Introduction to Single-cell Physiologically-Based Pharmacokinetic (scPBPK) Models

Este estudio introduce los modelos de farmacocinética fisiológica a nivel de célula única (scPBPK), que incorporan procesos dependientes de la expresión génica mediante funciones de ponderación para caracterizar la heterogeneidad en la distribución de fármacos a escala celular y demostrar su utilidad mediante simulaciones con AZD1775 y midazolam.

Lo esencial

¡Hola! Imagina que el cuerpo humano es una ciudad gigante y compleja, llena de edificios (órganos), calles (vasos sanguíneos) y millones de habitantes (células).

Durante décadas, los científicos han usado un mapa llamado PBPK (Modelos Farmacocinéticos Basados en Fisiología) para predecir cómo viajan los medicamentos por esta ciudad. Pero, hasta ahora, este mapa era un poco "borroso". Decía cosas como: "En el hígado, el medicamento se mueve a una velocidad promedio". Era como decir que "todos los ciudadanos de un barrio se levantan a las 7:00 AM", ignorando que algunos son madrugadores y otros duermen hasta tarde.

Este nuevo estudio presenta un mapa mucho más detallado: el scPBPK (Modelos de Célula Única). Aquí, en lugar de promedios, miramos a cada ciudadano individual para ver exactamente qué le pasa al medicamento en su propia casa.

¿Cómo funciona este nuevo mapa?

Imagina que el medicamento es un mensajero que necesita entregar un paquete (el efecto curativo) en cada casa.

1. El problema de la "Ciudad Promedio":
   En los modelos viejos, si el mensajero tenía que pasar por un portero (una proteína que transporta el medicamento) o por un guardián que lo destruye (un enzima que metaboliza el medicamento), se calculaba el promedio. Pero en la vida real, ¡no todos los porteros son iguales! Algunos son muy rápidos, otros lentos, y algunos no están en absoluto.

2. La solución "Célula por Célula":
   Los autores crearon un sistema donde pueden simular qué pasa en cada una de las 100.000 células de un órgano.

   • Usan una herramienta matemática llamada distribución binomial negativa. Piensa en esto como un dado trucado que decide qué tan "activo" es el portero o el guardián en cada casa específica. A veces el dado saca un "6" (muy activo), a veces un "1" (muy lento). Esto crea una mezcla realista de ciudadanos: unos muy eficientes y otros menos.

Dos historias de medicamentos (Ejemplos del estudio)

Para probar su nuevo mapa, usaron dos medicamentos muy diferentes:

1. El caso del "AZD1775" (El intrépido que lucha en la frontera)

Este medicamento intenta entrar al cerebro, que es como una fortaleza con muros muy altos (la barrera hematoencefálica).

• La historia: Para entrar, el medicamento tiene que pasar por porteros de entrada y escapar de guardias de salida muy estrictos.
• El resultado del nuevo mapa: Al mirar célula por célula, descubrieron que había una caos total. Algunas células del cerebro recibieron una gran cantidad del medicamento, mientras que otras casi nada.
• La analogía: Imagina una lluvia de mensajeros intentando entrar a una ciudad amurallada. En algunas casas, los porteros estaban dormidos y los mensajeros entraron fácil. En otras, los guardias eran tan rápidos que los mensajeros fueron expulsados. El resultado es que la dosis no es igual para todos; hay mucha desigualdad.

2. El caso del "Midazolam" (El viajero rápido)

Este medicamento se procesa en el hígado, que es como una fábrica de reciclaje gigante.

• La historia: El medicamento entra a la fábrica y es descompuesto rápidamente por máquinas (enzimas).
• El resultado del nuevo mapa: Aunque las máquinas de reciclaje (las enzimas) tenían diferentes velocidades en cada célula (algunas rápidas, otras lentas), la cantidad de medicamento dentro de las células fue casi idéntica para todos.
• La analogía: Imagina una autopista de entrada (transporte) que es tan rápida y amplia que, aunque las máquinas de reciclaje trabajen a diferentes velocidades, el tráfico fluye tan rápido que no se forman atascos. El medicamento entra y sale tan rápido que la diferencia en la velocidad de las máquinas no importa. La ciudad se mantiene uniforme.

