📄 medicine

Development of a Dissolution-Informed PBPK-Assisted In Vitro–In Silico Correlation Framework for Predicting Food Effects of Lurasidone Hydrochloride

Cette étude a développé et validé un cadre de corrélation in vitro–in silico assisté par PBPK et informé par la dissolution qui prédit avec succès les effets de l'alimentation et l'exposition systémique du médicament lurasidone hydrochloride, peu soluble dans l'eau, en intégrant des données de dissolution biorélevantes à une modélisation pharmacocinétique à base physiologique.

Auteurs originaux : Minal Narkhede, Sonal Mhaske, Jitendra Nehete

Publié 2026-08-12

📖 8 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Minal Narkhede, Sonal Mhaske, Jitendra Nehete

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayiez de transmettre un message à travers une pièce bondée. Si le message est écrit sur un morceau de papier glissant et hydrosoluble, il pourrait se dissoudre avant d'atteindre l'autre côté. Mais si le papier est épais et cireux, il pourrait ne pas se dissoudre du tout, laissant le message non lu. C'est un peu comme la façon dont de nombreux médicaments agissent dans notre corps. Certains médicaments sont comme ce papier ciré : ils ne se mélangent pas bien avec les fluides aqueux de notre estomac ou de nos intestins. Parce qu'ils ne peuvent pas se dissoudre facilement, ils ne peuvent pas être absorbés dans la circulation sanguine pour faire leur travail. Les scientifiques appellent cela un problème de « limitation par la dissolution ».

Maintenant, imaginez que les règles de la pièce bondée changent selon que vous venez de prendre un repas copieux ou que vous avez encore faim. Si vous venez de manger, votre estomac produit plus de « détergents » spéciaux (appelés sels biliaires) qui peuvent aider à décomposer ce papier ciré. C'est l'« effet de l'alimentation ». Pour certains médicaments, manger un repas améliore considérablement leur efficacité ; pour d'autres, cela peut la diminuer. Prédire exactement comment un médicament spécifique se comportera dans ces différentes conditions est complexe. Les scientifiques utilisent deux outils principaux pour résoudre ce casse-tête : ils testent la vitesse à laquelle un médicament se dissout dans une tasse de liquide qui imite l'estomac (in vitro) et utilisent des modèles informatiques puissants pour simuler le mouvement du médicament à travers le corps humain (in silico ou modélisation PBPK). La grande question est la suivante : pouvons-nous combiner ces deux outils pour prédire exactement comment un médicament agira chez une personne réelle, surtout lorsque la nourriture est impliquée ?

Ce document explore cette question en utilisant un médicament spécifique, le chlorhydrate de luluridone, utilisé pour traiter des conditions comme la schizophrénie. La lurasidone est un exemple classique de médicament qui peine à se dissoudre dans l'eau et qui présente un énorme « effet de l'alimentation » — ce qui signifie que sa performance change radicalement selon que vous le prenez à jeun ou avec un repas. Les chercheurs ont voulu voir s'ils pouvaient construire un « jumeau numérique » du corps humain capable de prédire avec précision comment ce médicament se comporte, en utilisant les données réelles de leurs expériences de laboratoire comme point de départ.

L'expérience de laboratoire : Tester les eaux de l'estomac

D'abord, l'équipe s'est rendue au laboratoire pour voir comment la lurasidone se comporte dans différents types d'« estomacs factices ». Ils n'ont pas seulement utilisé de l'eau pure ; ils ont créé quatre environnements liquides différents pour imiter le corps humain dans différentes conditions :

Estomac à jeun : Estomac vide, acide.
Estomac après repas : Estomac plein, moins acide, avec des propriétés alimentaires.
Intestin à jeun : Intestin vide, pH neutre.
Intestin après repas : Intestin plein, riche en sels biliaires (les détergents naturels du corps).

Ils ont déposé un comprimé de 40 mg de lurasidone dans chacun de ces quatre liquides et ont observé quelle quantité de médicament se dissolvait sur deux heures. Les résultats étaient clairs et spectaculaires. Le médicament s'est le plus dissous dans le liquide d'estomac après repas (85,1 %), suivi de près par le liquide d'intestin après repas (78,8 %). En revanche, il s'est beaucoup moins dissous dans l'estomac vide (61,8 %) et le moins dans l'intestin vide (57,7 %).

Cela a confirmé ce que les médecins savaient déjà : la nourriture aide ce médicament à se dissoudre. Mais les chercheurs voulaient savoir exactement à quel point cela serait meilleur dans un corps humain réel, et pas seulement dans un bécher.

