Cluster Gauss-Newton method analyses of PBPK model parameter combinations of coproporphyrin-I based on OATP1B-mediated rifampicin interaction studies.
Cluster Gauss-Newton method analyses of PBPK model parameter combinations of coproporphyrin-I based on OATP1B-mediated rifampicin interaction studies.
复制标题
DOI：
10.1002/psp4.12849
复制
发表时间：
2022-10
影响因子：
3.5
通讯作者：
Sugiyama, Yuichi
中科院分区：
文献类型：
--
作者：
Yoshikado, Takashi;Aoki, Yasunori;Mochizuki, Tatsuki;Rodrigues, A. David;Chiba, Koji;Kusuhara, Hiroyuki;Sugiyama, Yuichi
粪卟啉 I (CP-I) 是一种内源性生物标志物，支持预测涉及肝有机阴离子转运多肽 1B (OATP1B) 的药物相互作用 (DDI)。我们之前使用 OATP1B 抑制剂利福平 (RIF) 的临床 DDI 数据构建了 CP-I 的基于生理学的药代动力学 (PBPK) 模型。在本研究中，CP-I 的 PBPK 模型参数使用簇高斯-牛顿法 (CGNM) 进行估计，该算法用于寻找非线性最小二乘问题的多个近似解。通过拟合两项涉及改变 RIF 剂量的不同临床研究中观察到的 CP-I 血液浓度，估计了八个未知参数，包括肝脏总体内在清除率 (CLint,all)、生物合成速率 (v syn) 和 RIF 的 OATP1B 抑制常数 (K i,u,OATP)。 CGNM获得了多个参数组合，可以很好地捕获临床数据。其中，CLint,all、K i,u,OATP 和 v syn 是敏感参数。 CP-I 获得的 K i,u,OATP 比他汀类药物获得的 K i,u,OATP 低 5.0 倍和 2.8 倍，证实了我们之前描述底物依赖性 K i,u,OATP 值的发现。总之，即使其他参数仍未确定，PBPK 模型参数组合的 CGNM 分析也能够估计 CP-I 捕获 DDI 剖面的三个基本参数。 CGNM 还阐明了适当组合其他未识别参数的重要性，以捕获 RIF 影响下的 CP-I 浓度时间过程。所描述的 CGNM 方法还可以支持为 CP-I 之外的其他转运蛋白生物标志物构建稳健的 PBPK 模型。
Coproporphyrin I (CP‐I) is an endogenous biomarker supporting the prediction of drug–drug interactions (DDIs) involving hepatic organic anion transporting polypeptide 1B (OATP1B). We previously constructed a physiologically‐based pharmacokinetic (PBPK) model for CP‐I using clinical DDI data with an OATP1B inhibitor, rifampicin (RIF). In this study, PBPK model parameters for CP‐I were estimated using the cluster Gauss–Newton method (CGNM), an algorithm used to find multiple approximate solutions for nonlinear least‐squares problems. Eight unknown parameters including the hepatic overall intrinsic clearance (CLint,all), the rate of biosynthesis (v syn), and the OATP1B inhibition constant of RIF(K i,u,OATP) were estimated by fitting to the observed CP‐I blood concentrations in two different clinical studies involving changing the RIF dose. Multiple parameter combinations were obtained by CGNM that could well capture the clinical data. Among those, CLint,all, K i,u,OATP, and v syn were sensitive parameters. The obtained K i,u,OATP for CP‐I was 5.0‐ and 2.8‐fold lower than that obtained for statins, confirming our previous findings describing substrate‐dependent K i,u,OATP values. In conclusion, CGNM analyses of PBPK model parameter combinations enables estimation of the three essential parameters for CP‐I to capture the DDI profiles, even if the other parameters remain unidentified. The CGNM also clarified the importance of appropriate combinations of other unidentified parameters to enable capture of the CP‐I concentration time course under the influence of RIF. The described CGNM approach may also support the construction of robust PBPK models for additional transporter biomarkers beyond CP‐I.
登录
查看更多内容
DOI：
10.1111/cts.13272
发表时间：
2022-06
期刊：
Clinical and translational science
影响因子：
--
作者：
通讯作者：
--
影响因子：
6.7
作者：
Barnett, Shelby;Ogungbenro, Kayode;Galetin, Aleksandra
通讯作者：
Galetin, Aleksandra
影响因子：
6.7
作者：
Elsby, R.;Hilgendorf, C.;Fenner, K.
通讯作者：
Fenner, K.
DOI：
10.1002/psp4.12582
发表时间：
2021-03
期刊：
CPT: pharmacometrics & systems pharmacology
影响因子：
--
作者：
Takita H;Barnett S;Zhang Y;Ménochet K;Shen H;Ogungbenro K;Galetin A
通讯作者：
Galetin A
影响因子：
3
作者：
Tsuboya, Ayako;Kubota, Yutaro;Fujita, Ken-ichi
通讯作者：
Fujita, Ken-ichi