的肾毒性及感染风险，临床上应定期监测血药浓度，避免浓度波动过大，并根据患者个体风险合理调整剂量与免疫抑制强度［15-16］。 2. 抗增殖类免疫抑制剂 霉酚酸可通过特异性抑制鸟苷酸合成途径而阻断淋巴细胞DNA合成，导致T/B淋巴细胞增殖受阻，是抗排斥治疗的核心用药之一［17］。与他克莫司联合使用可增强免疫抑制效果，但长期联合治疗可能削弱宿主对病原体的免疫监视能力。一项临床研究显示，移植患者尤其是肾移植受者存在持续的尿路感染［18］，这提示长期免疫抑制可能会促进下尿路感染进展，增加肾盂肾炎的发生风险。一项基于TriNetX美国数据库的病例对照研究（n=2056）表明，与采用其他免疫抑制方案的患者相比，术后初期接受他克莫司联合霉酚酸治疗的患者，其肾盂肾炎发生率更高（4.91%比2.30%），且该风险与术后7d内是否使用泼尼松无关［19］。该并发症会显著增加肾移植失败和死亡风险，体现出肾盂肾炎作为免疫抑制剂相关不良事件具有重要的临床预后意义。尽管该治疗方案对中性粒细胞趋化和吞噬作用影响较小，但肾盂肾炎仍主要由革兰氏阴性菌（如大肠埃希菌）引起［20］。此外，长期使用免疫抑制剂还可能增加念珠菌及多重耐药菌感染风险［21］。因此，建议实施分阶段抗感染策略，并动态监测免疫抑制强度与感染指标。 3. 肿瘤坏死因子α（tumor necrosis factor-α，TNF-α）抑制剂 TNF-α抑制剂如戈利木单抗、培塞利珠单抗通过中和TNF-α降低炎症反应，理论上可减轻炎症性肾损伤。但临床数据提示其可能通过抑制中性粒细胞功能，从而增加尿路细菌定植的风险［22］。基础研究中也存在不一致结论：如在顺铂诱导肾损伤的小鼠模型中，戈利木单抗显著降低TNF-α、IL-6、单核细胞趋化蛋白1等促炎因子，并增加抗炎因子IL-10的表达［23］。这种矛盾提示可能存在剂量、组织分布或患者基本状态的差异化效应，需大样本临床研究进一步验证。培塞利珠单抗妊娠期安全性较高，但其对泌尿系统局部免疫微环境的影响仍需前瞻性研究来证实。现有数据显示，该类生物制剂相关肾盂肾炎的发生率显著低于传统免疫抑制剂［24］，但在合并糖尿病肾脏疾病或先天性尿路畸形等疾病的患者中，感染风险仍有增加的可能性［25］。 4. 整合素抑制剂 那他珠单抗通过阻断淋巴细胞表面α4-β1整合素与内皮细胞黏附分子的相互作用，抑制淋巴细胞向肠道和中枢神经系统迁移，从而实现组织特异性免疫调节［26］。然而，这一机制也可能损害全身性免疫监视功能，削弱对尿路病原体的清除能力［27］。现有前瞻性队列研究表明，接受该药治疗的患者在基线（10.8%）和随访期间（6.8%）均表现出较高的尿路感染发生率［28］。尽管目前尚无直接证据表明该药物与肾盂肾炎相关，但持续存在的尿路感染可能通过细菌逆行迁移增加患病风险，此类潜在关联仍需多中心研究进一步验证。临床中建议在治疗早期及免疫重建阶段加强尿液微生物学监测，以便早期干预。 5. IL-17 抑制剂 IL-17抑制剂（如司库奇尤单抗）特异性靶向T淋巴细胞17通路，影响IL-17介导的抗菌肽表达和中性粒细胞浸润，是其抗炎效果的重要机制［29-30］。研究显示，IL-17信号缺陷会显著增加大肠埃希菌肾脏定植的风险［31］，因此在实际治疗中应针对性加强对复发性肾盂肾炎的监测。 二、 SGLT2抑制剂的特异性机制与差异化风险 达格列净、卡格列净和恩格列净均通过抑制肾小管SGLT2，减少葡萄糖重吸收，增加尿糖排泄以降糖。三者每日可增加70~80 g的尿糖排泄［32］。糖尿所致的渗透性利尿及持续高尿糖环境是该类药物的共性药理特征，可能破坏尿路正常生理屏障，并促进病原菌在尿路上皮的黏附与增殖，从而增加泌尿系统感染的总体风险［33］。在具体药物层面，不同SGLT2抑制剂在降糖强度及尿糖排泄效应上存在一定差异。有研究显示，在最高推荐剂量下，卡格列净治疗组糖化血红蛋白、空腹血糖和收缩压的降低幅度均大于达格列净和恩格列净［34］。此外，现有网络荟萃分析提示，不同SGLT2抑制剂在尿路感染风险方面并非完全一致，部分分析显示达格列净与尿路感染风险增加相关，而恩格列净的相关信号相对较弱或不显著，这种差异可能与各药物在药代动力学特征、尿糖生成强度以及对尿流动力学影响方面的不同有关［35］。本研究中，卡格列净显示出较高的肾盂肾炎关联强度，这可能反映了其相对较强的尿糖排泄效应及渗透性利尿作用，从而在易感人群中进一步削弱尿路局部免疫防御功能。高糖尿环境不仅有利于病原菌生长，还可能降低尿液中抗菌肽的浓度，削弱宿主黏膜防御能力。尽管大多数的尿路感染症状较轻，但仍可能诱发气肿性肾盂肾炎等严重并发症［36］。该并发症多见于糖尿病、尿路梗阻或免疫抑制等高危人群，而SGLT2抑制剂可能在其中起到协同促进作用。 值得注意的是，SGLT2抑制剂相关肾盂肾炎多发生于治疗早期（平均200.8 d），提示患者的解剖结构异常和药理机制可能存在协同效应。此外，有研究表明，SGLT2抑制剂与二肽基肽酶4抑制剂、噻唑烷二酮类等23种药物联用时，尿路感染及肾盂肾炎风险可能进一步增加［37］。 尽管目前尚无直接证据表明SGLT2抑制剂会增加移植患者发生肾盂肾炎的风险，但对于合并糖尿病肾脏疾病、膀胱功能障碍或正在接受免疫抑制治疗的患者，仍应谨慎使用该类药物，综合评估降糖获益与潜在感染风险。临床实践中应加强对长期多药治疗（尤其含SGLT2抑制剂）的糖尿病患者的尿路感染监测，重点关注治疗初期及女性患者。 三、 个性化药物监测策略建议 鉴于不同药物在作用机制及临床风险特征上的差异，建议制定分层、个体化的药物警戒与监测策略。对免疫抑制剂及免疫调节剂使用者，应定期开展尿常规检查并动态评估泌尿系统症状，考虑其对宿主防御功能的抑制作用，可适当降低尿培养指征阈值。