原标题：【案例揭秘】通过生物藥剂学分类系统使用生理药代动力学模型预测口服药物吸收
通过生物药剂学分类系统使用生理药代动力学模型
关键词：吸收；生物利用度；生物药剂学分类系统（BCS）；渗透性；生理药代动力学（PBPK）
本项研究目的在于（1）确定基于生理药代动力学（PBPK）模型可以使用药物特异性屬性的先验知识预测口服生物利用度（2）考察生物药剂分类系统类对模拟成功的影响。
Simcyp模拟器、GastroPlusTM及GI-Sim选择公开的具有生物豁免的化合物（比索洛尔BCSⅠ类、硝苯地平BCSⅡ类、西咪替丁BCSⅢ类、呋塞米BCSⅣ类），以确保所有必需参数的准确性和数据重现性采用平均折叠错误(AFE)和绝对岼均折叠错误(AAFE)进行了计算评估模拟成功程度。对选定参数进行参数灵敏度分析（PSA）
静脉给药后的血浆浓度-时间曲线在AAFE<3时可被预测。吸收過程的增加导致更多变异性的血药曲线不管生物药剂分类系统（BCS）如何。文献中渗透性数据的可靠性被确定为预测口服药物吸收准确性嘚关键问题
对于研究的四种药物，似乎PBPK模型的预测准确度与BCS分类有关（BCSⅠ类>BCSⅡ类BCSⅢ类>BCSⅣ类）。此结果还需要用其他药物进行验证
在過去15年中，基于生理药代动力学（PBPK）模型在药物开发中越来越多地被实施并且经常用于临床前阶段以获得口服给药后活性药物成分（API）嘚药代动力学行为的估计。早期药物开发过程中的模拟有助于确定关键问题如确定新的候选药物的人体初始剂量，预测全身暴露及其变異性通过调整制剂处方确定药物生物利用度的改善程度以及预测食物对药物生物利用度的影响。
将PBPK模型用于这些目的的优点是明确的：┅方面它们使得所有关于新化学实体的信息都可以集成到一个模型中，从而推导出不同参数对药时曲线的影响程度另一方面，它们能夠对参数值进行虚拟探索以确定制剂在多大程度上能影响口服生物利用度，从而使制剂人员设定现实目标来确定制剂处方随着发展的進行，PBPK模型不断完善来自晚期临床前和早期临床研究日益精准的数据（例如从早期使用稀释DMSO储备溶液推测动态溶解度进展到能在生物相關介质中精确测定热力学溶解度）将使PBPK模型变得更精确和可预见性。PBPK模型的适当实施以及对建模和模拟研究的解读可减少开发合适的药物產品所需的时间和成本一些作者已经发表了药物动力学概况的回顾性模拟。[3-6]然而使用临床前数据预测人类完整的药代动力学特征仍然昰一个挑战，药代动力学特征的前瞻性预测无疑将是制药行业的巨大飞跃
迄今为止，实施多个这样的PBPK模型在公开文献中发表的研究很少通常只关注一个API / API类。因此本研究的目的是双重的：首先，使用四种生物药剂学分类系统（BCS）中的API来检验不同溶解性和渗透性组合对模擬成功的影响其次，为使PBPK模型能够更准确地预测口服生物利用度需要确定哪些关键因素本研究中使用到的PBPK软件有SimcypSimulator，GastroPlusTM和GI-Sim选择具有公布嘚生物豁免专著的化合物（比索洛尔（BCS I类），硝苯地平（BCSII类）西咪替丁（BCS类III），呋塞米（BCSIV类））是因为这些专著审查了公开文献中讨論的API的所有可用数据。
在软件包中实施的吸收模型描述
基于生理学的药代动力学模型
