Assessment of CYP3A‐mediated drug–drug interaction potential for victim drugs using an <i>in vivo</i> rat model
Notice bibliographique
Résumé
The present study aims to determine if an in vivo rat model of drug-drug interaction (DDI) could be useful to discriminate a sensitive (buspirone) from a 'non-sensitive' (verapamil) CYP3A substrate, using ketoconazole and ritonavir as perpetrator drugs. Prior to in vivo studies, ketoconazole and ritonavir were shown to inhibit midazolam hydroxylation with IC50 values of 350 ± 60 nm and 11 ± 3 nm, respectively, in rat liver microsomes (RLM). Buspirone and verapamil were also shown to be substrates of recombinant rat CYP3A1/3A2. In the rat model, the mean plasma AUC0-inf of buspirone (10 mg/kg, p.o.) was increased by 7.4-fold and 12.8-fold after co-administration with ketoconazole and ritonavir (20 mg/kg, p.o.), respectively. The mean plasma AUC0-inf of verapamil (10 mg/kg, p.o.) was increased by 3.0-fold and 4.8-fold after co-administration with ketoconazole and ritonavir (20 mg/kg, p.o.), respectively. Thus, the rat DDI model correctly identified buspirone as a sensitive CYP3A substrate (>5-fold AUC change) in contrast to verapamil. In addition, for both victim drugs, the extent of DDI when co-administered was greater with ritonavir compared with ketoconazole, in line with their in vitro CYP3A inhibition potency in RLM. In conclusion, our study extended the rat DDI model applicability to two additional victim/perpetrator pairs. In addition, we suggest that use of this model would increase our confidence in estimation of the DDI potential for victim drugs in early 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».