JP2004238390A5 - - Google Patents

Description

モデルはイモムシの次の８つの区画を含む。血リンパ（ｈｌ）３００、脂肪体（ｆｂ）３０２、筋肉（ｍｓ）３０４、クチクラ表面（ｃｓ）３０６、クチクラ（ｃ）３０８、内臓壁（ｇｗ）３１０、内臓中身（ｇｃ）３１２、神経束（ｎｃ）３１４。評価すべき物質は、クチクラ３０８を介して局所的、あるいは、内臓を介した経口または直接注射を介して血リンパ３００内に投与される。

Claims (27)

1. 昆虫内の化学物質の薬物動態的振舞を計算するためのコンピュータシステムにおいて、
   昆虫の区画内の化学物質の濃度／時間プロフィールを予測するための生理学に基づいた薬物動態シミュレーションモデル（１０２）であって、物質に依存するパラメータを少なくとも一つ有するものと、
   物質の物理化学特性に基づいて上記少なくとも一つのパラメータを予測するための予測モジュール（１１０）と、
   を備えたコンピュータシステム。
2. 上記少なくとも一つのパラメータは、物質に対する透過率と区画の有効表面積の積であることを特徴とする請求項１のコンピュータシステム。
3. 上記少なくとも一つのパラメータは、区画間の質量輸送に対するレート係数（λ_ｘ＝Ｐ _ｘ Ａ_ｘ／Ｖ_ｘ）であり、昆虫の少なくとも一つの器官の容積は時間の関数（Ｖ_ｘ＝Ｖ_ｘ（ｔ））であることを特徴とする請求項１のコンピュータシステム。
4. 上記少なくとも一つのパラメータは、昆虫の器官と血リンパとの間の平衡分配係数
   

   

   、クチクラの表面とクチクラとの間の平衡分配係数（Ｋ_ｃ／ｃｓ）、あるいは、内臓壁と内臓中身との間の平衡分配係数（Ｋ_{ｇｃ／ｇｗ}）であることを特徴とする請求項１のコンピュータシステム。
5. 上記物理化学特性は、物質の水と燐脂質膜の間の分配係数、オクタノール／水分配係数、分子量、溶解度、および／またはこれらパラメータの組み合わせであることを特徴とする請求項１のコンピュータシステム。
6. 物質の化学構造の記述子から物理化学特性を決定するＱＳＡＲモデルまたはニューラルネットワークを備えた請求項１のコンピュータシステム。
7. 予測モジュールは、テスト物質の物理化学特性およびこれらテスト物質に対し実験的に得られたパラメータを含むデータベース（１０８）に基づくことを特徴とする請求項１のコンピュータシステム。
8. 予測モジュールは、物質の脂肪親和性および／または分子量から上記少なくとも一つのパラメータの計算を行う計算関数を含むことを特徴とする請求項１のコンピュータシステム。
9. 計算関数は、実験的に得られたパラメータ値の直線回帰に基づくことを特徴とする請求項８のコンピュータシステム。
10. 昆虫の区画内の化学物質の濃度／時間プロフィールの予測を行うための生理学に基づく昆虫の薬物動態シミュレーションモデルであって、物質に依存するパラメータを少なくとも一つ有するものを用いた、昆虫内の化学物質の薬物動態的振舞を計算するための方法において、
    物質の物理化学特性を物質に対する上記少なくとも一つのパラメータを予測するための予想モジュールに入力する工程と、
    上記予測された少なくとも一つのパラメータに基づいて、化学物質の濃度／時間プロフィールの予測を行うシミュレーションモデルを用いてシミュレーションを実行する工程と、
    を含む方法。
11. 上記少なくとも一つのパラメータは、物質に対する昆虫の区画の透過率と区画の有効表面積の積であることを特徴とする請求項１０の方法。
12. 上記パラメータは、区画間の質量輸送に対するレート係数（λ_ｘ＝Ｐ_ｘＡ_ｘ／Ｖ_ｘ）であり、昆虫の少なくとも一つの器官の容積は時間の関数（Ｖ_ｘ＝Ｖ_ｘ（ｔ））であることを特徴とする請求項１０の方法。
13. 上記パラメータは、器官と血リンパとの間の平衡分配係数
    

