《CPT: Pharmacometrics & Systems Pharmacology》：Assessment of Allometric Scaling Methods for the Prediction of Human Pharmacokinetic of LNA-i-miR-221
编辑推荐：
反义寡核苷酸（ASOs）是小的合成DNA或RNA分子，可用于调节基因表达，特别是阻断不需要的蛋白质的产生。这使其成为对抗癌症生长的潜在强效药物。药物开发是一个漫长的过程，包括临床前和临床研究。临床前动物研究旨在评估药物动力学和安全性，然后再进入临床试验，因为它
反义寡核苷酸（ASOs）是小的合成DNA或RNA分子，可用于调节基因表达，特别是阻断不需要的蛋白质的产生。这使其成为对抗癌症生长的潜在强效药物。药物开发是一个漫长的过程，包括临床前和临床研究。临床前动物研究旨在评估药物动力学和安全性，然后再进入临床试验，因为它可以预测“首次人体”（FIH）研究中使用的治疗剂量。这通常通过应用异速生长缩放方法来实现，该方法允许从动物中估计的参数预测人体药代动力学（PK）参数。选择适当的缩放公式可降低转化不确定性的风险，并支持FIH研究的设计。本研究的目的是比较不同异速生长缩放方法在预测反义寡核苷酸LNA-i-miR-221人体PK中的准确性，LNA-i-miR-221是microRNA miR-221的强效抑制剂，已被发现在多种恶性肿瘤中失调，促进癌症进展。为此，研究人员利用了该药物在Sprague Dawley大鼠和人类中PK数据的可用性，发现对于清除率和分布体积，最佳缩放方法均为简单异速生长法，预测值分别落在2倍和4倍误差区间内。本研究有助于在评估的单物种方法中确定最准确的缩放方法，以推断LNA-i-miR-221的人体药代动力学，可能为未来涉及反义寡核苷酸的研究提供起点。
研究背景方面，microRNA（miR）是一类小的非编码单链RNA区域，可影响基因和蛋白质表达，参与许多生物学过程和通路的调控，部分通路在癌细胞中可能被破坏。miR可与信使RNA（mRNA）的3‘非翻译区通过部分碱基配对相互作用，从而控制基因表达及 consequent 生物学过程。miR在癌症中的作用已被确立，其可作为癌基因发挥作用，因此miR作为基于RNA治疗的新型策略的潜在靶点受到关注。在miR中，miR-221因其致癌潜力和作为RNA治疗有前景的治疗靶点而被广泛研究。已证明失调的miR-221可导致 altered 生物学通路，其中一些已知在癌细胞中受损，因此失调的miR-221与癌症进展相关。为靶向miR-221治疗，研究人员深入分析了锁核酸LNA-i-miR-221，这是一种化学修饰的反义寡核苷酸，在核糖环的2’氧和4‘碳之间含有亚甲基桥，这种修饰导致对DNA和RNA的结合亲和力增强。LNA-i-miR-221已被证明在体外和体内均能有效下调miR-221并上调其经典靶标。此外，在大鼠、猴和小鼠中进行的临床前动物研究观察到良好的毒代动力学特征，无行为改变，未发现器官相关毒性。研究人员使用非房室药代动力学（PK）分析方法对小鼠、大鼠和猴静脉（IV）给予LNA-i-miR-221后的血浆浓度数据进行个体水平的初步PK表征。此外，LNA-i-miR-221的耐受性和疗效也在患者中进行了初步监测，显示与其进一步临床开发相容的数据。
