中国药学杂志

Drugs	Formulation	Type of USP apparatus or non compendial methods	Dissolution media	Media volume or flow rate	Study duration/d	IVIVC	Reference
Aripiprazole	suspension	Ⅱ(paddle)	0.25% sodium dodecyl sulfate (SDS) solution	900 mL	20	NR	[23]
Paliperidone palmitate	suspension	Ⅱ(paddle)	0.489%polysorbate tween 20 in 0.001 mol·L^-1. hydrochloric acid aqueous solution @25.0 ℃	900 mL	15	NR	[23]
Olanzapine pamoate	suspension	Ⅳ(flow through cell)	1% SDS in pH 6.8 phosphate buffe	3 mL·min^-1	30	NR	[23]
Leuprolide acetate	suspension	Ⅱ (paddle)	50 mL of methanol to 950 mL of water	950 mL	7	NA	[23]
Hydrochloric buprenorphine	implant	Ⅱ (paddle)	water	900 mL	7	NA	[23]
dexamethasone	implant	Ⅶ(reciprocating bucket)	phosphate buffered saline containing 0.05 g·L^-1 sodium dodecyl sulfat	30 mL	10	NA	[23]
Hydrochloric thiothixene	in situ gel	Ⅱ (paddle)	pH 7.4,PB,0.02%, sodium azide	900 mL	30	NR	[24]
Amphotericin	liposome	Ⅳ(flow through cell)	pH 7.4,5% saccharose、10 mmol·L^-1 HEPES、0.01% odium azide和5% γ-cyclodextrin	78.4 mL	1	NR	[25]
Leuprolide acetate	injectable liquid crystal-forming system	Ⅰ(basket)	pH 7.4,PBS,0.02%, sodium azide; 0.02%-2.0% tween 80	500 mL	7	NR	[26]
Hydrochloric apomorphine	microspheres	Ⅳ(flow through cell)	pH 7.4, PB, 0.2% ascorbic acid	2 mL·min^-1	15	NR	[27]
Dexamethasone	microspheres	Ⅳ(flow through cell)	pH 7.4, 0.1 mol·L^-1 PBS, 0.1% sodium azide	8 mL·min^-1	34	NR	[28]
Bovine serum albumin	crystal suspension	Ⅳ(flow through cell)	0.1% tween 80,0.02% sodium azide,PBS	5 mL·min^-1	15	NR	[29]
Naproxen	oily solution	Ⅱ(paddle)	pH 7.4, PB	1 000 mL	7	NR	[30]
Lidocaine	implant	Ⅱ (paddle)	pH 7.4, 50 mmol·L^-1 PB	900 mL	3	No	[31]
Naltrexone	microspheres	Ⅳ(flow through cell)	pH 7.4, 10 mmol·L^-1 PBS 0.02% sodium azide 0.02% tween 20	8 mL·min^-1	7	Yes	[32]
Levonorgestrel	microspheres	sample and seperater method	25% ethanol in water	50	52	Yes	[33]
Montelukast sodium	implant	sample and seperater method	pH 7.4, PBS	100	60	NR	[34]
Risperidone	implant	sample and seperater method	pH 7.4, PBS	2 400	112	Yes	[35]
Naltrexone	microsphere	sample and seperater method	pH 7.4, 10 mmol·L^-1 PBS,0.02% tween 20,0.02% sodium azide	50	35	Yes	[32]

Drugs	Formulation	Type of USP apparatus or non compendial methods	Dissolution media	Media volume or flow rate	Study duration/d	IVIVC	Reference
Aripiprazole	suspension	Ⅱ(paddle)	0.25% sodium dodecyl sulfate (SDS) solution	900 mL	20	NR	[23]
Paliperidone palmitate	suspension	Ⅱ(paddle)	0.489%polysorbate tween 20 in 0.001 mol·L^-1. hydrochloric acid aqueous solution @25.0 ℃	900 mL	15	NR	[23]
Olanzapine pamoate	suspension	Ⅳ(flow through cell)	1% SDS in pH 6.8 phosphate buffe	3 mL·min^-1	30	NR	[23]
Leuprolide acetate	suspension	Ⅱ (paddle)	50 mL of methanol to 950 mL of water	950 mL	7	NA	[23]
Hydrochloric buprenorphine	implant	Ⅱ (paddle)	water	900 mL	7	NA	[23]
dexamethasone	implant	Ⅶ(reciprocating bucket)	phosphate buffered saline containing 0.05 g·L^-1 sodium dodecyl sulfat	30 mL	10	NA	[23]
Hydrochloric thiothixene	in situ gel	Ⅱ (paddle)	pH 7.4,PB,0.02%, sodium azide	900 mL	30	NR	[24]
Amphotericin	liposome	Ⅳ(flow through cell)	pH 7.4,5% saccharose、10 mmol·L^-1 HEPES、0.01% odium azide和5% γ-cyclodextrin	78.4 mL	1	NR	[25]
Leuprolide acetate	injectable liquid crystal-forming system	Ⅰ(basket)	pH 7.4,PBS,0.02%, sodium azide; 0.02%-2.0% tween 80	500 mL	7	NR	[26]
Hydrochloric apomorphine	microspheres	Ⅳ(flow through cell)	pH 7.4, PB, 0.2% ascorbic acid	2 mL·min^-1	15	NR	[27]
Dexamethasone	microspheres	Ⅳ(flow through cell)	pH 7.4, 0.1 mol·L^-1 PBS, 0.1% sodium azide	8 mL·min^-1	34	NR	[28]
Bovine serum albumin	crystal suspension	Ⅳ(flow through cell)	0.1% tween 80,0.02% sodium azide,PBS	5 mL·min^-1	15	NR	[29]
Naproxen	oily solution	Ⅱ(paddle)	pH 7.4, PB	1 000 mL	7	NR	[30]
Lidocaine	implant	Ⅱ (paddle)	pH 7.4, 50 mmol·L^-1 PB	900 mL	3	No	[31]
Naltrexone	microspheres	Ⅳ(flow through cell)	pH 7.4, 10 mmol·L^-1 PBS 0.02% sodium azide 0.02% tween 20	8 mL·min^-1	7	Yes	[32]
Levonorgestrel	microspheres	sample and seperater method	25% ethanol in water	50	52	Yes	[33]
Montelukast sodium	implant	sample and seperater method	pH 7.4, PBS	100	60	NR	[34]
Risperidone	implant	sample and seperater method	pH 7.4, PBS	2 400	112	Yes	[35]
Naltrexone	microsphere	sample and seperater method	pH 7.4, 10 mmol·L^-1 PBS,0.02% tween 20,0.02% sodium azide	50	35	Yes	[32]

Mathematical model	Function	Mechanism of release
Zero level release model	M_t=c+kt	Constant velocity release
One stage release model	ln(1-M_t)=c+kt	First order release
Ritger-Peppas	$\frac{{M}_{t}}{{M}_{\infty }}$=ktⁿ	k≤0.45 Fick diffusion,0.45<k<0.89 diffusionand erosion,k≥0.89 erosion
Higuchi model	M_t=kt¹^/²+c	Fick diffusion

Mathematical model	Function	Mechanism of release
Zero level release model	M_t=c+kt	Constant velocity release
One stage release model	ln(1-M_t)=c+kt	First order release
Ritger-Peppas	$\frac{{M}_{t}}{{M}_{\infty }}$=ktⁿ	k≤0.45 Fick diffusion,0.45<k<0.89 diffusionand erosion,k≥0.89 erosion
Higuchi model	M_t=kt¹^/²+c	Fick diffusion

Deconvolution technique	Function
Model-dependent	Wagner-Nelson (one- compartment model)	F_t=$\frac{{C}_{t}+{K}_{e}{\int }_{0}^{t}C{d}_{t}}{{K}_{e}{\int }_{0}^{t}C{d}_{t}}$
	Loo-Riegeman (two- compartment model)	F_t=$\frac{{C}_{t}+{K}_{10}{\int }_{0}^{t}C{d}_{t}+({X}_{P}{)}_{t}/{V}_{c}}{{K}_{10}{\int }_{0}^{\infty }C{d}_{t}}$
Model-independent	numerical	C(t)=${\int }_{0}^{t} $C_δ (t-u) r_abs(u) d_u

Deconvolution technique	Function
Model-dependent	Wagner-Nelson (one- compartment model)	F_t=$\frac{{C}_{t}+{K}_{e}{\int }_{0}^{t}C{d}_{t}}{{K}_{e}{\int }_{0}^{t}C{d}_{t}}$
	Loo-Riegeman (two- compartment model)	F_t=$\frac{{C}_{t}+{K}_{10}{\int }_{0}^{t}C{d}_{t}+({X}_{P}{)}_{t}/{V}_{c}}{{K}_{10}{\int }_{0}^{\infty }C{d}_{t}}$
Model-independent	numerical	C(t)=${\int }_{0}^{t} $C_δ (t-u) r_abs(u) d_u