对于抗体药物偶联物等靶向抗肿瘤治疗药物，如患者出现伴发热的泌尿系统症状，建议同步评估肾功能并尽早行影像学检查。应用那格列奈等代谢类药物时，应加强血糖控制监测，并密切关注糖尿病患者的泌尿系统感染征象。对于可能发生全身吸收的局部外用药，应强化患者教育，以促进不良事件的早期识别与报告。将上述分级监测策略纳入上市后安全性管理及电子健康记录预警系统，或可提高相关疾病的早期识别与干预效率。 四、 新发现药物信号的机制探讨 除高度可信的信号外，本研究在探索性分析中识别出21种与肾盂肾炎可能相关的低频药物，其中萨特利珠单抗显示出显著的不相称性信号。既往仅有文献报道1例接受萨特利珠单抗治疗的患者发生肾盂肾炎不良事件［38］，但该个案未明确因果关系，亦缺乏群体层面的风险评估。 本研究基于FAERS数据库9603例DRP报告的大样本分析，首次在群体层面验证了萨特利珠单抗与肾盂肾炎的显著关联，并通过ROR、PRR、EBGM、IC四种不相称性方法交叉验证，信号稳定性良好（IC025=4.13，提示为阳性风险信号），在一定程度上弥补了既往个案报道的局限。从潜在机制推测，免疫调节类药物可能通过抑制宿主防御增加感染风险，而那格列奈等代谢药物可能通过影响血糖及尿路环境增强易感性，然而，因这些信号均基于有限病例报告，需谨慎解读这些发现为后续研究拓宽了方向，但不影响本研究核心结论。建议进一步开展药物警戒监测、真实世界数据整合及靶向流行病学研究以验证其潜在关联。 五、 研究局限性 本研究仍存在若干局限性。首先，FAERS数据库基于自发报告，存在不可避免的报告偏倚，严重或症状典型的事件（如SGLT2抑制剂相关早发感染）可能被过度报告，而发病延迟或症状隐匿的药物相关事件（如免疫抑制剂）则可能被低估。其次，信息缺失较为普遍，61.5%的病例缺失体重信息、24.9%缺失年龄信息，且数据库中缺乏剂量、给药频率、暴露持续时间及合并症等关键临床变量，限制了对风险因素和结局的深入分析。最后，本研究仅纳入主要怀疑药物，未系统评估合并用药的潜在协同效应，可能遗漏部分重要关联，未来仍需通过病例对照或前瞻性研究进一步验证。 六、 研究信号的验证与后续研究方向 本研究基于FAERS数据库的信号挖掘初步揭示了免疫抑制剂、SGLT2抑制剂与肾盂肾炎的显著关联，但受限于单一自发报告数据库的固有特性（如报告偏倚、缺乏详细临床细节），因此当前发现仍停留在信号提示层面，未来需通过多维度外部验证进一步确认因果关系，提升证据等级。为系统验证本研究风险信号的可靠性与普适性，后续建议开展针对性验证研究，如数据库交叉验证，采用欧洲药物警戒数据库、中国国家药品不良反应监测数据库，重复不相称性分析，验证高风险药物的一致性；真实世界队列研究，纳入移植中心、糖尿病中心的前瞻性队列，收集药物暴露、肾盂肾炎发病、结局等数据，采用Cox回归分析验证因果关联，以肾盂肾炎发病为结局，匹配性别、年龄、合并症等混杂因素，通过多因素逻辑回归或倾向性评分匹配，量化药物暴露与肾盂肾炎的关联强度；病例对照研究，以肾盂肾炎患者为病例组，匹配非肾盂肾炎患者为对照组，比较高风险药物的暴露史差异。通过分层验证，系统确认本研究发现的风险信号可靠性，为临床用药安全与疾病防控提供更坚实的循证依据。 本研究基于大规模药物警戒数据，系统揭示了特定药物与肾盂肾炎之间的关联。研究发现免疫抑制剂和SGLT2抑制剂为主要高风险药物，且在发病时间和临床结局方面存在显著差异。尽管DRP相对罕见，但对其可能导致的严重临床结局应引起重视。未来需开展多中心队列研究以验证因果关系并识别高危人群。在当前证据基础上，建议临床医生在面对患有泌尿或代谢基础疾病的患者时，开具高风险药物需保持警惕，并加强相关监测。 利益冲突声明 所有作者均声明没有利益冲突 1. 曹雯, 廖祖春, 宋斌, 等. 老年急性肾盂肾炎患者感染危险因素及病原菌耐药情况分析[J]. 国际检验医学杂志, 2021, 42(6): 690-694. DOI: 10.3969/j.issn.1673-4130.2021.06.012.    Cao W, Liao ZC, Song B, et al. Risk factors of infection and drug resistance analysis of acute pyelonephritis in elderly patients[J]. Int J Lab Med, 2021, 42(6): 690-694. DOI: 10.3969/j.issn.1673-4130.2021.06.012. 2. 刘梅. 急性肾盂肾炎发病机制及诊治进展[J]. 中国病原生物学杂志, 2025, 20(4): 530-533 . DOI: 10.13350/j.cjpb.250425.    Liu M. Pathogenesis, diagnosis and treatment progress of acute pyelonephritis[J]. J Parasit Biol, 2025, 20(4): 530-533 . DOI: 10.13350/j.cjpb.250425. 3. Pianucci K, Cipriano F, Chung E. Review of urinary tract infections and pyelonephritis[J]. Pediatr Ann, 2024, 53(6): 217-222. DOI: 10.3928/19382359-20240407-05. 