一种从尿排泄曲线推导血浆中化合物暴露特征的方法

本发明属于药代动力学研究技术领域，尤其涉及从尿排泄曲线推导血浆中化合物暴露特征的方法。

背景技术：

中央室药物暴露是判断药物体内处置规律的首要依据，是药代动力学研究关注的核心，因此，血浆的药物浓度时间曲线是药代动力学研究的“关键数据”。为获取这一数据，受试者在给药后通常需要采集至少10个时间点的血样进行定量分析，以完整展现血浆药物浓度时间曲线。但对于特殊人群，例如儿童，老人，疾病等，由于伦理限制或自身(其他)原因无法进行密集采血，极大阻碍了这些人群的药代动力学研究。

目前，可利用的解决方案主要有两种，一种是以群体药代动力学(poppk)为代表的所谓自上而下的方法(top-downmethod)，可以基于稀疏样品数据，整合影响pk/pd各种协变量，利用非线性混合效应的数学统计工具，通过数据评估和特定协变量的迭代，计算pk参数，并鉴别个体内和个体间变异来源。另一种是以生理基础药代动力学(pbpk)建模为代表的自下而上的方法(bottom-upmethod)，整合动物实验数据，体外数据，多种重要的生理和遗传信息，药物理化特性等因素，通过数学建模模拟虚拟器官网络系统内的药物处置，预测给药后pk特征，评估协变量(如年龄、体重、疾病和可能的药物-药物相互作用)是否导致可预见的变化。前者的优势是直接数据，劣势是变异大，样本量大，数据收集耗时长。后者的优势是机制性建模，劣势是利用间接数据产生预测性结果，二者均无法准确描述个体血浆的药时曲线，为此我们提出了从尿排泄曲线推导血浆中化合物暴露特征的方法。

技术实现要素：

本发明的目的是为了解决现有技术中存在的问题而提出的从尿排泄曲线推导血浆中化合物暴露特征的方法。

为了实现上述目的，本发明采用了如下技术方案：

本发明包括以下步骤

a在限定模型前提假设条件下，获取多点尿排泄数据和单点血浆药物浓度数据；

b针对所述尿排泄数据利用半对数末端直线回归方法，进行二房室分布模型或者三房室分布模型拟合，；

c采用所述单点血浆药物浓度数据计算尿清除率clr；

d利用所述尿清除率clr校正并最终获得血浆药物浓度-时间曲线。

进一步地，所述血浆药物的给药途径适用于单剂量或多剂量静脉注射或口服给药。

进一步地，所述限定模型前提假设为：受试药物的体内处置需符合一级消除动力学；在试验剂量和体内暴露量范围内总清除符合线性消除特征；存在肾脏排泄消除且符合线性消除特征。

进一步地，所述半对数末端直线回归的计算式为

一般的，α＞β，当t充分大时，此时，得方程5

xu表示t时刻尿累积排泄药量，单位mg；表示尿累积排泄总药量，单位mg；

进一步地，所述尿清除率clr的公式为，

其中，ke表示尿药排泄速率常数，单位min-1或h-1；xu表示t时刻尿累积排泄药量，单位mg。

进一步地，在步骤b中通过多步残数法对剩余尿药量-时间曲线末端进行半对数直线拟合，得到斜率和截距，计算参数β和keb。将所获得的末端直线外推至α相，以实测值-外推值，求得残数值。以残数值对时间再进行半对数直线拟合，求得参数α和kea。

进一步地，所述血浆药物浓度-时间曲线计算方式为：

相比现有技术，本发明的有益效果为：

本发明以非侵入采样获取的尿液排泄数据，通过数学手段拟合并逆推血浆暴露曲线计算反推血浆浓度-时间曲线，解决特殊人群药代动力学研究中采血困难的瓶颈问题。

附图说明

图1为本发明的二房室建模，分别根据5min到48h的单点血浆药物浓度数据所确定的clr，由尿排泄数据反推得到的大鼠血浆药物浓度-时间曲线。

图2为本发明的二房室建模，分别根据5min到48h的单点血浆药物浓度数据所确定的clr，由尿排泄数据反推得到的大鼠血浆药物浓度-时间半对数曲线。

图3为本发明的三房室建模，分别根据1h到48h的单点血浆药物浓度所确定的clr，由尿排泄数据反推得到的大鼠血浆药物浓度-时间半对数曲线。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

