《European Journal of Pharmaceutical Sciences》:Translational Evaluation of
In Vitro-to-
In Vivo Extrapolation Techniques for Brain Penetration Using Open Flow Microperfusion and Microdialysis in Rats
编辑推荐:
:
中枢神经系统(CNS)药物开发日益需要借助数学模型与体外-体内外推(IVIVE)转化策略。本研究以脑内未结合药物分配系数(Kp,uu)作为脑穿透的基准指标,在大鼠中评估了脑部开放流微灌注(cOFM)与微透析(MD)的组合应用。此外,研究人员利用六种对P-糖
:
中枢神经系统(CNS)药物开发日益需要借助数学模型与体外-体内外推(IVIVE)转化策略。本研究以脑内未结合药物分配系数(Kp,uu)作为脑穿透的基准指标,在大鼠中评估了脑部开放流微灌注(cOFM)与微透析(MD)的组合应用。此外,研究人员利用六种对P-糖蛋白(P-gp)转运体具有不同亲和力的药物,在大鼠中构建了一个六室CNS生理药代动力学(PBPK)模型,用于学习并验证体内研究结果。来源于两种P-gp过表达细胞系(MDCK-I和LLC-PK1)的主动与被动药物外排及通透性参数,采用蛋白质组学信息方法进行缩放。模型预测结果与大鼠cOFM和MD实验获得的终末脑-血浆分配系数数据进行了评估。在校正cOFM和MD设备中的药物损失时,相对回收率(RR)显示cOFM实验的回收率显著高于MD实验;对于苯妥英、奎尼丁和维拉帕米,cOFM/MD的回收率分别为0.53/0.063、0.73/0.46和0.16/0.04。值得注意的是,从MDCK-I转染细胞实验中获得的较高P-gp外排导致模拟的脑室药物浓度较低。总体而言,CNS-IVIVE-PBPK模型倾向于高估脑内药物浓度,尤其是使用转染LLC-PK1细胞获得的数据时。然而,模型预测与终末研究中全脑浓度的观测数据之间具有较好的一致性。研究还证明了整合细胞系来源的被动和主动药物参数来估算脑内浓度的IVIVE框架的可行性。
论文解读:
一、研究背景与问题提出
中枢神经系统(CNS)药物开发面临高风险,许多候选药物因无法在患者中证明明确疗效而失败。即使在体外和临床前研究中成功识别治疗靶点并证明有效性,早期和晚期临床试验中的高调失败仍屡见不鲜。深入理解CNS的复杂性以及调控药物处置机制的相互作用,将有助于更准确地将体外系统转化为临床前物种乃至人类,从而提升CNS药物开发的整体效率。
CNS内的药物处置是一个高度复杂的过程,主要归因于血脑屏障(BBB)的保护作用,该屏障阻断了超过98%的小分子和几乎所有大分子治疗药物进入脑组织,对脑部疾病治疗构成重大挑战。BBB主要由通过紧密连接相连的内皮细胞组成,富含多种转运体和代谢酶。其中,P-糖蛋白(P-gp)和乳腺癌耐药蛋白(BCRP)等外排转运体在保护脑组织、主动限制药物进入CNS方面发挥关键的生理作用。
目前已采用多种方法量化BBB通透性,各具优势与局限。体外方法常利用Caco-2、MDCK和LLC-PK1等上皮细胞单层系统来估算BBB通透性并研究转运体动力学。然而,不同细胞系间转运蛋白表达存在显著差异,需要使用适当的缩放因子以实现体外发现向体内条件的可靠转化。体内方法包括正电子发射断层扫描(PET)等影像技术,以及过去15年间在动物模型中日益成熟的微透析(MD)技术。MD以未结合脑-未结合血浆浓度比(Kp,uu)作为BBB转运效率的关键指标,但存在潜在BBB破坏、组织损伤以及亲脂性药物回收率低等挑战。作为无膜替代方案,脑部开放流微灌注(cOFM)技术已被开发,其吸附相关问题较少,对BBB完整性的破坏较小,是更可靠评估脑内药物分布的潜在工具。
