CN108776747B - 齐多夫定的药效估算方法 - Google Patents

齐多夫定的药效估算方法 Download PDF

Info

Publication number
CN108776747B
CN108776747B CN201810929547.8A CN201810929547A CN108776747B CN 108776747 B CN108776747 B CN 108776747B CN 201810929547 A CN201810929547 A CN 201810929547A CN 108776747 B CN108776747 B CN 108776747B
Authority
CN
China
Prior art keywords
target cell
zidovudine
concentration
drug
peak
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201810929547.8A
Other languages
English (en)
Other versions
CN108776747A (zh
Inventor
孟凡奇
余鹏
刘星菱
邱朝晖
蒋蕾
丁尧
张可
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201810929547.8A priority Critical patent/CN108776747B/zh
Publication of CN108776747A publication Critical patent/CN108776747A/zh
Application granted granted Critical
Publication of CN108776747B publication Critical patent/CN108776747B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00ICT specially adapted for the handling or processing of medical references
    • G16H70/40ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Toxicology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Algebra (AREA)
  • Medicinal Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明涉及一种齐多夫定的药效估算方法,包括以下步骤:获取齐多夫定的靶细胞药峰浓度,根据靶细胞药峰浓度得到靶细胞半衰期浓度;根据靶细胞达峰时间、靶细胞药峰浓度和靶细胞半衰期时间、靶细胞半衰期浓度及第一公式得到齐多夫定的靶细胞药物浓度与给药时间的关系,第一公式为:
Figure DDA0001766211420000011
Figure DDA0001766211420000012
根据齐多夫定的靶细胞药物浓度与给药时间的关系得到0.4~0.6h后的齐多夫定磷酸化产物的靶细胞药物浓度与给药时间的关系。如此,只需要获取靶细胞药峰浓度的数据即可对靶细胞内的齐多夫定的药效进行估算。

