【建模文章解讀】采用吸收與PBPK模型支持雷西納德速釋片劑的溶出與粒徑標準的制定

DavidJ.Holt,¹AnnaEidelman,²DonTreacy,²

Colin E. Rowlings²

1.英國阿斯利康，藥學研發部

2.美國Ardea Biosciences，藥學部

解讀人

許尤新，凡默谷技術部

PBPK模擬策略：

雷西納德分子量為404.3g.mol-1，為弱酸性化合物，Acid pKa為3.2，log P為2.85；該物質呈晶體狀粉末，熔點為170℃。

2.1 溶解度

雷西納德在胃中pH溶解度較低，在小腸中pH（5.3-7.5）溶解度高。

在GastroPlus^TM中，FaSSIF和FeSSIF介質中的溶解度被用于擬合出溶解因子（SR），為5803；在模擬中基于膽酸鹽的影響同時選擇調整溶解度與擴散系數。

Caco-2細胞試驗（A – B P_app）結果提示雷西納德具有高滲透性；基于絕對生物利用度研究中的口服及靜脈的PK數據，在GastroPlus^TM中分別擬合了每個個體的空腸滲透系數P_eff值，10個受試者所計算的平均空腸P_eff值為3*10^-4 cm/s( 變異范圍為1.7-5.4*10^-4 cm/s）

采用質控溶出方法測定了雷西納德片的體外溶出：pH4.5醋酸鹽緩沖液（含1%SLS），900mL，USP 2法，37℃，75rpm。除該方法外，同時也測定了雷西納德片在普通水性緩沖液（pH3、4和5）中的溶出。

模擬中采用了12A015，ELAB和MPAC 3個批次的樣品。其中12A015作為參比批次；ELAB批為造粒工藝超出商業操作范圍的批次，其溶出較慢且釋放不完全；MPAC批次樣品相比于12A015批次溶出偏慢，但臨床結果在可接受范圍。

體外結合實驗中，人血漿蛋白濃度水平為1和10μM時，結合率大于98%；血漿蛋白濃度為50μM時，結合率為97.9%。

全血/血漿藥物濃度比，基于人體ADME研究（RDEA-594-112）確定，該值在0.55左右。

PK數據來自于兩個關鍵的臨床藥理試驗，RDEA-594-131（絕對生物利用度研究）和RDEA-594-129（相對生物利用度研究），用于建立和驗證模型。

此外，采用了人體ADME試驗研究（RDEA-594-112）的數據，用于模型的處置參數的設置。

在ACAT模型中，小腸和結腸部分水的體積分數由默認值（40%和10%），基于實測的數據，分別減少至7.5%和2%；（胃腸道中水的體積是控制藥物生物利用度的關鍵因素）

采用PKPlus，基于絕對生物利用度研究中10個受試者的IV數據，分別計算了每個個體的PK參數；人體ADME研究中，證明雷西納德主要通過腎臟排泄，其中31.3% 是以原型形式被腎排泄。因此基于以下公式，由總清除（CL_T）分別計算肝清除（CL_H）和腎清除（CL_R）：

CL_T=CL_H+CL_R; CL_H=CL_T*0.687; CL_R=CL_T*0.313

肝臟首過比例通過以下公式估算： 

其中，CLH是肝清除率，QH是人肝臟血流（假設為常數90L/H），B2P是全血/血漿比。

同時基于該組10個受試者口服400mg雷西納德片（12A015批）的PK數據，優化了個體的有效滲透參數和胃排空模型，并計算了腸道的首過比例。

10個受試者口服400mg片劑后的PK參數：

優化后的有效滲透性及胃排空模型：

虛擬生物等效性試驗研究中，設置25例虛擬受試者，并主動設置了以下變量：

劑量變異系數為目標劑量的±3%；粒徑形狀因子變異系數為±10%；沉淀粒徑變異系數為±10%；

胃中的pH和胃中轉運時間的變異，按照以下Excel公式計算:

該公式允許胃轉運時間在絕對生物利用度研究中觀測的范圍上進行變化，同時胃中pH的范圍在1-4之間。

雷西納德微量靜脈滴注15min的PK數據分析，在體內的處置符合3房室模型，具體的PK參數見Table2?？诜K模型的模擬，是針對每一個受試者單獨建立模型。

絕對生物利用度臨床試驗中，有些受試者口服400mg片劑后，體內表現出了多峰的現象，如下圖：

雷西納德為弱酸性藥物，分析認為其胃中的不完全排空是造成雙峰的主要原因；因此擬合這類個體的時候，采用了上述的lag time和胃排空模型。模型擬合結果如下：

通過以下4種方式將溶出數據整合至GastroPlus軟件中：

采用體外溶出數據擬合每一批的粒度分布數據，作為GastroPlus中的Support File，劑型選擇為DR: Tablet Ent Coat，胃滯留時間根據實測PK數據進行擬合；

