CN109754859A - 药物给药方案确定方法、装置、存储介质及计算机设备 - Google Patents
药物给药方案确定方法、装置、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN109754859A CN109754859A CN201910025163.8A CN201910025163A CN109754859A CN 109754859 A CN109754859 A CN 109754859A CN 201910025163 A CN201910025163 A CN 201910025163A CN 109754859 A CN109754859 A CN 109754859A
- Authority
- CN
- China
- Prior art keywords
- drug
- intracellular
- target
- content
- rate parameter
- 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.)
- Pending
Links
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请涉及一种药物给药方案确定方法、装置、存储介质及计算机设备，通过建立药物胞内代谢动力学模型，结合考虑不同的药物代谢相关酶含量对该模型中药物代谢速率参数的影响，再通过该模型模拟目标药物的代谢情况，从而可以根据药物代谢模拟情况确定对应的给药方案，即结合不同患者个体的药物代谢相关酶含量差异确定给药方案，从而使得给药方案更加科学合理，实现针对不同患者个体的准确给药。
Description
技术领域
本申请涉及医学技术领域，特别是涉及一种药物给药方案确定方法、装置、存储介质及计算机设备。
背景技术
恩替卡韦(Entecavir，ETV)是一种用于抑制乙型肝炎病毒(HBV)复制的核苷类似物药物，ETV在靶细胞中的主要活性成分为三磷酸恩替卡韦(ETV-TP)，其可抑制HBV中多聚酶(即逆转录酶)的活性，进而产生抑制HBV的药理作用。由于ETV-TP具有安全性高、抑制作用强、起效快、耐药率低等特点，因此被广泛应用于抗HBV治疗领域。
现有技术中，在确定患者的恩替卡韦给药量时，都是采用公认的临床给药剂量(0.5mg/d)，然后根据患者的病毒感染情况调整给药周期。尽管恩替卡韦在临床上表现出抗病毒作用强、安全性较高等优点，但仍有部分患者在治疗过程中出现治疗失败或耐药性的情况，因此，公认的临床给药剂量并非适用于所有患者，现有技术中的恩替卡韦给药量存在一定的不合理性。
发明内容
基于此，有必要针对现有技术存在的问题，提供一种更加准确合理的药物给药方案确定方法、装置、存储介质及计算机设备。
一种药物给药方案确定方法，包括：
获取目标患者体内与目标药物对应的药物代谢相关酶的表达情况；
根据所述药物代谢相关酶的表达情况得到所述目标药物对应的药物代谢速率参数，所述药物代谢速率参数表征所述目标药物与对应的主要活性成分的转换速率；
将所述药物代谢速率参数代入药物胞内代谢动力学模型，通过所述药物胞内代谢动力学模型确定所述目标患者的目标药物给药方案。
在其中一个实施例中，所述目标药物包括恩替卡韦；
所述目标药物对应的药物代谢相关酶包括鸟嘌呤核苷激酶以及二磷酸核苷激酶；
所述目标药物对应的主要活性成分包括三磷酸恩替卡韦。
在其中一个实施例中，获取目标患者体内与目标药物对应的药物代谢相关酶的表达情况，包括：
获取所述目标患者靶细胞中与所述目标药物对应的药物代谢相关酶的含量测试结果；
根据所述含量测试结果得到所述药物代谢相关酶的表达情况。
在其中一个实施例中，根据所述药物代谢相关酶的表达情况得到所述目标药物对应的药物代谢速率参数，包括：
根据所述药物代谢相关酶的表达情况，通过药物代谢相关酶含量与药物代谢速率参数的对应关系模型，确定所述药物代谢相关酶的表达情况对应的药物代谢速率参数。
在其中一个实施例中，所述药物代谢相关酶含量与药物代谢速率参数的对应关系模型的建立过程包括：
获取所述目标药物的代谢样本数据，所述代谢样本数据包括：胞内药物含量、胞内主要活性成分含量、胞内化合物含量变化时间、胞内药物代谢相关酶含量；
根据所述胞内药物含量、所述胞内化合物含量变化时间以及所述胞内主要活性成分含量，得到所述目标药物与对应的主要活性成分的转换速率参数；
根据所述胞内药物代谢相关酶含量以及所述转换速率参数进行相关性分析处理，得到所述胞内药物代谢相关酶含量对所述转换速率参数的作用效应参数；
根据所述胞内药物代谢相关酶含量对所述转换速率参数的作用效应参数，构建药物代谢相关酶含量与药物代谢速率参数的对应关系模型。
在其中一个实施例中，所述药物胞内代谢动力学模型的建立过程包括：
获取所述目标药物的代谢样本数据，所述代谢样本数据包括：胞内药物含量、胞内主要活性成分含量以及胞内化合物含量变化时间；
根据所述胞内药物含量、所述胞内化合物含量变化时间以及所述胞内主要活性成分含量，得到所述目标药物与对应的主要活性成分的转换速率参数；
根据所述目标药物与对应的主要活性成分的转换速率参数，构建药物胞内代谢动力学模型。
在其中一个实施例中，通过所述药物胞内代谢动力学模型确定所述目标患者的目标药物给药方案，包括以下各项中的任一项：
第一项：
获取所述目标患者的药物主要活性成分含量指标；
根据所述药物主要活性成分含量指标，通过所述药物胞内代谢动力学模型得到对应的目标药物含量指标；
根据所述目标药物含量指标确定所述目标患者的目标药物给药方案；
第二项：
获取所述目标患者的药物主要活性成分含量指标；
通过所述药物胞内代谢动力学模型，得到多种预设给药方案对应的多个主要活性成分含量预测值；
筛选满足所述药物主要活性成分含量指标的主要活性成分含量预测值，并将对应的预设给药方案作为所述目标患者的目标药物给药方案。
