TY - THES A1 - Solms, Alexander Maximilian T1 - Integrating nonlinear mixed effects and physiologically–based modeling approaches for the analysis of repeated measurement studies T1 - Integration nicht-linearer gemischter Modelle und physiologie-basierte Modellierung Ansätze in die Auswertung longitudinaler Studien BT - with applications in quantitative pharmacology and quantitative psycholinguistics N2 - During the drug discovery & development process, several phases encompassing a number of preclinical and clinical studies have to be successfully passed to demonstrate safety and efficacy of a new drug candidate. As part of these studies, the characterization of the drug's pharmacokinetics (PK) is an important aspect, since the PK is assumed to strongly impact safety and efficacy. To this end, drug concentrations are measured repeatedly over time in a study population. The objectives of such studies are to describe the typical PK time-course and the associated variability between subjects. Furthermore, underlying sources significantly contributing to this variability, e.g. the use of comedication, should be identified. The most commonly used statistical framework to analyse repeated measurement data is the nonlinear mixed effect (NLME) approach. At the same time, ample knowledge about the drug's properties already exists and has been accumulating during the discovery & development process: Before any drug is tested in humans, detailed knowledge about the PK in different animal species has to be collected. This drug-specific knowledge and general knowledge about the species' physiology is exploited in mechanistic physiological based PK (PBPK) modeling approaches -it is, however, ignored in the classical NLME modeling approach. Mechanistic physiological based models aim to incorporate relevant and known physiological processes which contribute to the overlying process of interest. In comparison to data--driven models they are usually more complex from a mathematical perspective. For example, in many situations, the number of model parameters outrange the number of measurements and thus reliable parameter estimation becomes more complex and partly impossible. As a consequence, the integration of powerful mathematical estimation approaches like the NLME modeling approach -which is widely used in data-driven modeling -and the mechanistic modeling approach is not well established; the observed data is rather used as a confirming instead of a model informing and building input. Another aggravating circumstance of an integrated approach is the inaccessibility to the details of the NLME methodology so that these approaches can be adapted to the specifics and needs of mechanistic modeling. Despite the fact that the NLME modeling approach exists for several decades, details of the mathematical methodology is scattered around a wide range of literature and a comprehensive, rigorous derivation is lacking. Available literature usually only covers selected parts of the mathematical methodology. Sometimes, important steps are not described or are only heuristically motivated, e.g. the iterative algorithm to finally determine the parameter estimates. Thus, in the present thesis the mathematical methodology of NLME modeling is systemically described and complemented to a comprehensive description, comprising the common theme from ideas and motivation to the final parameter estimation. Therein, new insights for the interpretation of different approximation methods used in the context of the NLME modeling approach are given and illustrated; furthermore, similarities and differences between them are outlined. Based on these findings, an expectation-maximization (EM) algorithm to determine estimates of a NLME model is described. Using the EM algorithm and the lumping methodology by Pilari2010, a new approach on how PBPK and NLME modeling can be combined is presented and exemplified for the antibiotic levofloxacin. Therein, the lumping identifies which processes are informed by the available data and the respective model reduction improves the robustness in parameter estimation. Furthermore, it is shown how apriori known factors influencing the variability and apriori known unexplained variability is incorporated to further mechanistically drive the model development. Concludingly, correlation between parameters and between covariates is automatically accounted for due to the mechanistic derivation of the lumping and the covariate relationships. A useful feature of PBPK models compared to classical data-driven PK models is in the possibility to predict drug concentration within all organs and tissue in the body. Thus, the resulting PBPK model for levofloxacin is used