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

Este artigo apresenta um novo modelo de farmacocinética fisiológica baseada em células únicas (scPBPK) que incorpora processos dependentes da expressão gênica para prever a heterogeneidade da concentração de fármacos em células individuais, demonstrando sua aplicação em estudos de transporte da barreira hematoencefálica e metabolismo hepático.

O essencial

Imagine que você é um médico tentando entender como um remédio age no corpo de um paciente. Tradicionalmente, os cientistas olhavam para o fígado ou para o cérebro como se fossem um "caldo" homogêneo: todo o órgão era tratado como uma única massa onde o remédio se misturava perfeitamente. Isso é como olhar para uma multidão de pessoas em um estádio e dizer: "Eles estão todos se movendo na mesma velocidade".

Mas a realidade é mais complexa. Cada célula é um indivíduo único, com suas próprias características.

Este artigo apresenta uma nova ferramenta chamada scPBPK (Modelos Farmacocinéticos Baseados em Fisiologia de Célula Única). Vamos descomplicar isso usando algumas analogias do dia a dia.

1. O Problema: O "Caldo" vs. A "Orquestra"

Os modelos antigos (chamados de sPBPK) viam o corpo como um grande balde de sopa. Se você jogasse um tempero (o remédio) nele, ele se espalharia uniformemente. Isso é útil, mas não explica por que, às vezes, o remédio funciona muito bem em uma parte do tumor e não funciona em outra, mesmo estando no mesmo órgão.

O novo modelo (scPBPK) muda a visão: em vez de ver o órgão como uma sopa, ele o vê como uma orquestra. Cada célula é um músico. Alguns tocam alto, outros tocam baixo, alguns têm um violino (enzimas de metabolização) e outros não têm nada. O objetivo é entender a música que cada músico individual está fazendo, não apenas o som geral da orquestra.

2. A Solução: A "Ficha de Identidade" de Cada Célula

Para criar esse modelo, os autores usaram um conceito chamado Processos Dependentes de Expressão (ED).

Pense em uma fábrica de remédios dentro do corpo.

• No modelo antigo: A fábrica tinha uma velocidade média de produção.
• No novo modelo: A fábrica é composta por milhares de trabalhadores (células). Alguns trabalhadores são super-rápidos (têm muitas enzimas), outros são lentos, e alguns estão quase parados.

O modelo usa uma "ficha de identidade" estatística (uma distribuição matemática chamada Binomial Negativa) para atribuir uma velocidade única a cada trabalhador. Isso cria uma heterogeneidade: sabemos que nem todas as células processam o remédio da mesma forma.

3. Os Dois Exemplos da História

Os autores testaram essa ideia com dois "personagens" (remédios) diferentes para ver como eles se comportam nessa nova visão:

Personagem A: O AZD1775 (O "Intruso" no Cérebro)

Imagine que este remédio é um espião tentando entrar em uma fortaleza (o cérebro).

• O Cenário: A fortaleza tem guardas na porta (bombas de efluxo) que jogam o espião para fora, e alguns portões secretos que ajudam a entrar.
• O Resultado: Como cada célula do cérebro tem uma quantidade diferente de guardas (algumas têm muitos, outras poucos), o espião consegue entrar em algumas células e ficar preso em outras.
• A Lição: O modelo mostrou que, dentro do cérebro, a concentração do remédio varia muito de célula para célula. Algumas células têm uma dose alta (o espião entrou), outras têm dose zero (o guarda jogou ele fora). Isso é crucial para tratar tumores cerebrais, pois se você não sabe que algumas células estão sem remédio, o tratamento falha.

Personagem B: O Midazolam (O "Turista" no Fígado)

Agora, imagine este remédio como um turista que entra no fígado para ser processado.

• O Cenário: O fígado é uma estação de trem muito rápida. O turista entra e sai tão rápido que não importa se o funcionário da bilheteria (a enzima) é rápido ou lento; o fluxo de pessoas é tão intenso que todos ficam misturados.
• O Resultado: Mesmo que cada célula tenha uma velocidade diferente para processar o remédio, o remédio entra e sai das células tão rápido que a diferença individual se perde.
• A Lição: Neste caso, o modelo antigo (que via o fígado como um todo) ainda funcionava bem. A variação entre as células não era grande o suficiente para mudar a concentração final do remédio dentro delas.