长效注射剂体内外相关性评价方法研究

PDF下载

王静文 , 尹婕 , 文强 , 彭玉帅 , 左宁 ^* , 尹利辉 ^*

中国药学杂志 | 综述 2025,60(8): 784-792

收起

中国药学杂志 | 综述 2025, 60(8): 784-792

长效注射剂体内外相关性评价方法研究

全屏

王静文, 尹婕, 文强, 彭玉帅, 左宁^*, 尹利辉^*

作者信息

中国食品药品检定研究院, 国家药品监督管理局化学药品质量研究与评价重点实验室, 北京 102629

通讯作者:

^*左宁,男,学士,主管药师研究方向:药品质量控制和评价 Tel:(010)53851632;

尹利辉,男,硕士,主任药师研究方向:药品质量控制和评价 Tel:(010)53851547

Current Advances for In Vitro-In Vivo Correlation of Long-Acting Injectable Formulations

Jingwen WANG, Jie YIN, Qiang WEN, Yushuai PENG, Ning ZUO^*, Lihui YIN^*

Affiliations

NMPA Key Laboratory for Quality Research and Evaluation of Chemical Drugs, National Institutes for Food and Drug Control, Beijing 102629, China

出版时间: 2025-04-15 doi: 10.11669/cpj.2025.08.002

文章导航

摘要

收起

长效注射剂在治疗慢性疾病方面具有优势,本文对体外评价研究、体内评价研究的相关方法和影响因素进行了梳理,总结了体外释放行为与体内药动学过程的联立和数学建模,综述长效注射剂体内外相关性(in vitro-in vivo correlation,IVIVC)的分类、实验方法、建立步骤和模型评价方法。由于长效注射剂的多样性,IVIVC研究中不存在通用的体外模型,因此IVIVC研究只能进行逐例建模。综合药物理化性质、剂型设计和药物制剂与给药部位的相互作用对建立长效注射剂IVIVC研究十分重要。

关键词

长效注射剂 / 释放度检查方法 / 体内评价 / 体内外相关性

Abstract

收起

Long-acting injectable formulations are preferred over conventional formulations for the treatment of chronic diseases. An effort to build the relationship between an in-vivo property of a dosage form and an in-vitro response is often referred to as“in vitro-in vivo correlation” (IVIVC) analysis. This paper provides an overview of the classification, establishment and evaluation method of IVIVC. Due to long-acting injectable formulations' diverse nature, it is impractical to establish an universal IVIVC model in vitro, it is essential to develop individual IVIVC model in every study. Integrated knowledges of physicochemical, dosage form design and the interaction of the drug molecule with site of administration play important roles in the study of long-acting injectable formulations' IVIVC.

Key words

long-acting injectable formulation / release inspection method / in vivo evaluation / in vitro-in vivo correlation

引用本文

王静文, 尹婕, 文强, 彭玉帅, 左宁, 尹利辉. 长效注射剂体内外相关性评价方法研究. 中国药学杂志, 2025 , 60 (8) : 784 -792 . DOI: 10.11669/cpj.2025.08.002

Jingwen WANG, Jie YIN, Qiang WEN, Yushuai PENG, Ning ZUO, Lihui YIN. Current Advances for In Vitro-In Vivo Correlation of Long-Acting Injectable Formulations[J]. Chinese Pharmaceutical Journal, 2025 , 60 (8) : 784 -792 . DOI: 10.11669/cpj.2025.08.002

正文

收起

长效注射剂(long-acting injectable formulations)主要通过皮下、肌内注射或其他非血管途径给药,在给药部位形成药物储库发挥长效释放作用,主要包括微球、脂质体、长效混悬剂、油状溶液、原位凝胶植入剂等^[1]。长效注射剂能够在几天至几个月内持续释放药物,可提供稳定的血药浓度,其优点是降低给药频率、简化药物治疗方案、药动学波动较小、不良反应少。很多慢性疾病,如精神性疾病、癌症、慢性或术后疼痛、抗成瘾治疗、蛋白质和激素治疗都需要长期甚至终生坚持用药,以防止症状随着时间的推移恶化。患者对定期服药依从性差是治疗此类疾病的主要障碍,开发长效注射剂可改善这一状况。对于易引起胃肠道不良反应、首过效应高、生物半衰期短、口服吸收差的药物,也可制备成长效注射剂^[2-3]。

《中国药典》2020年版对体内外相关性(in vitro-in vivo correlation,IVIVC)的定义是由制剂产生的生物学性质或由生物学性质衍生的参数(如t_max、c_max或AUC),与同一制剂的物理化学性质(如体外释放行为)之间建立合理的定量关系^[4]。美国药典(USP43-NF38)定义IVIVC是某一药物制剂的生物学特征或源于生物学特征的参数与药物制剂的理化特征之间建立的相关关系^[5]。美国食品药品监督管理局(FDA)药品评价和研究中心(CDER)则明确指出,IVIVC指的是描述剂型的体外特征(通常是药物的体外释放速率或释放程度)与体内反应(如血浆药物浓度或吸收的药物总量)之间关系的预测性数学模型^[6]。IVIVC的历史可以追溯到20世纪50年代,当时的药理学家试图通过数学建模的方法将口服制剂的体外药物溶出与体内药动学相关联^[7-8]。1997年,FDA发布了一份关于口服缓释制剂IVIVC的开发、评估和应用的监管指南。此后,IVIVC的建立和应用在制药领域越来越具有重要意义^[6]。

《中国药典》2020年版规定缓释、控释和迟释制剂要求进行IVIVC试验,它应反映体外释放曲线与血药浓度-时间曲线之间的关系。只有当体内外具有相关性时,才能通过体外释放曲线预测体内情况^[4]。IVIVC评价体系主要包括药物的体外释放研究、体内释放研究和建立模型的数学处理方法3方面内容。通过IVIVC在体内外释放行为间建立定量、可靠的联系,测定药物体外释放行为就可以间接得到体内释放结果。IVIVC的研究应用较为广泛,可用于制剂处方的早期筛选、体外释放限度质控标准的确定、增加规格、上市后变更等。建立和评价体内外相关性的主要目的就是依据体外数据预测体内药代参数,并有可能通过检验不同制剂的体外释放度研究来替代体内生物等效性(bioequivalence,BE)的验证^[5]。

1 IVIVC的分类

收起

《中国药典》2020年版把IVIVC归纳为3种:①体外释放曲线与体内吸收曲线(即由血药浓度数据去卷积而得到的曲线)上对应的各个时间点分别相关,这种相关简称点对点相关,表明两条曲线可以重合或者通过使用时间标度重合。②应用统计矩分析原理建立体外释放的平均时间与体内平均滞留时间之间的相关,由于能产生相似的平均滞留时间可有很多不同的体内曲线,因此体内平均滞留时间不能代表体内完整的血药浓度时间曲线。③1个释放时间点[到达50%血药浓度所需时间(t_50%)、到达90%血药浓度所需时间(t_90%)等]与1个药动学参数[如曲线下面积(AUC)、血药峰浓度(c_max)或达到c_max所需时间(t_max)]之间单点相关,它只说明部分相关^[4]。

USP43-NF38把IVIVC按照相关性高低分为A、B、C 3个级别。A级IVIVC是指整个体外溶出/释放曲线与整个体内吸收曲线之间的相互关系。体外释放曲线与体内吸收曲线上对应的时间点具有点对点的关系。一般来说,相关性是线性的。然而,非线性相关性也是可以接受的。两条曲线可以重合或通过添加换算因子后重合,获得的信息量最大,也是唯一可以获得生物豁免的IVIVC水平;B级相关利用统计矩分析的原理,建立体外释放的平均时间(MDT_in _vitro)与体内平均滞留时间(MRT_in _vivo)之间的相关。由于能产生相似的MRT_in _vivo可有很多不同的体内曲线,因此MRT_in _vivo不能代表体内完整的血药浓度-时间曲线^[4]。因此B级相关性不被认为是点对点相关性,并不一定反映实际的体内血药浓度,因此可能缺乏足够的可预测性;C级相关在溶出/释放参数(如t_50%)和药动学参数(如c_max,t_max或AUC)之间建立单点关系。由于它是基于单点分析,因此不能反映血浆药物浓度-时间曲线的完整形状,而这对于确定药物的体内性能至关重要。因此,C级IVIVC在预测体内药物性能方面是有限的。然而,C级相关性在配方开发的早期阶段可能是有用的,选择试验配方的多重C级相关将多个溶出/释放时间点与1个或多个药动学参数(如c_max、t_max或AUC)联系起来,多重C级相关性应该基于至少3个释放时间点,涵盖释放过程的早期、中期和晚期阶段。多重C级相关可能和A级关联一样有用。然而,如果可以获得多重C级相关性,那么开发一个A级相关性也应该是可行的,并且是更可取的^[5]。