將QC方法下獲得的溶出數據，同時考慮藥物的溶解度，溶出體積和介質溫度等，采用Microsoft Excel工具，通過計算可獲得一組理論的粒度分布數據；該粒徑數據可作為GastroPlus軟件中直接輸入的數據，用以在ACAT模型中計算體內的溶出。12A015和ELAB批計算得到的理論粒徑數據見Figure 4。

進一步驗證了采用質控溶出方法下的溶出結果，擬合的粒徑數據能否準確預測ELAB制劑在pH3、pH4和pH5介質中的溶出；上述介質中，表觀溶解度分別采用0.016、0.053和0.385mg/mL。Figure5顯示了基于計算的粒徑能夠較好的擬合其他介質中的溶出結果：

采用體外溶出數據擬合威布爾方程，劑型選擇CR dissolved，同時設置lag time；

該方式下劑型設置為“controlled release dissllved”，采用單側Weibull方程擬合12A015批制劑QC方法下的體外溶出，同時根據體內PK數據，針對每個受試者，Weibull方程中增加了lag time的參數，防止藥物在胃中溶解；為了避免出現藥物在腸道中沉淀的現象，每個受試者的模型中均將沉淀時間設置為100000s；此外，由于受試者106號、118號和122號出現多個吸收峰的現象，不參與此種方式的評估。

采用體外溶出數據擬合Z-Factor因子，劑型選擇DR: Tablet Ent Coat，胃滯留時間根據實測PK數據進行擬合；

基于QC方法下測得的溶出曲線，以及體外溶出條件（體積、介質中溶解度和劑量），分別計算了12A015、ELAB和MPAC 3批制劑對應的Z-factor，結果見下圖；

由于實測的體外溶出數據多是多相的曲線，而Z-factor模型是單相的，所以基于Z-factor的溶出速率并不能充分表征實測的溶出

采用體外溶出數據擬合威布爾方程，劑型選擇CR Undissolved；并在威布爾方程中設置lag time來表征胃中滯留時間。此外，在擬合體內溶出速率時考慮各批次對應的粒度分布數據。

采用上述4種方式，對12A015和ELAB兩批數據進行了模擬，考察是否能重現相對生物利用度研究中ELAB批C_max和AUC偏低的現象。

絕對生物利用度研究Study RDEA594-131模型評估結果：

A、B、C 3種方法C_max預測準確性比較結果

注：AFE, Average Fold Error;  AAFE, AbsoluteAverage Fold Error 

相對生物利用度研究RDEA-594-129模型評估結果：

絕對生物利用度研究中，采用參比12A015批制劑的體內PK與體外溶出數據，評估4種整合溶出數據至模型中的方法的合理性。從預測Cmax的結果來看（Figure 9），A、B、C 3種方法均能比較好的預測臨床試驗中的實測結果，其中A和C方法預測結果的AFE和AAFE值更接近于1（Table 4）；采用B方法在各個受試者模型中預測的Cmax較測量結果要偏低。

相對生物利用度研究中，進一步評估A、B、C 3種方法中，哪種方法能夠更好的將ELAB與12A015兩批制劑的體外溶出差異與體內吸收差異聯系起來；該部分通過比較不同方法預測兩批制劑的Cmax ratio ( ELAB/12A015 )的大小，如預測值接近于0.8 (臨床試驗中，ELAB批制劑體內暴露偏低)，則認為所對應的方法更為合理。從預測結果（Figure 11）來看，A方法在各受試者模型中預測的Cmax ratio均接近于0.8，即Option A是將體外溶出數據整合至模型中的更合理的方法。

MPAC批和12E058批制劑體外溶出滿足推薦的溶出標準，但接近其溶出限度（30min, 80%），且MPAC批制劑溶出相對更慢一些，因此采用MPAC批制劑進行虛擬BE模擬，考察接近溶出限度時是否仍能和12A015批生物等效；

