编者语：本公众号曾经发表过多篇欧美药物杂志刊登的文章，很多都涉及建模模拟的这个环节。今天给各位推送一篇我们本群同行的翻译文章，继续深入对这个环节进行探讨。就比较热门的生理药动学（PBPK）模型能够用利用具体药物特异性的知识来预测口服生物利用度这个角度给大家展示下，来评估处方和剂型在人体如预期一样起效的可能性。本文比较长分两部分进行推送。感谢本群同行的翻译，原文已经发到QQ超级群共享。欢迎各位同行一起来探讨。原文出处见下面截图
摘要
目的 该研究目的在于（1）确定如何密切的生理药动学（PBPK）模型能够用利用具体药物特异性的先验知识来预测口服生物利用度和（2）考察生物药剂学系统分类对模拟成功的影响。
方法采用Simulator，GastroPlusTM和 GI-Sim软件。选择已公开的具有生物豁免专利的化合物（比索洛尔（BCS I），硝苯地平（BCS II），西咪替丁（BCS III），呋塞米（BCS IV）），以确保所有获得必需参数的准确和可重现数据。利用平均倍数误差（AFE）和绝对倍数误差（AAFE）来评估模拟成功。对所选择参数进行了参数灵敏度分析（PSA）。
主要发现预测静脉注射给药后的血浆浓度-时间曲线，AAFE＜3。吸收过程中的添加物导致在预测血浆曲线上更多的变化，不考虑生物药剂学系统（BCS）分类。在预测口服药物吸收准确性上，文献渗透性数据的可靠性被确定作为一个关键性问题。
结论对于研究的这四种药物，似乎PBPK模型的预测准确性与BCS分类相关（BCS I＞BCS II，BCS III＞BCS IV）。这些结果需要利用其他药物进行验证。
前言
在过去15年，生理药动学（PBPK）模型已经在药物开发中越来越多的实行，常用于临床前阶段预估口服给药后活性药物成分（APIs）的药代动力学行为。[1]在早期药物开发阶段进行模拟能够帮助解答关键性问题，例如识别一个新候选药物的首次人体给药剂量，预测全身暴露量及其变异性，确定因处方变更带来的药物生物利用度改进的潜力和预测食物影响。[2]
针对这些目的利用PBPK模型的优势是明确的：一方面，他们能收集一个新化学实体的所有信息并集成在一个单一模型中，从而推断出各种参数对血浆曲线的相对贡献；另一方面，他们利用参数值的虚拟探索来确定处方怎样程度的变化可能影响口服生物利用度，如此使得制剂人员因处方影响而设置切合实际的目标。随着开发的进行，来自晚期临床前和早期临床研究（例，利用稀释DMSO储备液进行的动力学溶解度早期评估进展来确定生物相关介质条件下准确的热力学溶解度）日益准确的数据模拟的PBPK模型持续细化，预计将导致更多精确和可预测模型。PBPK模型的适当实施和来自建模与模拟研究的理解能减少一个恰当药物产品所要求的开发时间和费用[2]。几个作者已经发表了药代动力学曲线的回顾性模型。[3-6]然而，利用临床前数据前瞻性预测完整的人体药代动力学曲线，这将是制药行业一个巨大的突破，且仍然是一个挑战。
到目前为止，已经有一些研究发表在已经实行不止一个这样的PBPK模型的公开文献中，通常集中在API/API分类上。因此，该研究的目的有两个：首先，考察来自四个生物药剂学系统（BCS）分类的APIs的溶解性和渗透性的各种组合对模型的影响力；其次，为了更准确地利用PBPK模型提前预测口服生物利用度，确定哪些因素需要解决。在该研究中使用的PBPK软件是Simcyp Simulator，GastroPlusTM和 GI-Sim。选择已公开的具有生物豁免专利的化合物（比索洛尔（BCS I），[7]硝苯地平（BCS II），[8]西咪替丁（BCS III），[9]呋塞米（BCS IV），[10]），这些专著严格审查了在这些公开文献中的所有有关API相关问题的可用数据。
材料和方法
软件包中已实现的吸收模型描述
生理药代动力学模型
Simcyp，基于种群的ADME模拟器. Simcyp，基于种群的ADME模拟器（Certara, Sheffield,UK），是一种商业上可利用的软件，最初旨在通过体内-体外外推来预测代谢过程；但现在已经扩大到一个包括全身生理药代动力学（WB-PBPK）的模型，可用于药物浓度-时间曲线预测。吸收、分布、代谢和排除（ADME）的多方面能被列入该软件的药代动力学曲线模型中。Jamei等人事先详细描述了Simcyp PBPK模型。[11]对于此次研究，已经实施了版本13，发布2。
