基于PBPK模型重新评估利鲁唑CYP1A代谢机制及药物相互作用风险：揭示CYP1A1的主导作用与临床意义

　　本文通过生理药代动力学（PBPK）建模，系统评估了利鲁唑（riluzole）的CYP1A代谢机制，挑战了传统认为CYP1A2为主导代谢酶的观点，提出CYP1A1才是其主要代谢途径（贡献度60%），并重新界定了其药物相互作用（DDI）风险 profile，为临床安全用药提供了新依据。

　　

ABSTRACT

Cytochrome-P-450 (CYP)1A2长期以来被认为是利鲁唑的主要代谢酶，但早期实验使用的抑制剂α-萘黄酮同样强效抑制CYP1A1。本研究通过生理药代动力学（PBPK）建模探讨了CYP1A1与CYP1A2在利鲁唑代谢中的相互作用及其对药物相互作用（DDI）的影响。基于文献中的临床与非临床数据，研究将CYP1A1、CYP1A2和UGT1A8/9对利鲁唑代谢的相对贡献分别设定为60%、30%和10%。模型在健康受试者的单次给药药代动力学（PK）数据上进行了校准，并通过预测利鲁唑在肌萎缩侧索硬化（ALS）、脊髓性肌萎缩症（SMA）、高龄、肾功能损害、肝功能损害患者以及高脂饮食后的PK特征，验证了模型的转化潜力。通过预测在强迫症儿童中观察到的利鲁唑与氟伏沙明（一种强效CYP1A2抑制剂和弱效CYP1A1抑制剂）之间的DDI，进一步验证了CYP1A1和CYP1A2的代谢贡献。总体证据表明，CYP1A1是利鲁唑的主要代谢酶，其重要性相似或高于CYP1A2。只有当同时抑制这两种酶的临床相关抑制剂与利鲁唑联用时，才可能引发安全性问题。强效CYP1A1抑制剂和强效CYP1A2抑制剂若不对另一种酶产生显著调节，则可谨慎使用。应尽可能重新考虑与CYP1A1诱导剂的联合用药。在完成正式的DDI研究后，应重新评估各酶对利鲁唑代谢的贡献。

1 Introduction

利鲁唑是治疗肌萎缩侧索硬化（ALS）最常用的标准疗法，也是欧洲唯一获批可延长该致命性疾病患者生命的药物。其处方信息基于体外评估，认为CYP1A2是利鲁唑代谢的主要酶。然而，当初用于鉴定CYP1A2的抑制剂α-萘黄酮，后来被证明对CYP1A1具有同等强效的抑制作用。因此，历史上将CYP1A2认定为主导酶可能混淆了CYP1A1的贡献，而后者并未在当前药品说明书中体现。近期一篇综述强调了CYP1A1的重要性，因其在肝脏以外的多个清除器官（如肺和肠道）中均有表达。尽管CYP1A1与CYP1A2在同源性、底物特异性和可诱导性（如被烟草烟雾诱导）方面相似，但CYP1A1与CYP1A2的临床抑制剂和诱导剂重叠有限。因此，区分利鲁唑通过这两种不同途径的代谢对于管理其与ALS标准疗法的DDI具有临床意义。

除了进行临床研究，生理药代动力学（PBPK）模型已通过机制性建模与模拟在评估DDI方面获得了监管机构的信任。PBPK模型是一套基于速率的方程组，根据已知的实际机制，描述药物在虚拟个体器官隔室中的流动和清除过程。本研究旨在开发利鲁唑的PBPK模型，验证CYP1A2和CYP1A1对利鲁唑代谢的贡献，并为处方者重新评估其临床DDI特征。此建模工作考虑了CYP1A1在肝外组织（肺和肠道）中的表达，并基于基因表达数据库解决了酶表达个体间变异的问题。