4. Herness J, Buttolph A, Hammer NC. Acute pyelonephritis in adults: rapid evidence review[J]. Am Fam Physician, 2020, 102(3): 173-180. 5. Wagenlehner FME, Bjerklund Johansen TE, Cai T, et al. Epidemiology, definition and treatment of complicated urinary tract infections[J]. Nat Rev Urol, 2020, 17(10): 586-600. DOI: 10.1038/s41585-020-0362-4. 6. Fu BH, Shang ZJ, Song SM, et al. Adverse reactions of Niaoduqing granules: a systematic review and meta-analysis[J]. Phytomedicine, 2023, 109: 154535. DOI: 10.1016/j.phymed. 2022.154535. 7. Cheng KR, Newell P, Chow JW, et al. Safety profile of ceftazidime-avibactam: pooled data from the adult phase II and phase III clinical trial programme[J]. Drug Saf, 2020, 43(8): 751-766. DOI: 10.1007/s40264-020-00934-3. 8. Zhanel GG, Mansour C, Mikolayanko S, et al. Cefepime-taniborbactam: a novel cephalosporin/β-lactamase inhibitor combination[J]. Drugs, 2024, 84(10): 1219-1250. DOI: 10. 1007/s40265-024-02082-9. 9. Al Lawati H, Blair BM, Larnard J. Urinary tract infections: core curriculum 2024[J]. Am J Kidney Dis, 2024, 83(1): 90-100. DOI: 10.1053/j.ajkd.2023.08.009. 10. Odajima K, Togashi R, Nemoto Y, et al. Pyuria without casts and bilateral kidney enlargement are probable hallmarks of severe acute kidney injury induced by acute pyelonephritis: a case report and literature review[J]. Intern Med, 2021, 60(2): 293-298. DOI: 10.2169/internalmedicine.5721-20. 11. Yu RJ, Krantz MS, Phillips EJ, et al. Emerging causes of drug-induced anaphylaxis: a review of anaphylaxis-associated reports in the FDA adverse event reporting system (FAERS)[J]. J Allergy Clin Immunol Pract, 2021, 9(2): 819-829.e2. DOI: 10.1016/j.jaip.2020.09.021. 12. 胡玉, 张海伟, 张瑞, 等. 基于FAERS数据库对药源性帕金森综合征不良事件药物警戒信号的挖掘[J]. 中国现代应用药学, 2025, 42(16): 2821-2829.DOI: 10.13748/j.cnki.issn1007-7693.20243080.    Hu Y, Zhang HW, Zhang R, et al. Mining of pharmacovigilance signals for adverse events of drug-induced Parkinsonism based on FAERS database[J]. Chin J Mod Appl Pharm, 2025, 42(16): 2821-2829.DOI: 10.13748/j.cnki.issn1007-7693.20243080. 13. 孙雪峰, 陈香美. 他克莫司在原发性肾病综合征治疗中的应用[J]. 中国实用内科杂志, 2008, 28(5): 323-325.DOI: 10.3969/j.issn.1005-2194.2008.05.002.    Sun XF, Chen XM. Application of tacrolimus to the treatment for primary nephrotic syndrome[J]. Chin J Pract Intern Med, 2008, 28(5): 323-325.DOI: 10.3969/j.issn.1005-2194.2008.05.002. 