4. Por que isso é importante? (O "Pulo do Gato")

A grande descoberta é que nem todo remédio se comporta igual.

• Para o AZD1775, a variação entre as células é enorme. Se usarmos o modelo antigo, podemos achar que o remédio está em todos os lugares, quando na verdade ele está falhando em células específicas.
• Para o Midazolam, a variação é pequena, então o modelo antigo ainda serve.

Conclusão Simples

Este artigo é como ter um microscópio de alta tecnologia para a matemática.
Antes, os cientistas olhavam para o corpo e viam "cérebro" ou "fígado". Agora, com o scPBPK, eles podem simular o que acontece dentro de cada célula individual.

Isso permite que os médicos e cientistas:

1. Descubram por que um tratamento falha em alguns pacientes (ou em partes do tumor).
2. Ajustem a dose para garantir que até as células "mais difíceis" recebam o remédio.
3. Usem dados genéticos modernos (como sequenciamento de RNA) para prever exatamente como um órgão específico de um paciente vai reagir a um medicamento.

Em resumo: é a transição de ver o corpo como um "mar" uniforme para vê-lo como um "arquipélago" de ilhas (células) únicas, cada uma com sua própria dinâmica, e aprender a navegar entre elas com precisão.

Resumo técnico

Título: Introdução a Modelos de Farmacocinética Baseada em Fisiologia de Célula Única (scPBPK)

Autores: Anshul Saini e James M. Gallo
Instituição: Departamento de Ciências Farmacêuticas, Universidade de Buffalo (e Columbia University, para o autor correspondente).

---

1. O Problema

Os modelos de Farmacocinética Baseada em Fisiologia Padrão (sPBPK) são ferramentas estabelecidas e fundamentais no desenvolvimento de fármacos, permitindo a análise da cinética de drogas em órgãos-alvo através de compartimentos homogêneos (vascular, intersticial e intracelular). No entanto, esses modelos tradicionais tratam os tecidos como massas homogêneas, ignorando a heterogeneidade celular.

Com o avanço das tecnologias ômicas de célula única (como scRNAseq), tornou-se possível observar variações significativas na expressão gênica e proteica entre células individuais. A lacuna atual é a falta de uma estrutura de modelagem capaz de traduzir essa heterogeneidade molecular em perfis de concentração de fármacos em nível de célula única. Sem modelos scPBPK, é difícil prever como subpopulações celulares específicas processam drogas, o que pode levar a falhas terapêuticas se certas células não atingirem concentrações eficazes.

2. Metodologia

Os autores propõem um novo framework de modelagem que estende os modelos sPBPK para o nível de célula única. A abordagem metodológica inclui:

• Estrutura do Modelo:

  • Adaptação de modelos PBPK existentes para incluir compartimentos intracelulares divididos em células individuais e células em massa (bulk).
  • Uso de Equações Diferenciais Ordinárias (ODEs) para descrever a dinâmica de cada compartimento, garantindo a conservação de massa e fluxo sanguíneo.
  • Implementação de uma estrutura de 3 subcompartimentos (vascular, fluido intersticial e intracelular) para órgãos que contêm processos dependentes de expressão.

• Processos Dependentes de Expressão (ED - Expression-Dependent):

  • Identificação de processos biológicos que variam entre células devido à expressão de proteínas (ex.: transporte de membrana, metabolismo).
  • Introdução de funções de ponderação (weighting functions) nas equações cinéticas. Essas funções atribuem um valor único para parâmetros como $V_{max}$ (capacidade metabólica máxima) ou taxas de transporte para cada célula, baseando-se na heterogeneidade da expressão gênica.

• Distribuição Estatística:

  • As funções de ponderação foram modeladas utilizando uma distribuição Binomial Negativa (NB), comumente usada na análise de dados de scRNAseq para capturar a variabilidade e o "ruído" biológico na expressão gênica. Os parâmetros de média ($\mu$) e dispersão ($\theta$) foram variados para simular diferentes clusters celulares.