to predict drug concentrations and their variability within soft tissues which are the site of action for levofloxacin. These predictions are compared with data of muscle and adipose tissue obtained by microdialysis, which is an invasive technique to measure a proportion of drug in the tissue, allowing to approximate the concentrations in the interstitial fluid of tissues. Because, so far, comparing human in vivo tissue PK and PBPK predictions are not established, a new conceptual framework is derived. The comparison of PBPK model predictions and microdialysis measurements shows an adequate agreement and reveals further strengths of the presented new approach. We demonstrated how mechanistic PBPK models, which are usually developed in the early stage of drug development, can be used as basis for model building in the analysis of later stages, i.e. in clinical studies. As a consequence, the extensively collected and accumulated knowledge about species and drug are utilized and updated with specific volunteer or patient data. The NLME approach combined with mechanistic modeling reveals new insights for the mechanistic model, for example identification and quantification of variability in mechanistic processes. This represents a further contribution to the learn & confirm paradigm across different stages of drug development. Finally, the applicability of mechanism--driven model development is demonstrated on an example from the field of Quantitative Psycholinguistics to analyse repeated eye movement data. Our approach gives new insight into the interpretation of these experiments and the processes behind. N2 - Für die Erforschung und Entwicklung eines neuen Arzneistoffes wird die sichere und wirksame Anwendung in präklinischen und klinischen Studien systematisch untersucht. Ein wichtiger Bestandteil dieser Studien ist die Bestimmung der Pharmakokinetik (PK), da über diese das Wirkungs- und Nebenwirkungsprofil maßgeblich mitbestimmt wird. Um die PK zu bestimmen wird in der Studienpopulation die Wirkstoffkonzentration im Blut wiederholt über die Zeit gemessen. Damit kann sowohl der Konzentrations-Zeit-Verlauf als auch die dazugehörige Variabilität in der Studienpopulation bestimmt werden. Darüber hinaus ist ein weiteres Ziel, die Ursachen dieser Variabilität zu identifizieren. Fär die Auswertung der Daten werden nichtlineare, gemischte Effektmodelle (NLME) eingesetzt. Im Vorfeld der klinischen Studien sind bereits viele Eigenschaften des Wirkstoffes bekannt, da der Wirkstoff-Testung am Menschen die Bestimmung der PK an verschiedenen Tierspezies voraus geht. Auf Basis dieser wirkstoffspezifischen Daten und des Wissens um die spezifische humane Physiologie können mittels mechanistisch physiologiebasierter Modelle Vorhersagen für die humane PK getroffen werden. Bei der Analyse von PK Daten mittels NLME Modellen wird dieses vorhandene Wissen jedoch nicht verwertet. In physiologiebasierten Modellen werden physiologische Prozesse, die die PK bestimmen und beeinflussen können, ber+cksichtigt. Aus mathematischer Sicht sind solche mechanistischen Modelle im Allgemeinen deutlich komplexer als empirisch motivierte Modelle. In der Anwendung kommt es deswegen häufig zu Situationen, in denen die Anzahl der Modellparameter die Anzahl der zugrunde liegenden Beobachtungen übertrifft. Daraus folgt unter anderem, dass die Parameterschätzung, wie sie in empirisch motivierten Modellen genutzt wird, in der Regel unzuverlässig bzw. nicht möglich ist. In Folge dessen werden klinische Daten in der mechanistischen Modellierung meist nur zur Modellqualifizierung genutzt und nicht in die Modell(weiter)entwicklung integriert. Ein weiterer erschwerender Umstand, NLME und PBPK Modelle in der Anwendung zu kombinieren, beruht auch auf der Komplexität des NLME Ansatzes. Obwohl diese Methode seit Jahrzehnten existiert, sind in der Literatur nur ausgewählte Teilstücke der zugrunde liegenden Mathematik beschrieben und hergeleitet; eine lückenlose Beschreibung fehlt. Aus diesem Grund werden in der vorliegenden Arbeit systematisch die Methodik und mathematischen Zusammenhänge des NLME Ansatzes, von der ursprüngliche Idee und Motivation bis zur Parameterschätzung beschrieben. In diesem Kontext werden neue Interpretationen der unterschiedlichen Methoden, die im Rahmen der NLME Modellierung verwendet werden, vorgestellt; zudem werden Gemeinsamkeiten und Unterschiede zwischen diesen herausgearbeitet. Mittels dieser Erkenntnisse wird ein Expectation-Maximization (EM) Algorithmus zur Parameterschätzung in einer NLME Analyse beschrieben. Mittels des neuen EM Algorithmus, kombiniert mit dem Lumping-Ansatz von Pilari und Huisinga (S. Pilari, W. Huisinga, JPKPD Vol. 37(4), 2010.) wird anhand des