默沙东案例2|验证Emulate肠道芯片用于预测BCS I-IV类药物肠道吸收特征

文摘   科学   2024-07-09 16:59   浙江  

很高兴与大家分享一篇同样由默沙东John P. Gleeson博士和 Stephanie Y. Zhang博士团队近期发表于<International Journal of Pharmaceutics>的一篇论文,该论文通过比较Emulate肠道芯片技术和传统静态Transwell培养技术,解析了肠道芯片的在预测19种具有代表性的生物制药分类系统(BCS)I-IV类化合物的渗透性,揭示了Emulate肠道芯片可作为评估口服药物渗透性的平台工具,填补传统模型和体内模型的技术空白。

研究背景

口服给药是最常见、最受患者青睐的方式。成功的口服制剂要求活性药物成分(API)在胃肠道中有足够的可溶性和渗透性。生物制药分类系统(BCS)将原料药分为高/低渗透性和高/低溶解性两个象限。如果在37°C、pH值范围为1.2-6.8的250毫升或更少的水介质中完全溶解,则该原料药的溶解度被归类为高溶解度。预测原料药溶解度的模型一直在不断改进,如生物相关缓冲剂、多室溶解装置以及基于药代动力学(PBPK)的insilico计算建模。原料药的渗透性可根据人体药代动力学研究得出的吸收程度或使用各种体内动物模型或体外方法来确定。目前,FDA指南中唯一批准的体外方法是人结肠癌细胞(Caco-2)Transwell单层模型,目前该模型仍然是药物发现和开发过程中确定表观渗透性(Papp)的黄金标准。

 

体外肠道渗透性模型需要三个关键要素:(1)上皮层;(2)底部血管层;(3)多孔膜。Caco-2 Transwell系统(图1A)因其与人体空肠有效渗透性的相关性、与人体吸收率(fa)的相关性及其可重复性而得到广泛认可。然而,该模型缺乏人体肠道环境的复杂性,从而降低了预测的准确性。FDA现代化法案2.0重申了对更好和更具预测性的体外模型的需求。复杂体外模型(CIVM)已被研究用于引入多种生物仿真组织,如三维类器官、3D球体、生物打印组织以及微流体器官芯片系统。在这些系统中,微流控器官芯片系统(图1B)可创造受控微环境并建立生理剪切条件,从而增强与体内系统类似的结构和功能能力。CIVM还能减少对动物渗透性研究的依赖,简化发现和开发过程。要在药物开发中适当使用CIVM,需要使用模型化合物进行验证,以确保模型的准确性和可重复性。

 

图1.目前用于生物制药分类系统(BCS)的肠道模型示意图。
(A)含有高渗透性和低渗透性原料药的Caco-2Transwell模型。(B)多孔膜上的Caco-2单层细胞视野放大图。(C)EmulateCaco-2肠道芯片模型。(D)细胞视野放大图,细胞高度有所增加。

 

在本研究中,默沙东的科学家们在两种临床前模型中评估了Caco-2肠道渗透性试验:传统的静态二维Transwell和商业化的Emulate肠道芯片。根据FDA的指导意见,从《Waiver of In Vivo Bioavailability and Bioequivalence Studies for Immediate-Release Solid Oral Dosage Forms Based on a Biopharmaceutics Classification System Guidance for Industry》中选择了17种具有代表性的BCS类药物和两种荧光渗透性标记物,其渗透性范围包括高、中、低和零。默沙东的科学家们测定了每种化合物在这两种模型系统中的Papp,随后确定了它们与人体吸收率(fa)的相关性。这是首次对肠道芯片模型进行同类验证研究,这些结果证实了Emulate肠道芯片模型是一种可靠的工具,可预测药物吸收情况,从而更好地将药物从实验室转化到临床。

1 优化待测小分子浓度


为防止在Caco-2单层培养2小时期间诱导细胞毒性,默沙东的科学家们评估了不同浓度(0.1、1和10毫克/毫升)的17种原料药处理的细胞活力。10mg/mL的酮洛芬、萘普生、美托洛尔、普萘洛尔、阿替洛尔、呋塞米、纳多洛尔、阿昔洛韦和法莫替丁由于在TB中不溶解,因此不进行活力测定。在传统的96孔板中以2×104个/毫升的细胞数接种细胞,进行活力测定。使用比色MTS检测法,根据相对于未处理对照组的百分比(%)对细胞存活率进行量化(图S1)。根据阳性对照(0.1%(v/v)TritonX)评估了结果的有效性,阳性对照的存活率为24.5%,而阴性对照(未处理和FD3)的存活率接近100%。这些数据表明,较高浓度的普萘洛尔(1毫克/毫升)、氯苯那敏(10毫克/毫升)、依那普利(10毫克/毫升)和依那普利拉(10毫克/毫升)会引起明显的细胞毒性。在转运试验中,默沙东的科学家们根据细胞活力和原料药在TB中的溶解度,选择了0.1-1mg/mL的原料药浓度,用于确定Transwells和Emulate肠道芯片中的表观渗透性。

