【案例揭秘】通过生物药剂学分类系统利用生理药动学模型预测口服吸收（第二部分）
今天推送第二部分，点击跳转见【案例揭秘】通过生物药剂学分类系统利用生理药动学模型预测口服吸收（第一部分）
比索洛尔模拟
图2显示比索洛尔静脉注射和口服给药后观察和预测到的平均浓度-时间曲线，以及有效渗透性（Peff）对预测的血浆浓度-时间曲线影响的PSA。
模拟的与观察到的血浆曲线相对比显示，比索洛尔静脉注射给药后药代动力学反应的模拟精度是可接受的。Simcyp和GastroPlusTM的AAFE值分别为1.44和1.46（图1c）表明，模拟的和观察到的曲线这两者有一个良好的切合性。对于模拟观察到的血浆曲线产生轻微偏差的主要因素是在静脉注射后极短时间计算出的高浓度。在临床设置上，第一个样品通常在给药后10或15min采样，因此通常不会检测到高浓度。[44]相比之下，利用GISim模拟静脉注射血浆浓度-时间曲线计算出的AAFE为2.94。这似乎是由于分布阶段浓度的过高预估。对于GI-Sim模拟静脉注射给药的输入数据是基于观察到的平均血浆曲线的WinNonLin分析，用该模型很有希望有一个更接近的切合度。为确认该差异，另一个OrBiTo同伴检查了我们的WinNonLin分析，并且我们也利用WinNonLin再生了血浆曲线。因此，似乎GI-Sim程序处理数据相比WinNonLin有些许不同，WinNonLin导出参数从而生成静脉血浆曲线。
Leopold观察到，比索洛尔口服给药模型能够模拟血浆浓度-时间曲线，[30]模拟的比索洛尔口服给药后最大血浆浓度在药代动力学研究中观察值的标准偏差范围内。在tmax模拟中能观察到模型之间的较小差异。然而，所有模拟的血浆浓度曲线的AAFE小于观察到的血浆浓度曲线2倍（图1d）。有趣的是，虽然利用GI-Sim模拟的静脉注射预测的AAFE为2.94，而口服给药预测的AAFE在观察到曲线的2倍范围内。
BCS I类化合物的特点是有效渗透率大于1.0×10-4cm/s。[17]因文献中没有可用的比索洛尔渗透性数据，假设渗透率为1.1×10-4cm/s的“最坏情况”方案在比索洛尔模拟中已经被选择，为研究比索洛尔渗透性对其吸收特性的影响，在GI-Sim中允许Peff的输入值在0.1-11.0×10-4cm/s的范围内浮动（图2c）。结果显示，在Peff值低于高渗透性（1.0×10-4cm/s）临界值条件下，模拟的曲线很少过低预估血浆浓度-时间曲线。高于临界值的Peff值似乎导致更高的Cmax预测值，但是预测的Cmax增量小于Peff的正比增量。这些结果极大的支撑了渗透率值1.1×10-4cm/s作为“高渗透性”药物分类的最低应用要求。
由于比索洛尔不仅高渗透性而且高溶解性，因此在PSA中也研究了溶解性。若溶解度变化在已公布值的五分之一内则导致预测的血浆浓度-时间曲线无变化（更高溶解度）或微小变化（更低溶解度），数据不显示。这结果在意料之中，即使溶解度是较低值的五倍，在250ml剂量体积 BCS截止值下，剂量：溶解度的比值仍会很好。也进行了在0.4-2h范围的胃排空率研究。据观察，随着胃排空时间的增加，会减少和延迟Cmax的发生。然而，相比于Peff的影响这些也是微乎其微的（数据未显示）。
硝苯地平的模拟
图3显示了硝苯地平静脉注射和口服给药后利用PBPK模型的模拟结果，以及硝苯地平代谢和渗透性的PSA。
在PBPK方法中，硝苯地平与其他三个原料药相反，视为中性化合物，因此假设该原料药在大多数胃肠道条件下未被电离是合理的。[20,21,46]
GastroPlusTM模拟的AFE为1.15和GI-Sim模拟的AFE为1.16（图1a），AAFE分别为1.43和1.37（图1c），证实了通过这两种PBPK模型对静脉注射给药后总的血浆浓度-时间曲线的良好预测。利用Simcyp进行的模拟显示了对整个血浆浓度-时间曲线的轻微过高预估，导致AFE和AAFE值分别为2.42（图1a和1c）。Simcyp和GastroPlusTM利用在HLM中的CYP3A酶代动力学来描述在静脉注射模型中的新陈代谢，模拟和观察到的曲线之间的差异性可能是硝苯地平体内情况的HLM数据外推的结果。[47,48]
硝苯地平速释（IR）制剂口服给药后的所有模拟显示AAFE＜3（图1d）。随着PBPK模型复杂性的增加，由于描述肠和肝脏代谢的酶代动力学的一体化，Simcyp（1.66）和GastroPlusTM（2.53）的AAFE值也随之增加。GI-Sim模拟计算出的AAFE值最小，为1.57。消除阶段的良好拟合有助于此结果，建议整合文献中肝和肾清除数据进入模型利用WinNonLin分析能更好的预测血浆浓度-时间曲线的后半部分。