Antibiotikums Levofloxacin ein neuer konzeptioneller Ansatz entwickelt, der PBPK- und NLME-Modellierung zur Datenanalyse integriert. Die Lumping-Methode definiert hierbei, welche Prozesse von den verfügbaren Daten informiert werden, sie verbessert somit die Robustheit der Parameterschätzung. Weiterhin wird gezeigt, wie a-priori Wissen über Variabilität und Faktoren, die diese beeinflussen, sowie unerklärte Variabilität in das Modell integriert werden können. Ein elementarer Vorteil von PBPK Modellen gegenüber empirisch motivieren PK Modellen besteht in der Möglichkeit, Wirkstoffkonzentrationen innerhalb von Organen und Gewebe im Körper vorherzusagen. So kann das PBPK-Modell für Levofloxacin genutzt werden, um Wirkstoffkonzentrationen innerhalb der Gewebe vorherzusagen, in denen typischerweise Infektionen auftreten. Für Muskel- und Fettgewebe werden die PBPK-Vorhersagen mit Mikrodialyse Gewebemessungen verglichen. Die gute übereinstimmung von PBPK-Modell und Mikrodialyse stellt eine noch nicht vorhanden Validierung des PBPK-Gewebemodells im Menschen dar. In dieser Dissertation wird gezeigt, wie mechanistische PBPK Modelle, die in der Regel in der frühen Phase der Arzneimittelentwicklung entwickelt werden, erfolgreich zur Analyse von klinischen Studien eingesetzt werden können. Das bestehende Wissen über den neuen Wirkstoff wird somit gezielt genutzt und mit klinischen Daten von Probanden oder Patienten aktualisiert. Im Fall von Levofloxacin konnte Variabilität in mechanistischen Prozessen identifiziert und quantifiziert werden. Dieses Vorgehen liefert einen weiteren Beitrag zum learn & confirm Paradigma im Forschungs- und Entwicklungsprozess eines neuen Wirkstoffes. Abschließend wird anhand eines weiteren real world-Beispieles aus dem Bereich der quantitativen Psycholinguistik die Anwendbarkeit und der Nutzen des vorgestellten integrierten Ansatz aus mechanistischer und NLME Modellierung in der Analyse von Blickbewegungsdaten gezeigt. Mittels eines mechanistisch motivierten Modells wird die Komplexität des Experimentes und der Daten abgebildet, wodurch sich neue Interpretationsmöglichkeiten ergeben. KW - NLME KW - PBPK KW - EM KW - lumping KW - popPBPK KW - mechanistic modeling KW - population analysis KW - popPK KW - microdialysis KW - nicht-lineare gemischte Modelle (NLME) KW - physiologie-basierte Pharmacokinetic (PBPK) KW - EM KW - Lumping KW - popPBPK KW - popPK KW - mechanistische Modellierung KW - Populations Analyse KW - Microdialyse Y1 - 2017 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-397070 ER - TY - JOUR A1 - Pilari, Sabine A1 - Preusse, Cornelia A1 - Huisinga, Wilhelm T1 - Gestational influences on the pharmacokinetics of gestagenic drugs a combined in silico, in vitro and in vivo analysis JF - European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences, EUFEPS N2 - During preclinical development of a gestagenic drug, a significant increase of the total plasma concentration was observed after multiple dosing in pregnant rabbits, but not in (non-pregnant) rats or monkeys. We used a PBPK modeling approach in combination with in vitro and in vivo data to address the question to what extent the pharmacologically active free drug concentration is affected by pregnancy induced processes. In human, a significant increase in sex hormone binding globulin (SHBG), and an induction of hepatic CYP3A4 as well as plasma esterases is observed during pregnancy. We find that the observed increase in total plasma trough levels in rabbits can be explained as a combined result of (i) drug accumulation due to multiple dosing, (ii) increase of the binding protein SHBG, and (iii) clearance induction. For human, we predict that free drug concentrations in plasma would not increase during pregnancy above the steady state trough level for non-pregnant women. KW - PBPK KW - Pregnancy KW - Gestagenic drug KW - Protein binding KW - SHBG KW - Clearance induction Y1 - 2011 U6 - https://doi.org/10.1016/j.ejps.2010.12.003 SN - 0928-0987 VL - 42 IS - 4 SP - 318 EP - 331 PB - Elsevier CY - Amsterdam ER - TY - THES A1 - Partosch, Falko T1 - Computergestützte Analysen in der Toxikologie T1 - Computer-assisted analyses in toxicology BT - Anwendung von In-silico-Modellen und Nutzen in der Risikobewertung BT - application of in silico models and their use in risk assessment N2 - Im Rahmen der EU-weiten REACH-Verordnung haben Alternativmethoden zum Tierversuch in der Toxikologie an Bedeutung gewonnen. Die Alternativmethoden gliedern sich auf in In-vitro- und In-silico-Methoden. In dieser Dissertation wurden verschiedene Konzepte der In-silico-Toxikologie behandelt. Die bearbeiteten Themen reichen von quantitativen Strukturaktivitätsbeziehungen (QSAR) über