Physiologically based pharmacokinetic (PBPK) modeling for dynamical liver function tests and CYP phenotyping

Abstract

Die Phänotypisierung von Cytochrom P450 (CYP) und Leberfunktionstests sind wichtige Methoden in der Klinik. Die Methoden nutzen die Pharmakokinetik (PK) von Testsubstanzen und ihren Metaboliten, um Einblicke in die Stoffwechselkapazität der Leber und in die Aktivität von Enzymen und Transportern zu gewinnen. Die Leberfunktionstests werden nicht nur von zahlreichen Proband:innenmerkmalen, sondern auch von den Besonderheiten der Untersuchung beeinflusst. Eine zentrale Herausforderung besteht darin, die verschiedenen Faktoren, die das Ergebnis der Messungen beeinflussen, voneinander zu trennen, um ihren jeweiligen Einfluss auf das Messergebniss zu untersuchen. In dieser Arbeit wurde die Herausforderung durch Metaanalysen und physiologisch basierte Pharmakokinetik Modellierung (PBPK) angegangen. Es wurde eine offene Pharmakokinetik-Datenbank (PK-DB) entwickelt und PK-Daten für ein breites Spektrum von Testsubstanzen kuratiert. Meines Wissens enthält PK-DB derzeit den größten offenen PK-Datensatz zu Testsubstanzen. Der Datensatz ermöglichte die Identifizierung und Quantifizierung von demografischen und rassischen Bias (Geschlecht, ethnische Zugehörigkeit, Alter, Gesundheitszustand), Meldefehlern und Unstimmigkeiten in der Literatur. Auf der Grundlage der Daten wurde eine Metaanalyse der PK von Koffein im Hinblick auf verschiedene Faktoren bzgl. Leberfunktion und CYP1A2-Aktivität durchgeführt. Insbesondere wurde das vorhandene Wissen über die Auswirkungen des Rauchens, der Einnahme oraler Verhütungsmittel, verschiedener Krankheiten und Begleitmedikationen auf die PK von Koffein durch Metaanalysen und Datenintegration konsolidiert. Ebenso wurde die Messgenauigkeit der Koffeinkonzentration in Bezug auf den Messprotokol analysiert. Darüber hinaus wurde der Einfluss des CYP2D6-Polymorphismus untersucht. Hierzu wurde ein PBPK-Modell für Dextromethorphan und seine Metaboliten Dextrorphan und Dextrorphan O-Glucuronid entwickelt und mit den PK-Daten kalibriert und validiert.

Cytochrome P450 (CYP) phenotyping and dynamic liver function testing are essential methods in clinical practice. These methods utilize the pharmacokinetics (PK) of test substances and their metabolites to gain insight into the liver's metabolic capacity and the activity of enzymes and transporters. Liver function tests are not only influenced by numerous characteristics of a studied subject but also by the specifics of individual study procedures. A key challenge is to disentangle the various factors which influence the outcome of the measurements from each other to study their influence on the dynamic liver function and CYP phenotype. In this work, the challenge was addressed through meta-analysis and physiologically based pharmacokinetic modeling. As a foundation, an open pharmacokinetics database was developed and pharmacokinetics data were curated for a wide range of test substances. To my knowledge, PK-DB currently contains the largest open pharmacokinetic dataset on substances used for phenotyping and dynamical liver function testing. The dataset allowed for identifying and quantifying demographic and racial bias (sex, ethnicity, age, health), reporting errors, and inconsistencies in pharmacokinetic literature. Based on the data, a caffeine pharmacokinetics meta-analysis was conducted concerning various factors affecting liver function and CYP1A2 activity. In particular, meta-analysis and data integration solidified existing knowledge on the effects of smoking, oral contraceptives, multiple diseases, and co-medications on caffeine pharmacokinetics. Similarly, the measurement accuracy of caffeine concentration was investigated with respect to various aspects of the measurement protocol. In addition, the impact of CYP2D6 polymorphism was investigated. Therefore, a PBPK model of dextromethorphan (DXM) and its metabolites dextrorphan (DXO) and dextrorphan O-glucuronide (DXO-Glu) was developed, and calibrated, and validated with pharmacokinetics data.