La simulation informatique : Construire un corps numérique

Ensuite, l'équipe a pris ces chiffres du monde réel provenant de leurs béchers et les a injectés dans un programme informatique sophistiqué appelé PK-Sim. Considérez ce programme comme un jeu vidéo où vous construisez un humain virtuel. Les scientifiques ont programmé cet humain virtuel avec tous les détails appropriés : la taille de l'estomac, la vitesse à laquelle il se vide, le débit sanguin vers le foie, et la façon dont le foie décompose les médicaments.

Ils n'ont pas simplement deviné comment le médicament circulerait ; ils ont utilisé les données de dissolution réelles de leurs expériences de laboratoire pour dire à l'ordinateur exactement à quelle vitesse le médicament était libéré dans chacun des quatre scénarios de l'« estomac ». L'ordinateur a ensuite lancé la simulation pour prédire à quoi ressembleraient les niveaux de médicament dans le sang au fil du temps.

La grande révélation : L'ordinateur a vu juste

Les résultats de la simulation ont été impressionnants. L'ordinateur a prédit que la prise du médicament avec de la nourriture (l'état « après repas ») entraînerait une quantité de médicament beaucoup plus élevée dans le sang par rapport à la prise à jeun.

Dans la simulation de l'estomac après repas, le pic de concentration du médicament (Cmax) a été prédit à 64,26 µmol/L.
Dans la simulation de l'estomac à jeun, le pic n'était que de 46,68 µmol/L.

Cela signifie que l'ordinateur a prédit une augmentation de 37,7 % du niveau de pointe du médicament simplement en ajoutant de la nourriture au mélange. La quantité totale de médicament absorbée au fil du temps (AUC) a également bondi de près de 60 % dans l'état après repas.

Mais comment savoir si l'ordinateur n'était pas simplement en train d'inventer ? Les chercheurs ont comparé leurs prédictions informatiques à des données réelles issues d'études cliniques humaines publiées dans d'autres articles. La correspondance était frappante.

La prédiction de l'ordinateur pour le niveau de pointe différait de moins de 4 % par rapport aux données humaines réelles.
L'« erreur de facteur » (une façon de mesurer la proximité de la prédiction avec la réalité) était de 1,04, ce qui est presque parfait (un score de 1,0 serait une correspondance parfaite).
La corrélation entre la quantité de médicament dissous dans le bécher et la quantité prédite par l'ordinateur dans le sang était extrêmement forte, avec un score de 0,9545.

Cela a prouvé que le « jumeau numérique » était précis. L'ordinateur a réussi à traduire l'expérience de laboratoire simple (dissolution d'un médicament dans une tasse) en une prédiction complexe de ce qui se passe à l'intérieur d'un corps humain.

Qu'est-ce qui pilote le système ?

Les chercheurs ont également joué au jeu du « et si » en utilisant leur modèle informatique. Ils ont modifié une variable à la fois pour voir quelle partie du corps importait le plus pour la quantité de médicament atteignant le sang. Ils ont trouvé deux moteurs principaux :

La solubilité : La capacité du médicament à se dissoudre. C'était le facteur positif le plus important. Si le médicament se dissout mieux, davantage passe dans le sang.
Le nettoyage par le foie : Le foie utilise une enzyme appelée CYP3A4 pour décomposer le médicament. C'était le facteur négatif le plus important. Si le foie travaille plus dur, moins de médicament reste dans le sang.

Il est intéressant de noter que des éléments comme la vitesse à laquelle l'estomac se vide ou le temps pendant lequel le médicament séjourne dans l'intestin importaient, mais ils n'étaient pas aussi critiques que la capacité de dissolution du médicament ou la capacité du foie à le nettoyer.

Populations spéciales : Qu'en est-il des foies malades ?

Enfin, l'équipe a posé une question cruciale : que se passe-t-il si le « humain numérique » possède un foie qui ne fonctionne pas parfaitement ? Ils ont simulé un scénario pour les personnes souffrant d'insuffisance hépatique (atteinte du foie).

Chez ces patients virtuels, les niveaux de médicament ont augmenté. Le pic de concentration (Cmax) est passé de 64,2 à 77,0 µmol/L.
L'exposition totale (AUC) est passée de 5138,05 à 5395,20 µmol·min/L.

Cela suggère que les personnes ayant des problèmes de foie pourraient absorber encore plus de médicament, ce qui est une information cruciale pour les médecins lors de la prescription du médicament.