2 Methods

2.1 Clinical Pharmacokinetics of Riluzole

利鲁唑口服后吸收良好，由于显著的首过效应，其口服生物利用度为60%。该药在血液中96%与血浆蛋白结合，但能广泛分布到组织（包括大脑）中。在所研究的高达200 mg/天的剂量下，利鲁唑呈现线性、剂量无关的动力学特征。在健康受试者中，其终末消除半衰期中位数为12小时，但在个体间和ALS患者中存在变异。一期代谢通过CYP1A1和CYP1A2进行，UGT1A8/9的直接葡萄糖醛酸化作用贡献较小。该药是P-糖蛋白转运的次要底物。尽管体外证据有限，但体内研究表明P-gp抑制后脑暴露量增加。在给药总量中，5%经粪便排泄，88%或更多经尿液排泄，但仅2%以原形药形式回收。因此，98%的给药剂量被代谢。

基于尿液代谢物回收数据，CYP1A2主要负责N-羟基-利鲁唑代谢物的形成。在一项单次给药研究中，尿液中的N-羟基-利鲁唑和N-羟基-利鲁唑-O-葡萄糖醛酸苷占利鲁唑给药剂量的27%，在校正不完全尿液回收后，这是对CYP1A2代谢贡献的估计（f_m,CYP1A2 = 30%）。体外结果与此一致。在人肝微粒体中，CYP1A2抑制剂咖啡因（1 mM）和乙酰苯胺（1 mM）分别抑制了利鲁唑的生物转化37%和21%。尽管一些体外抑制研究使用了咖啡因和乙酰苯胺，但CYP1A2的代谢分数（f_m,CYP1A2 = 30%）是从体内尿液回收中确定的，体外结果仅作为支持，并认识到其在 high concentrations 下选择性有限。

UGT1A8/9的直接葡萄糖醛酸化是利鲁唑代谢的一个次要过程。在一项单次给药研究中，尿液中回收的利鲁唑葡萄糖醛酸苷可忽略不计，但粪便中的含量未测量（可能占给药物质的5%–12%）。在14名ALS患者多次给药后，给药间隔结束时利鲁唑葡萄糖醛酸苷与未变化利鲁唑的摩尔血浆浓度比中位数为0.16。因此，f_m,UGT1A8/9可估计为10%。

由于CYP1A2和UGT1A8/9共同占利鲁唑代谢的40%，CYP1A1被结论为负责剩余的60%。这一结论得到以下支持：

1. 1.

   在人肝微粒体中，利鲁唑代谢几乎被α-萘黄酮完全抑制，后者是CYP1A酶的有效抑制剂。

2. 2.

   未发现其他CYP亚型参与利鲁唑的消除。

3. 3.

   利鲁唑PK高度易受已知调节CYP1A酶的因素（如吸烟、日本血统、性别和肝功能损害）以及已知不影响CYP1A酶的因素（如肾功能损害）的影响，表明该酶亚家族共同负责体内绝大部分（约90%）的清除。

2.2 Modeling Workflow

利用利鲁唑的理化特性及吸收、分布、代谢和排泄（ADME）特性知识，开发了静脉和口服利鲁唑的PBPK模型。该模型通过针对文献中的单次给药药代动力学（PK）数据进行优化而完善。通过预测临床异质情景下的PK，包括肝功能损害、肾功能损害、神经肌肉疾病、老年人群以及高脂饮食给药后的情况，验证了模型的转化价值。通过预测在强迫症（OCD）儿童中观察到的利鲁唑与氟伏沙明（一种强效CYP1A2抑制剂和弱效CYP1A1抑制剂）的DDI，验证了CYP1A酶对利鲁唑代谢的贡献。

2.3 Pharmacokinetic Data

从文献中收集了利鲁唑血浆PK数据，并如表1所示分为模型开发和验证两部分。

2.4 Modeling Software

PBPK建模和模拟使用Open Systems Pharmacology Suite中的PK-Sim v11进行。全身结构包括15个实体器官和2个血液器官，由生理性血流连接。每个实体器官进一步分为血浆、红细胞、间质和细胞亚隔室。药物跨亚隔室的分布速率和程度用通透性表面积积和分配系数描述。口服吸收使用高级隔室和转运框架建模。本研究中虚拟个体的基础解剖和生理参数源自国际放射防护委员会（ICRP）2002年数据库。