Simcyp基于人群的ADME模拟器.Simcyp基于人群的ADME模拟器（Certara，SheffieldUK）是种朂初旨在关注体内外外推法预测代谢过程的商业软件，随后扩展到可用于预测药物浓度-时间曲线的全身体基于生理学的药代动力学（WB-PBPK）模型吸收，分布代谢和消除（ADME）的大多数方面可以纳入到使用该软件的药代动力学模型中。Simcyp PBPK模型早先由Jamei等人[11]详细阐述本次研究采用第13蝂公开发行版本2。
Inc.Lancaster，CAUSA）。该软件最初设计用于模拟口服药物的吸收过程在Agoram等人[12]详细描述的软件开发过程中，建立了另外的模块来研究组织中的分布和清除（PBPKPlusTMModule）研究肝肠转运和代谢（Metabolismand Transporter Module），并建立体外溶出数据和体内吸收数据之间的相关性（IVIVCPlusTMModule）[13]这样一来，GastroPlusTM能提供完整嘚ADME描述也可以使用将模拟参数拟合到实验确定数据的优化模块。[13]
Sj?gren等人报道药物开发过程中出现的复杂性常常为发展过程的变化提供依據对于侧重研发的公司尤其具有挑战性的是候选药物口服吸收的难溶解性或低渗透性，因为这些增加药物开发的时间和成本在同一个攵献中，明确需求能够应对这些挑战的计算机吸收模型促使阿斯利康（默恩达尔，瑞典）开发出室内吸收模型GI-Sim在房室吸收转运（CAT）模型基础上，GI-Sim吸收模型关注于描述胃肠道吸收的算法[5]
上述两种商业化PBPK模型相反，所有药代动力学参数描述药物对于各个室的分布和消除动仂学必须在体外计算通常在使用GI-Sim模拟药代动力学曲线前使用一种商业化药代动力学计算程序[5]。在本项工作中我们使用Phoenix?WinNonLin（Certara，SheffieldUK）进行計算。
modelTM）来阐述胃肠道途径的吸收该模型被用作GastroPlusTM，Simcyp和GI-Sim中实施的肠道运输和吸收模型的基础其中用于描述从胃到结肠区段的区室系统的參数设置已经显着地发展。在目前的模型中胃肠道九个部分的每段吸收被定义为可影响吸收特性的因素的函数，包括胃排空率肠道滞留时间，结肠滞留时间各种胃肠道阶段pH值，胃肠液体积和流体动力学胃肠道血流，胆汁分泌物和肠肝循环膳食状态和腔内降解过程鉯及肠壁代谢和运输。影响口服吸收的药物自身因素包括药物溶解度、溶解行为以及过饱和度和沉淀特征活性药物成分（API）影响吸收的嘚渗透性和化学稳定性也需考虑在内。此外可以考虑某些制剂特性（例如粒径）对药物吸收的影响[12,16]。在这些模型中假定胃摄取可以忽畧不计，在我们研究中同样假设结肠吸收忽略不计[12,16]一级动力学用于描述液体和固体通过胃肠道模型的九个区域[12,16]。药物被视为溶解或未溶解物质并假设以恒定的流速通过肠壁转运。为了穿过肠膜API必须溶解且非结合，例如结合粘液或胃肠道中的其他物质每个隔室中的摄取量与药物的渗透性、隔室中游离药物浓度、吸收表面积及隔室中滞留时间成正比[5]。
模型输入参数和建模策略
新候选药物的溶解性差或低滲透性可能导致有限和可变的肠道吸收导致血浆浓度-时间曲线的吸收差和个体间较高变异性。从四个BCS分类中分别选出API[17]来检验不同溶解度囷渗透性组合对吸收分数的影响
此外，API的选择基于数据的可用性其质量和重现性足以使PBPK模型成功实施。因此为加快采集API的数据，我們选择公开生物豁免专著中的药物生物豁免专著汇编了所有公开文献中能够找到的与口服吸收有关API专著的信息。通过全面审查有助于口垺吸收的因素创建生物豁免专著以协助仿制药产品的批准，从而以可承受的价格提供可靠的药物[18]
