又得重新上班了,这段时间在家我琢磨了下IVIVC的算法。虽然商用的Gastroplus,toolkit功能强大,但是价格实在不是我这种平头老百姓能够承担的起的。这几天自己在家根据算法用python写了一个不完整的脚本。该脚本目前主要采用的是去卷积的技术去计算药物在服用后的吸收(可以简单理解为体外溶出),脚本只适合非房室模型即相当于Wanger-Nelson方法。
IVIVC(体内外的相关性)
体内外相关性目的是找出一种体内吸收代谢存在高相关性的溶出方法,从某种意义来说:该方法才是具有区分力的方法。我们测试溶出的根本原因,也是默认了药物代谢与溶出之间存在一定的关联性.简单来说,药物体内代谢主要有两方面组成,一方面为药物释放,一方面为体内处置(体内处置一般来说对于同类型的人来说具有统计学的相似性,即相对固定),因此可以采用卷积的算法进行计算
2.体内血药浓度的计算
3. 脚本计算
%reset -f
注意:数据导入自行处理,脚本不完整还有一个原因是关于药代参数的计算,本脚本中并不包含。
4.计算结果
红色为计算的体内吸收,绿色为测试的体外溶出曲线。可以看出二则之间具有良好的相似性。
对计算的吸收和体外数据作图,可以看出二者的相关性良好。
文章的体内数据和体外数据均来自于
In Vitro-In Vivo Correlation (IVIVC) and Determining Drug Concentrations in
Blood from Dissolution Testing – A Simple and Practical Approach,The Open Drug Delivery Journal, 2010, 4, 38-47
领取专属 10元无门槛券
私享最新 技术干货