2.5 Riluzole Model Development

表2列出了用于构建模型的利鲁唑的理化和ADME特性。

根据PK-Sim基因表达数据库（RT-PCR谱），在虚拟个体的器官中实施了CYP1A1、CYP1A2、UGT1A8、UGT1A9和P-gp（作为ABCB1）。CYP1A1主要在肺/肝/肠道中表达，CYP1A2在肝脏中表达，UGT1A8在肾/肝/肠道中表达，UGT1A9在肾脏中表达，P-gp在肝/肾/肠道中表达。基于Human Protein Atlas的数据回顾，肠道黏膜中CYP1A1的表达增加了2倍；肠道黏膜中P-gp的表达根据PK-Sim DDI网络的标准进行了调整。

利鲁唑单次静脉和口服给药后收集的PK数据用于校准模型（表1，模型开发）。利鲁唑片剂根据USP利鲁唑片剂标准，以15分钟的溶出半衰期建模。Tiglutik混悬液在给药时被建模为“已溶解”（溶液制剂）。Abbara等人研究中给药的胶囊在缺乏其他信息的情况下假定与片剂等效。未对其他制剂进行建模。

亲脂性、细胞通透性、每种代谢酶的一级比清除率以及P-gp转运的催化速率常数（k_cat）进行了优化。优化在PK-Sim的参数识别工具中使用Levenberg-Marquardt方法探索参数空间进行。从随机起始值进行了六次优化以确保唯一解的可识别性。通过视觉预测检验和拟合浓度与观测浓度图评估拟合优度。

随后，模型从参考个体扩展到虚拟个体群体。为每个被模拟的真实世界研究群体生成了一个虚拟群体。这些虚拟受试者在身高、体重、器官大小、血流量、血浆蛋白浓度、胃肠道转运、肾小球滤过率和代谢酶浓度方面具有正态和对数正态分布的个体间变异性，这些信息来自文献。

2.6 Riluzole Model Verification

利鲁唑PBPK模型的转化潜力通过预测一系列临床多样化群体和情景下的PK进行验证，包括给成人ALS患者、肝功能损害或肾功能损害患者、老年志愿者（>70岁）以及儿科脊髓性肌萎缩症（SMA）患者给药（表1，模型验证）。通过预测健康受试者高脂早餐后的食物效应，验证了模型的口服吸收部分（包括肠道代谢）。这些群体和情景的解剖和生理参数化如表3所示。如果预测与观测参数之间的折叠误差落在严格的生物等效性限度（0.8至1.25倍）内，则认为验证可接受。

2.7 Fluvoxamine Model Verification

氟伏沙明是一种强竞争性CYP1A2抑制剂（K_I = 2.97 nM）和弱竞争性CYP1A1抑制剂（K_I = 2.45 μM；比对CYP1A2的效力高825倍）。氟伏沙明的 precipitant PBPK模型从PK-Sim v11中合格的CYP1A2 DDI网络下载并使用，未做任何更改，只是添加了对CYP1A1的弱抑制。

该药物对CYP1A2途径的 precipitant 效应已针对多个CYP1A2底物（如咖啡因和美西律）的临床DDI研究进行了验证。为了估算氟伏沙明对CYP1A1的抑制效力，模型利用了一个已发表的体外效力比（CYP1A2 K_I = 40 nM；CYP1A1 K_I = 33 μM, PMID: 9105404），该比值从已验证的体内CYP1A2 K_I（2.97 nM, PK-Sim）缩放而来。这种间接推断假定类似的体外到体内缩放，并被视为一种近似。

2.8 Evaluation of Riluzole CYP1A Metabolism

通过模拟观察到的利鲁唑与氟伏沙明之间的DDI，确认了提出的f_m,CYP1A1、f_m,CYP1A2以及利鲁唑对CYP1A DDI的整体敏感性。观测数据来自一项在强迫症（OCD）儿童中进行的利鲁唑50 mg每日两次（BID）与氟伏沙明100 mg BID联用的PK研究。如果预测与观测参数之间的折叠误差落在严格的生物等效性限度（0.8至1.25倍）内，则认为评估可接受。

2.9 Sensitivity Analysis

通过改变氟伏沙明的竞争性抑制常数（K_I）进行了一次单因素敏感性分析，以评估如果 precipitant 对CYP1A2和CYP1A1的抑制效力存在不确定性，验证的不确定性有多大。模拟在将体外 informed K_I值增加和减少3.16倍（覆盖10倍的不确定性范围）后进行，并报告了这些替代情景下 resulting 利鲁唑DDI比率。