然而，药物开发是一个漫长且极具挑战性的过程，包括临床前动物研究和临床研究。临床前研究需要表征药物安全性，并允许确定化合物的吸收、分布、代谢和排泄（ADME）特性，这些有助于确定首次人体（FIH）临床试验的起始剂量。尽管本分析特别关注miR-221和LNA-i-miR-221，但更广泛的转化目标是研究将ASO给药后动物物种中观察到的PK反应与人类中观察到的反应联系起来的数学关系。临床前数据可用于估计药物PK参数（即清除率和分布体积），然后可将其缩放以近似人体暴露。这通常通过异速生长缩放方法实现，即设计用于从临床前研究中估计的参数预测人体PK参数的转化算法。显然，选择应用于临床前发现的异速生长缩放方法可显著影响人体PK特征的预测，因此在设计FIH研究时应予以考虑。文献中描述了多种PK参数缩放方法，其所需临床前物种数量不同：一些算法仅使用一个物种（即单物种异速生长缩放方法），而其他算法依赖多个动物物种（也称为多物种缩放方法）。一般来说，估计异速生长缩放算法的所有参数需要两个或更多物种，而单物种异速生长缩放方法依赖从文献中检索的固定参数值。如今，由于成本限制和伦理考虑，使用多种动物并不总是可行；实际上，根据3Rs原则，临床环境中鼓励最小化动物使用。因此，能够正确地将PK参数从单一物种转化到人类将是有价值的。然而，缩放方法的性能可能取决于特定化合物，不能对所有ASO先验假设。此前有三项研究聚焦于反义寡核苷酸的缩放，测试了单物种和多物种异速生长缩放算法。尽管如此，仅测试了少数单物种算法，结果尚无定论。本研究的目的是比较一组文献衍生的异速生长缩放算法，用于预测LNA-i-miR-221的人体PK参数。尽管分析是化合物特异性的，不能直接应用于其他ASO，但可能为未来涉及反义寡核苷酸FIH研究提供起点。
研究人员开展了以下研究：数据来自一项临床前实验和一项I期临床试验（EudraCT 2017-002615-33，ClinTrials.Gov：NCT04811898），均用于评估LNA-i-miR-221的PK。第一项是剂量范围探索研究，涉及42只Sprague Dawley大鼠。大鼠接受两个给药周期，每个周期持续4天，中间间隔10天洗脱期。在第1、2、3、4、15、16、17和18天开始时静脉推注LNA-i-miR-221。每次给药后及给药周期结束后采集血样以表征药物浓度时程。第二项是I期临床研究，纳入15例组织学诊断为恶性肿瘤的患者（年龄>18岁）。患者分为五个剂量递增队列进行LNA-i-miR-221多剂量PK评估。队列1在第1-4天接受静脉输注，随后24天洗脱期，第29-32天进行第二次治疗。队列2-4在第1-4天接受LNA-i-miR-221静脉给药，随后观察24天。在输注开始前及开始后15和30分钟采集血样。输注后前2天及末次输注后第3、4、5和6天也采集稀疏样本。非线性混合效应PK模型已在别处发表，该模型在大小鼠和人体数据上均得到验证。简言之，最能描述临床前和临床数据的模型为三室模型，在大鼠中具有剂量出现延迟。从模型参数可定义总清除率CL和室间清除率BCL2和BCL3，分别代表分析物在室1和2之间以及室1和3之间的交换。值得注意的是，相同结构模型在大鼠和人体物种中被独立选择。
在异速生长缩放部分，研究人员假设研究物种之间存在解剖、生理和生化相似性，大多数PK参数随体重（W）缩放。因此，为从一个物种外推参数值到另一物种，大多数异速生长缩放方法使用W作为预测变量建立两者之间的关系。在本工作中，研究人员将不同的单物种异速生长缩放方法应用于动物清除率和分布体积，以预测LNA-i-miR-221在人体中的动力学。测试的最简单方法是简单异速生长法，基于幂律函数。理论上，两个常数应在执行缩放前基于动物估计的参数和相应体重进行估计；然而，由于仅有一个物种（Sprague Dawley大鼠）数据可用，无法同时估计两个常数。因此，研究人员估计了一个常数，而将指数固定为文献中的标准值。对于清除率和分布体积的缩放，使用了四个指数值；具体而言，缩放CL时将指数固定为0.75、0.8、0.85和1，缩放体积时将指数固定为0.8、0.9、1和1.1。根据文献，对于CL的预测，研究人员还评估了平均3个不同指数（0.85、1、1.1）获得的预测是否有益，从而获得人体参数的“平均”异速生长预测。此外，从简单异速生长方程出发，将一些经典校正因子纳入缩放方程。三个最常见的校正因子是脑重量（BrW）、最大寿命潜力（MLP）和血浆中药物未结合分数。还测试了文献中提出的用于从大鼠CL值预测人体CL的单物种异速生长缩放方法。最后，还测试了一种重量无关的缩放方法。