GastroPlusTM.对于此次研究，使用了8.5.002版本的GastroPlusTM（Simulations Plus Inc., Lancaster, CA, USA）。该软件最初被设计用于模拟口服给药药物的吸收过程。在软件开发过程中，Agoram等人进行了详细描述。[12]开发附加模块来研究组织的分布和消除（PBPK PlusTM模块），为了在模型中（代谢和转运模块）囊括肠、肝转运与代谢和建立体外溶出速率与体内吸收数据的一致性（IVIVC PlusTM模块）。因此，GastroPlusTM现在提供了一个完整的ADME描述。一个优化模块，为适应模型参数可通过实验确定数据。
GI-Sim.Sjogren等人报道，通常在药物开发期间产生的复杂性提供了一个开发过程中的变化依据。对于聚焦研发的公司特别具有挑战性的是候选药物的溶解性和渗透性对口服吸收的限制，正因为这些增加了药物开发的时间和成本。[5]在同一篇文章中，已经确认对于计算机中吸收模型的明确需求能够解决这些挑战，其能导致内部吸收模型（GI-Sim，AstraZeneca）的发展。基于房室吸收和转运（CAT）模型，GI-Sim吸收模型集中于旨在描述胃肠腔中发生事件的计算程序。[5]
相比于以上描述的两种市售可用的PBPK模型，对于不同房室描述药物分布和排除动力学的所有药代动力学参数必须从外部进行计算，利用GI-Sim模拟药代动力学曲线之前，通常使用市售的药代动力学程序。[5]在这项工作中，
我们利用Phoenix WinNonLin（Certara，Sheffield,UK）进行了这些计算。
吸收模型
Yu and Amidon[14,15]在超过15年前，就提出了一种利用房室方法来描述胃肠道吸收（CAT模型TM）。这个模型被用作肠道转运和吸收模型的基础，现在已经在GastroPlusTM，Simcyp和GISim中实行，由此用于描述从胃到结肠节段的房室系统的参数化已经相当大的发展。在目前的模型中，胃肠道九个节段中每一个的吸收被定义为一个能够影响吸收特性的影响因素函数，包括胃排空率，肠道转运时间，结肠转运时间，不同胃肠道节段的pH，胃肠道流体体积和流体动力学，胃肠道血流量，胆汁分泌和肠肝循环，餐后状态，和官腔降解过程以及肠壁的代谢和转运。影响口服吸收的药物相关因素包括溶解性和溶出行为以及过饱和，沉淀特性。
活性药物成分（API）的渗透性和化学稳定性对吸收的影响也需要考虑。此外，需考虑到一些特定处方的特性（如粒径）对药物吸收的影响。[12,16]在这些模型中，假设从胃的吸收忽略不计，对我们的研究而言，我们也假设从结肠的吸收忽略不计。[12,16]一级动力学用于描述通过胃肠道模型九个房室的液体和固体。[12,16]药物可以分为可溶和不溶性物质，假设以恒定流速转运通过肠道。为了穿过肠道膜，APIs必须可溶解且不结合，例如胃肠道中的粘液或其他物质。每个房室的吸收与药物的渗透性，个别房室的游离药物浓度，吸收的可用表面积和在房室中滞留时间成正比。[5]
模型输入参数和建模策略
新候选药物的溶解性和渗透性差可导致有限和可变的肠道吸收，导致血浆浓度-时间曲线吸收差和个体间变异性高。为考察不同溶解性和渗透性组合对吸收分数的限制影响，需从四个BCS分类中选择APIs。[17]
此外，API的选择是基于能够成功实现PBPK模型的质量和可重复性足够好的可用性数据。作为结果，为快速完成用于APIs的数据招募，可选择已公开的具有生物豁免专利的药物。生物豁免专利汇编了公开文献中与API口服吸收有关的所有可用信息。通过对有助于口服吸收的影响因素的全面审查，能够建立生物豁免专利以此来协助仿制药物产品的批准，从而以可承受的价格提供可靠的药物。[18]
BCS I类药物的特点是高溶解性和高渗透性。[19]由于药物的高渗透性，在吸收过程中的限速步骤预计是从药物剂型的溶出和胃排空率。[17]比索洛尔（以富马酸比索洛尔存在）是BCS I类化合物，被选择作为这类BCS的代表进行模型评估。