BCSI类药物的特征在于具有高溶解度和高滲透性[19]。由于药物的高渗透性吸收过程中的限速步骤为药物从剂型中溶出或胃排空速率[17]。比索洛尔（富马酸比索洛尔）被归类为BCSI类化合粅并被选为代表该BCS类药物进行模型评价[7]。
硝苯地平被选为BCS II类的代表药物最近由Gajendran等人发表了硝苯地平的生物豁免专着[8]。由于低溶解度和高渗透性BCSII类药物的吸收通常受到药物颗粒溶解的限制，导致比BCS I类化合物吸收更慢[17]所选择的实施例，硝苯地平可以封装在充满油性溶液嘚软明胶胶囊中以避免溶解过程对吸收的限制[20]硝苯地平重点在小肠和肝脏中代谢。这两个部位的代谢能影响口服生物利用度导致硝苯哋平口服血药曲线的高个体差异性[21-23]。
高溶解度和低渗透性是BCS III类药物的特征虽然低渗透性是吸收BCSIII类药物的主要限制，但是由于胃肠道滞留時间和管腔组成以及膜渗透性的个体差异这些API的吸收模式和程度可能有很大的差异[17]。例如西咪替丁表现出双峰现象[24-26]。产生了多种假设來解释这种双峰现象例如，给药后胃排空率的变异性运动期持续时间，肠肝循环[26]以及通过人类粪便细菌将代谢物还原为母体药物。結肠中再摄取[27]小肠中不同的吸收位点和给药期间低pH值胃酸的影响，在本文中也进行了讨论
BCS IV类药物的吸收同时受到低溶解度和低渗透性嘚限制。因此BCS IV类化合物在速释制剂给药的情况下很难达到100％口服吸收。选择呋塞米作为BCSIV类代表药物Granero等[10]发表在2009年的生物学等效豁免专着。
这四种化合物的文献数据用在各种PBPK软件中作为输入参数应用没有任何调整或“优化”以改善模拟得到的血浆浓度-时间曲线与体内数据嘚匹配程度。并将所得到的模拟数据与体内曲线进行比较除了进行固体速释口服制剂（例如片剂或胶囊）的模拟之外，还进行静脉内给藥的模拟以区分吸收前后对模拟准确性的影响。对于选定的参数还进行了参数灵敏度分析（PSA）。对于PSA的PBPK模型的选择基于哪种模型能最確切地预测测定到的药时曲线在Simcyp中使用自动运行方式分析PSA，而GastroPlusTM和GI-Sim使用手动输入方式运行
表1 初始模拟的模拟输入参数汇总
a通过GastroPlusTM的输入参數计算细胞膜通透性。（在GastroPlusTM中可计算化合物的细胞间通透性外及细胞膜渗透性）b该化合物的细胞通透性未经GastroPlusTM计算，因有效的渗透性是由細胞间通透性介导的c仅适用于使用GastroPlusTM和Simcyp进行的模拟。Rodgers和Rowland详细描述了药物分布特性的计算[35,36]dfumic[32]e用于GI-Sim进行的模拟。
*参见模型输入参数和建模策略┅节
表1为采用文献数据进行模拟操作的输入参数汇总对于某些参数，必须具体考虑如何将文献数据应用到模型中下面将对这些参数进荇讨论。
尽管比索洛尔的直接渗透性数据在从文献中缺失但是根据Leopold进行的恢复实验，比索洛尔被确定为在BCS[7]中为高渗透性[30]他们用14C标记比索洛尔经口服给药后，91％的化合物在粪便和尿液中排泄因此，用于定义高渗透率（有效渗透率超过1.0×10-4cm /s[17,31]）的临界值对渗透性为1.1×10-4cm / s的比索洛爾来说是“最坏情况”对于硝苯地平，不同文献报道的渗透率差异较大[6,20,21]三个文献数值的算术平均值对应3.6×10-4cm /s的有效渗透率，与其高渗透性类一致该数值用于初始模拟并进行PSA。
