采用PBBM模型预测速释制剂在空腹及餐后状态下的生物等效性
采用PBBM模型预测速释制剂在空腹及餐后 状态下的生物等效性
原文作者及单位
Rebeka Jereb a, Albin Kristl a, Amitava Mitra b,c
a 斯洛文尼亚卢布尔雅那大学药学院
b 美国山德士公司(诺华的分公司)临床开发部
c 美国强生公司临床药理和定量药理部
解读人
陈涛，ballbet体育技术部
导 读
原文作者通过基于生理的生物药剂学PBBM模型，成功地预测6个化合物(不同的BCS分类)的仿制药与参比制剂在空腹与餐后状态下的生物等效性情况。从而探讨在成功预测空腹BE结果后，接着通过虚拟生物等效性VBE模拟来豁免餐后BE试验的可能性。
注：
PBBM是本研究工作的模型架构，在本研究中包括体内外相关性、虚拟生物等效性研究VBE等工作，VBE是PBBM的重要组成部分。
推荐理由
本文通过6个实际的应用案例，说明VBE对不同BCS化合物等效性评估的应用，并汇总了数个限制条件以确保餐后BE试验预测的成功。通过案例的学习，可以了解如何通过PBBM模型建立制剂体内外相关性、采用VBE评估制剂间的生物等效，进而为开发临床相关的溶出方法、豁免餐后BE试验、增加预BE试验的信心、确定BE试验的受试者样本量等方面提供决策支持。
案例摘要
生物等效性考察是药物开发中临床药理学研究的一个组成部分。基于生理的生物药剂学建模(PBBM)是评估潜在等效性风险以及预测生物等效性研究结果的一个有用工具。在本研究中，使用GastroPlus软件对4个BCS 2类、一个BCS 1类和BCS 3类共计6个化合物进行虚拟等效性(VBE)评估。
本研究的目的是根据来自空腹等效性试验数据建立的模型和已知的临床食物影响研究考察是否可以准确预测餐后状态下的生物等效性。本研究显示PBBM模型可以成功重现临床可以(5个案例)及不能(1个案例)生物等效性的观测结果。最后基于可靠的模型，探讨根据化合物的通用特征进行豁免餐后下的生物等效性研究。这能潜在降低药物开发中临床研究的成本，增加关键BE试验成功的信心，以及支持法规申报的应用等。因此VBE可以显著缩减药物研发的时间和成本，最大限度地减少采用健康志愿者开展药物的临床研究。
软件用途
本研究中，采用GastroPlus软件搭建和验证了6个化合物在空腹与餐后状态下的体内PK模型，并采用软件的参数敏感性分析功能评估相关的模型参数对Cmax, AUC, Tmax等主要PK参数的影响。在建立稳定可靠的PK模型基础上，进一步采用GastroPlus的群体模拟功能开展空腹和餐后状态下的虚拟等效性评估。所建立的模型可以准确预测实际临床中受试与参比制剂生物等效或不等效的观测结果。
一
研究背景
生物等效性(BE)研究是药物开发中临床药理学研究的一个重要组成部分，如在后期开发时支持处方变更(也就是批准前的变更)、生产场地变更、溶出标准变更以及支持新药申请(NDA)或简化的新药申请(ANDA)中上市后变更对SUPAC的要求等。此外，BE试验在ANDA申报中展示仿制药与参比制剂能否药学等效也至关重要。不同的监管机构对速释(IR)制剂BE试验的要求有所差别。根据欧洲药品管理局(EMA)的BE指导原则，必须开展空腹状态下的BE试验，因为这对于区分不同制剂间的潜在差别更为敏感；而对于建议随餐服用的制剂，则仅需要开展餐后状态下的BE试验。在美国FDA的指导原则中，需要同时在空腹和餐后状态下研究IR制剂的等效性；但对于仅推荐在空腹状态下给药的产品除外。如果需要随餐服用的制剂，建议需要开展空腹与餐后下研究，除非在空腹给药存在安全性的问题。综合澳大利亚、巴西、加拿大、中国、EMA、日本、墨西哥、新加坡、韩国、瑞士、美国FDA、WHO等法规监管机构的BE指导原则展现了大体相似的考虑，并推荐在健康受试者中开展随机、单剂量、双交叉的生物等效性研究。