3 Results

3.1 Riluzole Model Development

PBPK模型的输入是利鲁唑的理化特性以及被代谢、吸收和原形排泄到尿液中的分数。拟合了特定的酶和转运蛋白速率以及分布/通透性。六次优化运行中有四次收敛到可识别的解。拟合的利鲁唑PBPK模型捕捉了健康受试者单次静脉和口服给药后观测到的PK及其详细的ADME特征（包括按分配的每种酶的f_m）。拟合优度评估如图2所示。所有模拟可在支持信息1中获取。肠道通透性值反映了跨紧密上皮连接线的基底外侧膜转运，预计低于整体细胞通透性。体外通透性模型和 assay 条件的差异可能超过100倍，不能直接与PBPK中使用的生理学估计值相比较。

3.2 Riluzole Model Verification

通过预测利鲁唑在几个特殊群体和 high-fat meal 后的PK来验证拟合模型。将PBPK模型中的虚拟健康受试者替换为文献中已建立的特殊群体，并根据具有相似ADME特性的其他分子的体内数据为每种情景调整了代谢酶表达/活性（表3）。在这些具有挑战性的情景中预测成功，验证了模型的转化潜力。由于器官重量、血流量、血浆蛋白结合以及代谢酶（每种酶在不同器官中具有独特的表达谱）的表达/活性在每种情景中都以不同方式变化，模型能够捕捉所有情景下的PK，这为分配的每种酶的代谢贡献（例如，CYP与UGT，以及CYP1A1与CYP1A2）提供了信心。

3.2.1 Elderly

在Le Liboux等人的一项研究中，18名70至82岁的健康老年受试者接受利鲁唑50 mg BID，持续5天。在第5天早上最后一次给药后测量血浆药物浓度，并按性别单独分析。对于PBPK模拟，使用了PK-Sim中由Schlender等人发布的默认老年群体。虽然有人假设CYP1A酶的表达/活性可能表现出某种年龄依赖性，但另一个在老年群体中的建模例子能够通过年龄 inherent 发生的肝脏体积、血流量和血浆蛋白结合的变化来捕捉 CYP1A2底物环丙沙星的年龄依赖性PK，而无需调整CYP1A2表达/活性。健康老年受试者中利鲁唑PK的观测数据通常被PBPK模拟捕捉，但C_max被适度低估（图3）。平均C_max为202 ng/mL（预测）对271 ng/mL（观测），平均AUC_0–12h,SS为1179 ng·h/mL（预测）对1029 ng·h/mL（观测）。基于AUC的验证被接受，C_max的误差最小（折叠误差为0.75）。

3.2.2 Pediatric Spinal Muscular Atrophy

在Abbara等人的一项研究中，14名（13名可评估）9至17岁的SMA儿科患者接受利鲁唑50 mg每日一次（QD），持续5天。在第5天早上最后一次给药后测量血浆药物浓度。这些儿科受试者体重年龄显著偏小（平均年龄13岁，体重9公斤，身高约1.3米），这与这种严重神经肌肉疾病的进展一致。对于PBPK模拟，使用了一个具有该年龄和体型的参考儿科个体，并且基于在该相同患者群体中观察到的risdiplam清除率与健康受试者的差异，代谢清除率降低了27%。SMA儿科患者中利鲁唑PK的观测数据被PBPK模拟捕捉（图3）。平均C_max为437 ng/mL（预测）对359 ng/mL（观测），平均AUC_0–24h,SS为2350 ng·h/mL（预测）对2257 ng·h/mL（观测）。基于C_max和AUC的验证被接受。

3.2.3 Amyotrophic Lateral Sclerosis

在Groeneveld等人的一项研究中，160名ALS患者接受利鲁唑50 mg BID以评估稳态PK与总生存期之间的关系。对于PBPK模拟，创建了一个年龄在40至75岁之间的虚拟群体（31%女性），并且基于在严重神经肌肉疾病（SMA）中观察到的risdiplam清除率与健康受试者的差异，代谢清除率降低了27%。ALS患者中利鲁唑PK的观测数据被PBPK模拟很好地捕捉（图3）。中位C_max为227 ng/mL（预测）对183 ng/mL（观测），中位C_min为49 ng/mL（预测）对54 ng/mL（观测），中位AUC_0–12h,SS为1292 ng·h/mL（预测）对1473 ng·h/mL（观测）。基于C_max、C_min和AUC的验证被接受。

