Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
医薬品開発における薬物間相互作用予測の意義
第一三共株式会社
薬物動態研究所
井上 晋一
医薬品開発におけるSimCYPの利用
第一三共株式会社
薬物動態研究所
井上 晋一
2
医薬品開発における薬物間相互作用予測/シミュレーションの意義
薬物相互作用(DDI)のない安全な医薬品を開発する
DDIの程度を前臨床段階で見積もる
3
医薬品開発における薬物間相互作用予測/シミュレーションの意義
探索 DDIリスクのない候補化合物の探索
DDIリスク回避の方向性
CYP阻害/誘導能があってもDDIリスクの低い化合物を救う
開発 適切な臨床DDI試験のプロトコール立案
臨床におけるDDIメカニズムの解析
SimCYPは大変有用なツールである
4
SimCYP
G.T. Tucker教授、 Dr. A. Rostami-Hodjegan教授(英国シェフィールド大学/SimCYP社)により開発
Population-Based ADME SimulatorIn vitroデータからin vitro-in vivo外挿(IVIVE)により、 薬物クリアランス/血漿中濃度推移のシミュレーション 薬物相互作用のシミュレーション
全ての生理学的パラメータに個体間変動を考慮
5
SimCYP
コンソーシアムによる運営 メンバー(製薬企業のみ記載)
Abbott, Biovitrum, Amgen, AstraZeneca, Eli Lilly, GSK, Johnson & Johnson, Lundbeck, Merck, Novartis, Nycomed, Otsuka, Pfizer, Roch, Sanofi-Aventis, Servier, Takeda, UCB, Daiichi Sankyo
コンソーシアム企業
SimCYP社
研究開発費研究内容要望
研究、新機能開発(年1回のバージョンアップ)
現在Ver. 8.2
6
SimCYPプロジェクト
IVIVEの確度を向上させる
新しいモデル、モデル検証、適切なパラメータ
個人差を考慮 (SimCYPポリシー)
Virtual populationでのシミュレーション
Prospectiveな解析
IVIVE
Cf. PopPK Retrospective手法
Environment Disease
Genetics
7
IVIVE
一般的なアプローチ
In vitro代謝データ(発現系etc)
PKモデル(Well stirred model etc)
パラメータ(QH、CYP発現量、体重etc)平均値
CL=○ L/hr (平均値)
健常人男性体重70 kg…
In vitro代謝データ(発現系etc)
PKモデル(Well stirred model etc)
パラメータ遺伝的、生理学的人口統計学的、民族的変動を考慮
クリアランス
頻度
SimCYP
8
肝臓における各CYP分子種の発現量Rowland Yeo K et al. (2004) Br. J. Clin. Pharmacol. 57: 678-9.
Abundance:
Other
2C9
2C192E12D6
3A4
1A22C18
2C8
pmols P450 isoformper
mg of microsomal protein
35047336371Total219671311553A118119761113A42346149612E19861782D6
1261069142C191745460732C91148119242C82411477112B6428429362A6
1196737521A2
NCV(%)GMMean
CaucasianCYP
9
IVIVEのプロセス(SimCYP)
In vitro CYP代謝データ(発現系)
肝血流速度(QH)CYP発現量/肝臓血漿蛋白非結合型分率(fu)血球/血漿中濃度比(RB)
肝クリアランス(CLH)
肝アベイラビリティ(FH)
腎クリアランス(CLR)全身クリアランス(CLsys)
バイオアベイラビリティ(F)
経口吸収率(Fa)
経口クリアランス(CLpo)
小腸アベイラビリティ(Fg)
CYP3A発現量/小腸Qgut
青字:ユーザー入力赤字:SimCYPライブラリー
小腸モデル
肝臓モデル
10
SimCYPを用いた経口クリアランス予測の一例:Midazolam (2 mg)
0
100
200
300
400
0 1 2 3 4 5 6 7 8 9 1011
Trial Groups
Cle
aran
ce (l
/hr)
Trials MedianIn vivo medianIn vivo 95th PercentileIn vivo 5th Percentile
Real in vivo data from 35 individuals
N=35のシミュレーションを10サイクル実施
11
経口クリアランスの予測(SimCYP)
0.01
0.1
1
10
100
1000
10000
0.01 0.1 1 10 100 1000 10000Observed CL (L/h)
Pred
icte
d C
L (L
/h)
s-wrf
caf
zlp
cyc
mdzsld
tltclz s-mph
dexomp
chlr
trz
apz
tlb
buf
theophen
met
dic
simCentraltendency
&
Measure ofvariability
12
In vitro代謝
データ
In vivoクリアランス予測
IVIVE
分布PBPKモデル
トランスポータ蛋白結合
吸収ADAMモデルP-gp
代謝阻害(直接阻害、MBI)誘導UGT
SimCYPの幹
SimCYPでできること
Virtual populationにおける個体差を考慮した
薬物相互作用シミュレーション経時変化シミュレーション
13
SimCYP applications
Drug-drug interaction Enzyme induction Pediatric Ethnic difference Polymorphism PK/PD Rat version (SimCYP Rat) Etc.