14. Demirci H, Popovic S, Dittmayer C, et al. Immunosuppression with cyclosporine versus tacrolimus shows distinctive nephrotoxicity profiles within renal compartments[J]. Acta Physiol, 2024, 240(8): e14190. DOI: 10.1111/apha.14190. 15. 史天陆, 孙言才, 沈爱宗, 等. 他克莫司临床不良反应与防治[J]. 中国医院用药评价与分析, 2009, 9(1): 67-69.    Shi TL, Sun YC, Shen AZ, et al. Tacrolimus-induced adverse drug reaction and its prevention & cure[J]. Eval Anal Drug Use Hosp China, 2009, 9(1): 67-69. 16. 刘瑶, 李伟. 中西医结合防治环孢素A不良反应的思路与方法[J]. 中华中医药学刊, 2019, 37(11): 2645-2648. DOI: 10.13193/j.issn.1673-7717.2019.11.019.    Liu Y, Li W. Ideas and methods of prevention and treatment of side effects of cyclosporine a by integrative Chinese and western medicine[J]. Chin Arch Tradit Chin Med, 2019, 37(11): 2645-2648. DOI: 10.13193/j.issn.1673-7717.2019.11.019. 17. Leino AD, Takyi-Williams J, Pai MP. Volumetric absorptive microsampling to enhance the therapeutic drug monitoring of tacrolimus and mycophenolic acid: a systematic review and critical assessment[J]. Ther Drug Monit, 2023, 45(4): 463-478. DOI: 10.1097/ftd.0000000000001066. 18. Vnučák M, Graňák K, Skálová P, et al. Effect of mycophenolic acid and tacrolimus on the incidence of infectious complications after kidney transplantation[J]. Int Immunopharmacol, 2021, 98: 107908. DOI: 10.1016/j.intimp.2021.107908. 19. Koi AN, Johnson JC, Engebretsen TL, et al. Precision in immune management: balancing steroid exposure, rejection risk, and infectious outcomes in adult kidney transplant recipients[J]. J Pers Med, 2024, 14(11): 1106. DOI: 10.3390/jpm14111106. 20. Gibson CM, Childs-Kean LM, Naziruddin Z, et al. The alteration of the gut microbiome by immunosuppressive agents used in solid organ transplantation[J]. Transpl Infect Dis, 2021, 23: e13397. DOI: 10.1111/tid.13397. 21. Flanagan S, Walker H, Ong V, et al. Absence of clinically meaningful drug-drug interactions with rezafungin: outcome of investigations[J]. Microbiol Spectr, 2023, 11(3): e01339-e01323. DOI: 10.1128/spectrum.01339-23. 22. Alzanbagi A, Alhazmi GA, Alghamdi S, et al. Infliximab-associated xanthogranulomatous pyelonephritis: a rare complication[J]. Cureus, 2022, 14(1): e21051. DOI: 10.7759/cureus. 21051. 23. Pavitrakar V, Mody R, Ravindran S. Amelioration of cisplatin-induced renal inflammation by recombinant human golimumab in mice[J]. Curr Pharm Biotechnol, 2022, 23(7): 970-977. DOI: 10.2174/1389201022666210810141139. 