图S1.优化系统中使用的活性药物成分(API)浓度。
用 0.1-10 mg/mL 不同浓度的原料药处理 2 小时后的细胞活力评估。

两种模型中肠细胞的形态


在Transwells中,肠细胞的紧密连接和粘附连接都呈现鹅卵石状,表明单层细胞保存完好(图2A)。相反,高浓度普萘洛尔(1毫克/毫升)导致屏障功能丧失,表现为紧密连接蛋白的重新定位(图2B)。在无细胞毒性浓度的原料药(如0.1毫克/毫升普萘洛尔)存在下,细胞保持其基础状态,呈现扁平的鹅卵石/鸡丝状外观(图2C)。

图2.Transwell系统中的免疫荧光细胞图像。
图A-C代表在24孔Transwell板中接触API 2小时后的二维Caco-2细胞图像。(A)未经处理的2小时运输缓冲液暴露,(B)1毫克/毫升普萘洛尔暴露,以及(C)0.1毫克/毫升普萘洛尔暴露。刻度线=50微米。蓝色=DNA,绿色=E-cadherin,红色=ZO-1。刻度线=50µm。

在Emulate肠道芯片模型中,在持续流动条件下,Caco-2细胞在7天后形成了绒毛状结构(图3)。模型构建时间更短,生理相似度更高。三维投影(图3B)显示细胞高度和表面积增加,这与之前关于相同和类似系统的报道一致。这凸显了流体剪切应力在再现体内肠道环境方面的重要性。

图3. Emulate肠道芯片系统中免疫荧光细胞图像。
(A)通道中的二维Caco-2图像。刻度线=500微米。(B)通道中Caco-2的三维投影。蓝色=DNA,红色=ZO-1。(C)Caco-2在通道中的三维投影。蓝色=DNA。刻度线=100µm。


3 Caco-2在静态Transwell和动态芯片下的渗透性比较

本研究中,Transwell系统和微流控芯片系统中测定了所有19种原料药(17种原料药和2种荧光标记物)的渗透性。默沙东的科学家们选择了渗透性分为高、中、低和零的原料药来建立线性关系。首先测定了在Transwell模型上培养的表观渗透性(Papp)(图4A)。发现高渗透性原料药(fa≥85%)的Papp比中低渗透性原料药(fa<85%)高出近两个数量级。高渗透性原料药的Papp介于2.3至4.3×10-5厘米/秒之间,而中低渗透性原料药的Papp介于5.9至28.9×10-8厘米/秒之间,氯苯那敏(3.7×10-5厘米/秒)除外。将低度(fa<50%)与中度(fa=50-84%)进行比较,结果在相同数量级内。在整个实验过程中,对API试验前和试验后处理中的TEER进行了屏障完整性监测。根据图4B,量化了相对于处理前时间点的TEER。归一化的TEER数据与之前的MTS数据相结合,表明Caco-2单层在转运试验期间并未受到API培养的显著影响。此外,还使用两种惰性荧光旁细胞标记物--LY(MW=444Da)和FD3(MW=3kDa)验证了这些结果。这些标记物显示了分子大小受限的Papp,与已有数据相符:FD3 Papp为7.9×10-8cm/s,LYPapp为49.9×10-8cm/s。

图4.在Transwells上培养的Caco-2单层上测量的小分子原料药渗透性。

(高浓度API与中低浓度API和零浓度API相比,渗透率相差500倍。(B)培养后归一化TEER(相对于0分钟)在Transwells中测量单层完整性。TEER表明暴露于各种API后上皮屏障健康。白条代表未处理状态。N=最少3人,数据为平均值±SEM。


在Emulate肠道芯片模型中,在连续流动7天后,默沙东的科学家们评估了FD3(0.1毫克/毫升,在TB中流动4小时)的渗透性。这项测量可作为质量控制,以确定渗透性是否在<5×10-7厘米/秒的阈值范围内,并确认屏障的完整性。用FD3确认阻隔完整性后,17种原料药溶液以125µL/hr的速度通过芯片灌流(图5)。将芯片中的高渗透性化合物与低渗透性原料药进行比较时,两者的范围相差不到40倍(安替比林与纳多洛尔)。这比Transwell条件下的差异范围要小,后者的差异超过500倍(安替比林与纳多洛尔)。对于Transwells和芯片渗透性研究,默沙东的科学家们比较了各自培养模型中的原料药,如安替比林[高](Transwells:3853.05×10-8cm/s VS芯片:3294.82×10-8cm/s)、依那普利[中](Transwells:10.18×10-8cm/s VS芯片:118.42×10-8cm/s)和依那普利拉[低](Transwells:5.87×10-8cm/s VS芯片:73.76×10-8cm/s)。默沙东的科学家们使用LY和FD3作为基于尺寸的渗透性标记进一步验证了这些结果。这些标记与Transwells和文献报道的趋势相同:FD3 Papp24.1×10-8cm/s,LYPapp138.8×10-8cm/s。渗透性的差异表明流体剪切应力是影响人体肠上皮细胞药物吸收的关键特性之一,并能改变人体口服药物吸收与Caco-2细胞Papp的相关性。