    

    、クチクラの表面とクチクラとの間の平衡分配係数（Ｋ_ｃ／ｃｓ）、あるいは、内臓壁と内臓中身との間の平衡分配係数（Ｋ_{ｇｃ／ｇｗ}）であることを特徴とする請求項１０の方法。
14. 上記物理化学特性は、物質の水と燐脂質膜の間の分配係数、オクタノール／水分配係数、分子量、溶解度、および／またはこれらパラメータの組み合わせであることを特徴とする請求項１０の方法。
15. 上記物理化学特性は、ＱＳＡＲモデルまたはニューラルネットワークにより決定されることを特徴とする請求項１０の方法。
16. 上記少なくとも一つのパラメータの予測は、テスト物質の物理化学特性およびこれらテスト物質に対し実験的に得られたパラメータを含むデータベース（１０８）に基づくことを特徴とする請求項１０の方法。
17. 上記少なくとも一つのパラメータの予測は、物質の脂肪親和性および／または分子量から計算関数を用いて行われることを特徴とする請求項１７の方法。
18. 計算関数は、実験的に得られたパラメータ値の直線回帰に基づくことを特徴とする請求項１７の方法。
19. 昆虫の区画内の化学物質の濃度／時間プロフィールを予測するための生理学に基づいた薬物動態シミュレーションモデルであって物質に依存するパラメータを少なくとも一つ有するものを用いて、化学物質の薬物動態的振舞の計算を行うためのプログラムを記憶したデジタル記憶媒体において、
    上記計算は、
    物質に対する上記少なくとも一つのパラメータを予測するための予想モジュールに物質の物理化学特性を入力する工程と、
    上記予測された少なくとも一つのパラメータに基づいて、化学物質の濃度／時間プロフィールの予測を行うシミュレーションモデルを用いてシミュレーションを実行する工程と、
    を含むことを特徴とするデジタル記憶媒体。
20. 上記少なくとも一つのパラメータは、物質に対する区画の透過率と区画の有効表面積の積であることを特徴とする請求項１９のデジタル記憶媒体。
21. 上記少なくとも一つのパラメータは、区画間の質量輸送に対するレート係数（λ_ｘ＝Ｐ_ｘＡ_ｘ／Ｖ_ｘ）であり、昆虫の少なくとも一つの器官の容積（Ｖ_ｘ）は、時間の関数（Ｖ_ｘ＝Ｖ_ｘ（ｔ））であることを特徴とする請求項１９のデジタル記憶媒体。
22. 上記少なくとも一つのパラメータは、器官と血リンパとの間の平衡分配係数
    

    

    、クチクラの表面とクチクラとの間の平衡分配係数（Ｋ_ｃ／ｃｓ）、あるいは、内臓壁と内臓中身との間の平衡分配係数（Ｋ_{ｇｃ／ｇｗ}）であることを特徴とする請求項１９のデジタル記憶媒体。
23. 上記物理化学特性は、物質の水と燐脂質膜の間の分配係数、オクタノール／水分配係数、分子量、溶解度、および／またはこれらパラメータの組み合わせであることを特徴とする請求項１９のデジタル記憶媒体。
24. 上記プログラムとは別にあるいは該プログラムの一部として、物質の化学構造の記述子から上記物理化学特性を決定するＱＳＡＲモデルまたはニューラルネットワークをさらに備えた請求項１９のデジタル記憶媒体。
25. 上記予測モジュールは、テスト物質の物理化学特性およびこれらテスト物質に対し実験的に得られたパラメータを含むデータベース（１０８）に基づくことを特徴とする請求項１９のデジタル記憶媒体。
26. 上記予測モジュールは、物質の脂肪親和性および／または分子量からパラメータの計算を行う計算関数を含むことを特徴とする請求項１９のデジタル記憶媒体。
27. 上記計算関数は、実験的に得られたパラメータ値の直線回帰に基づくことを特徴とする請求項２６のデジタル記憶媒体。