选择硝苯地平作为BCS II类的代表。Gajendran等人近来发表了硝苯地平的生物豁免专著。[8]由于其低溶解性和高渗透性，BCS II类药物的吸收通常受药物颗粒溶解的影响，则相比于BCS I类化合物导致更低的吸收。[17]该选择的例子，硝苯地平以油性溶液装在软胶囊中进行给药，来避免基于溶出对吸收的限制。[20]硝苯地平在小肠和肝脏中有显著代谢。在这两个位置的新陈代谢能够影响口服生物利用度，导致硝苯地平口服血浆曲线个体间变异性高。[21-23]
高溶解性低渗透性是BCS III类药物的特点。低渗透性是BCS III类药物吸收的主要限制，由于胃肠道转运时间和官腔组成以及膜渗透性的个体差异性，这些APIs的吸收模式和程度有很高的可变性。[17]例如，西米替丁呈现出一种双峰现象。[24-26]已经提出了各种假设来解释这种双峰现象，如在给药后胃排空率的变异性，运动阶段的持续时间，[24]肠肝循环[27]和因人体粪便细菌回到母体药物导致的代谢物减少。在结肠的再吸收，[27]在小肠中分离的吸收位点[25,28]或在给药时间胃pH[29]值低也在文章中进行了讨论。
因低溶解性和低渗透性限制吸收是BCS IV类药物的典型特点。因此，BCS IV类化合物作为速释（IR）制剂给药的情况下很少实现100%口服吸收。选择呋塞米作为BCS IV类的代表。Granero等人[10]在2009年发表了相应的生物豁免专著。
这四种化合物的文献数据被作为不同PBPK程序的输入参数使用，没有任何的调整或优化来提高模拟血浆浓度-时间曲线与观察到的体内曲线的匹配度。模拟的结果与观察到的体内曲线进行比较。除固体速释口服制剂（例如片剂或胶囊）模拟外，运行静脉注射给药模拟来区分吸收前和吸收后对模拟精度的影响。对于选定参数而言，应进行参数灵敏度分析（PSA）。用于PSA的PBPK模型的选择，是基于已经预测到与观察到的血浆曲线接近的模型。在Simcyp中利用自动运行PSA的选项进行PSA，而在GastroPlusTM与GI-Sim中则利用手动输入进行PSA。表1表示用于模型实施的来源于文献的输入参数概要。对于一些参数，下面具体考虑了如何将文献值进入模型中，这些参数在下面进行了详述。
表1 用于初始模拟的模拟输入参数总结
渗透性
虽然在文献中缺失比索洛尔的直接渗透性数据，但它已经在Leopold[30]进行的回收实验基础上被分为BCS[7]高渗透性。他们观察到，在14C标记的比索洛尔口服给药后，91%的化合物排泄在粪便和尿液中。因此，用于定义高渗透性（有效渗透率高于1.0×10-4cm/s[17,31]）的截止值被用于创建比索洛尔（1.1×10-4cm/s）最坏情况的渗透性。对于硝苯地平，在刊物中报道的各种的渗透性，[6,20,21]三个报道值的算术平均值与3.6×10-4cm/s的有效渗透率保持一致，符合其作为高渗透性的分类，用于初始模拟并进行PSA。
首过代谢
描述在肝肠中硝苯地平利用CYP3A进行的饱和新陈代谢的酶动力学（Km和Vmax）与在Simcyp和GastroPlusTM进行的模拟进行结合。在体外人体肝脏微粒体（HLM）实验产生Michaelis–Menten动力学。[32]通过将Km和Vmax动力学应用到模拟中，两个WB-PBPK模型考虑了肝脏代谢。此外，在这两个PBPK模型中考虑到了在不同胃肠道房室酶含量的区域变化。[6,33,34]将酶动力学结合到GI-Sim中是不可能的，总的全身清除率用于描述硝苯地平在GI-Sim中的消除。
虚拟人群选择
在PBPK模型中，通过在药代动力学研究协议中的种群特点和剂量信息能够改变种群库。在我们的模拟中，每项研究通过调整虚拟种群来反映参与受试者年龄范围、体重、性别，虽然在任何软件中没有泰国人群是可用的（在西咪替丁研究中使用了泰国受试者）。用作模拟比较的药代动力学研究在临床药代动力学数据部分进行了详细描述。
分布容积