eine neue Herangehensweise an das gängige Konzept zur Festlegung von Grenzwerten bis hin zu computerbasierten Modellierungen zum Alkohol- und Bisphenol-A-Stoffwechsel. Das Kapitel über QSAR befasst sich im Wesentlichen mit der Erstellung und Analyse einer Datenbank mit 878 Substanzen, die sich aus Tierversuchsstudien aus dem Archiv des Bundesinstituts für Risikobewertung zusammensetzt. Das Design wurde dabei an eine bereits bestehende Datenbank angepasst, um so einen möglichst großen Datenpool zu generieren. In der Analyse konnte u.a. gezeigt werden, dass Stoffe mit niedrigerem Molekulargewicht ein erhöhtes Potential für toxikologische Schäden aufwiesen als größere Moleküle. Mit Hilfe des sogenannten TTC-Konzepts können Grenzwerte für Stoffe geringer Exposition festgelegt werden, zu denen keine toxikologischen Daten zur Verfügung stehen. In dieser Arbeit wurden für die Stoffe dreier Datenbanken entsprechende Grenzwerte festgelegt. Es erfolgte zunächst eine gängige strukturbasierte Aufteilung der Substanzen in die Kategorien "nicht toxisch", "möglicherweise toxisch" und "eindeutig toxisch". Substanzen, die aufgrund ihrer Struktur in eine der drei Klassen eingeordnet werden, erhalten den entsprechenden Grenzwert. Da in die dritte Klasse auch Stoffe eingeordnet werden, deren Toxizität nicht bestimmbar ist, ist sie sehr groß. Daher wurden in dieser Arbeit die ersten beiden Klassen zusammengelgt, um einen größeren Datenpool zu ermöglichen. Eine weitere Neuerung umfasst die Erstellung eines internen Grenzwerts. Diese Vorgehensweise hat den Vorteil, dass der Expositionsweg herausgerechnet wird und somit beispielsweise Studien mit oraler Verabreichung mit Studien dermaler Verabreichung verglichen werden können. Mittels physiologisch basiertem kinetischem Modelling ist es möglich, Vorgänge im menschlichen Körper mit Hilfe spezieller Software nachzuvollziehen. Durch diese Vorgehensweise können Expositionen von Chemikalien simuliert werden. In einem Teil der Arbeit wurden Alkoholexpositionen von gestillten Neugeborenen simuliert, deren Mütter unmittelbar zuvor alkoholische Getränke konsumiert hatten. Mit dem Modell konnte gezeigt werden, dass die Expositionen des Kindes durchweg gering waren. Nach einem Glas Wein wurden Spitzenkonzentrationen im Blut von Neugeborenen von 0,0034 Promille ermittelt. Zum Vergleich wurde die Exposition durch ein für Säuglinge zugelassenes alkoholhaltiges pflanzliches Arzneimittel simuliert. Hier wurden Spitzenkonzentrationen von 0,0141 Promille erreicht. Daher scheinen Empfehlungen wie gelegentlicher Konsum ohne schädigende Wirkung auf das Kind wissenschaftlich fundiert zu sein. Ein weiteres Kinetik-Modell befasste sich mit dem Stoffwechsel von Bisphenol A. Teils widersprüchliche Daten zur Belastung mit BPA in der wissenschaftlichen Literatur führen wiederholt zu Anregungen, den Grenzwert der Chemikalie anzupassen. Die Funktionalität der am Metabolismus beteiligten Enzyme kann je nach Individuum unterschiedlich ausgeprägt sein. Mittels Modellings konnte hier gezeigt werden, dass dies maßgeblich dazu führt, dass sich berechnete Plasmaspiegel von Individuen bis zu 4,7-fach unterscheiden. Die Arbeit konnte somit einen Beitrag zur Nutzung und Weiterentwicklung von In-silico-Modellen für diverse toxikologische Fragestellungen leisten. N2 - In the last few years alternative methods to animal testing have gained in importance, particularly in the context of EU wide REACH legislation. The alternative methods are divided into in vitro and in silico methods. In this work, different concepts of in silico toxicology are discussed. The topics in this dissertation range from quantitative structure-activity relation- ships (QSAR) via a new approach to the common TTC concept to modeling of alcohol and bisphenol A metabolism. The chapter on QSAR is essentially concerned with the creation and analysis of a database of the German Federal Institute for Risk Assessment (BfR). The design of the database has been adapted to the design of an existing database to gain a relative large pool of data. It was found for example that substances with lower molecular weight have increased potential for toxicologically relevant damage compared to larger molecules. The TTC concept allows the user to set thresholds for substances of low level exposure when no experimental toxicological data is available. In this work, thresholds were determined for the substances of three different databases. At first substances were identified by their structure and assigned to the categories “nontoxic”, “possibly toxic” and “significantly toxic”. Depending on the category in which an unknown substance is classified, the corresponding threshold applies for it. Since the allocation