由于BE试验在药物开发过程中非常重要，成功应用生理模型如基于生理的生物药剂学模型(PBBM)以预测BE的表现(也即虚拟BE或VBE)将对制剂开发非常有用，如机制性地理解影响药物吸收的因素、简化药品开发过程、设计BE试验、以及根据具体案例争取BE豁免等。PBBM已经成功用于指导原料药(API)性质筛选、采用质量源于设计的处方开发、食物影响的预测、溶出变化后的影响、解释弱酸性化合物在肠腔与系统循环中的表现、预测相对生物利用度与BE试验的结果、制定临床相关的质量标准、评估酸抑制剂的药物药物相互作用等。采用PBBM模型进行VBE模拟可以评估人群生理与药代参数变异，以及制剂参数变异的综合影响。近期的一些研究报告展示了VBE研究的成功应用，如评估不同人群间的BE情况、预测IR与调试制剂的BE状况、预测无定型与结晶型产品在空腹与餐后状态下的BE等。早期评估潜在的BE风险对于制定有效和简化的临床药理学策略至关重要，可以提前告知是否需要进一步优化制剂处方以及指导临床方案设计等。此外，VBE可以支持法规决策如豁免生产场地变更后的BE桥接试验、解释溶出标准的合理性等。
本文将使用6个应用案例描述PBBM在VBE评估中的应用，包含了4个BCS 2类、一个BCS 1类和BCS 3类的药物。这些案例均可以成功预测通过或失败的BE试验结果。本工作的主要目的是研究基于空腹BE试验数据和体内食物影响的研究数据所建立的模型是否可以成功重现餐后状态下的BE结果。同时如果此类模型及预测结果具有一定的可信度，就可以根据某个品种的实际情况决定豁免餐后的BE试验。最后，还讨论了联合验证的PBBM模型、可获得的临床数据和生物药剂学信息以豁免某个制剂餐后BE试验的可能性。
二
讨论
根据业界以及监管机构发表的文章可以发现，近年来业内对应用PBBM模型评估药品质量方面产生浓厚的兴趣；同样也可以发现广泛使用PBBM模型开展VBE的研究。本文中，我们通过具有不同BCS特征的6个化合物的案例研究进一步说明了PBBM在VBE评估中的应用。我们还分别搭建空腹与餐后状态的BE研究模型。在我们看来，本文中所讨论的这些应用案例以及其它文献报道的案例能够支持但不能充分说明PBBM模型在VBE研究中的应用潜力。
保证制剂间的生物等效一直具有调挑战，特别是难溶性的药物(也就是BCS 2或4类)，因为难溶性药物吸收相关的参数在受试者(个体间变异)和研究场景中的变化具有随机性(因为人体胃肠道的生理具有很高的变异性)。简单的模拟可能带来BE结果判断的误导信息，因此需要一个经适当验证后的VBE模型以用于预测BE试验的结果。此外，VBE试验还可以用于辅助确定正式BE试验时合适的受试者数量，而不需要开展很多的预BE研究。在这种情况下，VBE的概念获得了关注并将从学术性畅想转为监管的必要，并逐渐成为仿制药使用者付费法案(GDUFA)的研究重点以在模型引导的药物开发背景下加速仿制药的开发与审评。
