Model-Based Drug Development in Pulmonary Delivery: Pharmacokinetic Analysis of Novel Drug Candidates for Treatment of Pseudomonas aeruginosa Lung Infection
Notice bibliographique
Résumé
Antibiotic resistance is a major public health threat worldwide. In particular, about 80% of cystic fibrosis patients have chronic Pseudomonas aeruginosa (PA) lung infection resistant to many current antibiotics. We are therefore developing a novel class of antivirulence agents, quorum sensing inhibitors (QSIs), which inhibit biofilm formation and sensitize PA to antibiotic treatments. For respiratory conditions, targeted delivery to the lung could achieve higher local concentrations with reduced risk of adverse systemic events. In this study, we report the pharmacokinetics of 3 prototype QSIs after pulmonary delivery, and the simultaneous analysis of the drug concentration-time profiles from bronchoalveolar lavage, lung homogenate and plasma samples, using a pharmacometric modeling approach. In addition to facilitating the direct comparison and selection of drug candidates, the developed model was used for dosing simulation studies to predict in vivo exposure following different dosing scenarios. The results show that systemic clearance has limited impact on local drug exposure in the lung after pulmonary delivery. Therefore, we suggest that novel QSIs designed for pulmonary delivery as targeted treatments for respiratory conditions should ideally have a long residence time in the lung for local efficacy with rapid clearance after systemic absorption for reduced risk of systemic adverse events.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».