Description

齐多夫定的药效估算方法
技术领域
本发明涉及药动学领域,特别是涉及一种齐多夫定的药效估算方法。
背景技术
齐多夫定(zidovudine,AZT)是一种人工合成的胸腺嘧啶核苷类抗病毒药物,并成为第一个批准上市用于治疗获得性免疫缺陷综合征(AIDS)的药物。齐多夫定为水溶性分子,需要特异的转移蛋白进入细胞内,再被相应的激酶磷酸化为三磷酸活性衍生物,然后通过抑制病毒反转录酶(reverse transcriptase,RT)的活性、终止病毒DNA链的延长和阻抑病毒的复制而达到抗病毒作用,可改善HIV感染者的临床症状,降低其死亡率。但是临床数据表明,齐多夫定在的疗效反应个体差异大,易发生严重毒副作用,如骨髓抑制、血小板减少、心脏毒性等。目前的药代动力学研究中,对于齐多夫定的药效估算方法主要是通过检测给药后多个时间点的血药浓度拟合得到齐多夫定的血药浓度与给药时间的关系,不能很好地反应齐多夫定的作用效果。
发明内容
基于此,有必要提供一种能够更好地反应齐多夫定的作用效果的齐多夫定的药效估算方法。
一种齐多夫定的药效估算方法,包括以下步骤:
获取齐多夫定的靶细胞药峰浓度,根据所述靶细胞药峰浓度得到靶细胞半衰期浓度;
根据靶细胞达峰时间、靶细胞药峰浓度和靶细胞半衰期时间、靶细胞半衰期浓度及第一公式得到齐多夫定的靶细胞药物浓度与给药时间的关系,所述第一公式为:
Figure BDA0001766211400000021
其中,t为给药时间,C2为t时刻的靶细胞药物浓度,X0为药物累积暴露量,V1为血液体积,V2为靶细胞体积,kab为血液向细胞转运时的速率常数,kba为细胞向血液转运时的速率常数,k0为细胞代谢速率常数,C1为血药浓度,
Figure BDA0001766211400000022
Figure BDA0001766211400000023
0.52≤kab≤1.59,0.31≤kba+k0≤0.62;
根据所述齐多夫定的靶细胞药物浓度与给药时间的关系得到0.4~0.6h后的齐多夫定磷酸化产物的靶细胞药物浓度与给药时间的关系。
在其中一个实施例中,所述靶细胞达峰时间为1.2~1.5h,所述靶细胞半衰期时间为3.4~4.6h。
在其中一个实施例中,所述靶细胞达峰时间为1.2~1.4h,所述靶细胞半衰期时间为3.9~4.1h。
在其中一个实施例中,所述第一公式中,0.64≤kab≤1.51,0.46≤kba+k0≤0.51。
在其中一个实施例中,所述获取齐多夫定的靶细胞药峰浓度的具体步骤包括:通过液相色谱质谱联用系统检测对应所述靶细胞达峰时间的细胞样本中齐多夫定的靶细胞药物浓度。
在其中一个实施例中,所述齐多夫定磷酸化产物为齐多夫定三磷酸化合物、齐多夫定二磷酸化合物和齐多夫定一磷酸化合物。
在其中一个实施例中,所述靶细胞药峰浓度小于150μM。
在其中一个实施例中,所述靶细胞为外周血中的单核细胞。
附图说明
图1为人类急性淋巴细胞白血病细胞株(MOLT-4)和人脐静脉血管内皮细胞株(HUVCES)细胞样本经不同浓度的齐多夫定溶液培养12h后,细胞样本内齐多夫定及其磷酸化物的浓度图,其中图A的纵坐标为齐多夫定的靶细胞药物浓度,图B的纵坐标为齐多夫定一磷酸化合物的靶细胞药物浓度,图C的纵坐标为齐多夫定二磷酸化合物的靶细胞药物浓度,图D的纵坐标为齐多夫定三磷酸化合物的靶细胞药物浓度;
图2为六个志愿者的齐多夫定及其磷酸化物的靶细胞药物浓度随时间变化的曲线图,其中图A的纵坐标为齐多夫定的靶细胞药物浓度,图B的纵坐标为齐多夫定一磷酸化合物的靶细胞药物浓度,图C的纵坐标为齐多夫定二磷酸化合物的靶细胞药物浓度,图D的纵坐标为齐多夫定三磷酸化合物的靶细胞药物浓度;
图3为六个志愿者的齐多夫定的靶细胞药物浓度与0.5h后齐多夫定磷酸化产物的靶细胞药物浓度的关系图,其中图A的纵坐标为齐多夫定一磷酸化合物的靶细胞药物浓度,图B的纵坐标为齐多夫定二磷酸化合物的靶细胞药物浓度,图C的纵坐标为齐多夫定三磷酸化合物的靶细胞药物浓度;
图4为实施例1的代谢曲线a和对比例1的拟合曲线b;
图5为实施例2的代谢曲线a和对比例2的拟合曲线b。
具体实施方式