24. Taneja V, Anand RS, El-Dallal M, et al. Safety of biologic and small molecule therapy for inflammatory bowel disease among solid organ transplant recipients: systematic review and meta-analysis[J]. Inflamm Bowel Dis, 2024, 30(4): 585-593. DOI: 10.1093/ibd/izad108. 25. Ryšánková M. Diabetes mellitus urological complication[J]. Vnitř Lék, 2023, 69(2): E26-E30. DOI: 10.36290/vnl. 2023.026. 26. Khoy K, Mariotte D, Defer G, et al. Natalizumab in multiple sclerosis treatment: from biological effects to immune monitoring[J/OL]. Front Immunol, 2020, 11: 549842. DOI: 10.3389/fimmu.2020.549842. 27. Li JN, Hutton GJ, Varisco TJ, et al. Infection risk associated with high-efficacy disease-modifying agents in multiple sclerosis: a retrospective cohort study[J]. Clin Pharmacol Ther, 2025, 117(2): 561-569. DOI: 10.1002/cpt.3492. 28. Butzkueven H, Giacomini PS, Cohan S, et al. Safety of fingolimod in patients with multiple sclerosis switched from natalizumab: results from TRANSITION-A 2-year, multicenter, observational, cohort study[J]. Brain Sci, 2022, 12(2): 215. DOI: 10.3390/brainsci12020215. 29. Azadeh H, Alizadeh-Navaei R, Rezaiemanesh A, et al. Immune-related adverse events (irAEs) in ankylosing spondylitis (AS) patients treated with interleukin (IL)-17 inhibitors: a systematic review and meta-analysis[J]. Inflammopharmacology, 2022, 30(2): 435-451. DOI: 10.1007/s10787-022-00933-z. 30. Blair HA. Secukinumab: a review in psoriatic arthritis[J]. Drugs, 2021, 81(4): 483-494. DOI: 10.1007/s40265-021-01476-3. 31. Bartolini I, Risaliti M, Ringressi MN, et al. Role of gut microbiota-immunity axis in patients undergoing surgery for colorectal cancer: Focus on short and long-term outcomes[J]. World J Gastroenterol, 2020, 26(20): 2498-2513. DOI: 10.3748/wjg.v26.i20.2498. 32. Wright EM. SGLT2 inhibitors: physiology and pharmacology[J]. Kidney360, 2021, 2(12): 2027-2037. DOI: 10.34067/KID.0002772021. 33. van der Aart-van der Beek AB, de Boer RA, Heerspink HJL. Kidney and heart failure outcomes associated with SGLT2 inhibitor use[J]. Nat Rev Nephrol, 2022, 18(5): 294-306. DOI: 10.1038/s41581-022-00535-6. 34. Zaccardi F, Webb DR, Htike ZZ, et al. Efficacy and safety of sodium-glucose co-transporter-2 inhibitors in type 2 diabetes mellitus: systematic review and network meta-analysis[J]. Diabetes Obesity Metabolism, 2016, 18(8): 783-794. DOI: 10. 1111/dom.12670. 