图5.在Emulate肠道芯片中培养的Caco-2细胞暴露4小时后测量的小分子原料药渗透性。

从高渗透性API到零渗透性API的范围比在Caco-2 Transwells中观察到的范围小10倍。N=最少4个,数据为平均值±SEM。

人体肠道吸收预测能力比较


图6A绘制了小分子在Transwells(圆形)和Emulate肠道芯片(方形)中的人体吸收率(fa;从已公布的临床数据中获得)和实验Papp。由于依那普利、依那普利拉、法莫替丁、利辛普利和特布他林没有临床数据,改为将化学结构(mol文件)导入GastroPlus9,并对这些化合物使用预测的fa。根据结果,Transwells的数据分布范围比Emulate肠道芯片更广,即从0.04×10-6厘米/秒到43.5×10-6厘米/秒,而Emulate肠道芯片的数据分布范围较小,从0.30×10-6厘米/秒到32.9×10-6厘米/秒。比较培养模型,使用一系列fa值绘制了Emulate肠道芯片(图6B)和Transwells(图6C)的四条非线性半回归线。基线值(紫色)来自初始fa数据集和GastroPlus的补充值。GastroPlus值(黑色)是使用GastroPlus9预测的所有化合物的fa值。Pham-Thefa值(绿色)来自辅助信息。组合数据集(红色[Chip]或蓝色[Transwell])是基线值和Pham-The数据集的组合,以提供最完整的数据集。fa值的详细选择见表S3。对于芯片,基线产生了一条非线性半对数回归线,即y=-27.43+37.78log(x),相关系数为r2=0.79。GastroPlus值的半对数拟合为y=25.65+10.17log(x),r2=0.41。Pham-The的y=-26.84+35.39log(x),r2=0.65。综合数据集的y=-31.75+37.48log(x),r2=0.66。对于Transwells,基线半对数线拟合值为y=7.93+24.97log(x),r2=0.82。GastroPlus值为y=18.14+35.74log(x),r2=0.59。Pham-The的y=11.42+23.55log(x),r2=0.83。综合数据集的y=9.27+24.71log(x),r2=0.83。在Transwells中,r2值在0.59-0.83之间,而Emulate肠道芯片的r2值在0.41-0.79之间。数据表明,与黄金标准的Caco-2Transwell模型相比,在芯片中培养的Caco-2细胞具有更宽的IVIVC范围,但预测程度相对相似,均可作为黄金标准。


图6. Transwell和芯片系统中人体吸收度的比较。

(A)小分子API的渗透性测量值与文献中的人体fa数据对比图,显示一些小分子(依那普利、赖新普利和美托洛尔)的渗透性在Transwell和芯片中存在明显差异。(B)Chip系统对Baseline(紫色)、GastroPlus(黑色)、Pham-The(绿色)和Combined(红色)fa(%)数据集的Semilog线性拟合得出的r2线性范围为0.41--0.79。(C)Baseline(紫色)、GastroPlus(黑色)、Pham-The(绿色)和Combined(红色)fa(%)数据集Transwell系统的半对数拟合线表明线性范围r2为0.59-0.83。符号:填充=高渗透性,半填充=中等渗透性,空=低渗透性API。N=最少3个,数据代表平均值。



4 小结

口服给药被认为是最受患者青睐的给药途径,但药物必须具有足够的可溶性和渗透性,才能成功配制出口服制剂。目前在预测可溶性的工具开发中已经取得了不少进展,但针对渗透性检测开发的工具还没有像黄金标准的Caco-2 Transwell检测法那样经过广泛验证。本研究中,默沙东的科学家们使用19种具有代表性的生物制药分类系统(BCS)I-IV类化合物,在Transwells和商业化的Emulate肠道芯片中对Caco-2肠道渗透性检测进行了评估。对于每种选定的化合物,默沙东的科学家们都进行了全面的活力测试,量化了其表观渗透性(Papp),并在两种培养条件下建立了与人体吸收部分(fa)的体内外相关性(IVIVC)。与历史数据相比,本研究开发的Emulate肠道芯片Papp数据更接近于原生组织。本文是第一项全面验证商业化肠道芯片模型作为评估口服吸收的预测工具的研究,以进一步减少药物开发对动物模型的依赖。

Reference:Zhang, Stephanie Y et al. “Validation of a Caco-2 microfluidic Chip model for predicting intestinal absorption of BCS Class I-IV drugs.” International journal of pharmaceutics vol. 656 (2024): 124089. doi:10.1016/j.ijpharm.2024.124089

延伸阅读


   

   <Emulate肠道芯片合辑>

<资源合辑-器官芯片如何助力药物开发>
<资源合辑-器官芯片经典模型构建案例>
<器官芯片技术白皮书>
<Emulate 肠道芯片应用案例>



Emulate器官芯片
Emulate起源于哈佛大学,是目前器官芯片领域的领导者。我们致力于通过器官芯片技术克服传统细胞模型和动物模型的限制,助力研究疾病规律,提升药物开发能力。我们相信,人类生物学和器官芯片技术的结合能够点燃人类健康的新时代。
 最新文章