Research tools for extrapolating the disposition and pharmacokinetics of nanomaterials from preclinical animals to humans
Notice bibliographique
Résumé
A critical step in the translational science of nanomaterials from preclinical animal studies to humans is the comprehensive investigation of their disposition (or ADME) and pharmacokinetic behaviours. Disposition and pharmacokinetic data are ideally collected in different animal species (rodent and nonrodent), at different dose levels, and following multiple administrations. These data are used to assess the systemic exposure and effect to nanomaterials, primary determinants of their potential toxicity and therapeutic efficacy. At toxic doses in animal models, pharmacokinetic (termed toxicokinetic) data are related to toxicologic findings that inform the design of nonclinical toxicity studies and contribute to the determination of the maximum recommended starting dose in clinical phase 1 trials. Nanomaterials present a unique challenge for disposition and pharmacokinetic investigations owing to their prolonged circulation times, nonlinear pharmacokinetic profiles, and their extensive distribution into tissues. Predictive relationships between nanomaterial physicochemical properties and behaviours in vivo are lacking and are confounded by anatomical, physiological, and immunological differences amongst preclinical animal models and humans. These challenges are poorly understood and frequently overlooked by investigators, leading to inaccurate assumptions of disposition, pharmacokinetic, and toxicokinetics profiles across species that can have profoundly detrimental impacts for nonclinical toxicity studies and clinical phase 1 trials. Herein are highlighted two research tools for analysing and interpreting disposition and pharmacokinetic data from multiple species and for extrapolating this data accurately in humans. Empirical methodologies and mechanistic mathematical modelling approaches are discussed with emphasis placed on important considerations and caveats for representing nanomaterials, such as the importance of integrating physiological variables associated with the mononuclear phagocyte system (MPS) into extrapolation methods for nanomaterials. The application of these tools will be examined in recent examples of investigational and clinically approved nanomaterials. Finally, strategies for applying these extrapolation tools in a complementary manner to perform dose predictions and in silico toxicity assessments in humans will be explained. A greater familiarity with the available tools and prior experiences of extrapolating nanomaterial disposition and pharmacokinetics from preclinical animal models to humans will hopefully result in a more straightforward roadmap for the clinical translation of promising nanomaterials.
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 | 0,031 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».