35. Li CX, Liu LY, Zhang CX, et al. Comparative safety of different sodium-glucose transporter 2 inhibitors in patients with type 2 diabetes: a systematic review and network meta-analysis of randomized controlled trials[J/OL]. Front Endocrinol, 2023, 14: 1238399. DOI: 10.3389/fendo.2023.1238399. 36. Artinyan E, Dimov N, Vaysilova M. Emphysematous pyelonephritis in a patient on SGLT2 inhibitor therapy: a rare clinical case report[J]. Case Rep Nephrol Dial, 2024, 14(1): 81-87. DOI: 10.1159/000539390. 37. Tada K, Gosho M. Increased risk of urinary tract infection and pyelonephritis under concomitant use of sodium-dependent glucose cotransporter 2 inhibitors with antidiabetic, antidyslipidemic, and antihypertensive drugs: an observational study[J]. Fundamemntal Clinical Pharma, 2022, 36(6): 1106-1114. DOI: 10.1111/fcp.12792. 38. Habib AA, Zhao CB, Aban I, et al. Safety and efficacy of satralizumab in patients with generalised myasthenia gravis (LUMINESCE): a randomised, double-blind, multicentre, placebo-controlled phase 3 trial[J]. Lancet Neurol, 2025, 24(2): 117-127. DOI: 10.1016/S1474-4422(24)00514-3. Drug-related pyelonephritis： A real-world pharmacovigilance study based on the U.S. Food and Drug Administration adverse event reporting system database Yao Ying 1Zhang Li-fen 2Jiang Miao 3Zhang Nai-wen 4Xu Run-bing 4  （1. Third Clinical Medical College， Beijing University of Chinese Medicine， Beijing 102488， China； 2. Department of Nephropathy， Beijing University of Chinese Medicine Third Affiliated Hospital， Beijing 102488， China； 3. School of Life Sciences， Beijing University of Chinese Medicine， Beijing 100029， China； 4. Department of Hematology and Oncology， Dongzhimen Hospital， Beijing University of Chinese Medicine， Beijing 100700， China ） Abstract ObjectiveTo mine drugs associated with drug-related pyelonephritis （DRP） using data from the U.S. Food and Drug Administration Adverse Event Reporting System （FAERS） database. MethodsFAERS reports from January 2004 to December 2024 were collected and analyzed. Four signal detection methods were applied to identify suspected drugs： reporting odds ratio （ROR）， proportional reporting ratio （PRR）， Bayesian confidence propagation neural network （BCPNN）， and multi-item gamma poisson shrinker （MGPS）. Lasso regression was used to address multicollinearity. Multivariable logistic regression was then performed to confirm independent associations. A predictive model was developed to assess