一种药物给药方案确定装置，包括：
信息获取模块，用于获取目标患者体内与目标药物对应的药物代谢相关酶的表达情况；
参数确定模块，用于根据所述药物代谢相关酶的表达情况得到所述目标药物对应的药物代谢速率参数，所述药物代谢速率参数表征所述目标药物与对应的主要活性成分的转换速率；
方案确定模块，用于将所述药物代谢速率参数代入药物胞内代谢动力学模型，通过所述药物胞内代谢动力学模型确定所述目标患者的目标药物给药方案。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
上述药物给药方案确定方法、装置、存储介质及计算机设备，通过建立药物胞内代谢动力学模型，结合考虑不同的药物代谢相关酶含量对该模型中药物代谢速率参数的影响，再通过该模型模拟目标药物的代谢情况，从而可以根据药物代谢模拟情况确定对应的给药方案，即结合不同患者个体的药物代谢相关酶含量差异确定给药方案，从而使得给药方案更加科学合理，实现针对不同患者个体的准确给药。
附图说明
图1为一个实施例中药物给药方案确定方法的流程示意图；
图2为一个实施例中建立药物胞内代谢动力学模型的流程示意图；
图3为一个实施例中建立药物代谢相关酶含量与药物代谢速率参数的对应关系模型的流程示意图；
图4为一个实施例中恩替卡韦代谢过程的模型示意图；
图5为一个实施例中药物给药方案确定装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供一种药物给药方案确定方法，以该方法应用于可以确定药物给药方案的处理器进行解释说明，该方法包括以下步骤：
步骤S110，获取目标患者体内与目标药物对应的药物代谢相关酶的表达情况；
药物进入患者体内后，需要进行药物代谢才能发挥其对应的药效。药物代谢，是指药物在患者体内多种药物代谢酶的作用下，药物化学结构发生改变的过程，又称生物转化。药物在体内生物转化后的结果有两种:第一种为药物失活，即转化为无药理活性药物；第二种为药物活化，即由无药理活性药物转化为有药理活性的代谢物或产生有毒的代谢物，或代谢后仍保持原有药理作用。本申请各实施例的技术方案中，统一将药物代谢定义为药物转化为对应的主要活性成分的过程。
不同患者体内的药物代谢酶的表达情况各不相同，因此，本申请提出一种针对不同患者个体，根据其体内的药物代谢酶的表达情况确定其对应的药物给药方案的技术构思，以提高给药方案的科学性、合理性以及准确性。
本步骤中，处理器在确定目标患者的药物给药方案时，首先获取该目标患者体内与目标药物对应的药物代谢相关酶(药物代谢酶)的表达情况。处理器获取药物代谢相关酶的表达情况时，可以是实时获取通过测试等方法得到的药物代谢相关酶的表达情况数据；也可以是通过网络访问获取保存在服务器的目标患者的个体数据，并从中得到药物代谢相关酶的表达情况数据；还可以是直接获取保存于存储器等存储设备中的药物代谢相关酶的表达情况数据。
步骤S120，根据药物代谢相关酶的表达情况得到目标药物对应的药物代谢速率参数，药物代谢速率参数表征目标药物与对应的主要活性成分的转换速率；
目标药物的药物代谢过程通常由一系列酶促反应来完成，也就是说，药物代谢相关酶的表达情况对目标药物的药物代谢过程存在一定的作用效应，即药物代谢相关酶的表达情况直接影响到目标药物对应的药物代谢速率参数。也就是说，由于不同患者体内的药物代谢酶的表达情况不同，使得不同患者对应的药物代谢速率参数(针对同一药物来说)不同，使得在同一给药量、同一药效时间的前提下，不同患者对应的主要活性成分含量(针对同一药物来说)不同，而药物的主要活性成分含量对药物的药效具有重要意义，因此最终表现为在同一药物、同一给药量、同一药效时间的前提下，不同患者的药效各不相同，而这正是现有技术的缺陷所在。
本步骤中，处理器在获取目标患者体内与目标药物对应的药物代谢相关酶的表达情况之后，根据药物代谢相关酶的表达情况得到目标药物对应的药物代谢速率参数，药物代谢速率参数表征目标药物与对应的主要活性成分的转换速率，从而使得处理器能够根据药物代谢速率参数、预期给药量得到预设时间段后的药物的主要活性成分的含量，或者，使得处理器能够根据药物代谢速率参数、预设时间段后的预期主要活性成分含量得到对应的药物给药量，从而确定目标患者的给药方案。
步骤S130，将药物代谢速率参数代入药物胞内代谢动力学模型，通过药物胞内代谢动力学模型确定目标患者的目标药物给药方案。
药物代谢动力学(Pharmackinetices)简称药动学，其主要研究机体对药物的处置(Dispostion)的动态变化，包括药物在机体内的吸收、分布、生化转换(或称代谢)及排泄的过程，对应的模型称为药物代谢动力学模型。需要说明的是，本申请中所使用的药物代谢动力学模型特指药物胞内代谢动力学模型。
本步骤中，处理器在根据药物代谢相关酶的表达情况得到目标药物对应的药物代谢速率参数之后，将药物代谢速率参数代入药物胞内代谢动力学模型，通过该药物胞内代谢动力学模型模拟目标药物在靶细胞内的药物代谢过程，从而根据药物代谢模拟结果确定目标患者的目标药物给药方案。
本实施例提供一种药物给药方案确定方法，通过建立药物胞内代谢动力学模型，结合考虑不同的药物代谢相关酶的表达情况对该模型中药物代谢速率参数的影响，再通过该模型模拟目标药物的代谢情况，从而可以根据药物代谢模拟情况确定对应的给药方案，即结合不同患者个体的药物代谢相关酶表达情况的差异确定给药方案，从而使得给药方案更加科学合理，实现针对不同患者个体的准确给药。
在一个实施例中，目标药物包括恩替卡韦；目标药物对应的药物代谢相关酶包括鸟嘌呤核苷激酶以及二磷酸核苷激酶；目标药物对应的主要活性成分包括三磷酸恩替卡韦。