同時虛擬了一個具有更低溶出的批次A（低于溶出限度，但高于ELAB批溶出，2h左右溶出完全），考察其是否仍能夠通過虛擬BE。

根據兩個批次的體外溶出數據擬合出的理論粒徑分布數據如下：

_{MPAC(A)批和虛擬批A(B)在QC方法下的溶出數據擬合得到的理論粒徑分布數據}

 采用25例虛擬受試者，按照雙交叉設計模擬MPAC、ELAB批制劑與12A015批參比制劑的生物等效性，統計結果見Table 5；

模擬結果顯示，MPAC批與預期的結果一樣，能夠和12A015批生物等效，AUC和C_max的幾何均值比值均接近于1；ELAB批制劑如前所述，由于其溶出速率遠低于推薦溶出標準，且溶出不完全，臨床試驗中暴露較低，與 12A015批生物不等效。虛擬BE的結果同樣顯示_Cmax偏低，且90%CI不能滿足BE的接受標準（90%CI在0.8-1.25內）。

虛擬批次A與12A015批虛擬生物等效性模擬結果見Table 6。

如某個批次制劑的溶出能夠滿足C_max相比于12A015批的比值大概在1-0.9之間，則認為該批次制劑完全有可能通過正式的生物等效性試驗研究。虛擬BE試驗結果表明，虛擬批A與12A015批生物等效，且Cmax和AUC的幾何均值的比值均接近于1。

基于以上模擬結果，能夠滿足臨床與參比12A015批生物等效的體外溶出空間見圖14，其中陰影部分為推薦的溶出空間。

擬推薦的最大粒度分布標準如下：

D(v, 0.5) NMT 70μm; D(v, 0.9) NMT 159μm

12A015批參比制劑采用的API的粒度分布數據為D(v, 0.5) 23.2; D(v, 0.9) 45.9，虛擬批次VDS1采用上述最大的粒度分布數據；

采用上述絕對生物利用度研究的10個受試者的模型，分別預測虛擬批VDS1和12A015批在體內的生物等效性。12A015批粒度分布數據采用log normal分布，平均粒徑為11.5μm，SD為3；虛擬批VDS1粒度分布數據采用log normal分布，平均粒徑為35μm，SD為10。

模擬結果顯示，在任一受試者模型中，虛擬批VDS1預測的C_max, T_max和AUC，與12A015批預測結果相比，均未觀測到明顯差異，二者均能生物等效。

模型設置中考慮了腸腔中的液體體積對雷西納德體內暴露的影響，采用112號受試者模型，評估了3%、7.5%和100%的小腸中水的體積對藥物吸收的影響；十二指腸中水的體積可以通過影響藥物溶解的量進而影響吸收，但空腸中不存在此現象。

根據PK模擬的結果，最終選擇腸道水的體積為7.5%。

評估4種整合體外溶出數據至模型中的合理性過程中，Option D方法與Option B方法類似，且Option D方法中，制劑釋放的是未溶解的顆粒，相比于Option B，會導致藥物在胃腸道中有更低的吸收。鑒于Option B所預測的C_max Ratio值已經偏低，故認為Option D同樣不是能夠合理預測雷西納德制劑在胃腸中吸收速率的方法，故未進行進一步的模擬。

為進一步探索采用Option A對ELAB批有更好的模擬結果，在A方法下，采用更大的粒度分布數據進行了PSA分析。在能夠表征ELAB批的粒度分布范圍內，溶解度與粒徑（即溶出速率）對C_max的影響與體內滲透的影響相當。該結果也表明為何所有的模型均能夠比較好的模擬比如12A015批的C_max，但在模擬溶出較差的批次如ELAB批時，并不是所有的模型均能給出比較好的模擬結果，因為這類預測更依賴于是否能很好的模擬溶出速率。

Figure12. Parameter sensitivity analysis for batch ELAB

該案例采用GastroPlus軟件建立了針對每一個臨床受試者的口服吸收預測模型，并采用建立的模型，驗證了4種體外溶出數據的輸入方式，評估哪種溶出數據輸入方式能夠重現ELAB批次生物不等效的結果；最后采用驗證后的Option A方法，預測了各批次的體內生物等效性；并進一步通過虛擬批次，探討了能夠保證體內生物等效的溶出空間及粒度標準，為擬建立的溶出與粒度控制標準提供了支持。

該案例應用的軟件是GastroPlus (version 9.0)，涉及模塊有Base, IVIVC, Optimization, ADMET Predictor. 

Pepin XJ, Flanagan TR, Holt DJ et al. Justification of Drug Product Dissolution Rate and Drug Substance Particle Size Specifications Based on Absorption PBPK Modeling for Lesinurad Immediate Release Tablets. Mol Pharm. 2016 Sep 6;13(9):3256-69.  IF=4.342