根据Wagner等人，[21]硝苯地平主要被CYP3A代谢，静脉注射给药后观察到的血浆曲线主要受到肝脏代谢的影响。在同一刊物中，PK-Sim（另一个PBPK模型）的结果表明口服给药后，硝苯地平药代动力学深受肠壁以及肝脏中CYP3A代谢影响。为了进一步探讨这一观点，利用Simcyp软件对新陈代谢进行了PSA。相比于PK-Sim模拟，利用Simcyp进行的PSA表明肠壁水平CYP3A的变化对血浆曲线的影响小于肝脏水平CYP3A变化带来的影响（图3c和3d）。Simcyp和PK-Sim之间，在两个组织的新陈代谢影响的相对误差可能是由于这两个模型用于描述硝苯地平新陈代谢的方式。由Wagner等人完成的该研究中实行模型的建立和手动改变是基于文献数据，反之，在Simcyp模拟器中的实行模型可自动调整输入的以描述酶代动力学的数据。
对渗透性进行了进一步的PSA，用于模型设置的三个出版物之间的该参数值变化很大。为此，应用了每一个报道的渗透率值（0.36×10-4cm/s，[21]2.079×10-4cm/s，[20]10.5×10-4cm/s，[6]）以及输入GastroPlusTM软件的初始值（三篇文献值的算术平均值）（图3e）。很难判断这些文献数据的可靠性，在这两个案例中，基于PK-Sim[20,21]以“自下而上”的方式对渗透率进行了预测，在第三个案例中，利用内部算法调整MDCKII实验结果。[6]从这些用于PSA的进一步Peff值，在硝苯地平血浆曲线中渗透性显然起到了一个关键的决定性因素，和在文献Peff值之间的差异导致了不同的预测。我们注意到，假设Peff是最高文献值的条件下，模拟的血浆曲线与Patel等人[6]近来报道的有相似的Cmax。
由于利用硝苯地平薄荷油溶液胶囊进行硝苯地平研究，因此制剂选择“溶液”项进行模拟。因该原因，没有对溶解性进行参数灵敏度分析。大多数BCSII类药物可作为固体口服制剂，进一步模拟BCSII类药物的药代动力学行为并探讨溶解性对他们模拟的药代动力学曲线的影响将十分有趣。
西咪替丁的模拟
通过三个PBPK模型进行的模拟充分描述了西咪替丁静脉注射给药后的血浆浓度曲线（图4a）。所有模拟的AFE在0.62~1.15的范围内（图1a），说明GastroPlusTM有过低预估和Simcyp有过高预估的轻微倾向，但是所有模拟的AAFE仍低于2（图1c），因此Obach等人[45]定义了满足成功的标准。该研究在泰国健康受试者中进行，构造了模拟人群以反映更低的体重。然而，没有考虑泰国和高加索受试者之间显型与基因型的可能差异。
西咪替丁口服给药模拟显示了不同的PBPK模型之间的差异性（图4b）。虽然GI-Sim模拟的静脉注射数据是非常准确的（正如预期的那样，模拟是基于利用WinNonLin拟合的静脉内动力学），但口服给药模拟过低预估了末期浓度。相反之下，利用Simcyp和GastroPlusTM进行的模拟过低预估了吸收阶段浓度，而通过Simcyp略微过高预估了末期浓度。从静脉注射到口服给药模拟的AAFE普遍增加，然而仍然位于观察到的血浆曲线两倍范围内（图1c和1d），可归因于吸收过程到模型的一体化。
西咪替丁吸收的灵敏度分析（图4c-4d）显示了Cmax对渗透性的一些依赖性，但是总的血浆浓度-时间曲线形状似乎更依赖于稳态分布容积（Vss）和胃排空时间的变化（图4e和4f）。胃排空时间在0.15-2h范围内变化。更短的胃排空时间，则计算出更高的Cmax和更早的tmax。这些结果与Oberle等人得出的结论一致，[45]其研究了API在给药部位时西咪替丁吸收的运动相函数。
呋塞米的模拟
下面两图，三个PBPK模型模拟的呋塞米注射给药后血浆曲线，以及所有AAFE值（图1c和5a）。
在呋塞米进行的模拟中，药物口服给药后观察到数据和进行的模拟数据之间更大差异的趋势相比于静脉注射给药更加明显（图5b）。所有模型过低预估了口服给药后的总血浆浓度-时间曲线，利用GI-Sim产生了与体内曲线的最近似值。为研究渗透率值变化对血浆浓度-时间曲线的影响，在GI-Sim模型中改变输入参数Peff（图5c）。呋塞米进行的唯一人体肠道灌注研究报道了Peff值为0.05×10-4cm/s。[49]各种Caco-2研究报道表观渗透率值在0.1-0.5×10-6cm/s[49-53]范围内，因此API分类不是高渗透性。图5c显示，在这个范围内，Peff对BCSIV类化合物模拟的血浆曲线有很大影响。