恩替卡韦(Entecavir，ETV)为典型抑制乙型肝炎病毒(HBV)复制的核苷类似物药物，ETV通过在靶细胞中磷酸化转化为具有活性三磷酸盐(三磷酸恩替卡韦)，其可抑制乙肝病毒(HBV)中多聚酶(即逆转录酶)的3种活性，进而产生抑制HBV的药理作用。由于三磷酸盐在细胞内的半衰期比较长(常规情况下可达15h)，且ETV的三磷酸盐对HBV DNA多聚酶的抑制能力远高于对正常细胞的DNA的抑制能力，因此具有较高的安全性。现有技术中，恩替卡韦临床给药剂量被公认为0.5mg/d。几乎不考虑个体性差异，仅通过病毒感染情况调整给药周期，尽管恩替卡韦在临床上表现出抗病毒作用强、安全性较高等优点，但仍有部分患者在治疗过程中出现治疗失败或耐药性。且恩替卡韦作为临床抗乙肝病毒药物，需要进行长期给药，因此需要根据患者个体差异为其制定合理的给药方案。
恩替卡韦用药个体化差异主要存在两个方面，一是给予相同剂量后，恩替卡韦在不同患者体内吸收代谢过程存在差异；第二是当药物进入靶细胞后，由于不同患者体内磷酸激酶(鸟嘌呤核苷激酶以及二磷酸核苷激酶)的表达不同，导致细胞内磷酸化过程存在差异从而使最终活性成分三磷酸盐的浓度不同。本申请的技术方案主要是针对后者，对恩替卡韦的给药方案进行改进。
在一个实施例中，在据患者个体差异确定恩替卡韦的给药方案时，首先需要建立对应的模型，本申请中，对应的模型包括：药物代谢相关酶含量与药物代谢速率参数的对应关系模型以及药物胞内代谢动力学模型。
在一个实施例中，如图2所示，药物胞内代谢动力学模型的建立过程包括：
步骤S210，获取目标药物的代谢样本数据，代谢样本数据包括：胞内药物含量、胞内主要活性成分含量以及胞内化合物含量变化时间；
步骤S220，根据胞内药物含量、胞内化合物含量变化时间以及胞内主要活性成分含量，得到目标药物与对应的主要活性成分的转换速率参数；
步骤S230，根据目标药物与对应的主要活性成分的转换速率参数，构建药物胞内代谢动力学模型。
在一个实施例中，如图3所示，药物代谢相关酶含量与药物代谢速率参数的对应关系模型的建立过程包括：
步骤S310，获取目标药物的代谢样本数据，代谢样本数据包括：胞内药物含量、胞内主要活性成分含量、胞内化合物含量变化时间、胞内药物代谢相关酶含量；
步骤S320，根据胞内药物含量、胞内化合物含量变化时间以及胞内主要活性成分含量，得到目标药物与对应的主要活性成分的转换速率参数；
步骤S330，根据胞内药物代谢相关酶含量以及转换速率参数进行相关性分析处理，得到胞内药物代谢相关酶含量对转换速率参数的作用效应参数；
步骤S340，根据胞内药物代谢相关酶含量对转换速率参数的作用效应参数，构建药物代谢相关酶含量与药物代谢速率参数的对应关系模型。
在一个实施例中，根据ETV的作用机制以及临床用药存在的缺陷，构建一种实现ETV个体精准化给药的方法，即建立血浆中ETV的浓度和靶细胞内的磷酸化过程模型，并引入ETV磷酸化相关蛋白的动力学模型参数k，运用小分子定量以及靶向蛋白质组学(QTAP)的原理，通过建立开发超高效液相串联质谱(UPLC-MS/MS)方法，测定大鼠肝细胞中ETV与ETV-XP(EXV-MP、ETV-DP、ETV-TP)的浓度以及鸟嘌呤核苷激酶和二磷酸核苷激酶的量，通过模型计算参数k，并确定参数k与蛋白表达量之间的关系，从而实现通过测定不同患者体内两种相关蛋白的表达量，结合线性动力学方程来预测胞内ETV、ETV-XP的浓度，反映药物疗效和毒副作用，进而确定给药剂量，实现个体精准化给药。
具体地，恩替卡韦在体内的代谢过程主要包括：恩替卡韦由血浆进入靶细胞(肝细胞)、恩替卡韦ETV转化为单磷酸盐ETV-DP、单磷酸盐ETV-DP转化为二磷酸盐ETV-MP、二磷酸盐ETV-MP转化为三磷酸盐ETV-TP，由此构建对应的模型如图4所示。
首先，针对恩替卡韦在血浆和靶细胞中的转运关系，有
其中，X1表示血浆中恩替卡韦的量，X2表示肝组织中恩替卡韦的量，t表示时间；C1表示血浆中恩替卡韦浓度，即恩替卡韦的血药浓度，C2表示t时刻肝组织中恩替卡韦浓度，即靶器官中恩替卡韦浓度；k0表示肝细胞代谢速率常数，k12表示恩替卡韦由血浆转运进入肝细胞的速率常数，k21表示恩替卡韦由肝细胞转运出至血浆中的速率常数，V1表示血浆内恩替卡韦的表观分布容积，V2表示肝细胞内V2的表观分布容积。
由一级动力学模型：得到：
其中，X0表示恩替卡韦给药量。
然后，根据靶细胞内的磷酸化动力学模型，由于细胞内磷酸化为酶促反应过程，因此采用米氏方程构建模型：
其中，ETV表示恩替卡韦的浓度，ETV-DP表示恩替卡韦二磷酸化物的浓度，ETV-TP表示恩替卡韦三磷酸化物的浓度，Km1表示肝细胞内由ETV磷酸化为ETV-MP这一酶促反应过程中的米氏常数，
Km2表示肝细胞内由ETV-MP磷酸化为ETV-DP这一酶促反应过程中的米氏常数，Km3表示肝细胞内由ETV-MP磷酸化为ETV-DP这一酶促反应过程中的米氏常数，Vm1表示肝细胞内由ETV磷酸化为ETV-MP这一酶促反应过程中的最大反应速度，Vm2表示肝细胞内由ETV-MP磷酸化为ETV-DP这一酶促反应过程中的最大反应速度，Vm3表示肝细胞内由ETV-DP磷酸化为ETV-TP这一酶促反应过程中的最大反应速度，ke1表示肝细胞内恩替卡韦一磷酸化速率常数，ke2表示肝细胞内恩替卡韦二磷酸化速率常数，ke3表示肝细胞内恩替卡韦三磷酸化速率常数。
最后，通过动物实验获得数据，运用小分子定量以及靶向蛋白质组学(QTAP)的原理，通过建立开发超高效液相串联质谱(UPLC-MS/MS)方法，测定大鼠肝细胞中ETV与ETV-XP的浓度，以计算得到磷酸化相关蛋白的动力学模型参数k(ke1、ke2、ke3)，并构建药物胞内代谢动力学模型。同时，检测鸟嘌呤核苷激酶和二磷酸核苷激酶两种蛋白的表达量，与动力学模型参数k建立线性关系，并构建药物代谢相关酶含量与药物代谢速率参数的对应关系模型。
在一个实施例中，获取目标患者体内与目标药物对应的药物代谢相关酶的表达情况，包括：获取目标患者靶细胞中与目标药物对应的药物代谢相关酶的含量测试结果；根据含量测试结果得到药物代谢相关酶的表达情况。