14
Application: Ethnic difference
*p<0.01.Boxes represents geometric means and 50% confidence intervals.Wiskers represent 90% confidence intervals.Numbers of livers: Caucasian: 42-241, Japanese: 31-132
Oriental (JP+Chinese) Only 1A2, 2C9, 3A4, 3A: 108-174
2C19
**
* *
*
*
p=0.11**
**
*
*p=0.24
CY
P (
pmol
P45
0/m
g pr
otei
n)
2C9
2E1
3A4 3A 1A2
2A6
2B6
2C8
2D6
CaucasianJapaneseOriental
0
20
40
60
80
100
120
0
50
100
150
200
250
300
350
400
Applications: Paediatric CL 15
Caffeine (Birth to 18 years)[an example of a low extraction drug]
0.01
0.1
1
0.01 0.1 1Observed CL
(L/kg/h)
Pred
icte
d C
L (L
/kg/
h)
Neonate
Infants
Adults
Children
Applications: Paediatric CL
16
Applications: Drug interaction
被相互作用薬 or 阻害/誘導薬
CYP 阻害(直接阻害、mechanism based阻害)
CYP 誘導
蛋白結合
トランスポーター 開発中(2010リリース)
肝臓および小腸:
PK parameterモード 阻害/誘導剤濃度が一定、CLH、FHおよびFgの変化
PK profileモード
阻害/誘導剤の濃度推移を考慮、濃度推移の変化
17
FDA Draft Guidance
rifampicin, carbamazepine
atazanavir, clarithromycin, indinavir, itraconazole, ketoconazole, zefazodone, nelfinavir, ritonavir, saquinavir, telithromycin
midazolam, buspirone, felodipine, lovastatin, eletriptan, sildenafil, simvastatin, triazolam
3A4/3A5
ethanoldisulfirumclorzoxazone2E1
paroxetine, quinidine, fluoxetine
desipramine, dextromethorphan, atomoxetine
2D6
rifampicinomeprazole, fluvoxamine, moclobemide
omeprazole, esoprazole, lansoprazole, pantoprazole
2C19
rifampicinfluconazole, amiodaronewarfarin, tolbutamide2C9
rifampicingemfibrozilrepaglinide, rosiglitazone2C8
efavirenz2B6
fuvoxaminetheophylline, caffeine1A2
InducerInhibitorSubstrateCYP
18
探索研究におけるCYP阻害/誘導リスク
評価
CYP阻害(直接阻害、MBI)、誘導のポテンシャル評価 クライテリア例: CYP3A4阻害 IC50 10 µM以上
DDIリスク CYP阻害/誘導ポテンシャル 阻害/誘導剤血中濃度 ミクロソーム中の蛋白結合 血中蛋白結合 投与量 吸収速度定数
DDIの定量的予測が必要
19
DDIシミュレーションにおけるSimCYPの利用:探索研究
CYP阻害/誘導によるDDIリスクを簡単に目に見えるかたちにして合成研究者に示すことができる
DDIシミュレーションにより、DDIリスク回避の必要性、リスク回避の方向性を合成研究者に示す
20
Simvastatin (40 mg)と化合物A (20 mg)のSimCYPによるDDIシミュレーション
化合物A:CYP3A4直接阻害Ki 1 µM、ミクロソーム中非結合型分率(fumic) 0.1、他はnifedipineと同じプロファイル
0
0.005
0.01
0.015
0.02
0.025
0 12 24
Time - Substrate (h)
Sys
tem
ic C
once
ntra
tion
(mg/
L)
Simvastatin濃度推移
化合物A併用
Control 0.620.48Fh
0.840.06Fg
5758CL (L/h)
+化合物AControl
Simvastatin PKパラメータ
21
DDIリスク低減の方向性
0
0.001
0.002
0.003
