Development of a Minimalistic Physiologically Based Pharmacokinetic (mPBPK) Model for the Preclinical Development of Spectinamide Antibiotics
Notice bibliographique
Résumé
Spectinamides 1599 and 1810 are lead spectinamide compounds currently under preclinical development to treat multidrug-resistant (MDR) and extensively drug-resistant (XDR) tuberculosis. These compounds have previously been tested at various combinations of dose level, dosing frequency, and route of administration in mouse models of Mycobacterium tuberculosis (Mtb) infection and in healthy animals. Physiologically based pharmacokinetic (PBPK) modeling allows the prediction of the pharmacokinetics of candidate drugs in organs/tissues of interest and extrapolation of their disposition across different species. Here, we have built, qualified, and refined a minimalistic PBPK model that can describe and predict the pharmacokinetics of spectinamides in various tissues, especially those relevant to Mtb infection. The model was expanded and qualified for multiple dose levels, dosing regimens, routes of administration, and various species. The model predictions in mice (healthy and infected) and rats were in reasonable agreement with experimental data, and all predicted AUCs in plasma and tissues met the two-fold acceptance criteria relative to observations. To further explore the distribution of spectinamide 1599 within granuloma substructures as encountered in tuberculosis, we utilized the Simcyp granuloma model combined with model predictions in our PBPK model. Simulation results suggest substantial exposure in all lesion substructures, with particularly high exposure in the rim area and macrophages. The developed model may be leveraged as an effective tool in identifying optimal dose levels and dosing regimens of spectinamides for further preclinical and clinical development.
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) | 0,000 | 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 ».