在确定目标患者的药物给药方案时，首先测量目标患者靶细胞中与目标药物对应的药物代谢相关酶的含量，对于恩替卡韦来说，即测量鸟嘌呤核苷激酶以及二磷酸核苷激酶的含量。具体地，可以通过UPLC-MS/MS法得到酶的含量测试结果，并根据酶的含量测试结果确定药物代谢相关酶的表达情况。
在一个实施例中，根据药物代谢相关酶的表达情况得到目标药物对应的药物代谢速率参数，包括：根据药物代谢相关酶的表达情况，通过药物代谢相关酶含量与药物代谢速率参数的对应关系模型，确定药物代谢相关酶的表达情况对应的药物代谢速率参数。
在得到药物代谢相关酶的表达情况后，通过建立好的药物代谢相关酶含量与药物代谢速率参数的对应关系模型，即可确定对应的药物代谢速率参数。
在一个实施例中，通过药物胞内代谢动力学模型确定目标患者的目标药物给药方案，包括：获取目标患者的药物主要活性成分含量指标；根据药物主要活性成分含量指标，通过药物胞内代谢动力学模型得到对应的目标药物含量指标；根据目标药物含量指标确定目标患者的目标药物给药方案。
具体地，在确定目标患者的给药方案时，可以采取“逆向推导”的方式来确定药物给药方案，即将获取的药物主要活性成分含量指标代入药物胞内代谢动力学模型，从而反向推导出对应的胞内药物含量、血浆内药物含量、药物给药量，从而实现目标患者的精确给药。
在另一个实施例中，通过药物胞内代谢动力学模型确定目标患者的目标药物给药方案，包括：获取目标患者的药物主要活性成分含量指标；通过药物胞内代谢动力学模型，得到多种预设给药方案对应的多个主要活性成分含量预测值；筛选满足药物主要活性成分含量指标的主要活性成分含量预测值，并将对应的预设给药方案作为目标患者的目标药物给药方案。
具体地，在确定目标患者的给药方案时，也可以是采用“正向推导”的方式来确定药物给药方案，即首先将多种预设给药方案代入药物胞内代谢动力学模型，得到对应的多个主要活性成分含量预测值，并将预测值与目标患者的药物主要活性成分含量指标进行比对，从中筛选出满足指标的预测值，从而得到满足要求的给药方案，从而实现目标患者的精确给药。
在一个实施例中，以大鼠作为实验对象，对本申请中的技术方案进行实验验证。
(1)给予一批大鼠0.5mg的恩替卡韦(灌胃)，分别在给药后2、4、6、8、10、12、14、16、18、20、24小时测定血液中恩替卡韦药物浓度，同时取出肝脏分离肝组织测定肝细胞内恩替卡韦浓度及三种磷酸化盐浓度，带入模型计算出参数ke1、ke2、ke3分别为2.986、1.732、5.547，同时对大鼠体内的鸟嘌呤核苷激酶和二磷酸核苷激酶进行含量检测，并计算酶的效应常数与速率常数，鸟嘌呤核苷激酶的效应常数与动力学参数模型中ke1、ke2存在较明显的正相关，拟合两者关系得到较好的线性关系，相关系数R2＝0.997，成正相关，拟合线性斜率K1＝0.735；二磷酸核苷激酶的效应常数与动力学参数模型中ke3存在较明显的正相关，拟合两者关系得到较好的线性关系，相关系数R2＝0.983，成正相关，拟合线性斜率K1＝1.836。
根据上述资料可以得知，参与恩替卡韦细胞内磷酸化的两种酶的效应常数与其细胞内代谢动力学存在明显的正相关性，也同时验证了本申请中根据个体有关药物代谢酶差异来调整给药方案的整体思路的可行性。
(2)建立乙型肝炎病毒(HBV)复制型大鼠模型，分为实验组、对照组及空白组，实验组给予通过本申请的模型计算的给药量，即通过尾静脉注射的方式给予2ml 2mg/ml的恩替卡韦生理盐水注射溶液(含0.4mg恩替卡韦)，对照组给予现有技术中的给药量，即尾静脉注射2ml 2mg/ml的恩替卡韦生理盐水注射溶液(含0.5mg恩替卡韦)，空白组则不给予药物，尾静脉注射0.2ml生理盐水。通过较长时间的给药和观察，检测抗HBV疗效指标，结果如下：
实验组：HBV DNA转阴率达到87.8％、ALT复常率达57.4％、HBeAg血清转化率为37.8％；
对照组：HBV DNA转阴率达到79.2％、ALT复常率达38.9％、HBeAg血清转化率为20.3％；
空白组:以上指标几乎无明显变化。
其中，HBV DNA表示乙肝病毒的DNA；ALT为谷草转氨酶，是肝功能测试常测试的一个重要指标，用于反映肝功能是否正常；HBeAg为乙型肝炎E抗原，是乙肝病毒核心颗粒中的一种可溶性蛋白质，HBeAg在乙肝活动期检出率升高，表明肝细胞有较严重的损伤，患者有很强的传染性。
根据上述实验结果可以得知，实验组的HBV DNA转阴率、ALT复常率、HBeAg血清转化率均高于对照组和空白组，也就是说，对于大鼠来说，通过本申请的模型计算的给药量较传统给药量产生了更好的抗乙肝病毒的效果。由此可以推导出，当本申请中的技术方案应用于人体时，通过根据不同患者的不同的药物代谢相关酶表达情况来得到不同的药物给药方案，相比于现有技术的给药方案，可以起到更好的抗乙肝病毒的效果。另外，由于药物给药方案是通过患者本身的生理指标(药物代谢相关酶表达情况)确定得到的，因此，也能保证药物使用的安全性，防止对患者产生毒害作用。
应该理解的是，虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供一种药物给药方案确定装置，该装置包括：信息获取模块110、参数确定模块120以及方案确定模块130。
信息获取模块110用于获取目标患者体内与目标药物对应的药物代谢相关酶的表达情况；
参数确定模块120用于根据药物代谢相关酶的表达情况得到目标药物对应的药物代谢速率参数，药物代谢速率参数表征目标药物与对应的主要活性成分的转换速率；
方案确定模块130用于将药物代谢速率参数代入药物胞内代谢动力学模型，通过药物胞内代谢动力学模型确定目标患者的目标药物给药方案。
在一个实施例中，信息获取模块110还用于获取目标患者靶细胞中与目标药物对应的药物代谢相关酶的含量测试结果；根据含量测试结果得到药物代谢相关酶的表达情况。