为了便于理解本发明,下面将对本发明进行更全面的描述,并给出了本发明的较佳实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明中,靶细胞药峰浓度即用药后靶细胞内所能达到的最高药物浓度。靶细胞达峰时间即单次服药以后,靶细胞内的药物浓度达到峰值(靶细胞药峰浓度)的时间。靶细胞半衰期浓度即靶细胞药峰浓度的一半。靶细胞半衰期时间即单次服药以后,靶细胞内的药物浓度经过峰值并降至靶细胞药峰浓度的一半(靶细胞半衰期浓度)的时间。
作为典型的核苷类药物,齐多夫定经细胞膜上特异的转运蛋白转运进入细胞后,首先被胞质胸苷激酶催化生成齐多夫定一磷酸化合物(AZT-MP),然后由由胸苷酸激酶催化生成齐多夫定二磷酸化合物(AZT-DP)。随后,细胞内的核苷二磷酸激酶将催化二磷酸化物继续磷酸化,生成最终的活性齐多夫定三磷酸化合物(AZT-TP)。齐多夫定一磷酸化效率较高,细胞内75%的磷酸化产物以AZT-MP的形式存在,而AZT-MP的存在对胸苷激酶有负反馈作用,可以降低酶的催化速率,抑制酶与磷酸基供体三磷酸腺基的结合。这种负反馈作用的存在,使得细胞内的AZT不能够被顺利全部转化为AZT-TP,从而出现了AZT、AZT-MP、AZT-DP、AZT-TP同时存在于细胞内的情况。
血浆中的AZT转运到细胞内及细胞内AZT外排到细胞外均是主动转运过程,其最大速率受转运蛋白数量的制约。而细胞内对AZT的消耗主要是AZT磷酸化过程,其最大速率受相关酶的数量和活性的制约。为研究这三个过程速率与浓度的关系,我们在培养基中加入胎牛血清模拟血浆环境,MOLT-4和HUVCES细胞样本经不同浓度的齐多夫定溶液培养12h后,细胞样本内齐多夫定及其磷酸化物的浓度如图1所示,由于齐多夫定药物治疗窗很窄,在临床使用时,其最大用药量为600mg/d,不存在大量用药的情况,所以我们把药物处理浓度设置为0~150μM以模拟临床用药的现状。可以看出,在以上处理浓度范围内,细胞内的AZT、AZT-MP、AZT-DP、AZT-TP随着细胞培养液中AZT浓度的升高而增加,表现出明显的线性关系。这说明在上述处置浓度下,血浆转移到细胞内时,AZT转运速率与血浆AZT浓度呈现正比例关系,且细胞内的磷酸化过程中,AZT-MP、AZT-DP、AZT-TP三种磷酸化合物与细胞内AZT呈现明显的正比例关系,培养基齐多夫定最大浓度150μM仍未达到细胞主动转运及细胞内磷酸化的饱和浓度。
艾滋病的治疗需要长期大量服用齐多夫定,临床上的日推荐剂量为500mg/d或600mg/d。在前述细胞实验研究结果中,已知齐多夫定转运相关蛋白和代谢相关酶并不容易产生饱和,所以我们选择了理论上临床可能出现的血药浓度最大的情况,单次给予志愿者600mg药物进行研究。根据前期利用winnonlin软件计算各模型对数据的AIC值(数据未展示)、数据对模型的拟合程度等,可以确定,齐多夫定在人体中属于二室模型,中央室与外周室的血液浓度并不同步变化,其简化公式为:
Figure BDA0001766211400000051
我们将志愿者的数据,用winnonlin软件进行拟合,并根据输出的参数值计算出模型公式,部分结果如表1所示。可以看到,服用药物后药动学曲线和对应的药动学数据均呈现明显的相似性。齐多夫定在体内的达峰时间为0.62h左右,药物的半衰期为(1.95±0.25)h,符合文献中发表的情况。同时,在志愿者服用600mg药物时,体内血药浓度约为20~30μM远远小于150μM,而在体外实验中已经证明,150μM并没有达到细胞转运蛋白和代谢酶的饱和浓度,因此在对人体中血浆-细胞转运过程及细胞内磷酸化过程建模时,其动力学过程均为一级动力学过程。
表1 AZT体内二室模型(公式4)参数及相应的药代动力学参数
Figure BDA0001766211400000061