¿Por qué es esto importante?

Hasta ahora, si un medicamento no funcionaba en un paciente, los científicos decían: "El promedio no fue suficiente". Pero con este nuevo modelo scPBPK, pueden decir:

"¡Ah! El medicamento funcionó perfecto en el 80% de las células, pero falló en ese pequeño grupo de células 'rebelde' que tiene un portero muy estricto. ¡Necesitamos un medicamento diferente para ese grupo!"

En resumen

Este estudio es como pasar de ver una foto borrosa de una multitud a tener una cámara de alta definición que puede hacer zoom en cada persona individual.

• Antes: Decíamos "El medicamento hace esto en el hígado".
• Ahora: Podemos decir "El medicamento hace esto en la célula A, pero esto otro en la célula B".

Esto es crucial para la medicina del futuro: poder diseñar tratamientos que no solo funcionen "en promedio", sino que lleguen a cada célula individual para curar enfermedades de manera más precisa, especialmente en casos difíciles como el cáncer, donde algunas células son muy resistentes y otras no.

Resumen técnico

Aquí presento un resumen técnico detallado del artículo "Introduction to Single-cell Physiologically-Based Pharmacokinetic (scPBPK) Models" en español, estructurado según los puntos solicitados.

Resumen Técnico: Modelos de Farmacocinética Fisiológica Basada en Células Individuales (scPBPK)

1. El Problema

Los modelos farmacocinéticos fisiológicos basados en el organismo completo (PBPK), o modelos estándar (sPBPK), han sido fundamentales durante décadas para el desarrollo de fármacos y la comprensión de la cinética de los medicamentos a nivel de órganos. Sin embargo, estos modelos tradicionales tratan los tejidos como compartimentos homogéneos (lumped compartments) o subdivididos en espacios vascular, intersticial e intracelular uniformes.

A pesar de los avances masivos en tecnologías "ómicas" (transcriptómica, proteómica) que revelan una heterogeneidad celular significativa en la expresión de genes y proteínas, no existía un marco de modelado capaz de integrar estos datos a nivel de célula individual. La falta de modelos que puedan predecir la cinética de fármacos dentro de células individuales limita la comprensión de por qué ciertos subconjuntos celulares pueden tener concentraciones subóptimas de fármacos, lo que lleva a fallos terapéuticos o resistencia, incluso cuando la concentración promedio del tejido parece adecuada.

2. Metodología

Los autores proponen un nuevo marco de modelado llamado scPBPK (single-cell PBPK). La metodología se basa en los siguientes pilares:

• Estructura del Modelo: Se parte de una estructura PBPK estándar modificada. Los órganos que contienen procesos dependientes de la expresión (ED, Expression-Dependent), como el transporte de membrana o el metabolismo, se dividen en tres subcompartimentos: vascular, fluido intersticial (IF) e intracelular (IC).
• Diferenciación Celular: El compartimento intracelular se divide en dos poblaciones:
  1. Células individuales (Single Cells): Un número definido de células ($n_{sc}$) que se modelan individualmente.
  2. Células masivas (Bulk Cells): El resto de las células del tejido ($n_{bulk}$) que se agrupan en un solo compartimento para mantener la conservación de masa.
• Procesos Dependientes de la Expresión (ED): Se identifican procesos clave (ej. enzimas metabólicas, transportadores) cuya actividad varía según la expresión génica. Para cada proceso ED, se introduce una función de ponderación ($W_i$) que asigna una capacidad única (ej. $V_{max,i}$) a cada célula individual.
• Distribución Estadística: Las funciones de ponderación se definen utilizando una distribución binomial negativa (NB), comúnmente utilizada en el análisis de datos de scRNA-seq, para capturar la heterogeneidad biológica real. Los parámetros de la distribución (media $\mu$ y dispersión $\theta$) se asignan aleatoriamente o se derivan de datos experimentales.
• Conservación de Masa: El modelo asegura que la suma de los procesos en las células individuales y las células masivas sea igual al proceso total del órgano, manteniendo la consistencia con los modelos PBPK estándar.
• Casos de Estudio: Se desarrollaron y simularon dos modelos específicos:
  1. AZD1775 (Adavosertib): Un inhibidor de la quinasa WEE1. Se modeló su transporte a través de la barrera hematoencefálica (BHE), considerando tres procesos ED (bombeo de salida P-gp, ABCG2 y un transportador de entrada) y un proceso de difusión pasiva.
  2. Midazolam (MDZ): Un sustrato de CYP3A4/5. Se modeló como un modelo PBPK mínimo (mPBPK) con un hígado de 3 subcompartimentos, donde el único proceso ED es el metabolismo hepático.

