Noteworthy idiosyncrasies of 1α,25‐dihydroxyvitamin D<sub>3</sub> kinetics for extrapolation from mouse to man: Commentary
Notice bibliographique
Résumé
Abstract Calcitriol or 1,25‐dihydroxyvitamin D 3 [1,25(OH) 2 D 3 ] is the active ligand of the vitamin D receptor (VDR) that plays a vital role in health and disease. Vitamin D is converted to the relatively inactive metabolite, 25‐hydroxyvitamin D 3 [25(OH)D 3 ], by CYP27A1 and CYP2R1 in the liver, then to 1,25(OH) 2 D 3 by a specific, mitochondrial enzyme, CYP27B1 (1α‐hydroxylase) that is present primarily in the kidney. The degradation of both metabolites is mostly carried out by the more ubiquitous mitochondrial enzyme, CYP24A1. Despite the fact that calcitriol inhibits its formation and degradation, allometric scaling revealed strong interspecies correlation of the net calcitriol clearance (CL estimated from dose/AUC ∞ ), production rate (PR), and basal, plasma calcitriol concentration with body weight (BW). PBPK‐PD (physiologically based pharmacokinetic‐pharmacodynamic) modeling confirmed the dynamic interactions between calcitriol and Cyp27b1/Cyp24a1 on the decrease in the PR and increase in CL in mice. Close scrutiny of the literature revealed that basal levels of calcitriol had not been taken into consideration for estimating the correct AUC ∞ and CL after exogenous calcitriol dosing in both animals and humans, leading to an overestimation of AUC ∞ and underestimation of the plasma CL. In humans, CL was decreased in chronic kidney disease but increased in cancer. Collectively, careful pharmacokinetic data analysis and improved definition are achieved with PBPK‐PD modeling, which embellishes the complexity of dose, enzyme regulation, and disease conditions. Allometric scaling and PBPK‐PD modeling were applied successfully to extend the PBPK model to predict calcitriol kinetics in cancer patients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».