• Casos de Estudo (Simulações):

  1. AZD1775 (Inibidor de WEE1): Um modelo de corpo inteiro focado na barreira hematoencefálica (BHE). O cérebro foi modelado com três processos ED (duas bombas de efluxo: P-gp e ABCG2; e uma via de captação) e um processo independente de expressão (difusão passiva).
  2. Midazolam (MDZ): Um modelo PBPK mínimo (mPBPK) focado no fígado, onde o metabolismo por CYP3A4/3A5 é o único processo ED.

3. Contribuições Chave

• Framework Teórico: Definição formal de como converter modelos PBPK tradicionais em modelos de célula única, mantendo a conservação de massa global enquanto introduz variabilidade celular.
• Integração com Ômicas: Demonstração de como integrar dados estatísticos de transcriptômica (distribuição Binomial Negativa) diretamente em equações farmacocinéticas.
• Distinção entre Transporte e Metabolismo: A metodologia permite isolar se a heterogeneidade observada é devido a variações no transporte de membrana ou na capacidade metabólica intracelular.
• Conservação de Parâmetros: Estabelecimento de regras rigorosas para garantir que a soma das capacidades individuais (células únicas + bulk) seja igual à capacidade total do órgão, evitando erros de escala.

4. Resultados

As simulações dos dois casos de estudo revelaram comportamentos distintos:

• AZD1775 (Cérebro):

  • Houve uma grande heterogeneidade nas concentrações de fármacos nas células individuais.
  • Devido à variabilidade nos processos de transporte ativo (bombas de efluxo e captação) na BHE, as concentrações intracelulares variaram significativamente entre os clusters (até 4 vezes na concentração máxima).
  • As concentrações no fluido intersticial (IF) e intracelular (IC) mostraram faixas amplas (interquartil e 5-95%), indicando que algumas células podem não atingir concentrações terapêuticas enquanto outras podem ter excesso.

• Midazolam (Fígado):

  • Diferentemente do AZD1775, as concentrações intracelulares de Midazolam foram homogêneas entre as células, apesar da variabilidade na capacidade metabólica ($V_{max}$) definida pela distribuição Binomial Negativa.
  • Causa: A alta taxa de transferência de massa (transporte entre fluido intersticial e intracelular, $h_2$) em relação à taxa de metabolismo ($V_{max}$) homogeneizou as concentrações. O fármaco entra e sai da célula tão rápido que a variação na velocidade de metabolismo não consegue criar gradientes de concentração significativos.
  • Análise de Variância: A variância nas concentrações intracelulares mostrou uma relação bifásica com a razão $h_2/V_{max}$. A variância máxima ocorre quando a razão é baixa (~0,01). Se o transporte for muito rápido (razão alta), a heterogeneidade é suprimida; se for muito lento, não há fármaco suficiente para que a heterogeneidade metabólica se manifeste.

5. Significado e Implicações

• Precisão Terapêutica: Os modelos scPBPK permitem identificar subpopulações celulares que podem falhar no tratamento devido a concentrações subótimas de drogas, algo invisível para modelos de compartimento único.
• Otimização de Doses: A capacidade de prever a heterogeneidade permite o desenvolvimento de estratégias de dosagem direcionadas a tipos celulares específicos ou a compreensão de mecanismos de resistência.
• Ponte para Farmacodinâmica (PD): Este trabalho estabelece a base para futuros modelos scPBPK/PD, que correlacionarão a concentração de drogas em células únicas com respostas celulares individuais (ex.: morte celular, sinalização), integrando-se ao campo da Farmacologia de Sistemas Quantitativos (QSP).
• Validação Futura: Embora a medição direta de concentrações de drogas em células únicas ainda seja tecnicamente desafiadora, o framework oferece uma ferramenta preditiva crucial para interpretar dados ômicos e guiar experimentos futuros.

Em resumo, o artigo introduz uma evolução paradigmática na modelagem farmacocinética, transicionando de uma visão de "média populacional" para uma visão de "heterogeneidade celular", alinhando a farmacologia clássica com a era da biologia de célula única.