针对多种口服脂质基制剂的高通量体外脂质水解 - 渗透筛选与体内药物暴露的比较

《Journal of Pharmaceutical Sciences》：High-throughput in vitro lipolysis-permeation screening compared to in vivo drug exposure for a wide range of oral lipid-based formulations

　　

• 最近开发的一种基于96孔PermeaPad微孔三明治板的高通量脂解-渗透筛选方法，已被应用于广泛的脂质基制剂（I型至IV型系统），以桂利嗪作为模型药物，并研究了该方法正确估计来自近期大鼠口服药代动力学研究体内数据的能力。• 采用统计建模方法确定了所选制剂参数（过饱和度、脂肪酶抑制、脂质链长和沉淀抑制）对体外通量的影响，并将体外结果与体内药物吸收数据进行了关联。• 制剂参数的影响被正确估计（18项中有10项）。对于亲脂性I–IIIb型LBFs，过饱和状态下药物暴露量的增加被正确估计，向I型LBFs中添加沉淀抑制剂的影响也被正确估计。脂质链长的影响在体外模型中被正确排序。脂肪酶抑制的体内影响取决于脂质制剂类型，对于I型和IV型LBFs，体外和体内观察结果之间具有合理的一致性。• 总体而言，该方法对于高通量筛选各种影响参数具有前景，有望合理指导药物开发并减少动物实验的数量。引言脂质基制剂（LBFs）由油、表面活性剂和共溶剂组成，是一种有前景的赋能制剂方法，能够提高难溶性、亲脂性药物的口服生物利用度。脂质制剂分类系统将LBFs分为五类：I、II、IIIa、IIIb和IV。I型LBFs由油组成，II型LBFs还含有亲脂性表面活性剂，IIIa型LBFs基于亲水性表面活性剂；IIIb型LBFs的脂质含量进一步降低，而IV型LBFs仅含有表面活性剂和共溶剂。[1,2] 在大多数LBFs中，药物溶解于制剂中，过饱和LBFs可用于增加剂量。[3] 过饱和LBFs固有的挑战在于沉淀的可能性，既包括给药后也包括货架储存期间，这可通过添加沉淀抑制剂来延缓。[4] Holm及其同事最近综述了向LBFs中添加沉淀抑制剂以防止给药后原位沉淀的情况，但关于添加沉淀抑制剂对货架稳定性的影响仍存在空白。LBFs的组分在胃肠道中预期会发生脂解，其产物与胆汁成分（胆汁盐、磷脂和胆固醇）一起提供额外的增溶能力。因此，消化过程对胶束增溶的影响可能因LBFs的类型而异。然而，增强胶束增溶是否总是转化为改善的口服生物利用度仍存在争议。仅举几个例子：在双相溶出试验中，胆汁盐胶束引起的从水相到有机相的增强转移被认为预示口服吸收增强，并由"颗粒漂移"来解释。[5] 奥美沙坦从Soluplus胶束溶液经离体大鼠肠回肠的增强通量被归因于渗透增强，但没有机制证明。[6] 胆汁胶束被证明能诱导桂利嗪从脂质制剂中的增强吸收，但总体胶束增溶却降低了。[7] 作者假设观察到的胶束增溶降低导致更高的游离药物浓度，但没有直接的实验证明。难溶性ABT-102从非晶固体分散体释放后跨Caco-2屏障的渗透不受胶束增溶影响：胆汁盐胶束（空腹肠液与缓冲液对比；[8]）以及制剂中的表面活性剂（低于与高于CMC对比；[9]），同时建立了通量与游离（分子溶解态）药物浓度之间相关性的实验证据。在一项最近的研究中，在体外释放实验过程中确定了一系列基于十二烷基硫酸钠的口服阿来替尼制剂的游离和总体（游离+胶束）药物浓度时，用于PBPK建模的游离药物浓度与人体血浆AUC拟合良好，表明在此情况下非胶束态药物驱动吸收。[10] 由于缺乏系统的体内研究，很难得出关于此类相关性的普遍结论。这一缺陷最近通过一项在Sprague-Dawley大鼠中的系统体内研究得以弥补，该研究包含负载桂利嗪的I型、II型、IIIa型、IIIb型和IV型LBFs。[11],[12],[13],[14],[15] 在这些研究中，为考虑脂肪酶抑制的影响，预先给予脂肪酶抑制剂奥利司他，给予非过饱和和不同药物负载量的过饱和制剂（取决于药物在溶剂中的溶解度），并给予含和不含有Soluplus作为沉淀抑制剂的制剂。为研究脂质链长的影响，分别使用基于中链或长链的制剂，但IIIb型和IV型LBFs除外，因为制剂开发过程中存在不相容问题。根据制剂和过饱和度的不同，桂利嗪剂量范围为18.7至66.8 mg/kg，每个参数组合研究六只动物。总体而言，通过这些研究可以证明，随着桂利嗪负载制剂亲水性的增加，消化的作用变得不那么显著。研究还表明，给予过饱和LBFs导致的药物暴露量高于相应的非过饱和LBFs，且添加Soluplus对任何制剂的药物吸收均无显著影响。脂质链长（中链或长链脂肪酸）对I–IIIa型LBFs药物吸收对脂质消化的依赖性有影响。研究表明，由长链脂质组成的制剂比基于中链脂质的制剂更依赖消化。[11],[12],[13]为了寻找合适的体外工具以避免在制剂性能排序期间进行动物测试，广泛建立的pH-stat脂解模型已被应用于测试上述I型LBFs，其中通过向脂解缓冲液（含有钙、胆汁盐和磷脂的生物模拟介质）中添加脂肪酶来模拟消化过程。参数过饱和度、脂肪酶抑制、脂质链长和沉淀抑制使用pH-stat方法在体外进行了测试。