3. Contribuciones Clave

• Marco Teórico Novel: Presentación de la primera formalización matemática (Ecuaciones Diferenciales Ordinarias - EDOs) para integrar la heterogeneidad celular en modelos PBPK.
• Integración con Omics: Establecimiento de un puente directo entre los datos de expresión génica a nivel de célula única (scRNA-seq) y la farmacocinética predictiva.
• Método de Ponderación: Propuesta de utilizar distribuciones estadísticas (Binomial Negativa) para modelar la variabilidad en la capacidad metabólica o de transporte de células individuales sin necesidad de medir la concentración de fármaco en cada célula físicamente.
• Validación Comparativa: Demostración de que los modelos scPBPK pueden reproducir los resultados de los modelos estándar (sPBPK) a nivel de tejido promedio, mientras revelan la variabilidad oculta a nivel celular.

4. Resultados

• Modelo AZD1775 (Cerebro):
  • Las simulaciones revelaron una heterogeneidad significativa en las concentraciones intracelulares y del fluido intersticial entre las células individuales.
  • Se observaron variaciones de hasta 4 veces en las concentraciones máximas entre diferentes "clústeres" de células, dependiendo de la variabilidad en los transportadores de la BHE.
  • Las concentraciones promedio de las células masivas coincidieron con la media de las células individuales, pero ocultaron la amplia dispersión real.
• Modelo Midazolam (Hígado):
  • A diferencia de AZD1775, las concentraciones intracelulares de Midazolam mostraron poca heterogeneidad entre células individuales, a pesar de que la capacidad metabólica ($V_{max}$) variaba significativamente entre ellas.
  • Explicación: La alta tasa de transferencia de masa (transporte entre fluido intersticial e intracelular, $h_2$) en comparación con la velocidad de metabolismo ($V_{max}$) homogeneiza rápidamente las concentraciones intracelulares.
  • Análisis de Varianza: Se identificó una relación bifásica entre la varianza de la concentración y la relación $h_2/V_{max}$. La varianza máxima se produce cuando esta relación es baja (~0.01), indicando que la heterogeneidad en el metabolismo solo se traduce en heterogeneidad de concentración si el transporte no es lo suficientemente rápido para compensar las diferencias metabólicas.

5. Significancia e Implicaciones

• Precisión Terapéutica: Los modelos scPBPK permiten identificar subpoblaciones celulares que podrían no alcanzar concentraciones terapéuticas (ej. < EC50) a pesar de que el tejido promedio lo haga, lo cual es crucial para entender el fracaso terapéutico en enfermedades como el cáncer.
• Diseño de Estrategias: Facilita el diseño de estrategias de dosificación o combinaciones de fármacos dirigidas específicamente a tipos celulares problemáticos.
• Futuro scPK/PD: Este trabajo sienta las bases para el desarrollo de modelos scPBPK/PD (Farmacocinética/Farmacodinamia a nivel de célula única), permitiendo correlacionar la exposición del fármaco en células individuales con su respuesta biológica específica.
• Complemento a la Tecnología Omica: Proporciona una herramienta computacional esencial para interpretar los vastos conjuntos de datos de scRNA-seq en un contexto farmacológico, transformando datos estáticos de expresión en dinámicas de fármacos predictivas.

En conclusión, el artículo introduce un paradigma fundamental en la farmacología cuantitativa, moviéndose de la visión de "promedios de tejido" a una comprensión mecanicista de la farmacocinética a nivel de célula individual, lo cual es vital para la medicina de precisión.