to com- mon Cramer classes is done very conservatively, substances are rarely assigned to the second class. For this reason, the chemicals of the second and the third class were merged here. A further new approach was the determination of an internal threshold. This allows to subtract out the route of exposure and to apply established thresholds of oral exposure to substances that are absorbed through the skin for example. Physiologically based kinetic modeling is used to simulate physiological processes in the human body and therefore allows to understand kinetic processes. As a result, exposures to chemicals after intake into the body can be simulated. In the first part it was tried to simulate alcohol exposure of breast-fed babies, if the nursing mother had previously consumed various alcoholic beverages. In the model, it was shown that exposure of the child was consistently low. Peak concentrations were 0.0034 per mill in a newborn after consuming of a glass of wine. For comparison the exposure by an approved alcoholic herbal medicine for the treatment of flatulence in infants was simulated. Here, the peak concentrations reached 0.0141 per mill. Therefore, the findings appear to prove recommendations like “occasional consumption without damaging effect on the child” to be scientifically justified. Another kinetics model focused on polymorphisms of bisphenol A metabolizing enzymes. Conflicting evidence in the scientific literature on measured BPA concentrations in the blood led to consideration whether the TDI of 0.05 mg/kg bw/day imposed by the EFSA has to be corrected. There are known polymorphisms of the primary metabolizing enzyme. Via modeling it could be shown that these polymorphisms lead to individual plasma levels which vary by the factors of 4.7. Thus, this work contributes to the development and use of in silico models for various toxicological problems. KW - QSAR KW - Toxikokinetik KW - TTC KW - PBTK KW - Modelling KW - in silico KW - QSAR KW - toxicology KW - TTC KW - PBTK KW - in silico KW - kinetics KW - alcohol KW - BPA KW - Bisphenol A KW - polymorphism KW - PBPK KW - Kinetik KW - Alkohol KW - BPA KW - Bisphenol A KW - Polymorphismus Y1 - 2015 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-82334 ER - TY - JOUR A1 - Fuhrmann, Saskia A1 - Kloft, Charlotte A1 - Huisinga, Wilhelm T1 - Impact of altered endogenous IgG on unspecific mAb clearance JF - Journal of pharmacokinetics and pharmacodynamics N2 - Immunodeficient mice are crucial models to evaluate the efficacy of monoclonal antibodies (mAbs). When studying mAb pharmacokinetics (PK), protection from elimination by binding to the neonatal Fc receptor (FcRn) is known to be a major process influencing the unspecific clearance of endogenous and therapeutic IgG. The concentration of endogenous IgG in immunodeficient mice, however is reduced, and this effect on the FcRn protection mechanism and subsequently on unspecific mAb clearance is unknown, yet of great importance for the interpretation of mAb PK data. We used a PBPK modelling approach to elucidate the influence of altered endogenous IgG concentrations on unspecific mAb clearance. To this end, we used PK data in immunodeficient mice, i.e. nude and severe combined immunodeficiency mice. To avoid impact of target-mediated clearance processes, we focussed on mAbs without affinity to a target antigen in these mice. In addition, intravenous immunoglobulin (IVIG) data of immunocompetent mice was used to study the impact of increased total IgG concentrations on unspecific therapeutic antibody clearance. The unspecific clearance is linear, whenever therapeutic IgG concentrations, i.e. mAb and IVIG concentrations are lower than FcRn; it can be non-linear if therapeutic IgG concentrations are larger than FcRn and endogenous IgG concentrations (e.g., under IVIG therapy). Unspecific mAb clearance of immunodeficient mice is effectively linear (under mAb doses as typically used in human). Studying the impact of reduced endogenous IgG concentrations on unspecific mAb clearance is of great relevance for the extrapolation to clinical species, e.g., when predicting mAb PK in immunosuppressed cancer patients. KW - mAb disposition KW - PBPK KW - FcRn salvage mechanism KW - Immunodeficient mice models KW - Unspecific antibody clearance Y1 - 2017 U6 - https://doi.org/10.1007/s10928-017-9524-2 SN - 1567-567X SN - 1573-8744 VL - 44 SP - 351 EP - 374 PB - Springer CY - New York ER - TY - THES A1 - Fuhrmann, Saskia T1 - Physiologically-based pharmacokinetic and mechanism-based pharmacodynamic modelling of monoclonal antibodies with a focus on tumour targeting T1 - Physiologie-basierte pharmakokinetische und mechanistische pharmakodynamische