与Peff的影响相反，利用Simcyp进行PSA，当溶解性在0.005mg/ml至＞50mg/ml范围内，对呋塞米口服给药后预测没有影响（数据未显示）。
讨论
所有模型能够模拟所有化合物静脉注射给药后的药代动力学，AAFE＜3。在不同的PBPK模型进行的静脉注射预测的细小差异是可辨别的，但是对模拟结果没有很大影响。正如预期的那样，API的BCS分类对静脉注射给药后预测药代动力学曲线的模型能力没有明显影响，因为没有吸收过程。
增加吸收过程后，所有模型能够预测这四种化合物（AAFE＜7）的药代动力学曲线（图1d）。然而，观察到的模型预测的精确度差异，取决于API的BCS分类。从比索洛尔（BCS I类化合物）进行的模拟到呋塞米（BCSIV类化合物）模拟，AAFE增加。
比索洛尔和硝苯地平利用三个PBPK模型进行的模拟表明，AAFE＜3，PBPK模型用一组早期临床前开发阶段的可用参数足以描述高渗透性化合物的口服吸收。然而，对于渗透性有一个准确的预估方法是必要的，即使对于这两种化合物，PSA显示血浆曲线的成功模拟高度依赖于该参数值。
两个低渗透性APIs（西咪替丁和呋塞米）的模拟，倾向于过低预估各自观察到的血浆浓度-时间曲线，尤其是Cmax。若这两个药物静脉注射给药后的血浆曲线足以被模拟，可以假设口服给药后模拟的和观察到的血浆曲线之间的差异性主要是由于吸收相关过程。作为高渗透性化合物，这些化合物进行的PSAs表明，口服给药后血浆曲线的精确描述对正确预估Peff的是偶然性的（图4c，d和5c）。
有趣的是，西咪替丁和呋塞米是两个在他们的吸收行为中被报道有很大个体差异性的化合物。[9,10]在生理特征变化状态下运行模拟似乎有助于确定这两个化合物血浆曲线的变异性根源，即Peff，Vss和胃排空。在2011年，Zhao等人[54]报道了研究新药和新药申请的提交数量，其中PBPK模型被用于评估药物-药物相互作用，儿童剂量的适用性和疾病因素对药物暴露的影响明显增加。基于监管部门对PBPK模型的兴趣增加，在该研究中模拟的这四种化合物数据是非常重要的，因为他们认为从BCS I跨越到IV类在预测口服吸收有一个很大挑战的趋势。然而，每一个BCS分类都需要调查出更多化合物，为其提供良好质量数据以证实在该研究中观察到的趋势，理解吸收过程参数化能更彻底和进一步完善可用的PBPK模型。
结论
在几乎每一种情况下（药物/PBPK模型组合），通过三个PBPK模型模拟静脉注射血浆曲线，AAFE＜2，不考虑药物的理化性质，表明了在模拟吸收后事件模型良好的可靠性。PBPK模型有良好的预测BCS I类（比索洛尔）和II类（硝苯地平）化合物口服吸收的能力，同时AAFE＜3。随着BCS I至BCSIV类（有限的溶解性和渗透性）药物特性复杂性的增加，在预测观察到的Cmax，AUC0-∞和tmax上有更高的变异性，从而导致BCSIII类（西咪替丁）和BCSIV类（呋塞米）药物的AAFE值更高。
一条血浆浓度-时间曲线的成功预测强烈依赖于输入参数的选择以及是否可以通过体外模型准确生成。从PSA来说，显然更准确的输入参数能有更好的预测，因此优化PBPK模型的主要集中于改善输入参数的准确性。在这项工作中，显然所有来自BCS分类的化合物口服吸收的准确预测高度依赖于体内渗透性的准确预估。
声明
致谢
该项工作得到了创新药品倡议联合事业的部分支持（http://www.imi.europa.eu），授权协议号115369。此外，作者要感谢Certara公司（Simcyp），SimulationsPlus(GastroPlusTM) and AstraZeneca(GI-Sim)提供生理药动学模型许可证。
每周都有实名的研发同行加入，第二群目前已超过1200人，本群欢迎遵守群规的同行加入。加群同行请修改群名片单位+姓名，非诚勿扰。
欢迎各位同行向本公众号投稿。
微信订阅号可以置顶了！把本号置顶，想看就看，不用再向下拉了！
投稿请联系群主（邮箱：9111628@qq.com）或微信编辑（1642214@qq.com）。
请欲加入本群同行仔细阅读本群首页介绍了解本群加群要求和群规则。
查看以前的文章请关注本公众号之后查看历史消息。
扫描二维码可以加群主微信
——研如玉——
药研人的网上家园
QQ1群号：185255786已经满员停止加人
QQ2群号：555352622开始接受申请加入目前已经超过1200人
申请加群：单位+姓名+电话申请，否则一律拒绝