描述硝苯地平可饱和代谢的酶动力学（Km和Vmax）通过肝脏及肠道中的CYP3A被整合到Simcyp和GastroPlusTM进行的模拟中米氏方程动力学是在体外人肝微粒体（HLM）测定中产生的[32]。通过将Km和Vmax动力学应用于模拟WB-PBPK模型都考虑了肝脏中的代谢。另外在这两种PBPK模型中均栲虑了不同胃肠道隔室中酶丰度的地域差异[6,33,34]。因无法将酶动力学整合到GI-Sim中所以在GI-Sim中使用全身清除率来描述硝苯地平的消除。
在PBPK模型中鈳以根据药物动力学研究中使用的研究方案的种群特征和剂量信息来改变种群库。在我们的模拟中每项研究进行虚拟人群调整来反映受試者的年龄范围、体重和性别，尽管在任何软件中都没有泰国特定人群（西咪替丁研究中使用泰国受试者）用作模拟比较剂的药代动力學研究在临床药物动力学数据部分中有详细描述。
两种市售PBPK模型可以使用文献中提出的各种方程式来计算稳态下的分布容积（Vss）[35-38]以Simcyp为例，使用软件推测的Vss值将与文献中公布的静脉内数据进行比较并在必要时根据文献数据进行调整。而对于Gas-troPlusTM来说则不能进行此类调整只能使用内部计算值进行模拟。GI-Sim中的输入参数中央室的分布体积直接取自静脉给药文献数据且无需任何调整。
使用WinNonLin静脉注射数据反推获得k12和k21徝并在GI-Sim中实施无需调整。相比之下k12和k21值不需输入到Simcyp和GastroPlusTM中，因为这些软件中的PBPK模型会自动计算各种组织中的转运速率常数
清除率可直接从静脉注射研究中获得，并且在三种PBPK模型中不需进行调整以比索洛尔为例，肝脏清除率（7 l / h）和肾脏清除率（8.4l / h）[30]几乎相同并在PBPK模型中嘚到计算。
利奥波德[30]利用健康志愿者作为对照比较了比索洛尔在肾或肝功能不全患者中的药代动力学。在健康受试者中通过静注和口服速释片给予10mg富马酸比索洛尔后的平均血浆浓度-时间曲线作为对照与模拟曲线进行比较
用于预测硝苯地平血浆曲线的体内数据取自Rashid等[22]进行嘚研究，他们研究了影响该BCS II类药物生物利用度的因素静脉内给予约2.5mg硝苯地平，口服给药时采用含10mg硝苯地平的薄荷油溶液软胶囊
Jantratid等人[39]报噵了泰国青年健康受试者通过静脉（300mg）或口服（400mg）西咪替丁之后的血浆浓度-时间曲线。研究目的是调查基于BCS分类的BE豁免可能扩展到BCSIII药物盡管已有文献报道西咪替丁的其他药代动力学研究，选择上述这篇文献是因为我们可以获取所有个体数据
Hammarlund等人分析了静脉内和口服BCSIV类药粅呋塞米40mg后的药代动力学。他们还比较进食前后呋塞米的吸收动力学并得出呋塞米的吸收同时受溶解性及渗透性限制的结论[40]
如虚拟人群嘚选择一节所述，用于模拟的虚拟人群进行调整以符合参加各自药代动力学研究的受试者特征
平均折叠误差和绝对平均折叠误差
计算平均折叠误差（AFE）和绝对平均折叠误差（AAFE）以评估预测精度。AFE（等式（1））描述了与体内轮廓相比是否发生模拟血浆浓度-时间曲线的低估或過度估计[41,42]：
其中pred.t和obs.t是在时间t的预测和观察到的血浆浓度n表示数据集的大小。如果AFE <1则可以得出模拟曲线对体内曲线的低估;同样，AFE >1显示体內血浆曲线被过度预测此外，AAFE（等式（2））是模拟到的血浆浓度-时间曲线与观察到的体内曲线相比发生的的低估或高估的绝对值。使鼡该参数可以量化模拟曲线的偏差[41-44]：
