フッ素18放射性医薬品の多次元インシリコ評価: 薬動学,ADMET,および診断分層のためのクラスタリングを統合する

科学分野:

• 核医学と分子イメージング
• 計算化学とバイオインフォマティクス
• 薬剤動力学と薬物開発

背景:

• ポジトロン放出トモグラフィ (PET) 腫瘍学的イメージングは,フッ素-18 (¹⁸F) 放射性医薬品に大きく依存しています.
• これらのエージェントのメカニズム的行動と診断の可能性の比較評価は断片化されています.
• F放射薬のプロファイリングと分層化には,体系的で多次元的なアプローチが必要である.

研究 の 目的:

• 広く使用されている5つのFラベル付PET放射薬:FDG,FET,DOPA,FMISO,FLTを体系的に評価する.
• 薬理学モデリング,構造的ADMET予測,および無監督クラスタリングを新しいin silicoフレームワークに統合する.
• 機械的行動に基づいて放射性薬剤を階層化し,腫瘍学における診断可能性を予測する.

主な方法:

• 吸収ダイナミクスのシミュレーションのためのCOPASIの調和した3つの区画の薬理学モデリング.
• 脂性,浸透性,およびクリアランスの評価のためにADMETlab 3.0を用いたシリコンADMET記述子抽出.
• 主要成分分析と,標準化された薬理学およびADMETの特徴の階層的なクラスタリング.

主要な成果:

• 2つの異なるメカニズムクラスターが生まれました:不可逆的なトラッピング (FDG,FLT) とトランスポーター媒介の吸収 (FET,DOPA,FMISO).
• 運動パラメータとADMETの特徴は相関し,構造-機能関係をサポートしています.
• [¹⁸F]FETは最適な初期段階のイメージング能力を示し, [¹⁸F]FMISOは遅期の腫瘍選択性を示した.

結論:

• 開発された多次元 in silico フレームワークは,PET 放射性医薬品プロファイルのための機械的に解釈可能なプラットフォームを提供します.
• このアプローチは,臨床前の放射性薬剤の選択を進めており,精度の高い多放射性薬剤イメージングプロトコルに情報を提供する.
• 臨床適用性を確認するために,実験的なPET画像データによる将来の検証は極めて重要です.