尽管本文关注于VBE工程，但在任何BE模拟之前也必须根据可获得的临床数据建立和验证模型。作为模型开发的一部分，应根据实验数据和生理的合理性确定模型参数的输入值。此外，应当考虑执行合适的敏感性分析以说明模型的稳健性，以及充分说明为吻合观测值而显著改变了输入参数的合理性。模型的验证可使用足够数量的独立临床研究数据以说明建模的模型可以准确预测临床观测结果。在一个特定的VBE建模中，一些特定的输入参数需要考虑。首先，PK和生理(如胃肠道转运时间、胃肠液体积等)参数的个体内变异(ISCV)是主要的模型参数之一，因为ISCV是决策BE试验样本量的关键参数之一。PK参数的ISCV可以根据此前的临床数据(如单剂量PK爬坡试验，相对生物利用度以及BE试验等)计算得到。在当前的这些案例中，PK参数的ISCV是根据先前相对生物利用度研究采用ANOVA估算得到，并用于群体模拟中。然而生理参数的ISCV暂未获得，尽管这方面有一些文献但仍待进一步研究。在当前的模拟中，除非在一些特定的案例中专门作了说明，均使用了GastroPlus软件默认的健康人群生理参数以及相应的变异度。另一个重要的考虑是VBE建模时群体模拟的样本量。推荐模型中使用的样本量和计划开展BE研究的受试者数量相近，这样模型不会过度赋权并由此导致假阳性的预测，或者模型权重较低而导致假阴性的预测结果。计算BE试验样本量的典型方式是结合受试和参比制剂已知或预期的GMR以及ISCV的数值。最后，应当执行VBE试验的次数也一直是有争议的方面。在我们看来这必须结合具体案例进行决定，取决于药物及其制剂的生物药剂学和临床药理学的信息。因此很难给出一个常规性的建议。
本文提供了一些应用案例以展示成功预测一个BCS 1类，4个BCS 2类和1个BCS 3类化合物在空腹与餐后状态下的生物等效性情况。通过这些案例研究，我们试图展示在成功预测空腹BE结果后，进一步应用VBE豁免餐后BE试验的可能性。事实上，餐后状态下的BE预测取决于对食物影响特征和机制的深入理解。一些发表的文献已经展示了业界对成功预测BCS 1类和2类化合物食物影响的信心。相似地，本文也展示了当成功预测空腹BE时，可以进一步成功预测BCS 1类和2类化合物在餐后状态下的BE情况。建立的每个化合物的模型可以成功预测生物等效的结果，也能预测案例2生物不等效的结果。本文的6个案例中仅有1个案例是生物不等效的，尽管使用VBE可以成功预测该案例的不等效情况，但由于预测不等效案例数量较少，因此还需要有更多的研究案例以说明模型预测不等效结果的信心。
结合当前的研究案例以及已发表的研究成果，原文作者提出几个限制条件以保证餐后BE试验预测成功的信心：
1) 已知食物影响机制的BCS 1类和2类化合物(通常这些化合物的食物影响是由于胃排空的影响、脂肪和/或胆酸盐对增加溶解度和溶出度的影响)；
2) 剂量线性PK的特征，或者由于溶解度受限的饱和吸收(不是肠道代谢酶和/或转运体介导的饱和吸收)导致的稍低于剂量线性PK的特征；
3) 化合物具有较高的生物利用度；
4) 可以通过IV数据、单剂量口服给药数据，以及群体PK模型较为可靠地估算人体PK参数；
5) 可获得空腹状态下临床BE或相对生物利用度试验数据以进行模型的验证；
6) 根据先前的临床研究可靠估算PK参数的ISCV。
我们相信满足这些特征的化合物，在预测餐后BE情况时将具有很高的信心。
三
总结
应用PBBM开展VBE预测能够潜在降低药物开发过程的临床成本(如豁免餐后状态的BE试验，减少相对生物利用度试验的数量等)，增加预BE试验的信心以及支持如争取豁免SUPAC生物等效性试验等法规应用。因此VBE可以显著降低药物开发的时间和成本，以及减少药物在健康受试者中的研究。还将展示具体的6个应用案例，以说明VBE在不同BCS分类化合物中的应用。这些案例连同先前发表的研究增加了我们对这些模型的知识和信心。
四
应用案例
案例的总体策略
