生理学的薬物動態モデルと集団アプローチの統合：パラメータ推定のための新しいフレームワーク

科学分野:

• 薬物動態学と創薬
• 計算生物学とバイオインフォマティクス
• システムズ薬理学

背景:

• 生理学的薬物動態（PBPK）モデリングは、開発中の薬物濃度を予測するために不可欠です。
• 多数のパラメータと限られたデータのため、PBPKモデルのパラメータ推定は困難です。
• 既存の方法では、生理学的に関連のあるパラメータにおける個体間のばらつきを効率的に推定することが困難です。

研究 の 目的:

• パラメータ推定を強化するための新しい集団全身PBPK（popWB-PBPK）モデリングアプローチを導入すること。
• 個々の患者データを活用して、PBPKモデルのパラメータ化とばらつき評価をより正確に行うこと。
• 効率的なPBPKパラメータ推定のために最適化された確率的近似期待値最大化（SAEM）アルゴリズムを提示すること。

主な方法:

• 全身PBPK（WB-PBPK）モデルと集団推定技術を組み合わせること。
• 適応的パラメータグリッド最適化と線形補間を備えた最適化SAEMアルゴリズムを実装すること。
• テオフィリンをケーススタディとして使用し、薬物特異的パラメータと共変量効果（例：喫煙状況）を推定すること。

主要な成果:

• popWB-PBPKアプローチは、CYP1A2クリアランスや親油性などの薬物特異的パラメータを正確に推定します。
• 最適化されたSAEMアルゴリズムは、標準SAEMと比較して計算実行時間を大幅に短縮します。
• この手法は共変量効果を効果的に組み込み、その実用性を示しています。

結論:

• 開発されたpopWB-PBPKフレームワークは、堅牢なPBPKパラメータ推定のためのアクセス可能なRパッケージ（saemixPBPK）を提供します。
• このアプローチにより、生理学的な関連性を維持しながら、集団パラメータ、ばらつき、不確実性の同時推定が可能になります。
• メカニズムモデリングの進歩により、個々のデータを使用したより信頼性の高い薬物動態予測が可能になります。