Modellierung von monoklonalen Antikörpern mit Fokus auf zielgerichtete Tumortherapie N2 - Monoclonal antibodies (mAbs) are an innovative group of drugs with increasing clinical importance in oncology, combining high specificity with generally low toxicity. There are, however, numerous challenges associated with the development of mAbs as therapeutics. Mechanistic understanding of factors that govern the pharmacokinetics (PK) of mAbs is critical for drug development and the optimisation of effective therapies; in particular, adequate dosing strategies can improve patient quality life and lower drug cost. Physiologically-based PK (PBPK) models offer a physiological and mechanistic framework, which is of advantage in the context of animal to human extrapolation. Unlike for small molecule drugs, however, there is no consensus on how to model mAb disposition in a PBPK context. Current PBPK models for mAb PK hugely vary in their representation of physiology and parameterisation. Their complexity poses a challenge for their applications, e.g., translating knowledge from animal species to humans. In this thesis, we developed and validated a consensus PBPK model for mAb disposition taking into account recent insights into mAb distribution (antibody biodistribution coefficients and interstitial immunoglobulin G (IgG) pharmacokinetics) to predict tissue PK across several pre-clinical species and humans based on plasma data only. The model allows to a priori predict target-independent (unspecific) mAb disposition processes as well as mAb disposition in concentration ranges, for which the unspecific clearance (CL) dominates target-mediated CL processes. This is often the case for mAb therapies at steady state dosing. The consensus PBPK model was then used and refined to address two important problems: 1) Immunodeficient mice are crucial models to evaluate mAb efficacy in cancer therapy. Protection from elimination by binding to the neonatal Fc receptor is known to be a major pathway influencing the unspecific CL of both, endogenous and therapeutic IgG. The concentration of endogenous IgG, however, is reduced in immunodeficient mouse models, and this effect on unspecific mAb CL is unknown, yet of great importance for the extrapolation to human in the context of mAb cancer therapy. 2) The distribution of mAbs into solid tumours is of great interest. To comprehensively investigate mAb distribution within tumour tissue and its implications for therapeutic efficacy, we extended the consensus PBPK model by a detailed tumour distribution model incorporating a cell-level model for mAb-target interaction. We studied the impact of variations in tumour microenvironment on therapeutic efficacy and explored the plausibility of different mechanisms of action in mAb cancer therapy. The mathematical findings and observed phenomena shed new light on therapeutic utility and dosing regimens in mAb cancer treatment. N2 - Monoklonale Antikörper (mAK) stellen durch ihre hohe Spezifität und geringe Toxizität eine innovative Arzneistoffklasse mit großer klinischer Bedeutung in der Krebstherapie dar. Es gibt jedoch eine Vielzahl an Herausforderungen, die mit der Entwicklung von mAK als Krebstherapeutika verbunden sind. Mechanistisches Verständnis der Pharmakokinetik (PK) von mAK ist wichtig für die Arzneimittelentwicklung sowie für die Therapieoptimierung. Adäquate Dosierungsstrategien können die Lebensqualität der Patienten erhöhen und die Gesundheitskosten senken. Physiologie-basierte PK (PBPK) Modelle bieten einen physiologischen und mechanistischen Rahmen für die Extrapolation von Tiermodellen auf den Menschen. Im Gegensatz zu kleinen chemischen Molekülen besteht für die PBPK Modellierung von mAK kein Konsens: Aktuelle Modelle unterscheiden sich stark hinsichtlich Physiologie und deren Parameterisierung. Die Komplexität dieser Modelle stellt eine große Herausforderung für ihre Anwendung dar. In der vorliegenden Arbeit entwickelten und validierten wir ein Konsens-PBPK-Modell für die mAK Disposition. Dabei wurden aktuelle Erkenntnisse zur mAK Verteilung berücksichtigt, um basierend auf Plasmadaten Vorhersagen für die PK im Gewebe verschiedener präklinischer sowie klinischer Spezies zu treffen. Das Modell erlaubt a priori Vorhersagen für die unspezifische (target-unabhängige) mAK Disposition als auch für die mAK Disposition in einem Konzentrationsbereich, für den die unspezifische Clearance (CL) die target-abhängige CL dominiert. Dies ist oft der Fall für mAK Therapien bei Steady-state-Dosierung. Anschließend wurde das Konsens-PBPK-Modell genutzt und verfeinert, um zwei wichtige Aspekte näher zu untersuchen: 1) Immundefiziente Mäuse sind wichtige Tiermodelle für die Evaluierung der mAK Wirksamkeit in der Tumortherapie. Die Bindung von Antikörpern an den neonatalen Fc Rezeptor schützt diese vor dem Abbau und beeinflusst somit maßgeblich die unspezifische CL von endogenen sowie therapeutischen Antikörpern. Die Konzentration von endogenem IgG in immundefizienten Mäusen ist reduziert. Dieser Effekt auf die unspezifische mAK CL ist unbekannt, jedoch wichtig für die Extrapolation auf den Menschen in der mAK Tumortherapie. 