在一个实施例中，参数确定模块120还用于根据药物代谢相关酶的表达情况，通过药物代谢相关酶含量与药物代谢速率参数的对应关系模型，确定药物代谢相关酶的表达情况对应的药物代谢速率参数。
在一个实施例中，该装置还包括：模型建立模块，用于获取目标药物的代谢样本数据，代谢样本数据包括：胞内药物含量、胞内主要活性成分含量、胞内化合物含量变化时间、胞内药物代谢相关酶含量；根据胞内药物含量、胞内化合物含量变化时间以及胞内主要活性成分含量，得到目标药物与对应的主要活性成分的转换速率参数；根据胞内药物代谢相关酶含量以及转换速率参数进行相关性分析处理，得到胞内药物代谢相关酶含量对转换速率参数的作用效应参数；根据胞内药物代谢相关酶含量对转换速率参数的作用效应参数，构建药物代谢相关酶含量与药物代谢速率参数的对应关系模型。
在一个实施例中，模型建立模块还用于获取目标药物的代谢样本数据，代谢样本数据包括：胞内药物含量、胞内主要活性成分含量以及胞内化合物含量变化时间；根据胞内药物含量、胞内化合物含量变化时间以及胞内主要活性成分含量，得到目标药物与对应的主要活性成分的转换速率参数；根据目标药物与对应的主要活性成分的转换速率参数，构建药物胞内代谢动力学模型。
在一个实施例中，方案确定模块130还用于获取目标患者的药物主要活性成分含量指标；根据药物主要活性成分含量指标，通过药物胞内代谢动力学模型得到对应的目标药物含量指标；根据目标药物含量指标确定目标患者的目标药物给药方案。
在一个实施例中，方案确定模块130还用于获取目标患者的药物主要活性成分含量指标；通过药物胞内代谢动力学模型，得到多种预设给药方案对应的多个主要活性成分含量预测值；筛选满足药物主要活性成分含量指标的主要活性成分含量预测值，并将对应的预设给药方案作为目标患者的目标药物给药方案。
关于药物给药方案确定装置的具体限定可以参见上文中对于药物给药方案确定方法的限定，在此不再赘述。上述药物给药方案确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取目标患者体内与目标药物对应的药物代谢相关酶的表达情况；根据药物代谢相关酶的表达情况得到目标药物对应的药物代谢速率参数，药物代谢速率参数表征目标药物与对应的主要活性成分的转换速率；将药物代谢速率参数代入药物胞内代谢动力学模型，通过药物胞内代谢动力学模型确定目标患者的目标药物给药方案。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取目标患者靶细胞中与目标药物对应的药物代谢相关酶的含量测试结果；根据含量测试结果得到药物代谢相关酶的表达情况。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据药物代谢相关酶的表达情况，通过药物代谢相关酶含量与药物代谢速率参数的对应关系模型，确定药物代谢相关酶的表达情况对应的药物代谢速率参数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取目标药物的代谢样本数据，代谢样本数据包括：胞内药物含量、胞内主要活性成分含量、胞内化合物含量变化时间、胞内药物代谢相关酶含量；根据胞内药物含量、胞内化合物含量变化时间以及胞内主要活性成分含量，得到目标药物与对应的主要活性成分的转换速率参数；根据胞内药物代谢相关酶含量以及转换速率参数进行相关性分析处理，得到胞内药物代谢相关酶含量对转换速率参数的作用效应参数；根据胞内药物代谢相关酶含量对转换速率参数的作用效应参数，构建药物代谢相关酶含量与药物代谢速率参数的对应关系模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取目标药物的代谢样本数据，代谢样本数据包括：胞内药物含量、胞内主要活性成分含量以及胞内化合物含量变化时间；根据胞内药物含量、胞内化合物含量变化时间以及胞内主要活性成分含量，得到目标药物与对应的主要活性成分的转换速率参数；根据目标药物与对应的主要活性成分的转换速率参数，构建药物胞内代谢动力学模型。
在一个实施例中，处理器执行计算机程序时还实现以下各项中的任一项：
第一项：
获取目标患者的药物主要活性成分含量指标；根据药物主要活性成分含量指标，通过药物胞内代谢动力学模型得到对应的目标药物含量指标；根据目标药物含量指标确定目标患者的目标药物给药方案；
第二项：
获取目标患者的药物主要活性成分含量指标；通过药物胞内代谢动力学模型，得到多种预设给药方案对应的多个主要活性成分含量预测值；筛选满足药物主要活性成分含量指标的主要活性成分含量预测值，并将对应的预设给药方案作为目标患者的目标药物给药方案。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取目标患者体内与目标药物对应的药物代谢相关酶的表达情况；根据药物代谢相关酶的表达情况得到目标药物对应的药物代谢速率参数，药物代谢速率参数表征目标药物与对应的主要活性成分的转换速率；将药物代谢速率参数代入药物胞内代谢动力学模型，通过药物胞内代谢动力学模型确定目标患者的目标药物给药方案。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取目标患者靶细胞中与目标药物对应的药物代谢相关酶的含量测试结果；根据含量测试结果得到药物代谢相关酶的表达情况。