在单剂量静脉给药中，受试药物体内处置符合一级消除动力学，在试验剂量和体内暴露量范围内总清除符合线性消除特征；存在肾脏排泄消除且符合线性消除特征；在以上前提假设下，二房室分布模型体内药量时间曲线遵循方程1

x＝ae^-αt+be^-βt1

尿药排泄速率方程2

求方程2的现实解，得尿药累积排泄时间曲线，见方程3

以尿排泄总药量减去t时刻尿药量，得t时刻剩余尿药量，见方程4

一般的，α＞β，当t充分大时，此时，得方程5

为获得血浆药物浓度-时间曲线，将方程1变形为方程6

其中clr可经t时刻尿排泄速率与血浆药物浓度的比值求得，见方程7

在三房室分布模型中，体内药量时间曲线遵循方程8

x＝ae^-αt+be^-βt+pe^-γt8

尿药排泄速率方程9

求方程9的现实解，得尿药累积排泄时间曲线，见方程10

以尿排泄总药量减去t时刻尿药量，得t时刻剩余尿药量，见方程11

一般的，α＞b＞γ，当t充分大时，此时，得方程12

为获得血浆药物浓度-时间曲线，将方程8变形为方程13

其中clr可经t时刻尿排泄速率与血浆药物浓度的比值求得，见方程14

其中，x表示t时刻体内药量，单位mg；

c表示t时刻血浆药物浓度，单位mg/l或ng/ml；

vc表示中央室分布容积，单位l；

v表示总分布容积，单位l；

clr表示尿清除率，单位l/h或ml/min；

x0表示给药剂量，单位mg或mg/kg；

c0表示0时刻血浆药物浓度，单位mg/l或ng/ml；

k10表示中央室消除速率常数，单位min-1或h-1；

k12表示中央室向外周室分布的转运速率常数，单位min-1或h-1；

k21表示外周室向中央室分布的转运速率常数，单位min-1或h-1；

ke表示尿药排泄速率常数，单位min-1或h-1；

xu表示t时刻尿累积排泄药量，单位mg；

表示尿累积排泄总药量，单位mg；

auc表示血浆药物浓度-时间曲线下面积，单位h*mg/l。

a，b，p，α，β，γ为混杂参数，二房室模型中遵循以下方程：

αβ＝k21k10

α+β＝k12+k21+k10

c0＝a+b

下面具体说明尿药排泄数据逆推血浆药物浓度-时间曲线的过程。

在实施例1中，以sd大鼠尾静脉注射dl0.5mg/kg后药代动力学研究为例，采用二房室分布模型拟合数据。

s1取sd大鼠一只，称重，按0.5mg/kg尾静脉注射dl后，置于代谢笼中，采血点：给药前、给药后2min、5min、15min、30min、1h、2h、4h、8h、12h、24h、48h。尿粪收集时间段：0-4h、4h-8h、8h-12h、12h-24h、24h-36h、36h-48h。为了给药后不损失动物排泄物，给药后动物不能离开代谢笼，包括采血操作。由于笼具上可能残留前次采样的尿液和药物，尤其是前几次采尿时间段，需至少准备2个代谢笼。例如，在4h时，直接把动物转移至另外的“新”代谢笼(没有污染)中，而原笼用水20ml(如提取方法允许，可用20-50％乙醇水溶液)冲洗，具体用量，根据实际情况优化，并记录最终的所有收集总体积(包括尿液和冲洗液)。注意，操作过程中不能损失液体。前几个时间点的药物浓度高，可以大量冲洗；后面的点浓度低，适当冲洗，以免样品浓度太低，影响测定。及时将用过的代谢笼，彻底清洗，准备下一次移笼。以经验证的lc-ms方法测定给药后各时间点血浆和各时间段尿液中药物原型的浓度。血药浓度结果见表1。

表1sd大鼠尾静脉注射dl0.5mg/kg后血浆原型浓度-时间数据和二房室建模不同时间点计算得到clr和拟合方程

s2以各时间段尿液浓度乘以尿液体积，计算各时间段尿药排泄量和各时间点累积排泄量。结果见表2.

表2大鼠尾静脉注射dl0.5mg/kg后尿中原型排泄数据和二房室模型残数法数据

s3以总尿药排泄量，减去各时间点累积排泄量，计算各时间点剩余尿药量。结果见表2.

s4利用origin8.5软件，对表3中12、24、48h的剩余尿药量数据，按方程5进行半对数末端直线回归，得到β＝0.094761/h，keb＝6.372ng/h。代入方程5，求出方程5延伸至α相(0-8h)数据，列于表2。以剩余尿药量减去方程5延伸数据，得α相残数(表2)。进而利用origin8.5软件，对表2中α相残数数据(0-4h)，进行半对数末端直线回归，进一步获得α＝0.43121/h，kea＝93.89ng/h。

s5为求算clr，取t＝5min，1h，2h，12h，24h，48h的血浆药物浓度数据，代入方程7，并代入s4获得的β，α，keb，kea四个参数，求得各时间点clr，结果见表1。

s6将各时间点的clr代入方程6，并代入s4获得的β，α，keb，kea个参数，求得血浆药物浓度-时间曲线方程分别列于表1。曲线见图1和图2.