[16] 不幸的是，在上述工作中，仅对I型中链制剂观察到与体内药代动力学数据的良好相关性。pH-stat脂解模型的实用性已知取决于制剂和药物性质。[17]为改善pH-stat模型的体内相关性，已经提出并调查了各种建议。一种方法是纳入胃消化步骤，这对整体脂解有显著影响。[18,19] 虽然这一调整旨在更好地捕捉胃肠道腔内药物浓度，但另一种有前景的方法可能是纳入渗透步骤以解决易渗透的游离药物部分。多种类型的屏障已被用于此类联合脂解-渗透方法。最早将脂解和渗透结合的研究之一，[20] 使用了Permeapad屏障，该屏障被证明是一种稳健的人工生物模拟屏障，可以在脂解过程中使用数小时而不损害屏障功能。[20] 然而，Caco-2细胞也已被用于短时间的基于脂解的实验，以及PVDF滤膜上的卵磷脂有机溶液（PAMPA）。[21,22] PVPA（磷脂囊泡渗透测定）屏障若有人工黏液保护，则可耐受消化介质稍长一些，而透析膜作为非生物模拟屏障则是一种更稳健的选择。[23,24]文献中大多数脂解/渗透研究都集中在IIIa型LBFs上，这使得很难判断这些方法对各种脂质基制剂的普遍适用性。在这些研究中，报道了脂质链长或过饱和度程度对渗透的影响。[21,25,26] 此外，这些设置几乎不适用于高通量筛选。这很可能也是仅测试了有限数量制剂的原因。Falavigna及其同事研究了使用人工黏液的改进PVPA屏障，以评估负载非诺贝特的IIIa型LBFs的IVIVR（体外-体内相关性），该研究有可用的大鼠药代动力学数据，并发现了良好的相关性（R2 > 0.9），这与pH-stat脂解数据形成对比。[27] 该设置也经过修改以增加通量，通过使用强缓冲脂解介质来避免实验过程中滴定的需求。体外模型能够捕捉到体内观察到的过饱和度影响（有和没有脂解的情况）。[28] 然而，PVPA方法仍不能被认为是高通量的，因为每板的样品数量有限，且屏障不易获得，需要预先制备，这既繁琐又耗时。最近，Paulus等人[29] 成功开发了一种基于96孔三明治板和高生物模拟屏障（PermeaPad）的高通量脂解-渗透检测方法，该屏障最初用于药物渗透筛选，[30,31] 最近已广泛用于各种赋能制剂的联合溶解/渗透。[32],[33],[34] 在Paulus的研究中，观察到长链基I型LBFs的IVIVR，与体内AUC相比给出了正确的排序。[29] 特别是过饱和系统被正确排序，这对于增加体内药物暴露具有前景。结论认为，在所研究的有限制剂比例中，与pH-stat模型获得的结果相比，IVIVR有所改善。因此，本工作的目的是将最近引入的高通量、联合脂解-渗透方法应用于筛选整个LFCS范围内的LBFs（I型–IV型），这些制剂具有可用的体内参考PK数据，在各种条件下进行测试。目的是评估该方法的体内相关性。通过这样做，也考虑了3Rs原则——替代、减少和优化——作为促进更具伦理性和可持续性研究的框架。材料Labrafac Lipophile WL 1349（中链甘油三酯（MCT））、Transcutol HP和Maisine CC（长链混合甘油酯（LCM））由Gattefossé（法国里昂）提供。Soluplus由BASF（德国路德维希港）提供。Imwitor 742（中链混合甘油酯（MCM））由OIO Oleo（德国汉堡）提供。桂利嗪和氟桂利嗪（渗透样品分析的内部标准品）来自Janssen Pharmaceutica NV（比利时比尔瑟尔）。芝麻油（长链…体外通量的建模图1、图2、图3、图4和图5分别展示了I型、II型、IIIa型、IIIb型和IV型制剂的体外通量估计（黑色线条的斜率），基于稳健模型，拟合值与观测值、R2以及拟合线随时间的95%置信区间。根据稳健模型，每个LBF类型每种制剂参数组合的归一化累积量随时间的变化进行了可视化。此外，还有一个总结表格。结论在本工作中，将高通量脂解-渗透筛选方法应用于广泛的脂质基制剂（I型至IV型系统），以桂利嗪作为模型药物，并研究了其正确估计来自近期大鼠口服药代动力学研究体内数据的能力。大多数潜在影响参数（包括制剂参数）被正确估计（18项中有10项，其中4项为趋势（体外和体内效果相似，但…利益声明Annette Bauer-Brandl是PermeaPad?的发明人，其专利归南丹麦大学所有。其他作者报告无利益冲突。数据可用性准备手稿时使用的研究数据可根据作者要求提供。利益冲突声明作者声明以下财务利益/个人关系，可被视为潜在的利益冲突：Annette Bauer-Brandl是PermeaPad?的发明人，其专利归南丹麦大学所有。其他作者报告无利益冲突。致谢本项目获得欧盟地平线2020研究和创新计划Marie Sklodoska-Curie资助协议No. 955756的资助。我们感谢SDU的Tina Christiansen在研究期间提供的技术支持。Felix Paulus | René Holm | Yimer Wasihun Kifle | Laure Cougnaud | Nicolas Sauwen | Tatsiana Khamiakova | Jef Stappaerts | Martin Brandl | Annette Bauer-Brandl