Effect of Probiotics on Immunosuppressive Drug Pharmacokinetics: Interaction between <i>Bacillus subtilis</i> and Tacrolimus in Mice
Notice bibliographique
Résumé
The pharmacokinetics of drugs significantly affects their efficacy and adverse effects. Clarifying and predicting individual pharmacokinetic differences is crucial for the appropriate use of pharmaceuticals. Recent studies have suggested that the metabolic potential of intestinal bacteria may influence individual differences in pharmacokinetics. The consumption of probiotics, including supplements and fermented foods, has increased as a recent health trend. However, probiotics may also influence drug pharmacokinetics. In this study, we focused on the immunosuppressive drugs tacrolimus, everolimus, and cyclosporin A, which require careful dosing regimens, and investigated their interactions with microorganisms present in probiotics. Among the evaluated microorganisms, Bacillus subtilis exhibited a particularly strong drug degradation activity, with B. subtilis TO-A reducing the residual rates of tacrolimus and everolimus by 8 and 17%, respectively, in vitro. In a nonclinical pharmacokinetic trial, mice administered B. subtilis TO-A showed a significant reduction in the maximum blood concentration of tacrolimus. The concentration was 86.36 ± 63.61 ng/mL, much lower than that (212.8 ± 67.40 ng/mL) observed in the non-administered group. Based on these results, we can infer that orally ingested microorganisms can metabolize pharmaceuticals before reaching the small intestine, which is the primary site of absorption. These findings strongly suggest the need for caution when concurrently administering tacrolimus and probiotics in humans.
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 ».