s7模型验证与更新，为验证本模型的拟合效果，利用winnonlin和gastroplus软件对实测血浆药物浓度-时间数据进行拟合。结果可作为参照，见表3。

表3实测血浆药物浓度-时间数据拟合结果

表中a：采用winnonlinnca方法获得；各房室模型拟合权重均选择1/y2；由于48h数据对拟合结果出现明显偏离，gastroplus拟合时不包括该点数据。表中a相当于正文中b相当于正文中p相当于正文中

利用尿排泄数据，二房室模型拟合斜率和截距，并采用单点血浆药物浓度数据计算clr，校正并最终获得血浆药物浓度曲线。通过本模型拟合的结果与实测值的比较见表4，更直观的结果可参照图2。结果可见，利用1h-12h的血浆药物浓度数据所计算得到的clr值差异不大，校正获得的拟合曲线更接近实测值，所拟合的血浆药物浓度-时间曲线基本重合。采用1h-12h的拟合曲线，除cmax点外，其余各时间点的拟合值均在实测值的0.5-2.0倍之内。auc的拟合值也在nca法计算值0.5-2.0倍之内。但对应的，采用5min和48h的偏高，24h的偏低。显然，如果利用0-15min和24h后的单点血浆数据计算，将会造成拟合的血浆药物浓度-时间曲线与实测值之间差距扩大，这些时间段的血药浓度数据不适何用用于本模型拟合。

表4sd大鼠尾静脉注射dl0.5mg/kg后血浆原型浓度-时间数据和二房室模型不同时间点计算得到拟合结果

表中a：采用winnonlinnca方法获得；表中a相当于正文中b相当于正文中

分析原因，24h后血药浓度低，易受多种因素干扰，变异大；0-15min的拟合差的最大可能性是模型假设中的二房室分布模型不足以对早期血药浓度的准确拟合。表3中血药浓度拟合结果也显示，与二房室模型比较，三房室模型对0-15min的拟合更佳。

在另外一个实施例子中，以三房室分布模型拟合数据，其中s1s2s3同二房室模型。

表5大鼠尾静脉注射dl0.5mg/kg后尿中原型排泄数据和三房室模型残数法数据

s4利用origin8.5软件，对表5中12、24、48h的剩余尿药量数据，按方程12进行半对数末端直线回归，得到γ＝0.094761/h，kep＝6.372ng/h。代入方程12，求出方程12延伸至αβ相(0-12h)数据，列于表5。以剩余尿药量减去方程12延伸数据，得αβ相残数(表5)。进而利用origin8.5软件，对表5中αβ相残数数据(4-12h)，进行半对数末端直线回归，进一步获得β＝0.29941/h，keb＝27.48ng/h。同上方法继续求得α相残数数据(0-4h)，进行半对数末端直线回归，进一步获得α＝1.4941/h，kea＝223.997ng/h。

s5为求算clr，取t＝5min，1h，2h，12h，24h，48h的血浆药物浓度数据，代入方程14，并代入s4获得的γ，β，α，kep，keb，kea六个参数，求得各时间点clr，结果见表6。

表6sd大鼠尾静脉注射dl0.5mg/kg后血浆原型浓度-时间数据和三房室建模不同时间点计算得到clr和拟合方程

s6将各时间点的clr代入方程13，并代入s4获得的γ，β，α，kep，keb，kea六个参数，求得血浆药物浓度-时间曲线方程分别列于表6。曲线见图3。

s7模型验证与更新：更新为三房室模型的拟合结果与实测值的比较见表7，更直观的结果可参照图3。结果可见，利用0h-12h的血浆药物浓度数据所计算得到的clr值差异不大，校正获得的拟合曲线更接近实测值，所拟合的血浆药物浓度-时间曲线基本重合。采用0h-12h的拟合曲线，包含cmax在内的各时间点的拟合值均在实测值的0.5-2.0倍之内。auc的拟合值也在nca法计算值0.5-2.0倍之内。与二房室模型相比，三房室模型适用的血浆浓度数据从1-12h扩大至0-12h，且对给药后早期各点的拟合准确度明显提高。

表7sd大鼠尾静脉注射dl0.5mg/kg后血浆原型浓度-时间数据和三房室模型不同时间点计算得到拟合结果

表中a：采用winnonlinnca方法获得；表中a相当于正文中b相当于正文中p相当于正文中

同时，也可采用市售的pbpk软件建模，提高模型的适用性和准确性。

综上，大鼠iv给药后，利用尿排泄数据，和至少一个时间点的血浆浓度数据，可以成功的反推出血浆药物浓度-时间曲线。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。