3.2.4 Hepatic Impairment

肝功能损害通常显著降低CYP1A底物（如咖啡因、替扎尼定或利奥西呱）的清除率。根据Rilutek的处方信息，Child-Pugh A级和Child-Pugh B级肝功能损害患者的暴露量分别增加1.7倍和3.0倍。对于肝功能损害的PBPK模拟，使用Edginton等人发布的方法创建了每个肝功能损害阶段（A和B）的虚拟受试者。基于在这些疾病阶段观察到的咖啡因代谢比率，Child-Pugh A中CYP1A酶表达/活性降低了47%，Child-Pugh B中降低了77%。此操作假定CYP1A1表达/活性受肝功能损害的影响与CYP1A2相似；事实上，在Child-Pugh A和Child-Pugh B肝脏样本中，CYP1A1和CYP1A2蛋白定量水平的减少遵循非常相似的轨迹。UGT1A8和UGT1A9不受肝功能损害影响。在考虑了器官血流量、功能性肝脏质量、血浆蛋白结合和GFR的变化后，疾病状态的PBPK模拟非常准确地描述了Child-Pugh A和Child-Pugh B中的几何平均AUC_inf比率（图3）。此验证表明，受肝功能影响与不受影响的酶的相对贡献被适当捕捉，并且肝脏与非肝脏代谢的平衡是充分的。

3.2.5 Renal Impairment

肾功能损害通常不影响CYP1A底物（如咖啡因、替扎尼定或利奥西呱）的清除率。根据Rilutek的处方信息，中度（3期）至重度（4期）肾功能损害对利鲁唑的PK没有有意义的影响。对于慢性肾病（CKD）的PBPK模拟，使用现在PK-Sim v11中默认的方法创建了 otherwise healthy 的具有每个肾功能损害阶段的虚拟群体。先前的分析得出结论，肾功能损害对CYP1A或UGT1A表达/活性没有显著影响，因此该模型中代谢清除率在此疾病状态下未改变。在考虑了CKD中发生的肾脏体积、肾血流量、血浆蛋白结合、血细胞比容、胃排空时间和肠道转运时间的变化后，直至5期CKD的最大几何平均AUC比率为0.72（图3），这与处方信息中“肾功能损害没有有意义影响”的评估一致。此验证表明，受肾功能影响与不受影响的酶的相对贡献被适当捕捉，并且肾脏（例如，UGT1A8/9）与非肾脏代谢的平衡是充分的。

3.2.6 Food Effect

在健康参考个体中模拟了高脂餐对Tiglutik溶液PK的影响。高脂餐事件使用PK-Sim默认设置，未做任何更改。高脂餐会增加胃pH（导致电荷依赖性溶解度的变化），增加胃内容物液体量，并延长胃排空时间。利鲁唑的非空腹:空腹C_max比率被模拟在接受标准内捕捉（0.52预测 vs. 0.45观测），并且根据观测数据，AUC受影响最小（图3）。此验证表明，口服吸收和生物利用度的潜在机制在ACAT子模型中得到充分表征，肠道黏膜中存在CYP1A1和UGT1A8的肠道代谢。

3.3 Evaluation of Riluzole CYP1A Metabolism

最终的利鲁唑模型用于模拟与氟伏沙明的DDI，氟伏沙明是一种强效CYP1A2抑制剂和弱效CYP1A1抑制剂，以确认CYP1A酶对利鲁唑代谢的相对贡献（即，CYP1A1为60%，CYP1A2为30%）。评估的观测PK数据来自Grant等人在8.8至18.4岁强迫症（OCD）儿童中进行的一项研究。37名儿童接受平均剂量为50 mg BID的利鲁唑，其中6人 additionally 接受基于同一作者组先前在儿童中的研究方案估计剂量为100 mg BID的氟伏沙明。稳态下的平均血浆浓度（C_avg,SS）在单独服用利鲁唑组为79 ng/mL，在同时服用氟伏沙明组为164 ng/mL，提供的观测DDI比率为2.08。对于PBPK模拟，创建了一个与研究群体年龄和BMI范围相同的虚拟群体。氟伏沙明组中模拟的C_avg,SS为177 ng/mL，单独利鲁唑组为100 ng/mL，提供的DDI比率为1.77，并落在严格的接受标准内（表4）。此评估结果表明，CYP1A酶对利鲁唑代谢的相对贡献被最终模型适当捕捉。