有意义的IVIVC可用于指导药品开发各个阶段的配方和/或工艺开发变更。此外,IVIVC可用于支持和/或验证体外溶出/释放方法的使用,并有助于制定临床相关的溶出/释放检查方法,以确保产品质量^[9]。最重要的是,当A级IVIVC被建立和验证后,当需要在批准前和批准后进行变更时(例如,制剂组成、制造工艺、设备和场地),体外释放法可以作为BE研究的替代方法^[10-12]。通过有意义的IVIVC的成功开发和应用,可以从药物的体外性能准确预测体内性能,从而减少人体或动物研究,减轻监管负担^[13-14]。尽管FDA在20年前就发布了延长释放(extended-release,ER)口服剂型的IVIVC指南,但只有14份简化新药申请(abbreviated new drug application,ANDA)申报具有IVIVC数据,其中大多数因存在缺陷而不被接受^[15]。与口服ER剂型相比,长效注射剂IVIVC的建立更具挑战性,因为它们具有复杂特性且缺乏标准化的药典体外释放测试方法。本文重点介绍长效注射剂IVIVC研究的相关内容及进展。

2 IVIVC的建立步骤

收起

A级IVIVC被认为是体外释放度和体内药动学数据相关关系最有力的证明,常被认为是最高水平的相关性,同时A级相关也是监管机构认可的用于替代BE研究的唯一相关性^[16-17]。所以在长效注射剂的研究中只有A级相关才有指导体内研究的实际意义和预测体内释放的能力,研究人员多致力于A级相关性的开发,对B和C级别的IVIVC研究相对较少。一般长效注射剂A级IVIVC的建立步骤为:①选用具有不同释放速度(例如慢速、中速和快速)的处方(最好是3种或更多),获得体外释放度数据 (至少检测3个时间点以涵盖释放曲线的早期、中期和晚期);②获得所选制剂的体内血浆药物浓度曲线数据,对于释放与条件无关的药物,可以选择一种速率的处方;③对血药浓度-时间曲线选择合适的数据处理方法,将其转换为体内释放百分比-时间的曲线;④判断各时间点体内释放百分比与对应体外释放百分比的相关程度,包括线性(优选)或非线性模型(如Sigmoid、Hixon-Crowell、Weibull、Higuchi、Logistic等),通常采用最小二乘法进行线性回归;⑤在内部和/或外部评估已开发的IVIVC的可预测性^[9]。

IVIVC必须采用具有不同释放速率(以溶解百分比衡量具有≥10%的差异)的处方建立,以获取更可靠、牢固的体内外相关性,同时在外部预测能力评估中也可能获得更好的结果^[18]。最终得到的IVIVC可以是线性,也可以是非线性的,这些结果都可能对药物的释放行为有较好的指示作用^[19-21]。当开发A级IVIVC时,由于体内释放和体外溶出/释放条件存在差异,体内吸收曲线和体外溶出/释放曲线之间可能存在差异。因此,可以利用时间移动或缩放来允许反卷积的体内数据与体外释放数据处于相同的时间尺度上。

虽然A级IVIVC是最具信息量的,也是监管机构推荐的,但其他级别的IVIVC(例如多重C级和B级)可以帮助确保产品质量,并协助配方开发。当开发B级IVIVC时,至少需要3种配方。根据统计矩分析原理,计算MRT_in _vivo、平均吸收时间(MAT_in _vivo),并将其与MDT_in _vitro相关联。在多重C级相关的情况下,1个或多个药动学参数(例如:c_max,t_max或AUC)与至少3个释放时间相关点覆盖早期、中期和后期阶段的释放曲线。由于长效注射剂的复杂特性(例如:多相释放)和缺乏合适的体外释放试验方法,所以这类制剂的IVIVC开发是一个相对复杂的过程^[9]。

3 体外评价研究

收起

体外评价主要为药物释放度测定,作为长效注射剂的关键质量参数,释放度检查是指在模拟体内给药环境的条件下,对制剂中药物释放的速率和程度进行测定。体外释放行为是药物开发时必须考察的性质。同时,长效注射剂也需要测定体外释放来指导药物的体内释放研究和体内外相关性的预测。在许多情况下,没有得到预测能力可靠的IVIVC是因为使用的体外释放度方法对释药特征不同的制剂处方不具备较好的区分能力,如:体外释药测定方法对体内释药环境的模拟程度不够。当测定方法更加准确地反映释药行为,IVIVC创建成功的可能性就会增加^[22]。所以,对于长效注射剂体外释放度测定条件和方法的选择,既要考虑药物和制剂自身的性质,也要着眼于与体内药动学参数有较好的相关性。

长效注射剂释药时间通常为数周、数月甚至数年,开发体外释放检查方法时通常包括对药物释放进行“实时”监测的体外长期释放度检查方法和为缩短处方筛选周期可较快进行质量评价的体外加速释放度检查方法。释放度检查方法通常采用的方法包括药典方法和非药典方法,笔者对部分长效注射剂的体外评价方法总结见表1。药典方法通常包括桨法^[23]、篮法^[26]、流池法^[23]和往复筒法^[23]等;非药典方法包括取样分离法^[32-35]、透析法^[36-40]、扩散池法^[41-42]等。释放度的研究,一般考虑以下几个问题。

3.1 药物释放行为的影响因素

药物活性成分的理化性质是所有药物制剂的关键,因此活性成分的主要理化性质和在给药部位的稳定性是需要首先考虑的因素。药物制剂的溶出/释放行为受药物活性成分的理化性质[如:生物药剂学分类(biopharmaceutical classification system,BCS)、粒径分布、解离常数(pKa)、多晶型等]和剂型特征(如pH敏感性、载药量、空隙度等)的影响。不同制剂类型的释放特点不同,长效注射剂中药物的释放是体内吸收的限速步骤,相较于口服制剂进行IVIVC时需进行BCS分类评估主成分溶解性和渗透性,通常在长效注射剂剂型设计初期,就需要考虑通过制剂工艺确保主成分能够长期缓慢释放^[22]。

3.2 释放装置的选择

各国药典[中国药典、USP、欧洲药典(EP)]收载的多种释放装置通常适用于常规制剂(如口服和透皮制剂),目前《中国药典》2020年版收载释放度检查的品种有50个,其中缓释制剂25个,这25个释放度检查方法中,有11个为篮法,12个为桨法,2个为小杯法。除了药典方法外,监管机构还批准了多种非药典长效注射剂释放度检查方法,如取样分离法(包括摇床法、恒温水浴法等)、透析法、扩散池法,这些方法属于非标准化的检测方法。取样分离法通常用于开发长效注射剂的长期释放度方法;桨法、篮法已用于开发长效注射剂的加速药物释放测定方法;流通池法、往复筒法也可用于长效注射剂的释放度研究。在长效注射剂释放度的测定中,选择哪种装置,应考虑具体的剂型及可能的释药机制,发挥用释放度测定的结果预测体内效果的作用。需要注意的是,对于非标准化的检查方法,设备参数的调整可能会引入较大偏差。例如用摇床法使用不同性状和材质(吸附性能不同)的孵育容器、释放介质以及摇晃强度均会对药物释放产生影响,这些由试验方法引入的偏差甚至能够掩盖处方或工艺变化带来的体外释放行为的差异^[43]。非药典释放度方法开发时应关注试验条件考察,包括装置振摇方式、释放容器差异、样品加入和取样方法等。应考察方法的适用性和耐用性,如不同实验室、试验装置略有差异、方法参数适当变化等多种情况对释放度检测的影响。

3.3 释放介质的选择

释放介质的选择对长效注射剂体外释放方法开发具有重要意义,由于长效注射剂一般采用肌注或皮下注射,而组织环境的pH为7左右,所以常采用的介质是pH 7.4的磷酸盐缓冲液。由于长效注射剂进入体内会受到巨噬细胞和外周巨噬细胞的吞噬,这些细胞会产生酸性和其他物质以加速制剂降解,使细胞与制剂界面的pH小于7。所以释放介质有时也会选用pH 4.0的醋酸盐缓冲液。建议测定不同pH介质的释放曲线,通过对体内吸收过程的研究,找出在何种pH值条件下,体内外相关性最佳,作为释放度质量标准制定的依据。介质中的离子强度以及加入的表面活性剂会影响药物的溶解度、稳定性及聚合物降解速度^[44]。