Ce qu'il faut retenir

Cette étude ne s'est pas contentée de deviner ; elle a construit un pont entre un test de laboratoire simple et un corps humain complexe. En combinant des données de dissolution réelles avec un modèle informatique, les chercheurs ont créé un outil fiable capable de prédire comment la lurasidone se comporte chez différentes personnes et dans différentes conditions.

Le document suggère que cette approche — utiliser des tests de dissolution biorélevants pour alimenter des modèles PBPK — fonctionne très bien pour les médicaments qui peinent à se dissoudre. Cela montre que nous pouvons prédire les effets de l'alimentation et même le comportement du médicament chez les personnes souffrant de problèmes de foie sans avoir besoin de mener autant d'essais cliniques coûteux et chronophages sur de vrais humains. Bien que l'étude se soit concentrée sur un seul médicament et un seul type de comprimé, la méthode utilisée est un nouvel outil puissant pour comprendre le fonctionnement des médicaments, capable de rendre le développement de médicaments plus rapide et plus sûr pour tout le monde.

Résumé Technique : Cadre IVISc assisté par PBPK informé par la dissolution pour le chlorhydrate de lurasidone

Problématique
Le chlorhydrate de lurasidone, un antipsychotique atypique de deuxième génération classé dans la classe II du Système de Classification Biopharmaceutique (BCS), présente une faible solubilité aqueuse et une perméabilité intestinale élevée. Son absorption orale est limitée par la dissolution et est significativement influencée par la physiologie gastro-intestinale, ce qui entraîne un effet de l'alimentation positif marqué (augmentation d'environ 2 à 3 fois de la biodisponibilité en conditions postprandiales). Les tests de dissolution conventionnels dans des milieux aqueux simples ne parviennent souvent pas à prédire la performance in vivo de tels composés peu solubles dans l'eau. Bien que la modélisation pharmacocinétique à base physiologique (PBPK) et les tests de dissolution biorélevants soient des outils établis, il subsiste une lacune dans l'intégration des profils de dissolution générés expérimentalement à partir de multiples milieux biorélevants directement dans les simulations mécanistes PBPK afin d'établir une corrélation robuste in vitro–in silico (IVISc) pour prédire les effets de l'alimentation et l'exposition systémique.

Méthodologie
L'étude a employé un flux de travail systématique intégrant des tests de dissolution biorélevants avec une modélisation PBPK via PK-Sim® (version 12.2) :

Études de dissolution biorélevantes : Les profils de dissolution d'un comprimé de chlorhydrate de lurasidone de 40 mg ont été générés dans quatre milieux gastriques et intestinaux simulés : milieu gastrique simulé à jeun (FaSSGF), milieu gastrique simulé en état postprandial (FeSSGF), milieu intestinal simulé à jeun (FaSSIF) et milieu intestinal simulé en état postprandial (FeSSIF). Les expériences ont été menées à 37 °C à l'aide de l'appareil USP II.
Analyse cinétique et statistique : Les données de dissolution ont été ajustées aux modèles cinétiques d'ordre zéro, de premier ordre, de Higuchi et de Korsmeyer–Peppas. Des facteurs de similitude ( $f_2$ ) ont été calculés pour comparer les profils entre les états à jeun et postprandiaux.
Développement du modèle PBPK : Un modèle PBPK pour l'ensemble du corps a été construit selon une approche ascendante (bottom-up). Les paramètres physicochimiques spécifiques au médicament (ex. : pKa, logP, solubilité intrinsèque, fraction libre) et les paramètres physiologiques ont été extraits de la littérature et de la base de données PK-Sim. Le modèle intégrait le transit gastro-intestinal spécifique à chaque région, la solubilité dépendante du pH et le métabolisme hépatique médié par le CYP3A4.
Intégration et simulation : Les profils de dissolution dérivés expérimentalement des quatre milieux ont été intégrés comme entrées dépendantes du temps dans le modèle PBPK. Des simulations ont été réalisées pour des populations adultes virtuelles sous conditions à jeun et postprandiales pour prédire les profils de concentration plasmatique–temps et les paramètres pharmacocinétiques (PK) ( $C_{max}$ , $T_{max}$ , $AUC_{tend}$ ).
IVISc et validation : Un cadre IVISc assisté par PBPK a été établi en corrélant l'étendue de la dissolution à 120 minutes avec l'exposition systémique prédite ( $AUC_{tend}$ ). La performance du modèle a été validée par rapport à des données PK cliniques externes en utilisant l'erreur de facteur (FE), l'erreur de facteur absolue moyenne (AAFE), l'analyse de l'adéquation (goodness-of-fit) et des vérifications prédictives visuelles (VPC).
Analyse de sensibilité et de populations spéciales : Une analyse de sensibilité a identifié les principaux moteurs de l'exposition systémique. Le modèle validé a été ensuite appliqué pour simuler la pharmacocinétique dans une population présentant une insuffisance hépatique (Child–Pugh B).