3.4 Sensitivity Analysis

增加氟伏沙明对CYP1A酶的抑制效力改善了DDI比率的预测，降低抑制效力则使预测低于接受阈值（表4）。大多数在CYP1A2介导的DDI中模拟氟伏沙明的建模练习使用的抑制性K_I值小于或等于当前值（2.97 nM；较低的K_I = 较高的抑制效力）。因此，利鲁唑的f_m,CYP1A2最可能 around 或低于本工作中提出的值（30%或更少），而CYP1A1可能是负责利鲁唑代谢的主导酶（60%或更多）。

4 Discussion

基于利鲁唑的理化特性、代谢、吸收和原形尿排泄分数的知识，以及来自PK-Sim的虚拟群体，构建了利鲁唑PBPK模型。该模型在健康受试者的单次给药数据上进行了校准，然后外推以预测许多临床多样化情景下的PK，验证了其转化潜力。通过与氟伏沙明（一种强效CYP1A2抑制剂和弱效CYP1A1抑制剂）的DDI预测（观测C_avg,SS比率=2.08），验证了CYP1A2和CYP1A1酶对代谢的相对贡献（预测C_avg,SS比率=1.77）。总体而言，与先前文献和药品标签相反，CYP1A1被确定为利鲁唑的主要代谢酶。这项工作突显了如何利用现代PBPK方法重新审视关于药物代谢的传统假设——特别是对于像利鲁唑这样的老药。它强调了对CYP1A1选择性工具的需求，并支持在用于脆弱群体时，对具有模糊消除途径的药物重新给予关注。

与CYP1A2不同，CYP1A1在体内 confirmed 的抑制剂很少，大多数是基于体外数据确定的。因此，临床DDI风险仍然特征不佳，值得进一步研究。体外强效CYP1A1抑制剂（K_I < 10 μM）包括奎尼丁、奎宁、胺碘酮（及其代谢物）、酮康唑、他莫昔芬、环丙孕酮醋酸酯、比卡鲁胺和阿巴卡韦。由于利鲁唑约60%由CYP1A1代谢，如果药物不同时调节CYP1A2，使用强效CYP1A1抑制剂时暴露量可能最多增加2.5倍。在可用的情况下，优选这些药物的治疗替代品，但考虑到利鲁唑广泛的药代动力学变异性以及可监测和可逆的副作用特征，可以谨慎使用。

如果强效CYP1A2抑制剂不同时显著调节CYP1A1，例如氟伏沙明，则可以谨慎使用。美西律可能是CYP1A1和CYP1A2的中等且效力相等的抑制剂，应谨慎使用。虽然环丙沙星是一种临床相关的CYP1A2抑制剂，但其对CYP1A1的影响尚不清楚，因此也应谨慎使用。

来氟米特、雷贝拉唑、兰索拉唑和奥美拉唑据报道在体外可诱导CYP1A1超过30倍。在可用的情况下，优选这些药物的治疗替代品，因为它们可能显著降低利鲁唑血浆浓度。虽然奥美拉唑及相关药物在体外显示出强效的CYP1A1诱导作用，但其体内效应仍未 confirmed。这些结果应被视为假设生成，旨在促使在临床环境中进一步研究CYP1A1诱导潜力。需要更多研究，或许利用真实世界样本收集，以确定这些药物是否对利鲁唑代谢具有临床相关的诱导作用。

本研究中的每个验证情景都旨在探究与假设的CYP1A1和CYP1A2贡献相关的利鲁唑处置的不同方面。尽管这些临床条件不能分离酶特异性代谢，但模型在每种条件下准确再现观测药代动力学的能力支持了所分配f_m值的生理合理性。肝功能损害中的验证表明，受