3.4 释放条件的选择

释放度试验的操作条件(如温度、搅拌速度和介质流速等)对于药物释放结果同样有重要影响。通常释放度试验中,以(37±0.5)℃的水浴温度模拟人体生理温度;篮法或桨法等的机械搅拌作用可以模拟生理混匀作用,篮法100 r·min^-1与桨法50 r·min^-1是等效的,属于常规转速;流通池法中释放介质的单向流动则模拟了人体液的流体动力学特征等^[4]。

3.5 药物释放曲线

通常应测定3批产品的释放度曲线,以了解释放的重现性,每次6个剂量单位^[4],也有一些国家药典^[5]规定12个剂量单位,至少提供1批产品释放度均一性,以相对标准偏差(RSD)表示,并画出释放曲线。测定释放曲线,通常根据所测长效制剂的释药周期选择多个取样点,直至测到释放80%~90%的药物^[4-5]。

3.6 释放度标准的建立

根据《中国药典》2020年版、USP43-NF38和相关文献,建立长效注射剂释放度限度,要求至少设计3个时间点,也可设计4个或更多个时间点^[4-5,45]。第一点为开始0.5~2 h的取样时间点,用于考察药物是否有突释;第二点为中间的取样时间点,用于确定释药特性;最后的取样时间点,用于考察释药是否基本完全。随着新型长效注射剂给药时间的延长,释放度取样点的选取可根据样品的真实作用时间进行调整。

3.7 拟合药物释放曲线

对于药物释放的各种曲线,可以用有关方程进行拟合,求出符合该曲线的方程,可对某一段时间内的曲线进行拟合,或分段拟合,求出相应的方程,常用的模型有零级释放、一级释放、Higuchi方程、Weibull分布函数等^[4-5,9,46],见表2。

由于影响药物释放的因素较多,并且不同的制剂难以使用同一模型,故利用一定的模型对释药过程进行拟合是释药机制研究的常用方法。一般认为,长效注射剂中药物的释放有2种机制:①扩散机制:药物由进入制剂的溶液溶解后,经空隙扩散到介质中,制剂表面药物的溶解及扩散可形成突释效应;②降解机制:聚合物降解为代谢产物,使药物释放,但仍需溶解及扩散进入体液^[44]。Wang等^[47]采用Makoid-Banakar模型和Weibull模型拟合利培酮原位形成植入剂体外释放曲线,采用Fabs=Diss(Tvivo)模型建立相关性。Makoid-Banakar和Weibull模型对释放曲线的拟合非常相似,所得的IVIVC也非常相似,Weibull模型和Makoid-Banakar模型的拟合系数(r²值)均大于0.97。

4 体内评价研究

收起

探究长效注射剂的体内释放特征非常重要,长效注射剂注入人体内会依次出现以下3个阶段的组织反应^[48]:①首先是急慢性炎症反应。②大约在注入体内2周,在长效注射剂与组织界面处会出现纤维包裹反应,它是纤维原细胞随着胶原质分泌物渗透进入制剂内部,或包裹在其周围而导致的。本阶段的时间长短与长效注射剂的降解速度有关。③第3阶段是指长效注射剂降解成小颗粒以后的阶段,是由小吞噬细胞吞噬以后加速降解而引发的反应。第3阶段的长短与聚合物加速降解的速度有关。直径大于10 μm的颗粒难以被巨噬细胞吞噬,随着制剂的降解,其颗粒小到一定程度后,便可被巨噬细胞和外周巨噬细胞吞噬,降解速度可能会加快。巨噬细胞和外周细胞能够在制剂界面上产生酸性和其他有助于降解的物质。

体内释放行为最为直观地展示了药物的临床性能,为研究人员提供全面的药物信息。同时,由于长效注射剂通常携带大剂量的药物,通过监测药物在体内的行为评价复杂环境中药物是否保持平稳释放,以保障用药最基本的安全性。与体外研究相比,体内测定方法较统一,目前长效注射剂体内释药研究主要采用以下2种方法:血药浓度法和体内滞留法。另外,因为动物和人在物种上的差异性,动物模型得到的结果不能完全推论到人体内。药物开发时,常用的受试动物是大鼠、狗和家兔等,动物模型描述的体内释药行为可以用来构建体内外相关性,但在监管中只有在人体进行的研究可以作为证明BE或生物利用度的依据^[49-50]。

4.1 相关理论基础

生物利用度是指药物经血管外途径给药后吸收进入全身血液循环的速率和程度。生物利用度是个相对概念,是比较制剂之间利用度的尺度。根据比较研究时所采用的参比制剂不同,分为绝对生物利用度和相对生物利用度。BE是指药学等效制剂或可替换药物,在相同试验条件下,服用相同剂量,其活性成分吸收程度和速度的差异无统计学意义。

4.2 体内滞留法

体内滞留法是定时取出给药部位残留的制剂,选用适宜方法测定药物的残留量,再进一步得出药物体内释放度的一种方法。Liu等^[51]给Sprague-Dawley大鼠分别注射醋酸曲普瑞林微球后于相应时间点处死大鼠取出残留微球。利用高效液相色谱分析后计算释药量。体内释放曲线显示,第1天释放量为30.62%;在14 d内释放较快,且基本呈线性释放,14 d之后释放变缓,30 d醋酸曲普瑞林的累积释放度为88.32%。通过筛选和优化体外加速释放条件,对体内释放量(y)和体外加速释放量(x)进行拟合,最终拟采用体积分数15%乙醇溶液(含有0.06%聚山梨酯80和0.1%苯扎氯铵)为释放介质,在水温55 ℃、振摇频率200 r·min^-1条件下振摇30 h作为加速释放条件,线性方程为:y=0.884 5x+12.451 0(r²=0.993 8)。

4.3 血药浓度法

该法是在给药后定时从动物模型或人体取血,测定血浆样品中药物的浓度,得到血药浓度-时间曲线以评价体内的药物释放行为。Hu等^[52]采用O/W法制备2种用于评估IVIVC的利培酮PLGA微球,用Sprague-Dawley大鼠作为实验动物,通过高效液相色谱-串联质谱法进行分析得到血药浓度-时间曲线。利培酮混悬液在血浆中的峰值出现在20 min时,质量浓度为(372.04±44.88) ng·mL^-1,然后迅速消除,K值为(0.005 7±0.001 1) min。利培酮微球在初始阶段突释后,药物血浆浓度缓慢下降,直至第40天微球中的利培酮耗尽,剂型A的血药浓度在第0.17天达到ρ_max,为(239.12±31.28) ng·mL^-1,剂型B的血药浓度在第1天达到ρ_max,约为(166.18±20.69)ng·mL^-1,剂型A的AUC_0-∞达到(1162.88±311.88) ng·d·mL^-1,剂型B的AUC_0-∞达到(1 004.80±240.78)ng·d·mL^-1,2种微球中利培酮的释放期约为利培酮混悬液的190倍,显示出稳定的血药浓度水平,达到了对药物缓释的期望。采用Wagner-Nelson模型对剂型A和剂型B进行IVIVC拟合,最小二乘法相关系数(r²)分别为0.975 8和0.991 8;用Loo-Riegelman模型对剂型A和剂型B进行IVIVC拟合,r²分别为0.953 1和0.965 3;用反卷积法对剂型A和剂型B进行IVIVC拟合,r²分别为0.972 6和0.990 3。r²值均在0.95以上,说明体外释药百分比与大鼠体内吸收百分比线性回归关系良好。2种制剂在不同模型下的斜率均在0.956 4~1.186 8,表明其体外加速释放与体内吸收的相关性接近1∶1。Gan等^[53]利用21例患者临床试验中获得的体内药物吸收数据和体外释放数据建立了TLD-1(一种新型的多柔比星脂质体递送系统)的IVIVC,并用已上市的多柔比星脂质体制剂Doxil^®和Lipodox^®对所建方法进行了验证,3种制剂的r²均大于0.98。

5 体外释放行为与体内药动学过程的联立和数学建模

收起

长效注射剂通常经肌内和皮下注射给药,制剂中的药物在体内缓慢释放,通过注射部位的毛细血管和淋巴器官等进入全身循环,进而再分布到靶器官发挥药效,同时还有一部分药物经肝肾等器官消除。由于注射部位也可能存在肽酶和蛋白酶,所以对于蛋白质多肽类长效注射剂来说,药物还可能在注射部位被降解。对于长效注射剂来说,制剂中药物的释放是整个体内过程的限速部分。释药速度将直接影响到给药期间血药浓度是否在治疗窗内、是否能发挥药效^[44]。因此,长效注射剂的体外释放曲线与其注射部位的释放曲线和血药浓度-时间曲线的相关性评价尤为重要。