在缩放方法评估部分，研究人员比较上述缩放方法以确定LNA-i-miR-221的最佳单物种方法。具体而言，使用人体数据进行回顾性验证，将每个预测的PK参数与使用房室模型从人体数据估计的对应值进行比较。首先通过计算折叠误差进行评估。理想情况下，折叠误差应等于1。然而，由于物种间的生理差异无法完全解释，这在实践中很少实现。2倍误差范围内的预测通常被认为可接受。因此，识别可靠异速生长缩放方法的第一步是确定哪些方法产生落在该预定义可接受范围内的预测。未满足该标准的方法被排除在进一步分析之外。然而，本研究的目的不仅是识别可接受的异速生长缩放方法，还要确定其中最も准确的。因此，在满足2倍标准的方法中，最佳性能方法定义为产生最小预测误差的方法。此外，研究人员通过使用Wilcoxon符号秩检验测试折叠误差是否显著不同于1，评估所选方法产生的预测是否与观察到的人体值统计学一致。具体而言，将异速生长规则应用于所有个体大鼠PK参数，生成预测人体PK值的分布。每个个体人体预测值除以对应的人体群体估计值，生成折叠误差分布，反映动物间变异性。当所得折叠误差分布与1无显著差异时，认为缩放方法适当。
在真实与模拟浓度时程比较部分，为进一步评估异速生长缩放的预测能力，研究人员使用方程（1）的模型，应用缩放的人体PK参数（通过所选最佳缩放方法获得）和FIH临床试验中使用的剂量，模拟LNA-i-miR-221在人体中的预期浓度时程。具体而言，对于剂量递增人体队列中测试的五个给药方案中的每一个，模拟药物浓度曲线。然后，将其与相应队列中FIH临床试验期间测量的中位血浆浓度进行比较。具体而言，将估计的每日浓度峰值、半衰期和AUC与从平均浓度曲线导出的真实对应值进行比较。AUC在模拟数据中使用标准梯形规则计算。相反，为适当考虑真实数据中的稀疏采样网格，在上升阶段使用线性梯形近似，在下降阶段应用对数梯形近似。比较通过评估估计误差进行，定义为预测（模拟）值与真实（观察）值之间计算的百分比误差。
在大鼠与猴基于异速生长缩放获得的缩放参数比较部分，在先前研究中，使用非房室分析（NCA）表征了LNA-i-miR-221在小鼠、大鼠和猴静脉给药后的PK。由于非人灵长类在生理和解剖上比啮齿类更接近人类，研究人员比较了基于猴数据的人体PK预测与基于大鼠数据的预测的性能。文献中报道了类似比较，其中人体PK参数从NCA衍生的估计值预测，因为房室PK模型不可用。该研究主要关注清除率，而本分析将比较扩展到分布体积和终末半衰期。由于猴参数通过NCA导出，而主要的大鼠至人体分析使用群体PK估计，该比较反映了物种选择和PK分析方法差异，因此应谨慎解释。用于后续分析的猴PK参数见文献表1。
研究结果方面，在异速生长缩放方法评估中，大鼠缩放结果连同用于缩放的指数值和计算的折叠误差一起报告。折叠误差分析显示，预测CL值的最佳缩放方法为简单异速生长法，固定指数为0.85（折叠误差=1.05±0.30，p=0.28）。另一方面，预测分布体积更为困难；实际上，仅第二室的分布体积V2使用指数为0.8的简单异速生长法正确估计（折叠误差=1.06±0.28，p=0.09）；指数为0.8的简单异速生长法对V3的预测与1显著不同但仍落在2倍误差内；对于V1和Vtot，所测试的算法均未产生完全可靠的预测，至少在折叠误差方面如此。