所有的模拟均使用GastroPlus v9.6 (Simulations Plus, Lancaster, CA)默认的Opt-logD SA/V v6.1人体空腹与餐后胃肠道模型进行运行的，除非在具体的案例中另有说明的。除了案例6 (BCS 3类药物)，均使用了默认的吸收放大因子。主要的模型输入参数列举于下表1中。所有案例的扩散系数均基于化合物分子量进行计算得到，并使用默认的沉淀模型。每个案例所模拟的PK曲线以及PK参数将和受试与参比制剂在人体空腹与餐后状态下给药后的观测结果进行比对，以进行模型准确性的验证。随后，每个案例平行开展了20次双交叉虚拟等效性模拟(空腹及餐后状态下各开展10次)以评估受试与参比制剂的等效性；虚拟等效性试验的受试者样本量则基于每个化合物此前的临床数据进行计算得到。受试和参比制剂每一个平行交叉模拟中通过加载相同的人群进行开展，并使用GastroPlus默认的人群参数及其对应的变异系数(CV)。然而特定化合的PK参数均值及其CV则根据先前的临床数据修改为试验测定的数值。所有的体内BE研究均完全按照国际人用药品注册技术协调会、药物临床试验质量管理规范以及赫尔辛基宣言等相关指导原则，并获得了机构审查委员会批准以及受试者的知情同意；BE试验设计的详细信息与结果呈现在补充资料中。
表1 模型中使用的理化与药代参数
41
案例 1
1.1 化合物理化性质与背景
化合物1是BCS 2类弱碱性化合物，在1 mg到600 mg剂量递增试验中AUC与Cmax表现出随剂量的线性增加现象。在一项两周期交叉试验中研究了食物对药代动力学的影响，该研究比较了禁食状态和美国FDA高脂肪、高热量早餐后口服10 mg剂量的PK差异。此研究表明餐食对药物的AUC和Cmax没有影响，因为这两个参数几何均值比(GMR)的90%置信区间(CI)均落在80%-125%范围内。在空腹状态下，药物表现出近似完全的吸收(基于绝对生物利用度研究推测口服吸收百分数约为95%)。
1.2 模拟方法
在人体默认的Opt-logD SA/V v6.1模型中，在空腹与餐后状态下均将小肠(SI)以及结肠液的体积比从默认的40%和10%分别降低至10%和5%，以使得预测与观测结果更好地吻合。所调整的肠液体积和相关文献报道的体内体积保持一致。完整的溶解度随pH变化曲线以数据点文件(.spd)加载至软件中以进行模拟。由于没有获得生物体相关介质(SGF, FaSSIF, FeSSIF)的溶解度数据，因此模拟时执行了使用或不采用GastroPlus内建的理论胆酸盐增溶模型。由于两者模拟结果的差异很小，最终模型未校正胆酸盐的增溶效应。采用Caco-2的Papp与人Peff间的回归分析关系，将Caco-2的数据转换为人体Peff数值。人体的PK参数则根据静脉(IV)给药的数据以二房室模型估算得到，所确定的PK参数见表1。采用DDDPlus (Simulations Plus, Lancaster, CA)软件将受试与参比制剂的溶出数据拟合为有效的粒径分布(PSD)数据，所得到的有效PSD数据然后用于GastroPlus的每个制剂模型中。
最后，所建立的模型结合受试和参比制剂的溶出数据(输入有效PSD)以预测BE试验的结果。每一次虚拟试验模拟中使用48个随机抽取的受试者，该受试者的数量是根据该产品此前相对生物利用度研究的个体内变异(ISCV)通过幂函数计算确定的。GMR以及90% CI的数值则根据生物等效性分析的流程采用Phoenix® (Pharsight, a Certara Company)计算得到。
1.3 结果