体内外相关性的高低既与体外和体内测定的方法有关,也受体内释放结果处理方法的影响。IVIVC 建立的关键在于如何从长效注射剂的药动学数据得到体内释放度与时间的信息。体内过程研究可获得药物的血药浓度和尿药排泄数据。通过药动学数据处理,可以得到c_max、t_max和AUC等参数。体外释放,以累积释放百分数(Fd)表示。体内吸收则以各个时间吸收百分数(Fa)表示。对于长效注射剂一般主要考察体外释放百分数与体内吸收百分数是否具有相关关系。A级IVIVC通常采用的数学方法有:模型法和非模型法,模型法有Wagner-Nelson和Loo-Riegeman法,非模型法有反卷积法^[9],见表3。

5.1 模型依赖法

传统的依赖于隔室模型的Wagner-Nelson法和Loo-Riegelman法,是目前研究体内数据的常用方法。如果给药后具有明显的一室模型特征,可利用Wagner-Nelson法得到药物体内吸收曲线,如给药后体内的药动学符合二室模型特征^[4],可利用Loo-Riegeman法得到药物体内吸收曲线。Andhariya等^[54]用家兔模型研究纳曲酮微球的药动学,用Loo-Liegeman法对得到的药动学数据进行反卷积,并与USP Ⅳ法获得的纳曲酮微球体外释放曲线进行比较。建立并验证了A级IVIVC的可预测性。Shen等^[55]用取样分离法和流通池法对不同工艺制得的利培酮微球体外释放行为进行测定,并将家兔实验得到的药时曲线用Loo-Liegeman 法反卷积,建立IVIVC对药物体内释放参数进行预测。结果得到了A级IVIVC且模型拟合较好。

5.2 非模型依赖法

当药物的体内过程符合非线性动力学时,可通过非模型依赖法的反卷积法(deconvolution)作为推导体内“释放度-时间曲线”的数学方法,反卷积法支持通过血药浓度-时间曲线得到药物体内释放度数据,也支持由体内释放度-时间曲线推导血药浓度数据。该法的应用不受模型限制,适于模型化困难药物的研究,且拟合结果准确可靠^[56]。Hu等^[52]尝试分别用Wagner-Nelson模型,Loo-Liegeman模型和数值反卷积模型的方法得到利培酮微球的IVIVC,通过研究pH、渗透压、温度和乙醇浓度对利培酮释放速率的影响来优化加速释放条件,并在优化加速释放条件下获得利培酮从PLGA微球中的体外累计释放量,并从大鼠中取血分析得出药动学参数。结果表明,3种拟合模型IVIVC相关系数(r²)均在0.95以上,斜率均在0.956 4~1.186 8之间。Li等^[57]尝试分别采用反卷积法和基于药动学(pharmacokinetics,PK)模型的模拟方法得到艾塞那肽双层微球的IVIVC,利用直接释药法得到体外累积释放量,并从大鼠眼眶静脉中取血分析得出药动学参数。结果表明,通过反卷积和模拟计算得出的微球初始突释分别约为1.1%和1.2%, 得到A级IVIVC,药物释放量与体内吸收百分率(Fa)呈良好的线性回归,r²分别为0.982(反卷积法)和0.984(PK模型的模拟方法)。

5.3 其他方法

分数AUC 法、直接测量法^[58]、基于PK 模型的模拟方法^[58]等也被提出用于得到体内释放度数据。Wang 等^[59] 采用恒温水浴振荡法测定3种PLGA相对分子质量的醋酸戈舍瑞林微球体外释放行为,用分数AUC法处理药动学数据,并将不同释放速率的微球分别组合,建立3个IVIVC模型。结果得到A级体内外相关性,同时对模型的外部预测能力进行评估,发现预测与实际的累积释放曲线基本重合,说明建立的 IVIVC 模型具备可预测性。

6 IVIVC模型评价

收起

药物IVIVC模型建立后,需验证IVIVC模型是否具有预测能力。采用体外释放度研究的数据按相关模型计算体内释放和吸收的值,作为预测值,通过比较预测值和实测值之间的差异进行评估,包括内部验证(internal validation)和外部验证(external validation)^[6,60]。

6.1 内部预测能力评估和外部预测能力评估

内部预测能力评估是指用体内外相关性建模时采用的制剂处方的数据进行验证。外部预测能力评估是指用非建模的制剂处方的数据进行验证。

外部预测能力的评估主要用于:内部预测评估的误差不符合要求时;仅用2种释药速率的处方建立了体内外相关性时;仅在研究治疗窗指数窄的药物时等。

按照优先顺序排列,用以评估外部预测能力的制剂处方主要为:具有与建立体内外相关性模型时所用制剂处方不同释药速率的处方,其释药速率可以在建模用制剂处方的释药速率范围内,但也可以在此范围外(以了解预测能力的范围);具有与建立模型时所用制剂处方相同或类似释药速率的处方,这些处方在制备过程中略有不同(如处方组成、工艺、设备、生产场地等);生产过程中无变化而来自另一生产批的处方,这些处方与建模时所用处方具有相同或类似的释药速率。

6.2 内、外部预测的评估指标

评估指标是ρ_max和AUC的预测误差(PE%),按照公式1~2计算:

公式(1)PE_{ρ_max}/%=[(ρ_max实测-ρ_max预测)/ρ_max实测]×100%

公式(2)PE_AUC/%=[(AUC_实测-AUC_预测)/AUC_实测]×100%

6.3 可被接受具有体内外相关性的判断标准

内部预测能力要求ρ_max及AUC的各制剂处方PE的平均值≤10%,且每个制剂处方的PE≤15%;外部预测能力要求ρ_max和AUC的各制剂处方PE的平均值≤10%,若PE在10%~20%,则无结论性判断,还需继续外部预测检验;若PE>20%通常意味着预测能力不足。

7 总结和展望

收起

长效注射剂具有提高患者依从性、减少给药次数和延长作用时间等优点,生物可降解的长效注射剂顺应了制剂向长效、高效、低毒发展的方向,正在成为国内外新药研发的热点。这些长效注射剂通常含有大量的强效治疗药物,任何意想不到的生物利用度变化都可能导致严重的毒副作用,这使它们成为“高风险”药物制品^[32]。与口服制剂不同,由于长效注射剂释放周期长,缺乏标准的体外释放评价方法,以及体内释放的复杂性,使得长效注射剂IVIVC的建立具有较大挑战。