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据药物代谢相关酶的表达情况，通过药物代谢相关酶含量与药物代谢速率参数的对应关系模型，确定药物代谢相关酶的表达情况对应的药物代谢速率参数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取目标药物的代谢样本数据，代谢样本数据包括：胞内药物含量、胞内主要活性成分含量、胞内化合物含量变化时间、胞内药物代谢相关酶含量；根据胞内药物含量、胞内化合物含量变化时间以及胞内主要活性成分含量，得到目标药物与对应的主要活性成分的转换速率参数；根据胞内药物代谢相关酶含量以及转换速率参数进行相关性分析处理，得到胞内药物代谢相关酶含量对转换速率参数的作用效应参数；根据胞内药物代谢相关酶含量对转换速率参数的作用效应参数，构建药物代谢相关酶含量与药物代谢速率参数的对应关系模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取目标药物的代谢样本数据，代谢样本数据包括：胞内药物含量、胞内主要活性成分含量以及胞内化合物含量变化时间；根据胞内药物含量、胞内化合物含量变化时间以及胞内主要活性成分含量，得到目标药物与对应的主要活性成分的转换速率参数；根据目标药物与对应的主要活性成分的转换速率参数，构建药物胞内代谢动力学模型。
在一个实施例中，计算机程序被处理器执行时还实现以下各项中的任一项：
第一项：
获取目标患者的药物主要活性成分含量指标；根据药物主要活性成分含量指标，通过药物胞内代谢动力学模型得到对应的目标药物含量指标；根据目标药物含量指标确定目标患者的目标药物给药方案；
第二项：
获取目标患者的药物主要活性成分含量指标；通过药物胞内代谢动力学模型，得到多种预设给药方案对应的多个主要活性成分含量预测值；筛选满足药物主要活性成分含量指标的主要活性成分含量预测值，并将对应的预设给药方案作为目标患者的目标药物给药方案。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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 (10)
1.一种药物给药方案确定方法，其特征在于，包括：
获取目标患者体内与目标药物对应的药物代谢相关酶的表达情况；
根据所述药物代谢相关酶的表达情况得到所述目标药物对应的药物代谢速率参数，所述药物代谢速率参数表征所述目标药物与对应的主要活性成分的转换速率；
将所述药物代谢速率参数代入药物胞内代谢动力学模型，通过所述药物胞内代谢动力学模型确定所述目标患者的目标药物给药方案。
2.根据权利要求1所述的药物给药方案确定方法，其特征在于，所述目标药物包括恩替卡韦；
所述目标药物对应的药物代谢相关酶包括鸟嘌呤核苷激酶以及二磷酸核苷激酶；
所述目标药物对应的主要活性成分包括三磷酸恩替卡韦。
3.根据权利要求1所述的药物给药方案确定方法，其特征在于，获取目标患者体内与目标药物对应的药物代谢相关酶的表达情况，包括：
获取所述目标患者靶细胞中与所述目标药物对应的药物代谢相关酶的含量测试结果；
根据所述含量测试结果得到所述药物代谢相关酶的表达情况。
4.根据权利要求1所述的药物给药方案确定方法，其特征在于，根据所述药物代谢相关酶的表达情况得到所述目标药物对应的药物代谢速率参数，包括：
根据所述药物代谢相关酶的表达情况，通过药物代谢相关酶含量与药物代谢速率参数的对应关系模型，确定所述药物代谢相关酶的表达情况对应的药物代谢速率参数。
5.根据权利要求4所述的药物给药方案确定方法，其特征在于，所述药物代谢相关酶含量与药物代谢速率参数的对应关系模型的建立过程包括：
获取所述目标药物的代谢样本数据，所述代谢样本数据包括：胞内药物含量、胞内主要活性成分含量、胞内化合物含量变化时间、胞内药物代谢相关酶含量；
根据所述胞内药物含量、所述胞内化合物含量变化时间以及所述胞内主要活性成分含量，得到所述目标药物与对应的主要活性成分的转换速率参数；
根据所述胞内药物代谢相关酶含量以及所述转换速率参数进行相关性分析处理，得到所述胞内药物代谢相关酶含量对所述转换速率参数的作用效应参数；
根据所述胞内药物代谢相关酶含量对所述转换速率参数的作用效应参数，构建药物代谢相关酶含量与药物代谢速率参数的对应关系模型。
6.根据权利要求1所述的药物给药方案确定方法，其特征在于，所述药物胞内代谢动力学模型的建立过程包括：
获取所述目标药物的代谢样本数据，所述代谢样本数据包括：胞内药物含量、胞内主要活性成分含量以及胞内化合物含量变化时间；
根据所述胞内药物含量、所述胞内化合物含量变化时间以及所述胞内主要活性成分含量，得到所述目标药物与对应的主要活性成分的转换速率参数；
根据所述目标药物与对应的主要活性成分的转换速率参数，构建药物胞内代谢动力学模型。
7.根据权利要求1所述的药物给药方案确定方法，其特征在于，通过所述药物胞内代谢动力学模型确定所述目标患者的目标药物给药方案，包括以下各项中的任一项：
第一项：
获取所述目标患者的药物主要活性成分含量指标；
根据所述药物主要活性成分含量指标，通过所述药物胞内代谢动力学模型得到对应的目标药物含量指标；
根据所述目标药物含量指标确定所述目标患者的目标药物给药方案；
第二项：
获取所述目标患者的药物主要活性成分含量指标；
通过所述药物胞内代谢动力学模型，得到多种预设给药方案对应的多个主要活性成分含量预测值；
筛选满足所述药物主要活性成分含量指标的主要活性成分含量预测值，并将对应的预设给药方案作为所述目标患者的目标药物给药方案。
8.一种药物给药方案确定装置，其特征在于，包括：
信息获取模块，用于获取目标患者体内与目标药物对应的药物代谢相关酶的表达情况；
参数确定模块，用于根据所述药物代谢相关酶的表达情况得到所述目标药物对应的药物代谢速率参数，所述药物代谢速率参数表征所述目标药物与对应的主要活性成分的转换速率；