图1A和1B汇总了模拟的血药浓度-时间曲线与观测数据间的对比结果，从结果中可以发现所建立的模型可以较好地预测观测结果；图1C和1D展示了根据受试和参比制剂的溶出数据拟合的有效PSD结果。所执行的2维参数敏感性分析结果，表明随着小肠液体积的增大，将显著地影响Tmax和Cmax，但对AUC的影响较小(见图1E，1F和1G)。模型最后用于评估受试和参比制剂间的虚拟等效性情况：图1H和1I分别展示了受试和参比制剂在空腹与餐后状态下VBE的典型研究结果；图2是10次空腹与餐后下VBE研究的汇总结果，这些结果表明所建立的模型可以预测受试和参比制剂生物等效的情况。
2
案例 2
2.1 化合物理化性质与背景
化合物2是BCS 2类弱碱性化合物。在单剂量爬坡PK试验中，该化合物的AUC和Cmax在20 mg到1200 mg剂量范围内呈现随剂量增加的线性变化特征。在一项两周期交叉试验中研究了食物对药代动力学的影响，该研究比较了空腹状态和美国FDA高脂肪、高热量早餐后口服400 mg剂量的PK差异。该研究表明餐后下的AUC和Cmax较空腹有轻微下降，但根据暴露-效应分析表明该影响没有临床显著差异。根据IV数据估算该药物的绝对生物利用度为96%。受试和参比制剂在空腹和餐后状态的BE试验结果表明受试制剂具有较低的AUC与Cmax，且在空腹及餐后下均无法和参比制剂生物等效。
2.2 模拟方法
完整的溶解度随pH变化曲线以数据点文件(.spd)加载至软件中以进行模拟。采胆酸盐增溶效应采用GastroPlus内建的理论胆酸盐增溶模型。采用Caco-2的Papp与人Peff间的回归分析关系，将Caco-2的数据转换为人体Peff数值。人体的PK参数则根据IV给药的数据以一房室模型估算得到，所确定的PK参数见表1。采用DDDPlus (Simulations Plus, Lancaster, CA)软件将受试与参比制剂的溶出数据拟合为有效的粒径分布(PSD)数据，所得到的有效PSD数据然后用于GastroPlus的每个制剂模型中。最后，所建立的模型用于预测受试和参比制剂在空腹与餐后下的BE试验结果。空腹状态下随机产生16个受试者、餐后下产生24个受试者，以评估受试与参比制剂的BE情况。受试者的数量是根据该产品此前相对生物利用度研究的ISCV通过幂函数计算确定的。
2.3 结果
图3A和3B汇总了模拟的血药浓度-时间曲线与观测数据间的对比结果，从结果中可以发现所建立的模型可以较好地预测观测结果；图3C和3D展示了根据受试和参比制剂的溶出数据拟合的有效PSD结果。所执行的2维参数敏感性分析结果，表明建模参数对AUC, Cmax和Tmax的影响较小(数据未显示)。模型最后用于评估受试和参比制剂间的虚拟等效性情况：图2展示了VBE研究的汇总结果，这些结果表明所建立的模型可以预测受试和参比制剂不等效的结果。
图3 化合物2受试与参比制剂在空腹(A)与餐后(B)状态下的PK预测与验证结果；根据受试(C)与参比(D)制剂的溶出曲线拟合得到有效PSD；空腹(E)与餐后状态(F)下双交叉VBE模拟的典型结果。
3
案例 3
3.1 化合物理化性质与背景
化合物3是BCS 2类弱酸性化合物。在剂量为2 mg到100 mg范围内的混悬液、以及25 mg到50 mg范围内的片剂，该化合物的体内暴露随剂量增加表现线性变化的特征。与空腹状态相比，高脂餐后口服50 mg后的Cmax和AUC分别增加了66%和67%，Tmax延长至1.5小时。片剂的绝对生物利用度估预估为50%，混悬液则为70%-80%。
3.2 模拟方法
