The Liver Partition Coefficient-Corrected Inhibitory Quotient and the Pharmacokinetic-Pharmacodynamic Relationship of Directly Acting Anti-Hepatitis C Virus Agents in Humans
Notice bibliographique
Résumé
Pharmacokinetic-pharmacodynamic (PK-PD) data analyses from early hepatitis C virus (HCV) clinical trials failed to show a good correlation between the plasma inhibitory quotient (IQ) and antiviral activity of different classes of directly acting antiviral agents (DAAs). The present study explored whether use of the liver partition coefficient-corrected IQ (LCIQ) could improve the PK-PD relationship. Animal liver partition coefficients (Kp(liver)) were calculated from liver to plasma exposure ratios. In vitro hepatocyte partition coefficients (Kp(hep)) were determined by the ratio of cellular to medium drug concentrations. Human Kp(liver) was predicted using an in vitro-in vivo proportionality method: the species-averaged animal Kp(liver) multiplied by the ratio of human Kp(hep) over those in animals. LCIQ was calculated using the IQ multiplied by the predicted human Kp(liver). Our results demonstrated that the in vitro-in vivo proportionality approach provided the best human Kp(liver) prediction, with prediction errors of <45% for all 5 benchmark drugs evaluated (doxorubicin, verapamil, digoxin, quinidine, and imipramine). Plasma IQ values correlated poorly (r(2) of 0.48) with maximum viral load reduction and led to a corresponding 50% effective dose (ED(50)) IQ of 42, with a 95% confidence interval (CI) of 0.1 to 148534. In contrast, the LCIQ-maximum VLR relationship fit into a typical sigmoidal curve with an r(2) value of 0.95 and an ED(50) LCIQ of 121, with a 95% CI of 83 to 177. The present study provides a novel human Kp(liver) prediction model, and the LCIQ correlated well with the viral load reductions observed in short-term HCV monotherapy of different DAAs and provides a valuable tool to guide HCV drug discovery.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».