其中pred.t和obs.t是在时间t的预测和观察到的血浆浓度n表示数据集的大小。AAFE小于25和10的模拟百分比以所进行的所有模拟百分比表示。Obach等人[45]定义AFE≤2表示预测成功
通常，使用三种PBPK模型都能很好的模拟静脉给药后上述四种化合物的血浆浓度-时间曲线使用这三种模型计算出的AFE和AAFE（图1a和1c）都表示出良好的模拟精度，静脉给药后进行的12次模拟有11次（91.7％）在观察到的血浆浓度-时间曲线2倍以内然而，应该指出至少一些吸收后参数已在发表的人体静脉研究中获得而非使用严格的“自下而上”建模方法。
对于口服给药的模拟隨着BCSI类到BCS IV类化合物的药物性质复杂性的增加，观察到和预测的CmaxAUC0-∞和tmax之间的差异性也增加。例如所有三种PBPK模型能够将比索洛尔（BCSI类）的Cmax模拟到观察值的20％以内，而呋塞米（BCSIV类）使用任何模型都无法达到
各种化合物的模拟结果将在下部分详细描述。
图2显示静脉或口服比索洛尔后观察及预测到的平均血药浓度以及有效渗透性（Peff）对预测血浆浓度-时间曲线影响的PSA。
模拟与观察到的血浆曲线相比显示比索洛爾静脉给药后药代动力学响应的模拟准确性是可接受的。Simcyp和GastroPlusTM的得到的AAFE为1.44和1.46（图1c）显示模拟与观察到的曲线能很好吻合模拟及观察结果稍囿偏差的主要原因是注射后极短时间内计算出非常高的浓度。在临床方案中第一个样品通常在给药10或15分钟后采集，因此通常不会检测到這样高的浓度[44]相比之下，用GISim模拟静脉注射血浆浓度-时间曲线的AAFE为2.94这似乎是由于分布阶段浓度的过度预测。使用GI-Sim进行静脉给药模拟的输叺数据是通过WinNonLin软件对平均观察血浆曲线分析得出所以该模型预计能得到更接近的吻合曲线。为了确认该差异另一个OrBiTo合作伙伴检查了我們的WinNonLin分析，并利用WinNonLin重新生成血药曲线因此，在通过WinNonLin导出参数生成血药曲线方面似乎GI-Sim程序处理数据与WinNonLin相比有些许不同。
Leopold[30]观察到比索洛爾口服给药后能够模拟血浆浓度-时间曲线，口服给予比索洛尔后模拟的最大血药浓度落在药代动力学研究中观察值的标准偏差范围内tmax的模拟值在模型之间差异较小。然而与观察到的血浆浓度曲线相比，所有模拟的血浆浓度曲线的AAFE均小于2（图1d）有趣的是，虽然利用GI-Sim模拟靜脉注射预测的AAFE为2.94而口服给药预测的AAFE则在观察到曲线的2倍范围内。
I类化合物的特点是有效渗透率大于1.0×10-4cm/s[17]因文献中没有可用的比索洛尔滲透性数据，只能采用“最坏情况”的假设渗透率1.1×10-4cm/s作为比索洛尔的渗透率进行模拟为研究比索洛尔渗透性对其吸收特性的影响，在GI-Sim中尣许Peff的输入值在0.1-11.0×10-4cm/s的范围内浮动（图2c）结果显示，在Peff值低于高渗透性（1.0×10-4cm/s）临界值条件下模拟的曲线严重低估了血浆浓度-时间曲线。高于临界值的Peff值似乎导致更高的Cmax预测值但是预测的Cmax增量小于Peff的正比增量。这些结果极大的支撑了渗透率值1.1×10-4cm/s作为“高渗透性”药物分类嘚最低要求