0.004
0.005
0.006
0.007
0 12 24
Time - Substrate (h)
Syst
emic
Con
cent
ratio
n (m
g/L)
0
0.001
0.002
0.003
0.004
0.005
0.006
0.007
0 12 24
Time - Substrate (h)
Syst
emic
Con
cent
ratio
n (m
g/L)
0
0.001
0.002
0.003
0.004
0.005
0.006
0.007
0 12 24
Time - Substrate (h)
Syst
emic
Con
cent
ratio
n (m
g/L)
阻害ポテンシャルの軽減Ki 1 µM 10 µM
0
0.005
0.01
0.015
0.02
0.025
0 12 24
Time - Substrate (h)Sy
stem
ic C
once
ntra
tion
(mg/
L)
fumicの増大fumic 0.1 1
薬効の増強Dose 20 mg 2 mg
22
0
50
100
150
200
250
300
350
400
1.0
1.6
2.2
2.8
3.4
4.0
4.6
5.2
Increase in Plasma Methadone Concentration(Ratio)
Popu
latio
n
0%
25%
50%
75%
100%
Cum
ulat
ive
Perc
enta
ge
High 3A4Renally Impaired
Mean = 1.6
Min = 1.2
Max = 5.2
RITONAVIR - METHADONE
Applications: Drug interaction
23
Application: PK/PD
The use of mechanistic DM-PK-PD modelling to assess the power of pharmacogeneticstudies – CYP2C9 and warfarinas an exampleGL. Dickinson, MS. Lennard, GT. Tucker & A. Rostami-Hodjegan (University of Sheffield and Simcyp Limited)Br J Clin Pharmacol, 64: 14-26 (2007)
24
Frequency and relative activity of each of the common CYP2C9 genotypes
100.4*3/*3
401.4*2/*3
700.9*2/*2
5511.6*1/*3
8520.4*1/*2
10063.5*1/*1 (WT)
Relative activity (%)
Frequency (%)
Genotype
25
PK-PD model: (S)-warfarin
PC: prothrombin complex, PT: prothrombin time, INR: international normalized ratio
SimCYPアルゴリズム
26
Outcomes of simulations to determine the statistical power of PK studies of (S)-warfarin to detect differences between AUC in wild-type vs.
*1/*3, 11.6%, 55%
*2/*3, 1.4%, 40%
*2/*2, 0.9%, 70%
*1/*2, 20.4, 85%
*3/*3, 0.4%, 10%
ゲノタイプ, 頻度, 相対活性
27
Outcomes of simulations to determine the statistical power of PD studies of (S)-warfarin to detect differences between AUEC in wild-type vs.
ゲノタイプ, 頻度, 相対活性
*1/*3, 11.6%, 55%
*2/*3, 1.4%, 40%
*2/*2, 0.9%, 70%
*1/*2, 20.4, 85%
*3/*3, 0.4%, 10%
28
The outcomes of reported studies of the PK and/or PD of warfarin with respect to CYP2C9 genotype
X: 差なし、: 差あり
29
結果、結論
Published studies 21% (20/95):統計的差あり
Simulation 20% (19/95):統計的差あり
In vitro代謝データを含むmechanistic population PK/PDモデルを用いたclinical trial simulationにより、臨床試験におけるCYP2C9 genotypeに関連するPKまたはPDの差の検出力
を見積もることが可能
臨床試験の計画に有用
30
http://www.simcyp.com/