方案确定模块，用于将所述药物代谢速率参数代入药物胞内代谢动力学模型，通过所述药物胞内代谢动力学模型确定所述目标患者的目标药物给药方案。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910025163.8A CN109754859A (zh) | 2019-01-11 | 2019-01-11 | 药物给药方案确定方法、装置、存储介质及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910025163.8A CN109754859A (zh) | 2019-01-11 | 2019-01-11 | 药物给药方案确定方法、装置、存储介质及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109754859A true CN109754859A (zh) | 2019-05-14 |
Family
ID=66405442
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910025163.8A Pending CN109754859A (zh) | 2019-01-11 | 2019-01-11 | 药物给药方案确定方法、装置、存储介质及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109754859A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111956367A (zh) * | 2020-09-18 | 2020-11-20 | 上海中医药大学 | 一种治疗脑肿瘤的纳米给药系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101717816A (zh) * | 2009-03-09 | 2010-06-02 | 中南大学 | Oatp1b1重要基因突变检测基因芯片 |
| CN103443798A (zh) * | 2011-03-30 | 2013-12-11 | 诺沃—诺迪斯克有限公司 | 用于优化一段时间内的患者的药物给药方案的系统 |
| CN104182616A (zh) * | 2014-07-31 | 2014-12-03 | 周庆涛 | 一种美罗培南个体化给药指导方法 |
| CN106399528A (zh) * | 2016-10-14 | 2017-02-15 | 上海市第人民医院 | 他克莫司代谢型的诊断标志物及其应用 |
| CN108766587A (zh) * | 2018-05-11 | 2018-11-06 | 北京诺道认知医学科技有限公司 | 一种基于指定药物构建给药数据库的方法及装置 |
| CN108779484A (zh) * | 2016-03-29 | 2018-11-09 | 株式会社津村 | 大建中汤的效果预测方法和给药量确定方法 |
-
2019
- 2019-01-11 CN CN201910025163.8A patent/CN109754859A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101717816A (zh) * | 2009-03-09 | 2010-06-02 | 中南大学 | Oatp1b1重要基因突变检测基因芯片 |
| CN103443798A (zh) * | 2011-03-30 | 2013-12-11 | 诺沃—诺迪斯克有限公司 | 用于优化一段时间内的患者的药物给药方案的系统 |
| CN104182616A (zh) * | 2014-07-31 | 2014-12-03 | 周庆涛 | 一种美罗培南个体化给药指导方法 |
| CN108779484A (zh) * | 2016-03-29 | 2018-11-09 | 株式会社津村 | 大建中汤的效果预测方法和给药量确定方法 |
| CN106399528A (zh) * | 2016-10-14 | 2017-02-15 | 上海市第人民医院 | 他克莫司代谢型的诊断标志物及其应用 |
| CN108766587A (zh) * | 2018-05-11 | 2018-11-06 | 北京诺道认知医学科技有限公司 | 一种基于指定药物构建给药数据库的方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 李玲: ""2型糖尿病人群二甲双胍群体药代动力学与个体化给药研究"", 《知网数据知识服务平台》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111956367A (zh) * | 2020-09-18 | 2020-11-20 | 上海中医药大学 | 一种治疗脑肿瘤的纳米给药系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gibiansky et al. | Approximations of the target-mediated drug disposition model and identifiability of model parameters | |
| Ruiz-Mirazo et al. | Chemical roots of biological evolution: the origins of life as a process of development of autonomous functional systems | |
| Dedrick et al. | Transport and binding of methotrexate in vivo | |
| Nyman et al. | A single mechanism can explain network-wide insulin resistance in adipocytes from obese patients with type 2 diabetes | |