由于比索洛尔不仅高渗透性还具有高溶解性，因此还对溶解度进行PSA分析随着溶解度在已公布值的五分之一内变化，预测的血浆浓度-时间曲线无变化（更高溶解度）或微小变化（更低溶解度）数据显示无变化。这结果在意料之中即使溶解度降低到5/1，剂量/溶解度比值仍远在250ml BCS截止值以下也进行了0.4-2h范围内胃排空率研究。据观察随着胃排空时间的增加导致Cmax减少和延迟。然而相比于Peff这些影响也昰微乎其微的（数据未显示）。
图1计算了i.v的平均折叠误差和绝对平均折叠误差（a，c）和p.o（b，d）预测黑色条表示用Simcyp模拟器（Simcyp）进行的模拟，深灰色条表示用GastroPlusTM（G+）进行的模拟和用GI-Sim进行的浅灰色条重新发送的模拟
图2 iv的预测（线）和平均观察（实心圆SD）浓度的比较。(a)和p.o(b)给予比索洛尔。(c)显示用GI-Sim在各种Peff值下获得的模拟药代动力学数据取自参考文献
图3显示了硝苯地平静脉注射和单次口服给药后利用PBPK模型的模拟結果，以及硝苯地平代谢和渗透性的PSA
在PBPK方法中，硝苯地平与其他三种原料药相反被视为中性化合物，可合理假设该原料药在大多数胃腸道条件下为未解离状态[20,21,46]
GastroPlusTM模拟的AFE为1.15和GI-Sim模拟的AFE为1.16（图1a），AAFE分别为1.43和1.37（图1c）证实了通过这两种PBPK模型可良好预测静脉给药后总血浆浓度-时间曲线。利用Simcyp进行的模拟显示了对整个血浆浓度-时间曲线的轻微过高预估导致AFE和AAFE值均为2.42（图1a和1c）。Simcyp和GastroPlusTM利用HLM中的CYP3A酶代动力学来描述在静脉注射模型中的代谢过程模拟和观察到的曲线之间的差异可能是由硝苯地平HLM数据到体内情况的外推结果。[47,48]
硝苯地平口服速释（IR）制剂给药后嘚所有模拟显示AAFE＜3（图1d）随着描述肠和肝脏代谢的酶代动力学的整合，PBPK模型的复杂性增加Simcyp（1.66）和GastroPlusTM（2.53）的AAFE值也随之增加。由GI-Sim模拟计算出嘚AAFE值最小（1.57）消除阶段的良好拟合证实此结果，建议将文献中肝和肾清除数据整合到WinNonLin分析模型则能更好的预测血浆浓度-时间曲线的后半部分。
根据Wagner等人[21]硝苯地平主要被CYP3A代谢，静脉给药后观察到的血浆曲线主要受到肝脏代谢影响在相同刊物中，PK-Sim（另一个PBPK模型）的结果表明口服给药后硝苯地平药代动力学深受肠壁以及肝脏中CYP3A代谢影响。为了进一步探讨该观点利用Simcyp软件对代谢过程进行PSA分析。相比于PK-Sim模擬利用Simcyp进行的PSA表明肠壁CYP3A水平变化对血浆曲线的影响远小于肝脏CYP3A水平变化带来的影响（图3c和3d）。在这两个组织的相应代谢差异可能导致Simcyp和PK-Sim這两个模型描述硝苯地平代谢的差异由Wagner等人完成的该研究中建立模型并基于文献数据进行手动调整，然而用Simcyp模拟器实行模型可自动调整輸入的用来描述酶代动力学的数据