长效注射剂的常见剂型和开发IVIVC模型的难点包括:①微球,微球在体外/体内释放药物的主要机制包括聚合物的侵蚀与降解、刺激响应、注射微环境调节、药物扩散、水介导作用、解吸、聚合物修复以及从基质内部向外部介质的溶解^[61]。开发合适的具有区分性的模型来体现药物先从微球表面突释,随后再从微球核壳进行后续控释,给有效的IVIVC带来了挑战^[62]。已获批的微球制剂包括利培酮长效注射剂(Risperdal Consta^TM)、醋酸亮丙瑞林长效注射剂(leupron depot^TM)以及善宁长效注射剂(Sandostatin LAR^TM)等^[62]。②脂质体,脂质体是基于脂质的载体囊泡,其形态上可能是单层膜、多层膜或多囊泡结构,属于获批最为广泛的长效注射剂之一。药物在脂质体中的释放情况取决于脂质的性质与组成、脂质与被包封药物之间的相互作用、水相组成、表面修饰以及渗透压等,此外,诸如流体动力学直径、ζ电位和形态等也会影响体内/体外释放^[63]。针对游离药物含量以及体现药物从脂质载体各释放阶段的释放曲线开发合适的区分模型给该类制剂有效的IVIVC带来了挑战^[62]。已获批的脂质体制剂包括给两性霉素B脂质体注射剂(Ambiosome^TM)、盐酸多柔比星脂质体(Doxil^TM)、布比卡因脂质体混悬液(Exparel^TM)和伊立替康脂质体注射液(Onivyde^TM)等^[62,64]。③微乳制剂和油基注射用长效制剂,微乳制剂和油基可注射长效制剂为疏水性药物提供了合适的载体。这些方法通常包括使用助溶剂、表面活性剂和油来溶解甾体类药物。此外,还会采用化学修饰方法,例如将药物与癸酸盐、庚酸盐、己酸盐等脂肪酸进行偶联,在皮下或肌内注射后形成前药控释库^[65],开发此类制剂的IVIVC方法时,应考察药物在油性赋形剂中的溶解情况、前药的水解潜能、赋形剂的黏度、长效制剂的形成程度、溶血潜能以及药物从油相向周围组织再进入血液的情况等因素^[62]。已获批上市的制剂包括己酸羟孕酮(Maken^TM)、癸酸诺龙(Deca-Durabolin^TM)、庚酸睾酮(Xyosted^TM)等^[65]。④长效混悬剂,将疏水性药物利用助悬剂配制成混悬剂。将此类药物配制成微米级或纳米级混悬剂会使其物理化学性质发生变化,比如粒径和溶解度等方面。基于纳米化的纳米晶技术^TM已被用于制备长效非典型抗精神病药善思达(Invega Sustenna^®,棕榈酸帕利哌酮酯)^[66]。活性药物的固有溶解度、酯前药的水解速率、粒径以及溶解动力学是影响此类混悬剂体外释放的重要体外参数^[66]。⑤长效水凝胶,水凝胶(聚合物水凝胶和超分子水凝胶)是三维可膨胀的聚合物体系,适用于组织工程进行疏水性药物的给药^[67]。释放曲线会受到不同机制的影响,包括从聚合物结构中释放(扩散控制、溶胀控制、化学控制)、从水凝胶包封颗粒中释放药物、跨基质扩散^[67]。建立此类药物的IVIVC方法时需要着重考虑的因素包括多相体外释放情况(突释、滞后阶段和指数式释放);聚合物及水凝胶的特性、水凝胶的几何形状、药物从基质中的释放情况、内部和外部粒径、ζ 电位、溶胀率、水凝胶网孔特性、药物的疏水性等,都可能是此类制剂IVIVC建模时的速率控制因素^[62,67-68]。已上市药物有布比卡因缓释凝胶(Posidur^®)等。⑥原位凝胶植入剂,是一种新型的药物递送系统,在生理条件下可发生相转变,从可流动的液体状态转变为半固体或固体凝胶状态的植入剂。这种转变使得药物能够在特定的部位缓慢释放,从而延长药物的作用时间。此类制剂药物释放通常有药物扩散和聚合物降解或溶蚀两种方式,药物从制剂释放后转移至周围组织后进入血液^[69]。植入剂的释放周期较长,开发具有区分性和模拟性的IVIVC方法会比较困难,需要考虑聚合物特性、尺寸、孔隙率、形态以及表面电位,还需要依据释药机制考察药物从聚合物释放的动力学来包含时间变量^[70-72]。

在我国目前的法规体系下,建立具有体内外相关性的 IVIVC模型一直是药物研发与制剂开发领域的关键课题。通过整合药物体外释放度试验数据与体内药动学信息,IVIVC 模型能够为药物产品的优化、质量控制以及生物等效性预测提供重要依据,开展IVIVC研究有助于降低长效注射剂的剂型风险。对于长效注射剂,每一个IVIVC都是个案化的,全面系统地获知药物分子的理化性质、生物药剂学性质和制剂的处方设计及其与注射部位的交互作用,对于评估创建 IVIVC的可行性、分析体内数据用于指导创建工作、设计具有预测性的体外释放度试验、解释预期和未预期的实验结果都具有非常重要的作用。

建立IVIVC模型的传统的方法通常基于对药物的物理化学性质、制剂特性以及生理药动学过程的深入理解,通过大量的实验设计与数据采集来构建模型。实验过程往往耗时费力,需要大量的样本与资源投入。由于人体生理系统的复杂性以及药物在体内过程的多样性,准确建立普适性强且具有高度预测性的IVIVC模型并非易事。不同药物的特性差异以及个体间的生理变异性都可能影响模型的准确性与可靠性。人工智能技术的迅猛发展为高效建立IVIVC模型带来了前所未有的机遇,有望成为关键的突破口。机器学习算法,如人工神经网络、支持向量机等,具备强大的模式识别与数据挖掘能力^[73]。通过对海量的体外释放数据、体内药动学数据以及相关药物与制剂信息进行学习与训练,人工智能模型能够自动提取特征并建立复杂的非线性关系,克服传统方法在处理复杂数据时的局限性。同时随着精准医学的兴起和对仿生溶出系统的深入研究(包括仿生溶出装置和仿生介质),未来基于人工智能的IVIVC模型可能会朝着个性化与精准化的方向发展。针对不同个体的生理特征、遗传背景以及疾病状态,建立定制化的IVIVC 模型^[74]。人工智能技术可以通过分析大量个体临床数据,识别出影响药物体内过程的关键个体因素,并将这些因素纳入模型中,实现对不同个体药物吸收行为的精准预测。这将有助于在药物研发和临床治疗中,为患者提供更个性化的药物制剂选择和给药方案优化,提高药物治疗的有效性和安全性。

基金

收起

中国食品药品检定研究院中青年发展研究基金项目资助(2023A3)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

FDA. FY 2016 Regulatory Science Report: Long-Acting Injectable Formulations[EB/OL]. (2017-03-28) [2024-10-14]. https://www.fda.gov/industry/generic-drug-user-fee-amendments/fy2016-vegulatory-science-report-long-acting-injectable-formulations. https://www.fda.gov/industry/generic-drug-user-fee-amendments/fy2016-vegulatory-science-report-long-acting-injectable-formulations

[2]

MARTINEZ

, RATHBONE

, BURGESS

, et al. in vitro and in vivo considerations associated with parenteral sustained release products: a review based upon information presented and points expressed at the 2007 Controlled Release Society Annual Meeting[J]. J Controlled Release, 2008, 129(2):79-87.

[3]

CHAUDHARY

, PATEL

, MEHTA

. Long-acting injectables: current perspectives and future promise[J]. Crit Rev Ther Drug Carr Syst, 2019, 36(2): 137-181.

[4]

Ch.P(2020) Vol Ⅳ(中国药典2020年版.四部)[S]. 2020: 474.

[5]

USP43-NF38[S]. 2020: 398.

[6]

FDA. guidance for industry extended release oral dosage forms: development, evaluation, and application of in vitro/in vivo correlations[S]. 1997.

[7]

NELSON

. Solution rate of theophylline salts and effects from oral administration[J]. Am Pharm Assoc Am Pharm Assoc, 1957, 46(10):607-614.

[8]

EDWARDS

L J

. The dissolution and diffusion of aspirin in aqueous media[J]. Trans Faraday Soc, 1951, 47 : 1191-1210.

[9]

SHEN

, BURGESS

D J

. In vitro-in vivo correlation for complex non-oral drug products: where do we stand?[J]. J Controlled Release, 2015, 9(52):644-651.

[10]

BURGESS

D J

, CROMMELIN

D J

, HUSSAIN

A S

, et al. Assuring quality and performance of sustained and controlled released parenterals, Eur[J]. J Pharm Sci, 2004 (21): 679-690.

[11]

SIEWERT

, DRESSMAN

, BROWN

, et al. FIP/AAPS guidelines for dissolution/in vitro release testing of novel/special dosage forms[J]. Dissol Technol, 2003, 4(1): 6-15.

[12]

ANAND

, YU

L X

, CONNER

D P

, et al. Dissolution testing for generic drugs: an FDA perspective[J]. AAPS J, 2011, 13(3): 328-335.

[13]

EMAMI

. In vitro-in vivo correlation: from theory to applications[J]. Pharm Pharm Sci, 2006, 9(2):169-189.

[14]

PURI

, BANSAL

A K

. In vitro-in vivo characterization of release modifying agents for parenteral sustained-release ketorolac formulation[J]. Drug Dev Ind Pharm, 2004, 30(6):619-626.

[15]

KAUR

, JIANG

, DUAN

, et al. Applications of in vitro-in vivo correlations in generic drug development: case studies[J]. AAPS J, 2015, 17(4):1035-1039.

[16]

GONZALEZ

M A

, SMITH

D F

. Use of IVIVC in the development of oral extended-release formulations: a personal perspective[J]. Dissol Technol, 2015, 22(2): 35-42.

[17]

KAZI

, AMRI

R A

, ALANAZI

F K

, et al. in vitro methods for in vitro-in vivo correlation (IVIVC) for poorly water soluble drugs: lipid based formulation perspective[J]. Curr Drug Deliv, 2018, 15(7): 918-929.

[18]

GONZÁLEZ-GARCÍA

, MANGAS-SANJUÁN

, MERINO-SANJUÁN

, et al. in vitro-in vivo correlations: general concepts, methodologies and regulatory applications[J]. Drug Dev Commun, 2015, 41(12): 1935-1947.