在人体默认的Opt-logD SA/V v6.1模型中，在空腹与餐后状态下均将SI以及结肠液的体积比从默认的40%和10%分别降低至4.91%和0.1%，以使得预测与观测结果更好地吻合。完整的溶解度随pH变化曲线以数据点文件(.spd)加载至软件中以进行模拟。根据FaSSIF, FeSSIF介质下溶解度数据计算得到胆酸盐增溶因子为40600以表征胆酸盐的增溶效应。人体Peff的数据是根据内部建立的MDCK的Papp与人体有效渗透性间的回归关系计算得到的。人体的PK参数根据口服不同剂量(2, 5, 10, 20, 25, 50 mg)混悬液后的血药浓度-时间曲线估算为二房室模型，所确定的PK参数见表1。采用Johnson模型模拟药物的体内溶出过程。API的粒径分别根据受试与参比制剂的体内观测数据优化得到，以吻合观测的血药浓度-时间曲线。空腹及餐后状态下的肝脏首过代谢根据肝脏血流量、血浆清除率和全血/血浆药物分配比计算得到，空腹和餐后下分别为1.4%和1.1%。最后，所建立的模型用于预测空腹和餐后状态下的BE试验结果。空腹状态下随机产生35个受试者、餐后下产生36个受试者，以评估受试与参比制剂的BE情况。该受试者数量同样也是体内BE试验时所用的人数。
3.3 结果
图4A和4B汇总了模拟的血药浓度-时间曲线与观测数据间的对比结果，从结果中可以发现所建立的模型可以较好地预测观测结果；优化的参数(SI和结肠液体积比以及API的粒径)对模拟的空腹下Cmax和AUC的影响见图4C和4D。从图中可以看到API粒径的变化对Cmax和AUC均有影响，因此这也是通过模型区分受试和参比制剂差异的较好方式。模型最后用于评估受试和参比制剂间的虚拟等效性情况：图4E和4F分别展示了受试和参比制剂在空腹与餐后状态下VBE的典型研究结果；图2是10次空腹与餐后下VBE研究的汇总结果，这些结果表明所建立的模型可以预测受试和参比制剂生物等效的情况。
图4 化合物3受试与参比制剂在空腹(A)与餐后(B)状态下的PK预测与验证结果；SI及结肠液体积比与API粒径对Cmax (C)和AUC (D)的参数敏感性分析；空腹(E)与餐后状态(F)下VBE模拟的典型结果。
4
案例 4
4.1 化合物理化性质与背景
化合物4是BCS 2类碱性化合物。在食物影响的研究中，和空腹状态的PK结果相比，高脂餐(800-1000卡路里，且其中50%来自脂肪)后该药物的暴露增加了近2倍、Tmax延长至2小时。由于存在较高的肝肠首过效应，空腹口服560 mg后药物的生物利用度预估为3.9%。
4.2 模拟方法
完整的溶解度随pH变化曲线以数据点文件(.spd)分别加载至受试和参比制剂的模型中以进行模拟(因为不同晶型的API具有不同的溶解度)。根据FeSSIF介质下溶解度数据计算得到胆酸盐增溶因子以表征胆酸盐的增溶效应。采用Caco-2的Papp与人Peff间的回归分析关系，将Caco-2的数据转换为人体Peff数值。人体的PK参数根据IV给药的数据以三房室模型估算得到，所确定的PK参数见表1。空腹及餐后状态下的肝脏首过代谢分别根据肝脏血流量、血浆清除率和全血/血浆药物分配比计算得到。逃离肠细胞代谢的百分数(Fg)根据绝对生物利用度(Fb)、逃离肝脏代谢的百分数(Fh)以及口服吸收百分数(Fa)的数值并采用公式Fb=Fa*Fh*Fg计算得到。肝脏以及肠道首过代谢分数在空腹下分别设置为73%和85%，餐后下分别设置为55%和86%。采用Johnson模型模拟药物的体内溶出过程，并考虑了受试和参比制剂具有不同的溶解度。在默认模型参数的基础上也额外做了一些调整和修改：1) 在空腹与餐后状态下均将SI以及结肠液的体积比从默认的40%和10%分别降低至4.91%和0.75%，以使得预测与观测结果更好地吻合；2) 健康受试者在空腹转态下的胃pH值通常在2-3范围内。