对渗透性开展了进一步的PSA分析，用于模型设置的三个出版物之间该文献数据差异很大为此，应用了烸一个报道的渗透率值（0.36×10-4cm/s[21]2.079×10-4cm/s，[20]10.5×10-4cm/s[6]）并输入GastroPlusTM软件的初始值（三篇文献值的算术平均值）（图3e）。很难判断这些文献数据的可靠性在這两个案例中，使用PK-Sim[20,21]以“自下而上”的方式对渗透率进行预测在第三个案例中，利用内部算法调整MDCKII实验结果[6]在PSA中的这些数据及进一步Peff徝，渗透性显然在硝苯地平血浆曲线中起决定性因素而且文献中Peff值的差异也导致不同预测结果。我们发现Peff采用最高文献数值时模拟的血浆曲线的Cmax值与Patel等人[6]近来报道的数据相似。
由于采用硝苯地平薄荷油溶液软胶囊进行硝苯地平研究所以选择“溶液”作为剂型进行模拟。因此没有对溶解性进行参数灵敏度分析大多数BCSII类药物可开发成固体口服制剂，进一步模拟BCSII类药物的药代动力学行为并探讨溶解性对他們模拟药代动力学曲线的影响将十分有趣
图3 iv的预测（线）和平均观察（实心圆SD）浓度的比较。(a)和p.o(b)给予硝苯地平。
(c)和（d）显示用Simcyp在肝脏囷肠道中的各种CYP3A量获得的模拟(e)显示在各种Peff值下用GastroPlusTM获得的模拟。药代动力学数据取自参考文献
通过三个PBPK模型进行的模拟充分描述了西咪替丁静脉给药后的血浆浓度曲线（图4a）所有模拟的AFE在0.62~1.15的范围内（图1a），说明GastroPlusTM有过低预估和Simcyp有过高预估的轻微倾向但是所有模拟的AAFE仍低于2（图1c），这样与Obach等人[45]的成功结论一致由于该研究在泰国健康受试者中进行，构造了反映较低的体重模拟人群然而，没有考虑泰国和高加索受试者之间显型与基因型的可能差异
西咪替丁口服给药模拟显示了不同PBPK模型之间的差异性（图4b）。虽然GI-Sim的静脉模拟数据非常准确（囸如预期的那样模拟是基于WinNonLin拟合的静脉内动力学），但口服给药模拟低估了末期浓度相反之下，利用Simcyp和GastroPlusTM进行的模拟则低估了吸收阶段濃度而使用Simcyp则会略微高预估了末期浓度。从静脉注射到口服给药模拟的AAFE普遍升高然而仍在观察到的血浆曲线两倍范围内（图1c和1d），可鉯归因为将吸收过程整合到模型中
西咪替丁吸收的灵敏度分析（图4c-4d）显示出Cmax对渗透性的一些依赖性，但是总血浆浓度-时间曲线形状似乎哽依赖于稳态分布容积（Vss）和胃排空时间的变化（图4e和4f）胃排空时间在0.15-2h范围内变化。胃排空越块计算出的Cmax更高及tmax更早。这些结果与Oberle等囚得出的结论一致[24]其研究了给药后西咪替丁吸收的运动相函数。
图4 iv的预测（线）和平均观察（实心圆SD）浓度的比较(a)和p.o。(b)施用西咪替丁
(c)显示用Simcyp在各种Peff值下获得的模拟。(d)显示用GI-Sim在各种Peff值下获得的模拟(e)显示在各种Vss值下使用Simcyp获得的模拟。(f)显示在各种胃排空时间用GI-Sim获得的模拟药物动力学数据取自参考文献[39]。
三种PBPK模型均能模拟呋塞米静脉给药后血浆曲线AAFE值均小于2（图1c和5a）。
在呋塞米进行的模拟中口服给药後模拟数据与观察到数据之间的差异明显高于静脉注射给药（图5b）。口服给药后所有模型均过低预估总血浆浓度-时间曲线其中GI-Sim与体内曲線最为接近。为研究渗透率的变化对血浆浓度-时间曲线的影响在GI-Sim模型中输入不同参数Peff（图5c）。对呋塞米进行的唯一人体肠道灌注研究报噵Peff值为0.05×10-4cm/s[49]各种Caco-2研究报道其表观渗透率值在0.1-0.5×10-6cm/s[49-53]范围内，此类API并非高渗透性图5c显示，在这个范围内Peff对BCSIV类化合物模拟的血浆曲线有很大影響。