| Hirt et al. | Plasma and intracellular tenofovir pharmacokinetics in the neonate (ANRS 12109 trial, step 2) | |
| Mo et al. | Population pharmacokinetic modeling of olaratumab, an anti-PDGFRα human monoclonal antibody, in patients with advanced and/or metastatic cancer | |
| Borsuk-De Moor et al. | Nonstationary pharmacokinetics of caspofungin in ICU patients | |
| CN109754859A (zh) | 药物给药方案确定方法、装置、存储介质及计算机设备 | |
| Gallo | Hybrid physiologically‐based pharmacokinetic model for remdesivir: Application to SARS‐CoV‐2 | |
| Sy et al. | Introduction to pharmacometrics and quantitative pharmacology with an emphasis on physiologically based pharmacokinetics | |
| Wu et al. | Population pharmacokinetics of fingolimod phosphate in healthy participants | |
| Hughes et al. | Clinical decision support for chemotherapy‐induced neutropenia using a hybrid pharmacodynamic/machine learning model | |
| Madrasi et al. | Linking the population pharmacokinetics of tenofovir and its metabolites with its cellular uptake and metabolism | |
| CN115035976A (zh) | 一种美洛西林的新生儿群体使用剂量优化方法及系统 | |
| WO2022028322A1 (zh) | 确定丙泊酚及其衍生物群体药代动力学模型的方法及系统 | |
| Tsiang et al. | Analysis of hepatitis B virus dynamics and its impact on antiviral development | |
| CN111972353A (zh) | 一种复方丹参滴丸多组分在大鼠体内群体药代动力学模型的构建方法 | |
| Tamura et al. | Population pharmacokinetics and exposure–clinical outcome relationship of remdesivir major metabolite GS‐441524 in patients with moderate and severe COVID‐19 | |
| CN109754858B (zh) | 甲氨蝶呤给药方案确定装置、存储介质及设备 | |
| Wang et al. | Population pharmacokinetics of enteric‐coated mycophenolate sodium in children after renal transplantation and initial dosage recommendation based on body surface area | |
| Bassingthwaighte et al. | Multiscale modeling of metabolism, flows, and exchanges in heterogeneous organs | |
| Piana et al. | Mathematical modelling of nuclear medicine data | |
| Shah | Development and Application of a Physiologically Based Pharmacokinetic/Pharmacodynamic (PBPK/PD) Model for Lamivudine Using the Simcyp Simulator | |
| Vicini et al. | Model-based approaches to biomarker discovery and evaluation: a multidisciplinary integrated review | |
| Wang et al. | Estimation of mycophenolic acid exposure in heart transplant recipients by population pharmacokinetic and limited sampling strategies |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190514 |
|
| RJ01 | Rejection of invention patent application after publication |