在真实与模拟浓度时程比较中，研究人员比较了模型预测的LNA-i-miR-221浓度与FIH临床试验队列1-5中五种不同给药方案下人体测量的中位血浆浓度。峰值在队列1（估计误差：-2%±6%）、队列4（估计误差：7%±9%）和队列5（估计误差：-7%±11%）中被准确预测，而在队列2和队列3中分别被高估43%±18%和45%±28%。这种回顾性分析的结果表明，依赖研究人员结果的FIH研究可能发生初始药物剂量低估，但不应解释为证明基于该缩放方法的起始剂量安全性。半衰期平均被低估21分钟。还值得注意的是，由于观察曲线在相关阶段周围以长达30分钟的间隔采样，比较的时间分辨率有限。最后，比较了五个队列的AUC。平均估计误差为-2%±20%，最小差异在队列1（2%），最大差异在队列5（-35%），分别对应最低和最高给药方案。
在大鼠与猴基于异速生长缩放获得的缩放参数比较中，将先前用于大鼠的相同异速生长缩放方法应用于猴PK参数的结果已报告。注意报告值来自单一猴数据集的点估计；因此折叠误差也报告为点估计。由于猴分析基于NCA，仅能缩放总分布体积而非各室体积。总体而言，猴基于缩放表现良好：最佳折叠误差为清除率0.90和总分布体积1.01。最佳大鼠基于方法对清除率产生更接近1的折叠误差，但差异不大，而猴基于预测对总分布体积更准确。这些发现不能确定本质上优越的缩放物种，因为大鼠估计使用群体PK分析而猴估计使用NCA。
讨论部分总结：药物开发过程漫长而复杂，需要解决科学和监管挑战的结合。临床前研究是新药商业化的第一步，用于评估人体首次（FIH）研究的安全起始剂量。FIH剂量确定考虑多种因素，包括无不良效应水平（NOAEL）和药物PK。这些元素的结合有助于确保起始剂量低于预期毒性水平。来自临床前模型的PK参数常用于推断人体PK特征，进而用于准确预测最佳初始剂量。因此，能够从临床前数据正确推断人体对药物的反应对于临床试验早期阶段的设计至关重要。近年来，基于RNA的治疗变得相关，因为发现miR可作为癌基因，通过抑制肿瘤抑制基因促进肿瘤发展。反义寡核苷酸作为癌症促进miR的潜在抑制剂已被深入研究。一个特别相关的组合是miR-221（在多种恶性肿瘤中被发现过表达）及其抑制剂LNA-i-miR-221（上调miR-221靶标诱导抗肿瘤活性）。在本工作中，从大鼠LNA-i-miR-221数据开发的非线性混合效应模型估计的PK参数出发，研究人员应用了几种单物种异速生长缩放算法来推断人体PK参数，从而预测由此产生的药物动力学，以清除率和分布体积表示。另一个常用于描述药物动力学的PK参数是终末半衰期。然而，由于难以在药物衰减参数和临床相关协变量（如体重）之间建立稳健关系，加上文献中验证的缩放方法有限，研究人员选择不将该参数纳入分析。将算法应用于清除率和分布体积后，研究人员将缩放参数与使用I期临床数据开发的NLME模型估计的人体对应值进行比较。该回顾性分析评估了所评估算法对LNA-i-miR-221的特定性能。其结果可能为其他寡核苷酸的未来研究设计提供信息，但跨不同序列、长度和化学性质的直接可转移性仍有待确定。进行异速生长缩放时的一个主要限制是，在缺乏多物种数据的情况下，无法估计应用某些异速生长缩放算法所需的所有参数，一些参数必须固定为文献检索值，这可能产生不可靠的估计。此处仅有大鼠数据可用，因此只能应用和评估单物种异速生长缩放方法。在这方面，此前三项研究聚焦于寡核苷酸的异速生长缩放，也提出了单物种异速生长缩放情况下的不同方法。在本研究中，这些方法与常用于清除率和分布体积缩放的其他方法一起测试，并与FIH I期临床研究中人体估计的参数进行比较。清除率缩放获得了有希望的结果，而分布体积的预测并不总是完全可靠。由于描述LNA-i-miR-221人体动力学的模型与在大鼠中使用的模型结构相同，缩放应用于各室体积和总分布体积。在这些变量中，仅V2使用固定指数为0.8的简单异速生长法成功从大鼠缩放至人体，证实了先前研究的发现。使用简单异速生长法和指数0.8获得的其余体积预测落在4倍误差区间内。