[19]

BUSKIRK

GAV

, SHAH

, YACOBI

, et al. PQRI workshop report: application of IVIVC in formulation development[J]. Dissol Technol, 2014, 21(2): 51-58.

[20]

CARDOT

J M

, BEYSSAC

, ALRIC

. In vitro-in vivo correlation: importance of dissolution in IVIVC[J]. Dissol Technol, 2007, 14(1): 15-19.

[21]

PARK

. IVIVC of parenteral PLGA microspheres[J]. J Controlled Release, 2015, 218(28):116.

[22]

WANG

, HUA

Y B

, GAO

, et al. Research progress of in vitro-in vivo correlation of injectable polylactide-polyglycolide microspheres[J]. Acta Pharm Sin(药学学报), 2021, 56(1): 158-168.

[23]

FDA. Dissolution Methods. [EB/OL]. (2022-07-28) [2024-05-14]. https://www.accessdata.fda.gov/scripts/cder/dissolution/dsp_SearchResults.cfm. https://www.accessdata.fda.gov/scripts/cder/dissolution/dsp_SearchResults.cfm

[24]

CHE

, WANG

L H

, LI

Q Y

, et al. Injectable long-term control-released in situ gels of hydrochloric thiothixene for the treatment of schizophrenia: preparation, in vitro and in vivo evaluation[J]. Int J Pharm, 2014, 469(1):23-30.

[25]

TANG

, SRINIVASAN

, YUAN

, et al. Development of a flow-through USP 4 apparatus drug release assay for the evaluation of amphotericin B liposome[J]. Eur J Pharm Biopharm, 2019, 134: 107-116.

[26]

M H

, LIM

J L

, KO

J Y

, et al. A new injectable liquid crystal system for one month delivery of leuprolide.[J]. J Controlled Release, 2014, 185:62-70.

[27]

REGNIER-DELPLACE

, THILLAYE DU BOULLAY

, SIEPMANN

, et al. PLGA microparticles with zero-order release of the labile anti-Parkinson drug apomorphine[J]. Int J Pharm, 2013, 443(1-2): 68-79.

[28]

SHEN

, BURGESS

D J

. Accelerated in vitro release testing of implantable PLGA microsphere/PVA hydrogel composite coatings[J]. Int J Pharm, 2012, 422(1-2): 341-348.

[29]

STERNER

, HARMS

, WEIGANDT

, et al. Crystal suspensions of poorly soluble peptides for intra-articular application: A novel approach for biorelevant assessment of their in vitro release[J]. Int J Pharm, 2014, 461(1-2):46-53.

[30]

THINGG

, LARSEN

, ØSTER

, et al. In vitro release from oil injectables for intra-articular administration: Importance of interfacial area, diffusivity and partitioning[J]. Eur J Pharm Sci, 2012, 45(3):351-357.

[31]

GERNER

, WANG

C F

, LEE

B S

, et al. The relationship between functional sciatic nerve block duration and the rate of release of lidocaine from a controlled release matrix[J]. Anesth Analg, 2010, 111(1): 221-229.

[32]

ANDHARIYAA

J V

, SHEN

, CHOI

, et al. Development of in vitro-in vivo correlation of parenteral naltrexone loaded polymeric microspheres[J]. J Controlled Release, 2017(255):27-35.

[33]

WANG

S H

, ZHANG

L C

, LIN

, et al. Controlled release of levonorgestrel from biodegradable poly (D,L-lactide-co-glycolide) microspheres: in vitro and in vivo studies[J]. Int J Pharm, 2005, 301(1-2): 217-225.

[34]

AHMED

T A

, IBRAHIM

H M

, SAMY

A M

, et al. Biodegradable injectable in situ implants and microparticles for sustained release of montelukast: in vitro release, pharmacokinetics, and stability[J]. AAPS Pharm Sci Tech, 2014, 15:772-780.

[35]

AMANN

, GANDAL

M J

, LIN

, et al. In vitro-in vivo correlations of scalable PLGA-risperidone implants for the treatment of schizophrenia[J]. Pharm Res, 2010, 27(8):1730-1737.

[36]

LIN

, LIAO

X R

, SHI

Q J

, et al. Preparation and characterization of temozolomide liposomes modified with T7 / A7R peptides[J]. China Pharm(中国药师), 2021, 24(11): 1978-1982.

[37]

WANG

Y R

, DU

. Study on evaluation in vitro of release of itraconazole self-microemulsifying drug delivery system[J]. Chin J Hosp Pharm(中国医院药学杂志), 2008, 28(11):877-880.

[38]

LIU

, LI

S B

, BAO

, et al. Preparation,in vitro release and pharmacokinetics of paclitaxel lipid nanoparticles for intravenous injection[J]. Chin Pharm J(中国药学杂志), 2009, 44(17) :1320-1326.

[39]

SONG

, HUANG

, GUO

Y S

, et al. Research progress of evaluation methods of liposomes release behavior in vitro[J]. Her Med(医药导报), 2023, 42(3):384-389.

[40]

MANNA

, WU

, WANG

, et al. Probing the mechanism of bupivacaine drug release from multivesicular liposomes[J]. J Controlled Release, 2019, 294: 279-287.

[41]

GUPTA

P K

, PANCHOLI

S S

, DAS

. In vitro drug release testing method for nepafenac ophthalmic suspension[J]. J Pharm Sci, 2024, 113(4):1061-1067.

[42]

LAURA C, HERRERA, MARIA V. DEFAIN

TESORIERO

, et al. In vitro release testing of PLGA microspheres with franz diffusion cells[J]. Dissol Technol, 2012, 19(2):6-11.

[43]

GARNER

, SKIDMORE

, PARK

, et al. Beyond Q1/Q2: the impact of manufacturing conditions and test methods on drug release from PLGA-based microparticle depot formulations[J]. J Pharm Sci, 2018, 107(1):353.

[44]

X D

, GAO

Y L

. Test for in vitro release rate of microspheres and correlation of its in vivo-in vitro[J]. Chin J New Drugs(中国新药杂志), 2003, 12(8):608-611.

[45]

ROUNDIER

, DAVIT

B M

, BEYSSAC

, et al. In vitro-in vivo correlation's dissolution limits setting[J]. Pharm Res, 2014, 31(9):2529-2538.

[46]

PASTORIN

, BENETTI

, WACKER

M G

. From in vitro to in vivo: a comprehensive guide to IVIVC development for long-acting therapeutics[J]. Adv Drug Deliv Rev, 2023, 199: 114906. DOI: 10.1016/j.addr.2023.114906.Epub2023Jun5.PMID:37286087.

[47]

WANG

, ROY

, WANG

, et al. Towards in vitro-in vivo correlation models for in situ forming drug implants[J]. J Controlled Release, 2024, 372:648-660.

[48]

JAMES M

ANDERSON

, MATTHEW

, et al. Biodegradation and biocompatibility of PLA and PLGA microsphere[J]. Adv Drug Deliv Rev, 2012, 64(1), 72-82.

[49]

MARROUM

. Role of in vitro-in vivo correlations in drug development[J]. Dissol Technol, 2015. DOI: 10.14227/DT220215P50.

[50]

ANDHARIYA

J V

, BURGESS

D J

. Recent advances in testing of micro-sphere drug delivery systems[J]. Expert Opin Drug Deliv, 2016, 13(4): 593-608.

[51]

LIU

, MEI

, HU

X Q

, et al. In vitro accelerated release of triptorelin acetate microspheres and the in vivo/in vitro correlation[J]. J Int Pharm Res(国际药学研究杂志), 2017, 44(6):622-628.

[52]

, ZHANG

J W

, TANG

X M

, et al. An accelerated release method of risperidone loaded PLGA microspheres with good IVIVC[J]. Curr Drug Deliv, 2018, 15(1):87-96.

[53]

GAN

, LI

, DARLI

P M

, et al. Understanding the in vitro-in vivo Nexus: advanced correlation models predict clinical performance of liposomal doxorubicin[J]. Int J Pharm, 2024, 654:123942. DOI: 10.1016/j.ijpharm.2024.123942.

[54]

ANDHARIY

J V

, CHOI

, WANG

, et al. Accelerated in vitro release testing method for naltrexone loaded PLGA microspheres[J]. Int J Pharm, 2017, 520(1-2):79-85.

[55]

SHEN

, CHOI

, QU

, et al. In vitro-in vivo correlation of parenteral risperidone polymeric microspheres[J]. J Controlled Release, 2015, 218: 2-12.

[56]

, SU

, ZHAO

. Research progress on in vitro and in vivo correlation of biodegradable microsphere preparations[J]. Chin Med Biotechnol(中国医药生物技术), 2011, 6: 47-49.