2) Die Verteilung von mAK innerhalb eines soliden Tumors ist von großer Bedeutung. Für die umfassende Untersuchung der mAK Verteilung innerhalb des Tumorgewebes wurde das Konsens-PBPK-Modell um ein detailliertes Tumor-Verteilungsmodell, welches die mAK-Target Interaktion auf Zellebene berücksichtigt, erweitert. Wir untersuchten den Einfluss von Variationen in der Tumor-Mikroumgebung auf die klinische Wirksamkeit von mAK und untersuchten die Plausibilität verschiedener Wirkmechanismen in der mAK Tumortherapie. Die mathematischen Ergebnisse sowie beobachteten Phänomene werfen ein neues Licht auf den therapeutischen Nutzen sowie Dosierungsschemata in der mAK Krebstherapie. KW - PBPK KW - monoclonal antibodies KW - modelling KW - PBPK KW - monoklonale Antikörper KW - Modellierung Y1 - 2018 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-418861 ER - TY - JOUR A1 - Fronton, Ludivine A1 - Pilari, Sabine A1 - Huisinga, Wilhelm T1 - Monoclonal antibody disposition: a simplified PBPK model and its implications for the derivation and interpretation of classical compartment models JF - Journal of pharmacokinetics and pharmacodynamics N2 - The structure, interpretation and parameterization of classical compartment models as well as physiologically-based pharmacokinetic (PBPK) models for monoclonal antibody (mAb) disposition are very diverse, with no apparent consensus. In addition, there is a remarkable discrepancy between the simplicity of experimental plasma and tissue profiles and the complexity of published PBPK models. We present a simplified PBPK model based on an extravasation rate-limited tissue model with elimination potentially occurring from various tissues and plasma. Based on model reduction (lumping), we derive several classical compartment model structures that are consistent with the simplified PBPK model and experimental data. We show that a common interpretation of classical two-compartment models for mAb disposition-identifying the central compartment with the total plasma volume and the peripheral compartment with the interstitial space (or part of it)-is not consistent with current knowledge. Results are illustrated for the monoclonal antibodies 7E3 and T84.66 in mice. KW - mAb disposition KW - PBPK KW - Extravasation rate-limited tissue model KW - Classical compartment model Y1 - 2014 U6 - https://doi.org/10.1007/s10928-014-9349-1 SN - 1567-567X SN - 1573-8744 VL - 41 IS - 2 SP - 87 EP - 107 PB - Springer CY - New York ER - TY - THES A1 - Fronton, Ludivine T1 - Modeling approaches to characterize the disposition of monoclonal antibodies T1 - Modellierungsansätze zur Charakterisierung der Verteilung und Eliminierung monoklonaler Antikörper BT - from detailed PBPK models to classical compartment models BT - vom detaillierten PBPK-Model zum klassischen Kompartiment-Model N2 - Monoclonal antibodies (mAbs) are engineered immunoglobulins G (IgG) used for more than 20 years as targeted therapy in oncology, infectious diseases and (auto-)immune disorders. Their protein nature greatly influences their pharmacokinetics (PK), presenting typical linear and non-linear behaviors. While it is common to use empirical modeling to analyze clinical PK data of mAbs, there is neither clear consensus nor guidance to, on one hand, select the structure of classical compartment models and on the other hand, interpret mechanistically PK parameters. The mechanistic knowledge present in physiologically-based PK (PBPK) models is likely to support rational classical model selection and thus, a methodology to link empirical and PBPK models is desirable. However, published PBPK models for mAbs are quite diverse in respect to the physiology of distribution spaces and the parameterization of the non-specific elimination involving the neonatal Fc receptor (FcRn) and endogenous IgG (IgGendo). The remarkable discrepancy between the simplicity of biodistribution data and the complexity of published PBPK models translates in parameter identifiability issues. In this thesis, we address this problem with a simplified PBPK model—derived from a hierarchy of more detailed PBPK models and based on simplifications of tissue distribution model. With the novel tissue model, we are breaking new grounds in mechanistic modeling of mAbs