科学家改进了 FDA 指南中预测药物相互作用的方程式

吸收到体内的药物在肝脏等多个器官中被酶代谢并因此被清除。药物的清除率可以通过增加体内酶水平的其他药物来增加。这会显着降低药物的浓度，降低其功效并经常导致其失效。因此，在存在药物相互作用的情况下准确预测清除率对于新药开发和处方至关重要。

在代谢方面，药物-药物相互作用是两种或多种药物一起服用的现象——一种药物改变另一种药物的代谢，从而促进或抑制其从体内排泄。结果，它增加了药物的毒性或导致药效丧失。

为了间接评估药物间的相互作用，制药科学家依赖于具有 110 年历史的 Michaelis-Menten (MM) 模型，该模型描述了酶的反应速率。尽管 MM 方程一直是生物化学中使用最广泛的方程之一(它出现在超过 220,000 篇已发表的论文中)，但它有一个基本的限制。

只有当代谢药物的酶浓度远低于其 MM 常数 (K m ) 时，MM 方程才准确。此外，当酶浓度因药物-药物相互作用而增加时，MM 方程预计会非常不准确。

值得注意的是，美国食品和药物管理局在 2020 年发布了一份指南，其中包括一个基于该模型的方程式来预测药物清除率的变化。然而，方程式的准确性一直不尽如人意——只有 38% 的预测误差小于两倍。为了解决这个问题，在方程中加入了科学上不合理的人工常数，以改进其预测。Chae Jung-woo 教授说：“这相当于必须引入周转轨道来解释行星的运动，使用现已失效的托勒密理论。”

由基础科学研究所 (IBS) 和韩国科学技术院 (KAIST) 生物医学数学组的数学家和忠南国立大学的药理学科学家组成的联合研究小组报告说，他们确定了造成这种情况的主要原因FDA 推荐的公式的不准确性和提出的解决方案。