对上述志愿者的血浆分离出单核细胞后,分别采集细胞内的AZT、AZT-MP、AZT-DP、AZT-TP浓度进行测定,部分数据如图2所示。很明显观察到,细胞内的四种物质的代谢曲线呈现明显规律性和相似性,说明齐多夫定在细胞内的转运和代谢过程仍然遵循着某种动力学过程。其中,细胞内的AZT-MP、AZT-DP、AZT-TP的血药浓度的变化趋势有一定的相似性,这可能是由于它们代表的是同一个动力学过程,即齐多夫定细胞内的磷酸化过程,而AZT的变化趋势则是代表了齐多夫定从血浆中转移至靶细胞内的过程。在转运过程中,可以看到,细胞内AZT的药时曲线与血药药时曲线趋势接近,但是达峰时间和半衰期都比血药浓度明显延长,这与前面的实验结果相对应,即齐多夫定在人体内是二室模型,中央室(血浆)与周边室(靶细胞)的药物浓度不是同时变化。在靶细胞中,达峰时间在1h左右,明显滞后于血细胞的0.5h。考虑到齐多夫定进入细胞时是主动转运,速率较快,所以造成滞后性的原因可能是细胞内AZT的代谢。
在磷酸化过程中,我们可以明显观察到细胞内三种齐多夫定磷酸化物不仅在变化趋势上接近,在达峰时间也都在1.5h附近,这说明,齐多夫定在细胞内的磷酸化过程中,AZT-MP、AZT-DP、AZT-TP可能处于动态平衡过程中,同样的现象我们在体外试验中也观察到。AZT-MP的含量明显高于AZT-DP和AZT-TP,与AZT在细胞内的磷酸化机理所对应。值得一提的是,在细胞内三种磷酸化物的药时曲线中,我们观察到很明显的个体差异,如从图2中D图来看,志愿者靶细胞内AZT-TP的峰浓度最高的为0.83ng/106cell,为最小的志愿者(峰浓度为0.51ng/106cell)的1.6倍,而两者血药浓度曲线却没有这种差异。考虑到药效是由药时曲线的积分(曲线下面积)所决定,两者的药效差异远远大于1.6倍,这可能是临床使用齐多夫定时,药效差异大的原因。而这种差异,有可能是志愿者参与齐多夫定转运和代谢的关键转运蛋白表达量不同所致。
基于上述实验结果,可以建立一种能够更好地反应齐多夫定的作用效果的齐多夫定的药效估算方法。以下进行具体阐述。
一、齐多夫定转运过程药动学公式的建立
1.1血药浓度与靶细胞药物浓度关系的建立
齐多夫定进入血液后,经过主动转运进入靶细胞内,由前述实验可知:靶细胞内的药物变化规律与血浆中不同,因此需要将靶细胞当作一个单独的室进行处理;且体外实验中齐多夫定最大浓度150μM仍未达到细胞主动转运及细胞内磷酸化的饱和浓度,在达到饱和浓度前,转运速率随着浓度的增大而正比例增大,而人体实验中的浓度约为25μM,远小于150μM。因此,可以将血液与细胞间药物的相互转运和药物在细胞内的磷酸化过程看作一级动力学过程,则有:
Figure BDA0001766211400000071
在考虑血药浓度对靶细胞的转运过程的影响时,由于齐多夫定的靶细胞只占人体细胞中极少的部分,所以虽然靶细胞会通过细胞的外排作用影响血药浓度,但是影响微乎其微,血药浓度的变化规律仍然为二室模型下的药物代谢规律。所以我们只需要研究血浆对靶细胞的影响规律即可,则靶细胞药物含量随时间的变化公式为:
Figure BDA0001766211400000081
其中,X1为血液中的药物含量,X2为靶细胞中的药物含量,kab为血液向靶细胞转运时的速率常数,k0为细胞代谢速率常数。对公式(1)化简得到:
Figure BDA0001766211400000082
其中X0为药物累积暴露量(AUC),而血液中的药物含量等于血液体积与血药浓度的乘积,靶细胞中的药物含量等于靶细胞体积与靶细胞药物浓度的乘积,即X1=C1×V1,X2=C2×V2,代入公式(2)得到:
Figure BDA0001766211400000083
其中,C2为靶细胞药物浓度,C1为血药浓度,X0为药物累积暴露量(AUC),V2为靶细胞体积,V1为血液体积,t为给药时间,kab为血液向细胞转运时的速率常数,主要受主动转运蛋白的影响,kba为细胞向血液转运时的速率常数,主要受外排蛋白转运的影响,k0为细胞代谢速率常数,主要受到胸苷激酶、胸苷酸激酶及核苷二磷酸激酶等代谢酶的影响。
进一步地,已知齐多夫定在人体内血药浓度属于二室模型,则有:
Figure BDA0001766211400000084
由于靶细胞对血药浓度影响很小,可以忽略,因此在研究靶细胞的内齐多夫定浓度随时间的变化时,直接将公式(4)代入(3)中即可得到:
Figure BDA0001766211400000085
1.2模型拟合与参数的计算