由于化合物4具有pH依赖性的溶解度，GastroPlus默认的胃pH值(1.2)会导致过快的溶出并高估了空腹下的血药浓度-时间曲线(与体内观测数据相比)。因此，空腹状态的模型中将胃pH设置为2.0；3) 此外，胃排空时间从默认的0.25小时增加至0.5小时，以表征较大不溶性颗粒的缓慢胃排空过程；4) 在模型搭建过程中，还将沉淀时间从默认的900 s降低至500 s，以使得空腹下模拟的血药浓度-时间曲线可以吻合体内的观测值；5) 对于餐后状态下的模拟，胃排空时间则设置为餐后模型默认的数值(1.0 h)。SI和结肠液的体积以及沉淀时间则保持和空腹状态一致。最后，所建立的模型用于预测空腹和餐后状态下的BE试验结果。空腹状态下随机产生74个受试者、餐后下产生120个受试者，以评估受试与参比制剂的BE情况。该受试者数量同样也是体内BE试验时所用的人数。
4.3 结果
图5A和5B汇总了模拟的血药浓度-时间曲线与观测数据间的对比结果，从结果中可以发现所建立的模型可以较好地预测观测结果；优化的参数(SI和结肠液体积比、胃pH值、胃转运时间以及沉淀时间)对模拟的空腹下Cmax和AUC的影响见图5C和5D。模型最后用于评估受试和参比制剂间的虚拟等效性情况：图5E和5F分别展示了受试和参比制剂在空腹与餐后状态下VBE的典型研究结果；图2是VBE研究的汇总结果，这些结果表明所建立的模型可以预测受试和参比制剂生物等效的情况。
图5 化合物4受试与参比制剂在空腹(A)与餐后(B)状态下的PK预测与验证结果；SI及结肠液体积比、胃pH值、胃排空时间以及沉淀时间对Cmax (C)和AUC (D)的参数敏感性分析；空腹(E)与餐后状态(F)下VBE模拟的典型结果。
5
案例 5
5.1 化合物理化性质与背景
化合物5是BCS 1类碱性化合物。0.2 mg到2 mg剂量范围内静脉给药、以及25 mg到50 mg范围内商业化口服制剂给药后，该化合物的体内Cmax与AUC表现出随剂量成比例变化。在食物影响的研究中，发现进食高脂早餐后对该药物的AUC没有影响，但会影响口服吸收的速率(Cmax降低，Tmax延长)。根据IV的数据预估该药物的绝对生物利用度为99%。
5.2 模拟方法
完整的溶解度随pH变化曲线以数据点文件(.spd)加载至软件中以进行模拟。根据理论计算得到胆酸盐增溶因子为3243以表征胆酸盐的增溶效应。在空腹与餐后状态下均将SI以及结肠液的体积比从默认的40%和10%分别降低至4.91%和0.75%，以使得预测与观测结果更好地吻合。采用MDCK-LE的Papp与人Peff间的回归分析关系，将MDCK-LE的数据转换为人体Peff数值。人体的PK参数根据IV给药的数据以二房室模型估算得到，所确定的PK参数见表1。空腹及餐后状态下的肝脏首过代谢根据肝脏血流量、血浆清除率和全血/血浆药物分配比计算得到，空腹和餐后状态下分别为4.9%和3.7%。受试和参比制剂的溶出数据以.dsd文件的形式加载至GastroPlus中，并分别计算得到两者的溶出因子(Z-Factor)。最后，所建立的模型用于预测空腹和餐后状态下的BE试验结果。空腹状态下随机产生24个受试者、餐后下产生25个受试者，以评估受试与参比制剂的BE情况。该受试者数量同样也是体内BE试验时所用的人数。
5.3 结果
图6A和6B汇总了模拟的血药浓度-时间曲线与观测数据间的对比结果，从结果中可以发现所建立的模型可以较好地预测观测结果；根据受试与参比制剂的溶出曲线计算Z-Factor的结果见图6C和6D。模型最后用于评估受试和参比制剂间的虚拟等效性情况：图6E和6F分别展示了受试和参比制剂在空腹与餐后状态下VBE的典型研究结果；图2是VBE研究的汇总结果，这些结果表明所建立的模型可以预测受试和参比制剂生物等效的情况。