Résultats clés

Comportement de dissolution : La dissolution a été significativement influencée par les conditions gastro-intestinales ( $p < 0,001$ ). La libération maximale de médicament a été observée dans le FeSSGF (85,1 %), suivi du FeSSIF (78,8 %), du FaSSGF (61,8 %) et du FaSSIF (57,7 %). Le modèle de Korsmeyer–Peppas présentait le meilleur ajustement pour la plupart des milieux, indiquant un comportement de libération non fickéen (anomal).
Prédictions PBPK : Le modèle a réussi à traduire les entrées de dissolution en résultats PK. Les simulations en FeSSGF ont produit la $C_{max}$ (64,26 µmol/L) et l' $AUC_{tend}$ (5138,05 µmol·min/L) les plus élevées. Comparées aux états à jeun, les simulations en état postprandial ont prédit une augmentation de 37,7 % de la $C_{max}$ et de 59,9 % de l' $AUC_{tend}$ pour les conditions gastriques, et respectivement de 36,3 % et 40,2 % pour les conditions intestinales.
Corrélation IVISc : Une forte relation linéaire a été établie entre le pourcentage de médicament dissous à 120 minutes et l' $AUC_{tend}$ prédite ( $R^2 = 0,9545$ ), confirmant que l'étendue de la dissolution pilote directement l'exposition systémique dans le modèle.
Validation du modèle : Le modèle a démontré une excellente précision prédictive. L'erreur de facteur moyenne (MFE) et l'erreur de facteur absolue moyenne (AAFE) étaient toutes deux de 1,04. Les erreurs de prédiction pour la $C_{max}$ et l'$AUC$ variaient de 3,67 % à 3,98 %, soit bien en dessous des critères acceptés de $\pm 20 \%$ . L'analyse de l'adéquation a montré un fort accord ( $R^2 = 0,97$ pour la $C_{max}$ , $0,98$ pour l'$AUC$).
Analyse de sensibilité : La solubilité et la clairance médiée par le CYP3A4 ont été identifiées comme les principaux déterminants de l'exposition systémique, suivies par la dose orale et la perméabilité effective.
Insuffisance hépatique : Les simulations chez des sujets présentant une insuffisance hépatique ont prédit une augmentation de la $C_{max}$ (de 64,2 à 77,0 µmol/L) et de l' $AUC_{tend}$ (de 5138,05 à 5395,20 µmol/L), reflétant une réduction de la clairance métabolique.

Signification et revendications
L'article affirme que le cadre PBPK informé par la dissolution développé traduit avec succès le comportement de dissolution biorélevant en résultats pharmacocinétiques avec une haute précision prédictive. L'IVISc intégrée assistée par PBPK démontre une prédiction robuste des effets de l'alimentation et de l'exposition systémique pour le chlorhydrate de lurasidone.

Les auteurs positionnent ce travail comme une application pratique du développement de médicaments assisté par modèle (MIDD). Ils affirment que le cadre soutient :

L'optimisation de la formulation : En reliant des profils de dissolution spécifiques aux expositions prédites.
La prédiction de l'effet de l'alimentation : En expliquant mécanistiquement l'effet alimentaire positif par la solubilisation et la cinétique de dissolution.
L'évaluation des populations spéciales : En démontrant la capacité du modèle à prédire les changements PK dans l'insuffisance hépatique.
L'utilité réglementaire : En s'alignant sur les directives de la FDA et de l'ICH (y compris l'ICH M15) concernant l'utilisation de la PBPK pour les applications biopharmaceutiques, la bioéquivalence virtuelle et la réduction du recours à des études cliniques extensives pour les médicaments peu solubles dans l'eau.

L'étude conclut que cette approche offre une alternative mécaniste aux corrélations in vitro–in vivo (IVIVC) empiriques, offrant un outil validé pour évaluer l'impact de la physiologie gastro-intestinale sur l'absorption des médicaments de la classe II du BCS.