在进行模型拟合时,我们利用数据分析工作中常用的python中的scipy模块进行模型与数据的拟合计算。其工作原理为从研究者给定估算参数开始,通过最大似然法对不同参数下的函数的数据拟合程度进行计算,直至函数收敛。而参数的估算是其中重要部分,不正确的参数估算,会增加计算过程难度,甚至导致无法收敛,同时,参数的估算又必须符合药学专业逻辑,所以参数估计是拟合成功的前提条件。
考虑到靶细胞的体积V2和血液体积V1无法准确地利用实验测量,而它们在公式(5)中又不作为一个变量单独存在,而是比例关系。因此为了降低计算复杂程度,我们考虑将V2设定为单位1,则X0/V2就等于X0,即人在服用齐多夫定后二室模型的曲线下面积(药物累积暴露量)。齐多夫定为抗艾滋病药物,其靶细胞为外周血中的单核细胞,则V1/V2即为血液中单核细胞的占比,文献中查阅到约为1%。考虑到患者个体差异,我们以150为初始值,对数据进行拟合。kab为血液向靶细胞转运时速率常数,可以用二室模型中央室向外周室转运时k12的值作为估算值,并以此为基础,推导出kba+k0的估算值。k12
Figure BDA0001766211400000091
Figure BDA0001766211400000092
中的各参数值可以直接利用血药浓度来计算,通过现有的软件比如winolin软件得到,因为k12的值与kab在生物学角度上都有药物从血液转运至周边的意义,所以我们利用它来作为估算值,用k12推导kba+k0,只需要把前几个变化比较稳定的数据代入模型,用Scipy进行拟合,进行初步估算即可。
收集志愿者数据并计算结果,部分数据如表2所示,从Cmax(靶细胞药峰浓度)来看,不同志愿者相差比较大,例如3号大约为5号的2倍,而在齐多夫定累积暴露量(AUC)中,3号仍然接近5号的2倍,在其他志愿者中也可以观察到类似的现象,这说明决定靶细胞内的药物浓度的主要因素为血液中累积暴露量。而T1/2(靶细胞半衰期时间)和Tmax(靶细胞达峰时间)在人群中的数值较为接近,这是由于相关蛋白质没有发生饱和,因此转运和代谢速率与细胞内浓度呈正比的原因。
表2 AZT细胞内代谢模型(公式3)参数及相应的药代动力学参数
Figure BDA0001766211400000101
二、齐多夫定磷酸化过程研究和关系建立
在前述实验中,我们发现了细胞内AZT-TP、AZT-DP、AZT-MP三种代谢物的达峰时间相近,而细胞内齐多夫定的达峰时间早于三种代谢物0.5h,即两者间有0.5h的滞后时间。因此,我们利用志愿者细胞内的齐多夫定浓度为横坐标,细胞内三种代谢物0.5h后的浓度为纵坐标,其中六个志愿者的数据作图如图3所示。可以看到,齐多夫定的浓度与0.5h后的三种代谢物的浓度呈现明显的正比例关系,且这种比例关系在所有测试志愿者中相近,这可能是由于参与代谢的酶未饱和所致。由于在志愿者中均未饱和,则药物与酶的蛋白结合率是唯一影响因素,因此不存在个体差异,说明利用齐多夫定的靶细胞药物浓度可以表示出约0.5h后的AZT-TP的靶细胞药物浓度,即齐多夫定的药效。
在临床上需要对齐多夫定药效进行定量时,我们可以根据上述方法对靶细胞药物浓度代谢规律进行估算。虽然在评估患者体内齐多夫定药效时,测定尽可能多的时间点内靶细胞药物浓度会更准确,但是考虑到成本问题以及反复检测给患者带来的痛苦,通过本发明的药效估算方法可以简单快速地对齐多夫定的药效做估算,为治疗提供有价值的中间参考数据。由于相关转运及代谢蛋白均未饱和,因此靶细胞半衰期时间(T1/2)和靶细胞达峰时间(Tmax)差异不大,可以作为固定值进行估算。只需要获取患者给药后与靶细胞达峰时间对应的靶细胞药峰浓度(Cmax),进而计算得到与靶细胞半衰期时间(T1/2)对应的靶细胞半衰期浓度(C1/2),通过这两个点代入公式(5)即可得到靶细胞内齐多夫定的代谢曲线,从而得到约0.5h后的靶细胞内齐多夫定磷酸化产物的代谢曲线,即齐多夫定的药效。
本发明一实施方式的齐多夫定的药效估算方法,包括以下步骤S1~S3:
S1、获取齐多夫定的靶细胞药峰浓度,根据靶细胞药峰浓度得到靶细胞半衰期浓度。
S2、根据靶细胞达峰时间、靶细胞药峰浓度和靶细胞半衰期时间、靶细胞半衰期浓度及第一公式得到齐多夫定的靶细胞药物浓度与给药时间的关系,第一公式为:
Figure BDA0001766211400000111
其中,t为给药时间,C2为t时刻的靶细胞药物浓度,X0为药物累积暴露量,V1为血液体积,V2为靶细胞体积,kab为血液向细胞转运时的速率常数,kba为细胞向血液转运时的速率常数,k0为细胞代谢速率常数,C1为血药浓度,
Figure BDA0001766211400000112
Figure BDA0001766211400000113
0.52≤kab≤1.59,0.31≤kba+k0≤0.62。
S3、根据齐多夫定的靶细胞药物浓度与给药时间的关系得到0.4~0.6h后的齐多夫定磷酸化产物的靶细胞药物浓度与给药时间的关系。
目前,在药代动力学研究中,一般用血药浓度来反应药物如齐多夫定的作用强度。但是,齐多夫定的作用强度只与细胞内磷酸化后的活性物质有关,而存留在血液内的未活化形式不能表征该强度,以此浓度得到的药动学参数对临床治疗的参考意义十分有限。在具体实践中往往没有对该类药物的细胞内磷酸化过程给予足够重视,经常仅以药物原形的浓度变化来衡量其体内处置情况,该类药物的大部分临床和临床前药动学参数也是基于血药浓度数据,缺乏对效应细胞内活性成分的浓度变化过程和规律的探讨。齐多夫定的作用强度不仅受个体吸收、分布、代谢和排泄等整体药动学性质影响,也决定于药物被细胞的摄取过程、细胞内磷酸化代谢过程和细胞的外排过程等。相较于血浆中的齐多夫定浓度,齐多夫定三磷酸化合物在细胞内的浓度变化过程更能反映药物疗效,抛开效应细胞,只去做齐多夫定的药动学研究,或者在个体水平上进行磷酸化产物的药动学分析,都会丢失效应细胞内药物磷酸化过程的信息,从而使所得数据对临床治疗的参考价值大为降低。
本发明的齐多夫定的药效估算方法在细胞水平上研究外周血单核细胞内齐多夫定磷酸化的动力学过程,建立了动力学模型应用于齐多夫定与活性磷酸化物药动学性质的关联性研究,并进一步建立了临床可用的评估靶细胞内齐多夫定药效的方法,弥补了齐多夫定药物现有药动学研究的不足,为其临床应用提供了有重要价值的信息。利用本发明的动力学模型,只需测定患者给药后对应靶细胞达峰时间的靶细胞内的药物浓度(即靶细胞药峰浓度),并计算出对应即靶细胞半衰期时间的靶细胞内的药物浓度(即靶细胞半衰期浓度),将这两个点代入动力学模型即可确定齐多夫定的代谢曲线,进而可得到齐多夫定磷酸化产物的代谢曲线,从而能够近似地预测患者靶细胞内的齐多夫定磷酸化产物的变化,以更有效地评估和表征齐多夫定的药效。
具体地,靶细胞达峰时间为1.2~1.5h,靶细胞半衰期时间为3.4~4.6h。优选地,靶细胞达峰时间为1.3~1.4h,靶细胞半衰期时间为3.5~4.1h。
具体地,靶细胞药峰浓度小于150μm。具体地,靶细胞为外周血中的单核细胞。
在一个实施例中,第一公式中,0.64≤kab≤1.51,0.46≤kba+k0≤0.51。
可选地,获取齐多夫定的靶细胞药峰浓度的具体步骤包括:通过液相色谱质谱联用系统检测对应靶细胞达峰时间的细胞样本中齐多夫定的靶细胞药物浓度。可以理解,获取齐多夫定的靶细胞药峰浓度的方法不限于此,可根据需要选择。
具体地,齐多夫定磷酸化产物为齐多夫定三磷酸化合物、齐多夫定二磷酸化合物和齐多夫定一磷酸化合物,其中齐多夫定三磷酸化合物在细胞内的浓度变化过程更能反映药物疗效。
以下为具体实施例。
实施例1
首先获取了志愿者给药后1.3小时的靶细胞药峰浓度:0.081ng/106cell,然后得到对应于半衰期时间4小时的靶细胞半衰期浓度:0.0405ng/106cell,将这两个点的数据代入第一公式计算得到靶细胞内齐多夫定的代谢曲线:
C2=6844×e-0.5t+177×e-0.5t(C1t×e-0.5t-0.5C1×e-0.5t)
其中kab取1,kba+k0取0.5,通过软件可得C1=-7369e-2.77t+8825e-1.72t+2039e-0.29t,推算得到如图4中所示的靶细胞内齐多夫定三磷酸化合物的代谢曲线a。
实施例2
先获取了志愿者给药后1.3小时的靶细胞药峰浓度:0.079ng/106cell,然后得到对应于半衰期时间4小时的靶细胞半衰期浓度:0.0395ng/106cell,将这两个点的数据代入第一公式计算得到靶细胞内齐多夫定的代谢曲线:
C2=8349×e-0.5t+143×e-0.5t(C1t×e-0.5t-0.5C1×e-0.5t)
其中kab取1,kba+k0取0.5,通过软件可得C1=-6243e -3.79t+7965e -2.21t+2897e-0.401t,推算得到如图5中所示的靶细胞内齐多夫定三磷酸化合物的代谢曲线a。
对比例1
对实施例1的志愿者进行十二个时间点的靶细胞内齐多夫定三磷酸化合物的浓度测定,并拟合得到如图4所示的靶细胞内齐多夫定三磷酸化合物的拟合曲线b。
对比例2
对实施例2的志愿者进行十二个时间点的靶细胞内齐多夫定三磷酸化合物的浓度测定,并拟合得到如图5所示的靶细胞内齐多夫定三磷酸化合物的拟合曲线b。
通过图4和图5可以看到,在实施例1~2仅测定靶细胞药峰浓度的情况下,得到的代谢曲线a与对比例1~2实际进行多点检测得到的拟合曲线b相差无几,可以近似的预测患者靶细胞内的药量变化。因为齐多夫定的药量远远未达到蛋白的饱和浓度,所以即使患者个体内蛋白含量有差别,但是并不会在齐多夫定靶细胞的代谢浓度上有所体现,从而只需要获取靶细胞药峰浓度的数据即可对靶细胞内的齐多夫定的药效进行估算,简单快捷且成本更低。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种齐多夫定的药效估算方法,其特征在于,包括以下步骤:
获取齐多夫定的靶细胞药峰浓度,根据所述靶细胞药峰浓度得到靶细胞半衰期浓度;
根据靶细胞达峰时间、靶细胞药峰浓度和靶细胞半衰期时间、靶细胞半衰期浓度及第一公式得到齐多夫定的靶细胞药物浓度与给药时间的关系,所述第一公式为:
Figure FDA0001766211390000011
其中,t为给药时间,C2为t时刻的靶细胞药物浓度,X0为药物累积暴露量,V1为血液体积,V2为靶细胞体积,kab为血液向细胞转运时的速率常数,kba为细胞向血液转运时的速率常数,k0为细胞代谢速率常数,C1为血药浓度,
Figure FDA0001766211390000012
Figure FDA0001766211390000013
0.52≤kab≤1.59,0.31≤kba+k0≤0.62;
根据所述齐多夫定的靶细胞药物浓度与给药时间的关系得到0.4~0.6h后的齐多夫定磷酸化产物的靶细胞药物浓度与给药时间的关系。
2.根据权利要求1所述的药效估算方法,其特征在于,所述靶细胞达峰时间为1.2~1.5h,所述靶细胞半衰期时间为3.4~4.6h。
3.根据权利要求2所述的药效估算方法,其特征在于,所述靶细胞达峰时间为1.2~1.4h,所述靶细胞半衰期时间为3.9~4.1h。
4.根据权利要求1所述的药效估算方法,其特征在于,所述第一公式中,0.64≤kab≤1.51,0.46≤kba+k0≤0.51。
5.根据权利要求1所述的药效估算方法,其特征在于,所述获取齐多夫定的靶细胞药峰浓度的具体步骤包括:通过液相色谱质谱联用系统检测对应所述靶细胞达峰时间的细胞样本中齐多夫定的靶细胞药物浓度。
6.根据权利要求1所述的药效估算方法,其特征在于,所述齐多夫定磷酸化产物为齐多夫定三磷酸化合物、齐多夫定二磷酸化合物和齐多夫定一磷酸化合物。
7.根据权利要求1所述的药效估算方法,其特征在于,所述靶细胞药峰浓度小于150μM。
8.根据权利要求1所述的药效估算方法,其特征在于,所述靶细胞为外周血中的单核细胞。
CN201810929547.8A 2018-08-15 2018-08-15 齐多夫定的药效估算方法 Expired - Fee Related CN108776747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810929547.8A CN108776747B (zh) 2018-08-15 2018-08-15 齐多夫定的药效估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810929547.8A CN108776747B (zh) 2018-08-15 2018-08-15 齐多夫定的药效估算方法