6
案例 6
6.1 化合物理化性质与背景
化合物6是BCS 3类中性化合物。在2.5 mg到10 mg剂量范围内，该化合物表现出随剂量成比例变化的药代动力学特征。食物对该化合物的AUC和Cmax没有显著的影响，但会延长Tmax。体内研究报道口服给药后该药的绝对生物利用度为51%-86%。
6.2 模拟方法
完整的溶解度随pH变化曲线以数据点文件(.spd)加载至软件中以进行模拟。根据理论计算得到胆酸盐增溶因子为1724以表征胆酸盐的增溶效应。在空腹与餐后状态下均将SI以及结肠液的体积比从默认的40%和10%分别降低至4.91%和0.75%，以使得预测与观测结果更好地吻合。在餐后状态的模拟中，由于餐后状态的Tmax具有延迟现象，故将胃排空时间从默认的1.0小时增加至2.0小时。使用了ADMET PredictorTM预测的Peff数值。化合物6是转运体BCRP以及P-gp的底物，通过优化吸收放大因子(ASF)以反映转运体的影响，并使得模拟的空腹给予5 mg受试制剂后的平均血药浓度-时间曲线可以吻合体内观测值。空腹和餐后下的模拟均使用了相同的ASF数值。模型中使用了实测的受试制剂API粒径的数据；而参比制剂的API数据则通过使得模拟的血药浓度-时间曲线吻合空腹BE试验的体内观测数据进行拟合得到。人体的PK参数根据IV给药的数据以三房室模型估算得到，所确定的PK参数见表1。空腹及餐后状态下的肝脏首过代谢根据肝脏血流量、血浆清除率和全血/血浆药物分配比计算得到，空腹及餐后状态的数值分别为3.9%和2.9%。最后，所建立的模型用于预测空腹和餐后状态下的BE试验结果。空腹状态下随机产生36个受试者、餐后下产生32个受试者，以评估受试与参比制剂的BE情况。该受试者数量同样也是体内BE试验时所用的人数。
6.3 结果
图7A和7B汇总了模拟的血药浓度-时间曲线与观测数据间的对比结果，从结果中可以发现所建立的模型可以较好地预测观测结果；优化的参数(SI和结肠液体积比、API的粒径以及有效渗透性)对模拟的空腹下Cmax和AUC的影响见图7C和7D。模型最后用于评估受试和参比制剂间的虚拟等效性情况：图7E和7F分别展示了受试和参比制剂在空腹与餐后状态下VBE的典型研究结果；图2是十次VBE研究的汇总结果，这些结果表明所建立的模型可以预测受试和参比制剂生物等效的情况。
图7 化合物6受试与参比制剂在空腹(A)与餐后(B)状态下的PK预测与验证结果；SI及结肠液体积比、API粒径以及有效渗透性对Cmax (C)和AUC (D)的参数敏感性分析；空腹(E)与餐后状态(F)下VBE模拟的典型结果。
五
应用的软件
该案例应用的软件是GastroPlus (version 9.6)，涉及模块有Base, Optimization, PKPlus, ADMET Predictor；以及DDDPlus (version 4.0)。
参考文献
Rebeka Jereb, Albin Kristl, Amitava Mitra. Prediction of fasted and fed bioequivalence for immediate release drug products using physiologically based biopharmaceutics modeling (PBBM). European Journal of Pharmaceutical Sciences 155 (2020) 105554. IF=4.227