MétaCan
Menu
Retour à la cohorte
Enregistrement W2617574211 · doi:10.18433/j3mg71

Quantitative Structure – Pharmacokinetic Relationships for Plasma Clearance of Basic Drugs with Consideration of the Major Elimination Pathway

2017· article· en· W2617574211 sur OpenAlexvenueno aff
Zvetanka Zhivkova

Notice bibliographique

RevueJournal of Pharmacy & Pharmaceutical Sciences · 2017
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPharmacokineticsClearanceChemistryLipophilicityDrugStepwise regressionPharmacologyDrug metabolismLinear regressionQuantitative structure–activity relationshipDrug developmentStereochemistryInternal medicineMedicineMathematics

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The success of a new drug candidate is determined not only by its efficacy and safety, but also by proper pharmacokinetic behavior. The early prediction of pharmacokinetic parameters could save time and resources and accelerate drug development process. Plasma clearance (CL) is one of the key determinants of drug dosing regimen. The aim of the study is development of quantitative structure - pharmacokinetics relationships (QSPkRs) for the CL. METHODS: A dataset consisted of 263 basic drugs, which chemical structures were described by 154 descriptors. Genetic algorithm, stepwise regression and multiple linear regression were used for variable selection and model development. Predictive ability of the models was assessed by internal and external validation. Results. A number of significant QSPkR models for the CL were derived with respect to the primary elimination pathway (renal excretion, metabolism, or CYP3A4 mediated biotransformation), as well for the unbound clearance (CLu). The models were able to predict 52 - 80% of the drugs from external validation sets within the 2-fold error of the experimental values with geometric mean fold error 1.57 - 2.00. CONCLUSIONS: Plasma protein binding was the major restrictive factor for the CL of drugs, primarily cleared by metabolism. The clearance was favored by lipophilicity and several structural features like OH-groups, aromatic rings, large hydrophobic centers, aliphatic groups, connected with electro-negative atoms, and non-substituted aromatic C-atoms. The presence of Cl-atoms and abundance of 6-member aromatic rings or fused rings had negative effect. The presence of ether O-atoms contributed negatively to the CL of both metabolism and renally excreted drugs, and urine excretion was favored by the presence of 3-valence N-atoms. These findings give insight on the main structural features governing plasma CL of basic drugs and could serve as a guide for lead optimization in the drug development process. This article is open to POST-PUBLICATION REVIEW. Registered readers (see "For Readers") may comment by clicking on ABSTRACT on the issue's contents page.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,208
Tête enseignante GPT0,473
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacy & Pharmaceutical SciencesMême sujetPharmacogenetics and Drug MetabolismTravaux en français237 207