Publications (2)

Publication Number Publication Date
CN108776747A CN108776747A (zh) 2018-11-09
CN108776747B true CN108776747B (zh) 2022-02-01

Family

ID=64029380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810929547.8A Expired - Fee Related CN108776747B (zh) 2018-08-15 2018-08-15 齐多夫定的药效估算方法

Country Status (1)

Country Link
CN (1) CN108776747B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1367701A (zh) * 1999-05-11 2002-09-04 奥索-麦克尼尔药物公司 红细胞生成素给药的药代动力学和药效模型
CN106539557A (zh) * 2016-10-08 2017-03-29 西安交通大学 一种基于恒速静脉输入的药代动力学参数的测定方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1367701A (zh) * 1999-05-11 2002-09-04 奥索-麦克尼尔药物公司 红细胞生成素给药的药代动力学和药效模型
CN106539557A (zh) * 2016-10-08 2017-03-29 西安交通大学 一种基于恒速静脉输入的药代动力学参数的测定方法

Also Published As

Publication number Publication date
CN108776747A (zh) 2018-11-09

Similar Documents

Publication Publication Date Title
Hubeek et al. The human equilibrative nucleoside transporter 1 mediates in vitro cytarabine sensitivity in childhood acute myeloid leukaemia
Arnér et al. Mammalian deoxyribonucleoside kinases
Rampazzo et al. Regulation by degradation, a cellular defense against deoxyribonucleotide pool imbalances
Nagashima et al. Comparative pharmacokinetics of coumarin anticoagulants IV. Application of a three‐compartmental model to the analysis of the dose‐dependent kinetics of bishydroxycoumarin elimination
Dudzinska et al. Adenine, guanine and pyridine nucleotides in blood during physical exercise and restitution in healthy subjects
Gutierrez et al. Substrate selectivity, potential sensitivity and stoichiometry of Na+-nucleoside transport in brush border membrane vesicles from human kidney
Barry et al. Zidovudine phosphorylation in HIV-infected patients and seronegative volunteers
Krishnan et al. Novel role of 3-phosphoglycerate kinase, a glycolytic enzyme, in the activation of L-nucleoside analogs, a new class of anticancer and antiviral agents
Gentry et al. Phosphorylation of antiviral and endogenous nucleotides to di-and triphosphates by guanosine monophosphate kinase
Rossi et al. Erythrocyte-mediated delivery of a new homodinucleotide active against human immunodeficiency virus and herpes simplex virus
White et al. A critical role for uridine nucleotides in the regulation of deoxycytidine kinase and the concentration dependence of 1-β-D-arabinofuranosylcytosine phosphorylation in human leukemia cells
Hirt et al. Plasma and intracellular tenofovir pharmacokinetics in the neonate (ANRS 12109 trial, step 2)
Kroeker et al. Influenza A infection of primary human airway epithelial cells up-regulates proteins related to purine metabolism and ubiquitin-related signaling
Fraser et al. Individual variation in inosine triphosphate accumulation in human erythrocytes
CN108776747B (zh) 齐多夫定的药效估算方法
Durand et al. Increased degradation of ATP is driven by memory regulatory T cells in kidney transplantation tolerance
Leung Iatrogenic mitochondriopathies: a recent lesson from nucleoside/nucleotide reverse transcriptase inhibitors
Weber Ordered biochemical program of gene expression in cancer cells
Foryś et al. A delay-differential equation model of HIV related cancer--immune system dynamics
Hani et al. Proliferative memory SAMHD1low CD4+ T cells harbour high levels of HIV-1 with compartmentalized viral populations
Balzarini et al. Improved antiviral activity of the aryloxymethoxyalaninyl phosphoramidate (APA) prodrug of abacavir (ABC) is due to the formation of markedly increased carbovir 5′-triphosphate metabolite levels
von Kleist et al. Pharmacokinetic–pharmacodynamic relationship of NRTIs and its connection to viral escape: An example based on zidovudine
Arcos et al. Inducible nitric oxide synthase-mediated proliferation of a T lymphoma cell line
White et al. Role of uridine triphosphate in the phosphorylation of 1-β-d-arabinofuranosylcytosine by Ehrlich ascites tumor cells
Mirzaee et al. Differences in cytosolic and mitochondrial 5′-nucleotidase and deoxynucleoside kinase activities in Sprague–Dawley rat and CD-1 mouse tissues: Implication for the toxicity of nucleoside analogs in animal models

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220201