disposition: We demonstrate that binding to FcRn is indeed linear and that it is not possible to infer which tissues are involved in the unspecific elimination of wild-type mAbs. We also provide a new approach to predict tissue partition coefficients based on mechanistic insights: We directly link tissue partition coefficients (Ktis) to data-driven and species-independent published antibody biodistribution coefficients (ABCtis) and thus, we ensure the extrapolation from pre-clinical species to human with the simplified PBPK model. We further extend the simplified PBPK model to account for a target, relevant to characterize the non-linear clearance due to mAb-target interaction. With model reduction techniques, we reduce the dimensionality of the simplified PBPK model to design 2-compartment models, thus guiding classical model development with physiological and mechanistic interpretation of the PK parameters. We finally derive a new scaling approach for anatomical and physiological parameters in PBPK models that translates the inter-individual variability into the design of mechanistic covariate models with direct link to classical compartment models, specially useful for PK population analysis during clinical development. N2 - Monoklonale Antikörper (mAbs) sind gentechnisch hergestellte Immunglobuline G (IgG), die seit mehr als 20 Jahren therapeutisch gezielt gegen spezifische Antigene eingesetzt werden. Die Hauptindikationen sind vor allem die Gebiete Onkologie, Infektions- und (Auto-)Immun-Erkrankungen. Monoklonale Antikörper sind hydrophile und geladene Moleküle mit hoher Affinität und Selektivität für ihr Target. Diese Eigenschaften haben einen groçen Einfluss auf die Pharmacokinetik (PK), wobei oft lineares und nicht-lineares Verhalten beobachtet wird. Mathematische Modelle, wie zum Beispiel empirische Modelle, werden routinemässig in der Forschung und Entwicklung verwendet, um die PK für mAbs zu charakterisieren. Hingegen sind physiologisch-basierte PK (PBPK) Modelle für mAbs nur begrenzt einsetzbar. Zur Identifikation und Quantifizierung der Variabilität in klinischen PK-Daten werden meistens empirische 2-Kompartiment Modelle für populationspharmakokinetischen Analysen eingesetzt. Allerdings gibt es weder einen klaren Konsens noch Richtlinien, um lineare und nicht-lineare Clearances zu erklären und um physiologische und mechanistische PK-Parameter zu interpretieren. Prädiktive PBPK-Modelle, die für mAbs publiziert wurden, sind sehr unterschiedlich in Bezug auf die betrachteten Verteilungsvolumina (vaskulär, interstitiell, endosomal) und die Parametrisierung der nicht-spezifischen Elimination durch den neonatalen Fc-Rezeptor und endogenes IgG. Je detaillierter die Beschreibung dieser Prozesse ist, desto mehr Parameter werden benötigt. Allerdings sind deren Werte oftmals nicht bekannt. Dies führt zu Problemen in der Identifizierbarkeit bei den üblicherweise zur Verfügung stehenden in vivo Verteilungsdaten. In der vorliegenden Doktorarbeit präsentieren wir hierarchisch aufgebaute PBPK Modelle für mAbs. Dazu gehören detaillierte, intermediäre und vereinfachte Modelle, deren Ableitungen auf Simplifizierungen des Gewebe-Verteilungs-Modells basieren. Mit dem neuen, vereinfachten PBPK Modell können wir einen Einblick in die mechanistische Interpretation von Gewebe-Verteilungskoeffizienten geben. Diese können mit publizierten, auf Daten basierenden Antikörper Biodistributions Koeffizienten verglichen werden. Weiterhin erlaubt ein simplifiziertes Modell Parameter Identifizierbarkeit und die Auswahl an Gewebe, die bei der nicht-spezifischen Eliminierung der mAbs eine Rolle spielen. Das vereinfachte PBPK Modell kann nach Bedarf um ein Target erweitert werden, das relevant ist für die nicht-lineare Clearance in Folge einer mAb-Target Interaktion zu erklären. Mit Hilfe von Techniken zur Modell-Reduktion reduzieren wir das vereinfachte PBPK Modell, um Kompartiment-Modelle mit niedriger Dimensionalität zu entwickeln. Dadurch wird die physiologische und mechanistische Interpretation der PK Parameter garantiert. Zuletzt leiten wir eine neue Skalierungsmethode für anatomische und physiologische Parameter ab. Sie ermöglicht die Translation der inter-individuellen Variabilität in das Design eines mechanistischen Covariat-Models mit direktem Link zu klassischen Kompartiment-Modellen. Dies ist vor allem für populationspharmakokinetischen Analysen wÃdhrend der klinischen Entwicklung hilfreich. KW - mAb disposition KW - PBPK KW - extravasation-rate limited tissue model KW - classical compartment model KW - mAb Disposition KW - PBPK KW - Extravasation-rate limited Gewebemodelle KW - Kompartiment-Modelle Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-76537 ER -