尽管异速生长缩放通常仅用于近似人体PK，但更宽的区间使缩放不足以安全地调整FIH临床试验的初始药物剂量，仅可用于探索性目的。具体而言，在选择FIH试验起始剂量时必须承认该方法的不确定性，预测应谨慎解释。特别是，选择略低的起始剂量可提供所需的安全边际。为更好地研究这种差异对模型预测的影响，研究人员使用通过异速生长缩放获得的人体参数模拟人体中预期分析物浓度曲线。由于FIH临床试验包括5个剂量递增队列，研究人员模拟了5种不同浓度曲线，每种对应一个测试剂量，并将其与各自队列中FIH临床试验期间观察到的LNA-i-miR-221中位浓度进行比较。然而，这些发现应谨慎解释，因为人体验证数据集仅包括15例患者（每个剂量递增队列3例），每个队列内如此少的受试者数量限制了个体间变异性的评估。研究人员还比较了LNA-i-miR-221的测量和模拟峰值浓度。峰值在五个队列中的三个中被良好预测，而在另外两个中被高估。然而，尽管峰值平均被高估28%，但在最高剂量时误差较小（8%），表明峰值浓度预测在高剂量时变得更准确。相反，AUC的差异随剂量增加而增加，因为模型未能完全再现LNA-i-miR-221在血浆中的延长持久性。这表明PK参数可能具有剂量依赖性，但剂量线性/非线性无法从现有数据中确定性地建立。大鼠中进行的NCA在测试剂量范围（5至125 mg/kg）内似乎表现出非线性PK行为。然而，作者提出这种现象部分由生物分析 assay 的有限敏感性引起，导致AUC估计不佳，尤其是在低剂量时。这一假设进一步得到支持：在开发人体群体模型时，NCA显示AUC随给药剂量呈非线性增加，但最能描述LNA-i-miR-221数据的模型是剂量比例的，剂量通过给药量影响PK参数，而不是通过作用于清除率或分布体积（其保持剂量无关）。因此，不能完全排除对清除率和分布参数的细微剂量效应。此外，动物在各剂量组之间的不平衡分布和临床前数据的不一致性可能限制了识别剂量依赖性PK的统计功效。此外，在一个物种中观察到的任何非线性过程可能不会直接转化到另一物种。药物在血浆中的延长持久性可能导致意外的累积不良效应，而无法在临床前物种中检测到这种非线性进一步支持了以较低剂量开始临床试验以避免遭遇不可预测不良效应的策略。因此，本缩放结果应被视为适用于所研究的总体剂量范围，而非作为每个个体剂量的验证预测。阐明剂量线性及其跨物种转化需要额外数据和专门研究。进一步分析比较了来自啮齿类数据的人体PK预测与使用非人灵长类作为缩放物种获得的预测的性能。结果表明，Sprague Dawley大鼠更精确地预测清除率（CL），而非人灵长类数据更好地捕获总分布体积（Vtot）。然而，必须强调猴研究没有可用的房室模型，待缩放参数来自NCA。因此，与啮齿类不同，无法估计与三室模型相关的单个体积项。总体而言，猴基于缩放也表现良好，最佳折叠误差为清除率0.90和总分布体积1.01。大鼠基于预测对清除率仅略微更准确，而猴基于预测对总分布体积更准确。由于大鼠参数来自群体模型而猴参数来自单一动物的NCA，观察到的差异不能仅归因于物种。需要将结构模型拟合到猴数据以进行方法学对齐的比较。
结论部分翻译：在本工作中，从大鼠数据开发的三室模型估计的LNA-i-miR-221 PK参数出发，研究人员测试了几种异速生长缩放算法以预测人体PK。预测的参数估计值与人体观察到的对应值进行比较，通过评估折叠误差。结果表明，在该数据集中，单物种异速生长缩放回顾性预测LNA-i-miR-221从大鼠数据的人体清除率具有良好的准确性。分布体积的预测不太准确并带有显著不确定性。因此，研究结果支持所评估的方法用于该分析物的回顾性表征，但如果用于选择FIH起始剂量则需要谨慎。最后，研究人员表明，异速生长缩放的PK参数可以再现LNA-i-miR-221在所研究剂量范围内观察到的现人体浓度-时间曲线的选定特征。应用于其他寡核苷酸将需要进一步研究。
