1、教育经历
(1) 2008/09-2013/07, 我校, 3499cc拉斯维加斯入口, 博士
(2) 2004/09-2008/07, 我校, 3499cc拉斯维加斯入口, 学士
2、工作经历
(1) 2017/07 至今, 我校, 3499cc拉斯维加斯入口, 副教授
(2) 2013/07 -2017/06, 我校, 3499cc拉斯维加斯入口, 讲师
(2) 2015/11-2017/02, 北卡罗来纳大学教堂山分校, 3499cc拉斯维加斯入口, 博士后
3、学术兼职
2019/12,定量药理学专业委员会委员
2017/09,药物代谢动力学专业委员会青年委员
(1) 生理药动学-药效学模型研究
(2) 抗肿瘤药物心脏毒性研究
(3) 定量系统药理学研究
1、科研项目
(1)国家自然科学基金委员会,面上项目,基于QSP-PBPK-TD模型进行抗肿瘤药物心脏毒性预测的体外-体内转化研究, 2020-01-01 至 2023-12-31,54万元,在研,主持
(2)国家自然科学基金委员会,国自然青年项目,基于贝叶斯网络建立风险预测模型用于VEGF受体抑制剂心脏毒性评估, 2016-01-01 至 2018-12-31,17万元,已结题,主持
2、代表性科研成果
(1)应用PBPK-PD模型探讨脂质体性质与其药动学/药效学之间的关系
脂质体制剂通过靶向递送负载药物到达靶点以发挥增效减毒的作用,其性质是决定药物递送效率和药效的关键所在。该项目以多柔比星脂质体为例建立了脂质体和多柔比星双层PBPK模型,并结合Krogh模型描述药物在肿瘤组织中的异质性分布,定量分析了脂质体粒径、表面电荷、PEG含量、释放药物速率以及在肿瘤组织中的扩散速率与多柔比星肿瘤组织分布和抗肿瘤活性之间的关系。该项目由FDA资助,旨在为FDA脂质体仿制药评审标准制定提供参考。
(2)基于QSP-PBPK-PD模型预测抗肿瘤药物的心脏毒性
部分药物在发挥抗肿瘤治疗的同时可能引起心功能损伤,最终导致肿瘤患者中断治疗或诱发心脏病。本项目通过体外人源心肌细胞研究了心脏毒性药物与心肌细胞的相互作用,通过动物实验研究了药物的体内处置过程以及心血管系统的反馈调节,并应用体内外、种属间比放的方法建立了QSP-PBPK-PD模型,定量分析药物处置、细胞对药物的敏感性以及机体自身心血管系统的反馈作用与心脏毒性发生的关系,用于预测心脏毒性药物在不同人群中的心脏毒性发生率。
1.Sang, L.; Yuan, Y.; Zhou, Y.; Zhou, Z.Y.; Jiang, M.H.; Liu, X.Q.; Hao, K.; He, H. * A quantitative systems pharmacology approach to predict the safe-equivalent dose of doxorubicin in patients with cardiovascular comorbidity. CPT Pharmacometrics Syst Pharmacol. 2021;10,12: 1512-1524. (IF: 4.054)
2.Zhou, Z.Y.; Zhu, J.W.; Jiang, M.H.; Sang, L.; Hao, K.; He, H.* The Combination of Cell Cultured Technology and In Silico Model to Inform the Drug Development. Pharmaceutics. 2021; 13,5:704. (IF: 6.321)
3.Liu, H.C.; Zhou, X.T.; Zheng, Y.S.; He, H.*; Liu, X.Q. PK/PD modeling based on NO-ET homeostasis for improving management of sunitinib-induced hypertension in rats. Acta Pharmacol Sin. 2020;41,5: 719-728. (IF: 5.064)
4.Liu, H.C.; Zhang, H.; Zhang, Y.X.; Xu, S.; Zhao, H.M.; He, H.*; Liu, X.Q. Modeling mtDNA hypermethylation vicious circle mediating Abeta-induced endothelial damage memory in HCMEC/D3 cell. Aging (Albany NY). 2020;12,18: 18343-18362. (IF: 4.831)
5.He, H.; Liu, C.; Liu, Y.H.; Liu, X.Q.; Wu, Y.; Fan, J.H.; Zhao, L.; Cao, Y.G. Mathematical modeling of the heterogeneous distributions of nanomedicines in solid tumors. Eur J Pharm Biopharm. 2019;142:153-164. (IF: 4.708)
6.He, H.; Yuan, D.F.; Wu, Y.; Cao, Y.G. Pharmacokinetics and Pharmacodynamics Modeling and Simulation Systems to Support the Development and Regulation of Liposomal Drugs. Pharmaceutics. 2019;11,3: 110. (IF: 4.773)
7.He, H.; Liu, C.; Wu, Y.; Zhang, X.Y.; Fan, J.H.; Cao, Y.G. A Multiscale Physiologically-Based Pharmacokinetic Model for Doxorubicin to Explore its Mechanisms of Cytotoxicity and Cardiotoxicity in Human Physiological Contexts. Pharm Res. 2018;35,9:174. (IF: 3.335)
8.He, H.; Cao, Y.G. Chemotherapeutic dosing implicated by pharmacodynamic modeling of in vitro cytotoxic data: a case study of paclitaxel. J Pharmacokinet Pharmacodyn. 2017; 44,5: 491-501. (IF: 1.673)
9.Wang, H.D.; Li, X.; Zhang, W.T.; Liu, Y.; Wang, S.J.; Liu, X.Q.; He, H.* Mechanism-based pharmacokinetic-pharmacodynamic modeling of salvianolic acid A effects on plasma xanthine oxidase activity and uric acid levels in acute myocardial infarction rats. Xenobiotica. 2017;47,3: 208-216. (IF: 1.932)
10.Wang, H.D.; Jiang, H.; Liu, H.C.; Zhang, X.; Ran, G.M.; He, H.*; Liu, X.Q. Modeling Disease Progression: Angiotensin II Indirectly Inhibits Nitric Oxide Production via ADMA Accumulation in Spontaneously Hypertensive Rats. Front Physiol. 2016; 7: 555. (IF: 4.031)