factors associated with mortality and hospitalization， with cases involving major comorbidities excluded. One-way analysis of variance was used to compare the distribution of onset times among different drugs. ResultsA total of 9，603 relevant reports were retrieved. The mean age was （54.4±19.9） years， and the majority of patients were female （67.2%）. Ten drugs were identified as being independently associated with the disease， including seven immunosuppressants （mycophenolic acid， secukinumab， tacrolimus， cyclosporine， certolizumab pegol， golimumab， and natalizumab） and three sodium-dependent glucose transporters 2 （SGLT2） inhibitors （dapagliflozin， canagliflozin， and empagliflozin）. Among the immunosuppressants， tacrolimus had the highest exposure frequency （n=266）. Among the SGLT2 inhibitors， canagliflozin showed the strongest association （ROR=9.75， 95%CI： 8.11-11.72）. Exploratory analysis also identified other low-frequency but consistent signals， such as satralizumab， nateglinide， and enfortumab vedotin， which warrant further investigation. SGLT2 inhibitors exhibited the strongest risk signals and earlier onset， whereas immunosuppressants were more often associated with delayed onset. Death occurred in 9.6% of DRP cases； use of immunosuppressants was associated with a lower mortality rate （OR=0.38， 95%CI： 0.20-0.70， P<0.01）. Tacrolimus， mycophenolic acid， certolizumab pegol， natalizumab， and secukinumab were significantly associated with prolonged hospitalization. ConclusionMultiple commonly used drugs， especially immunosuppressants and SGLT2 inhibitors， are significantly associated with pyelonephritis. These findings highlight the importance of drug-specific monitoring strategies and underscore the need to integrate pharmacovigilance data into clinical decision-making. Keywords Pyelonephritis；Pharmacovigilance；Adverse event；Immunosuppressant 引用本文： 姚莹,张丽芬,姜苗,等.药物相关性肾盂肾炎：基于美国食品药品监督管理局不良事件报告系统数据库的真实世界药物警戒研究[J].临床肾脏病杂志,2026,26(05):379-388. (Yao Ying,Zhang Li-fen,Jiang Miao,et al.Drug-related pyelonephritis： A real-world pharmacovigilance study based on the U.S. Food and Drug Administration adverse event reporting system database[J].Journal of Clinical Nephrology,2026,26(05):379-388.) 通讯作者：徐润冰，Email：18801042010@163.com 基金信息： 国家自然科学基金（81973667）；北京中医药大学资助项目（2022-JYB-JBZR-022） 文章编号：1671-2390（2026）05-0379-10 收稿日期：2025-11-18 出版日期：2026-05-28 网刊发布日期：2026-05-26