两种市售的PBPK模型能够利用已经在文献中提出的不同方程来计算稳态表观分布容积（Vss）。[35-38]就Simcyp而言，通过软件预测的Vss值与发表在文献中的静脉注射数据进行比较，如有需要，调整至与文献数据一致。这类调整对于用于这些研究中的GastroPlusTM版本不适用，因此模拟必须利用内部计算值运行。在GI-Sim中的输入参数，静脉注射给药中心室的分布容积直接来源于文献数据，并且没有经过任何调整就进行了使用。
分布速率常数
从静脉注射文献数据的WinNonLin再分析中获得k12和k21值，在GI-Sim中无需调整即实行。相比之下，在Simcyp和GastroPlusTM中不需输入k12和k21值，因为在这些软件中的PBPK模型可自动计算各组织的分布速率常数。
清除率
清除率值从静脉注射研究中获得，并且在三个PBPK模型中无需进一步调整即可实行。就比索洛尔而言，PBPK模型可解释肝脏（7 l/h）和肾脏（8.4l/h）[30]的清除率数据几乎相等。
临床药代动力学数据
Leopold[30]以健康受试者作为对照，对比肾、肝功能不足患者的比索洛尔药代动力学。10mg富马酸比索洛尔作为速释片剂在健康受试者中静脉注射和口服给药后的平均血浆浓度-时间曲线与模拟曲线进行了对比。
用于预测硝苯地平血浆曲线的体内数据由Rashid等人[20]完成的成果获得，其调查了BCSII药物生物利用度的影响因素。约2.5mg硝苯地平静脉注射给药，然而在硝苯地平口服研究是以含10mg硝苯地平的薄荷油溶液胶囊进行给药。
西咪替丁在泰国年轻健康受试者静脉注射（300mg）或口服（400mg）给药后的血浆浓度-时间曲线已由Jantratid等人报道。[39]该研究的目的在于调查基于BCS系统生物豁免的药物扩展到BCSIII类药物的可能性。虽然西咪替丁药代动力学的其他研究已经在文献中报道，但这一个因我们可访问其所有个人数据而被挑选。
Hammarlund等人分析了BCSIV类药物呋塞米在静脉注射和口服40mg后的药代动力学。他们也比较了呋塞米在食物摄入前后给药的吸收，得出了吸收受溶解性和渗透性问题限制的结论。[40]正如在虚拟人群选择部分所提及到的，应调整用于模拟的虚拟人群以符合参加各项药代动力学研究的受试者特征。
评价指标
平均倍数误差和绝对倍数误差
计算平均倍数误差（AFE）和绝对倍数误差（AAFE）以评估预测精度。AFE（方程（1））描述了相比于体内曲线，模拟的血浆浓度-时间曲线是否过低或过高预估[41,42]：
其中pred.t和obs.t是在时间t预测和观察到的血浆浓度，n表示数据集的大小。如果AFE＜1，能够计算通过模拟曲线对体内曲线的过低预估；同样，AFE＞1显示，通过模拟过高预估了体内血浆曲线。AAFE（方程（2））另外计算相比于观察到的体内曲线，模拟的血浆浓度-时间曲线的过低或过高预估发生的绝对值。使用此参数，量化模拟曲线的偏差是可能的[41-44]：
其中pred.t和obs.t是在时间t预测和观察到的血浆浓度，n表示数据集的大小。AAFE小于2 ，5，10的模拟百分比被作为所有运行模拟的百分比。正如Obach等人所定义的，[45]AFE≤2代表预测成功。
结果
一般情况下，对于这四种化合物利用PBPK模型能很好模拟静脉注射给药后的血浆浓度-时间曲线。计算的AFE和AAFE（图1a和1c）都表明这三个模型良好的模拟精度，静脉注射给药后12个模拟有11个（91.7%）是在观察到的血浆浓度-时间曲线2倍以内。然而，应该指出至少有一些吸收后参数应该从已经发表的有关人体静脉注射研究中获得，而不是完全用“自上而下”的建模方法。
对于口服给药模拟而言，随着从BCSI类到BCS IV类化合物药物性质复杂性的增加，观察到的和预测到的Cmax，AUC0-∞，tmax之间的差异性也在相应增加。例如，这三个PBPK模型能够模拟比索洛尔（BCSI类）的Cmax在观察值的20%以内，而呋塞米（BCSIV类）的任何模型都不能做到这一点。
个别化合物结果在以下部分进行了详细描述。
（第二部分 3月13日发布敬请期待）
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。
——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