与Peff的影响相反利用Simcyp进行PSA分析，当呋塞米的溶解度在0.005mg/ml到超过50mg/ml范围内变化时口服给药后的血药曲线预测并没有受到影响（数据未显示）。
图5 iv的预测（线）和平均观察（实心圆SD）浓度的比较(a)和p.o。(b)给予呋塞米
(c)显示用GI-Sim在各种Peff值下获得的模拟。药代动力学数据取自参考文献[40]
AAFE＜3时，所有模型能够模拟所有化合物静脉注射给药后的药代动力学不同的PBPK模型对静脉给药预测的细小差异是可辨别的，但是对整体模擬结果没有很大影响正如预期的那样，API的BCS分类对静脉给药后药代动力学曲线的预测能力没有明显影响因为不涉及吸收过程。
增加吸收過程后所有模型预测的这四种化合物的药代动力学曲线AAFE＜7（图1d）。然而观察到的模型预测的精确度差异，取决于API的BCS分类从比索洛尔（BCSI类化合物）到呋塞米（BCSIV类化合物）的模拟开展过程中AAFE有所增加。
使用三种PBPK模型模拟比索洛尔和硝苯地平的AAFE＜3表明PBPK模型通过早期临床前開发阶段的可用参数能足够描述高渗透性化合物的口服吸收。然而对渗透性有准确的预估方法是必要的，即使对于这两种化合物PSA分析顯示血浆曲线的成功模拟高度依赖于该参数值。
两个低渗透性API（西咪替丁和呋塞米）的模拟倾向于过低预估各自观察到的血浆浓度-时间曲线，尤其是Cmax由于这两类药物静脉给药后的血药曲线能被很好模拟，可以假设口服给药后模拟和观察到的血浆曲线之间的差异主要来自吸收过程与高渗透性化合物一样，这些化合物进行的PSAs表明口服给药后血浆曲线的模拟精准程度取决于Peff预测的准确性（图4c，d和5c）
有趣嘚是，西咪替丁和呋塞米均是被多次报道吸收程度有较大个体差异的化合物[9,10]对于这两种化合物来说，在生理特征变化状态下运行模拟似乎有助于确定血药曲线的变异性根源即Peff，Vss和胃排空
在2011年，Zhao等人[54]报道了研究新药和新药申请的提交数量其中PBPK模型被用于评估药物-药物楿互作用，儿童用药的申请及疾病因素用药的申请明显增加基于监管部门对PBPK模型的兴趣增加，在该研究中模拟这四种化合物呈现出的数據结果非常重要研究结果展现出从BCS I类到IV类药物在预测口服吸收上的难度增加趋势。然而有必要为得到优质数据针对每种BCS分类研究更多嘚化合物，来证实本研究得出的趋势更彻底的理解吸收过程的参数设置，进一步完善PBPK模型的可操作性
在几乎每一种情况下（药物/PBPK模型組合），通过三种PBPK模型模拟静脉注射血浆曲线AAFE＜2与药物的理化性质无关，表明了在模拟吸收后事件模型良好的可靠性PBPK模型能较好的预測BCSI类（比索洛尔）和II类（硝苯地平）化合物的口服吸收，AAFE＜3随着BCSI至BCSIV类（低溶解性和低渗透性）药物特性复杂性的增加，在CmaxAUC0-∞和tmax的预测仩有更高的变异性，从而导致BCSIII类（西咪替丁）和BCSIV类（呋塞米）药物的高AAFE值
血药浓度-时间曲线的成功预测强烈依赖于输入参数的选择以及昰否可以通过体外模型准确生成。从PSA分析来说更准确的参数输入能得到更准确的预测，因此PBPK模型的优化主要集中在增加输入参数的准确性在这项研究中，所有BCS分类化合物显口服吸收的准确预测高度依赖于体内渗透性的准确评估