尽管已有研究将CNS生理知识与体外数据整合至PBPK模型并进行体外-体内外推(IVIVE),但此类IVIVE策略在预测CNS暴露方面的应用仍十分有限,多数基于不同实验方案、数学分析方法和假设条件下测得的文献输入参数。建模成功也受限于CNS生理学的复杂性以及准确捕捉脑室内药物处置的挑战。
二、研究内容与意义
本研究旨在:(i)评估三种药物在大鼠中同步进行的cOFM/MD研究的CNS药物处置数据;(ii)评估六室CNS-IVIVE-PBPK模型及其预测六种不同特征药物在大鼠体内CNS处置的能力。据研究人员所知,这是首次在统一方案下,将转运体动力学实验获得的体外被动和主动药物清除参数与相应的系统特异性缩放因子整合至该CNS模型中,也是首次将该模型与终末Kp,uu及cOFM/MD联合研究的观测数据进行比较评估。
三、关键技术方法
研究人员选取六种药物——多奈哌齐、洛哌丁胺、苯妥英、奎尼丁、利培酮和维拉帕米,这些药物对BBB中P-gp转运体具有不同亲和力。核心方法包括:利用MDCK I和LLC-PK1来源的模拟和转染细胞系(表达大鼠Mdr1a cDNA)进行体外转运体动力学研究,采用统一的机理建模数据分析方案确保六种药物PBPK模型输入数据的被动通透性(PSb)和主动外排清除率(CLb,out)的一致性;通过蛋白质组学分析量化细胞系和大鼠脑微血管中的Mdr1(P-gp)转运体丰度,生成细胞系特异性缩放因子,将体外被动和主动参数转化为体内值用于CNS-IVIVE-PBPK模型;在大鼠中进行cOFM和MD同步实验,通过相对回收率(RR)校正设备中的药物损失。
四、研究结果
4.1 药物选择与特性: 六种药物涵盖弱酸和弱碱,分子量在252.3至477.0 g/mol之间,血浆蛋白结合率从73.5%至92.3%不等。文献报道的Kp,uu值(脑和脑脊液)显示这些药物对P-gp的亲和力差异显著,其中洛哌丁胺的脑Kp,uu最低(0.0089),苯妥英最高(0.45)。
4.2 体外参数的体内外推: 通过蛋白质组学信息方法,研究人员将两种P-gp过表达细胞系(MDCK-I和LLC-PK1)中获得的被动和主动外排参数缩放至体内值。缩放公式基于体外被动清除率、大鼠BBB表面积、Transwell膜表面积以及P-gp转运体丰度比等参数。
4.3 cOFM与MD回收率比较: 在校正药物损失后,cOFM的相对回收率显著高于MD。对于苯妥英、奎尼丁和维拉帕米,cOFM/MD的回收率分别为0.53/0.063、0.73/0.46和0.16/0.04,表明cOFM在亲脂性药物回收方面具有明显优势。
4.4 模型预测与观测数据比较: 从MDCK-I转染细胞实验获得的较高P-gp外排导致模拟的脑室药物浓度较低。CNS-IVIVE-PBPK模型倾向于高估脑内药物浓度,尤其是使用LLC-PK1转染细胞数据时。然而,模型预测与终末研究中全脑浓度的观测数据具有较好的一致性。
五、讨论与结论
研究人员证明了整合细胞系来源的被动和主动药物参数来估算脑内浓度的IVIVE框架的可行性。cOFM技术相比MD在药物回收率方面具有显著优势,为更可靠的脑内药物分布评估提供了有力工具。尽管模型对脑内药物浓度存在一定高估倾向,尤其是基于LLC-PK1细胞数据时,但模型预测与全脑浓度观测数据的一致性表明该IVIVE-PBPK框架在预测CNS药物暴露方面具有潜在应用价值。这是首次将该CNS模型与统一的体外参数生成方案及cOFM/MD联合体内数据进行整合评估,为CNS药物开发中的转化研究提供了新的方法论基础。