[57]

X G

, LI

, WANG

X P

, et al. Application of model-based methods to characterize exenatide-loaded double-walled micro-spheres: in vivo release, pharmacokinetic/ pharmacodynamic model, and in vitro and in vivo correlation[J]. J Pharm Sci, 2012, 101(10): 3946-3961.

[58]

ZOLNIK

B S

, BURGESS

D J

. Evaluation of in vivo-in vitro release of dexamethasone from PLGA microspheres[J]. J Controlled Release, 2008, 127(2): 137-145.

[59]

WANG

M D

, XUE

, LENG

G Y

, et al. In vitro-in vivo correlation of goserelin acetate microspheres[J]. Acta Pharm Sin(药学学报), 2019, 54(1): 159-165.

[60]

HUANG

, MA

Y N

. In vitro-in vivo correlation(IVIVC): perspective from CDE reviewer[J]. Chin J Clin Pharmacol Ther(中国临床药理学与治疗学), 2007, 12(9):961-964.

[61]

HAN

F Y

, THURECHT

K J

, WHITTAKER

A K

, et al. Bioerodable PLGA-based microparticles for producing sustained-release drug formulations and strategies for improving drug loading[J]. Front Pharmacol, 2016, 7:185. DOI: 10.3389/fphar.2016.00185.

[62]

SHI

, LU

, WANG

, et al. A review of existing strategies for designing long-acting parenteral formulations: focus on underlying mechanisms, and future perspectives[J]. Acta Pharm Sin B(药学学报英文), 2021, 11(8):2396-2415.

[63]

GHOSH

, JAVIA

, SHETTY

, et al. Triple negative breast cancer and non-small cell lung cancer: clinical challenges and nano-formulation approaches[J]. J Controlled Release, 2021, 337:27-58.

[64]

GHOSH

, LALANI

, MAITI

, et al. Optimization and efficacy study of synergistic vincristine coloaded liposomal doxorubicin against breast and lung cancer[J]. Nanomedicine (Lond), 2020, 15(26):2585-2607.

[65]

WEBER

, RAHNFELD

, LUCIANI

. Analytical profiling and stability evaluation of liposomal drug delivery systems: a rapid UHPLC-CAD-based approach for phospholipids in research and quality control[J]. Talanta, 2020, 220:1213-1220.

[66]

GHOSH

, LALANI

, PATEL

, et al. Combinatorial nanocarriers against drug resistance in hematological cancers: opportunities and emerging strategies[J]. J Controlled Release, 2019, 296:114-139.

[67]

VÁZQUEZ-GONZÁLEZ

, WILLNER

. Stimuli-responsive biomolecule-based hydrogels and their applications[J]. Angew Chem Int Ed, 2020, 59(36):15342-15377.

[68]

ZHENG

D W

, HONG

, ZHANG

Q L

, et al. Controllable gelation of artificial extracellular matrix for altering mass transport and improving cancer therapies[J]. Nat Commun, 2020, 11(1):4907.

[69]

STEWART

S A

, DOMÍNGUEZ-ROBLES

, DONNELLY

R F

, et al. Implantable polymeric drug delivery devices: classification, manufacture, materials, and clinical applications[J]. Polymers (Basel), 2018, 10(12):1379.

[70]

CRACIUN

A M

, BARHALESCU

M L

, AGOP

, et al. Theoretical modeling of long-time drug release from nitrosalicyl-imine-chitosan hydrogels through multifractal logistic type laws[J]. Comput Math Methods Med, 2019, 2019:4091464.

[71]

CORREIA

, FERREIRA

, SANTOS

, et al. New in vitro-in silico approach for the prediction of in vivo performance of drug combinations[J]. Molecules, 202, 26(14):4257. DOI: 10.1155/2019/4091464.

[72]

CASALINI

. Not only in silico drug discovery: molecular modeling towards in silico drug delivery formulations.[J]. J Controlled Release, 2021, 332:390-417.

[73]

WANG

, WANG

, LIANG

X Y

, et al. In vivo-in vitro correlation of sustained-release oral dosage forms[J]. Drug Eval Res(药物评价研究), 2011, 34(5):380-383.

[74]

DABKE

, GHOSH

, DABKE

, et al. Revisiting the in-vitro and in-vivo considerations for in-silico modelling of complex injectable drug products[J]. J Controlled Release, 2023, 360:185-211. DOI: 10.1016/j.jconrel.2023.06.

2025年第60卷第8期

PDF下载

134

引用本文

BibTeX

文章信息

doi: 10.11669/cpj.2025.08.002

接收时间：2024-10-28
首发时间：2025-11-12
出版时间：2025-04-15

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-10-28

基金

中国食品药品检定研究院中青年发展研究基金项目资助(2023A3)

作者信息

中国食品药品检定研究院, 国家药品监督管理局化学药品质量研究与评价重点实验室, 北京 102629

通讯作者:

^*左宁,男,学士,主管药师研究方向:药品质量控制和评价 Tel:(010)53851632;

尹利辉,男,硕士,主任药师研究方向:药品质量控制和评价 Tel:(010)53851547

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/zgyxzz/CN/10.11669/cpj.2025.08.002

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

Drugs	Formulation	Type of USP apparatus or non compendial methods	Dissolution media	Media volume or flow rate	Study duration/d	IVIVC	Reference
Aripiprazole	suspension	Ⅱ(paddle)	0.25% sodium dodecyl sulfate (SDS) solution	900 mL	20	NR	[23]
Paliperidone palmitate	suspension	Ⅱ(paddle)	0.489%polysorbate tween 20 in 0.001 mol·L^-1. hydrochloric acid aqueous solution @25.0 ℃	900 mL	15	NR	[23]
Olanzapine pamoate	suspension	Ⅳ(flow through cell)	1% SDS in pH 6.8 phosphate buffe	3 mL·min^-1	30	NR	[23]
Leuprolide acetate	suspension	Ⅱ (paddle)	50 mL of methanol to 950 mL of water	950 mL	7	NA	[23]
Hydrochloric buprenorphine	implant	Ⅱ (paddle)	water	900 mL	7	NA	[23]
dexamethasone	implant	Ⅶ(reciprocating bucket)	phosphate buffered saline containing 0.05 g·L^-1 sodium dodecyl sulfat	30 mL	10	NA	[23]
Hydrochloric thiothixene	in situ gel	Ⅱ (paddle)	pH 7.4,PB,0.02%, sodium azide	900 mL	30	NR	[24]
Amphotericin	liposome	Ⅳ(flow through cell)	pH 7.4,5% saccharose、10 mmol·L^-1 HEPES、0.01% odium azide和5% γ-cyclodextrin	78.4 mL	1	NR	[25]
Leuprolide acetate	injectable liquid crystal-forming system	Ⅰ(basket)	pH 7.4,PBS,0.02%, sodium azide; 0.02%-2.0% tween 80	500 mL	7	NR	[26]
Hydrochloric apomorphine	microspheres	Ⅳ(flow through cell)	pH 7.4, PB, 0.2% ascorbic acid	2 mL·min^-1	15	NR	[27]
Dexamethasone	microspheres	Ⅳ(flow through cell)	pH 7.4, 0.1 mol·L^-1 PBS, 0.1% sodium azide	8 mL·min^-1	34	NR	[28]
Bovine serum albumin	crystal suspension	Ⅳ(flow through cell)	0.1% tween 80,0.02% sodium azide,PBS	5 mL·min^-1	15	NR	[29]
Naproxen	oily solution	Ⅱ(paddle)	pH 7.4, PB	1 000 mL	7	NR	[30]
Lidocaine	implant	Ⅱ (paddle)	pH 7.4, 50 mmol·L^-1 PB	900 mL	3	No	[31]
Naltrexone	microspheres	Ⅳ(flow through cell)	pH 7.4, 10 mmol·L^-1 PBS 0.02% sodium azide 0.02% tween 20	8 mL·min^-1	7	Yes	[32]
Levonorgestrel	microspheres	sample and seperater method	25% ethanol in water	50	52	Yes	[33]
Montelukast sodium	implant	sample and seperater method	pH 7.4, PBS	100	60	NR	[34]
Risperidone	implant	sample and seperater method	pH 7.4, PBS	2 400	112	Yes	[35]
Naltrexone	microsphere	sample and seperater method	pH 7.4, 10 mmol·L^-1 PBS,0.02% tween 20,0.02% sodium azide	50	35	Yes	[32]

Drugs

Formulation

Type of USP apparatus or
non compendial methods

Dissolution
media

Media volume
or flow rate

Study
duration/d

IVIVC

Reference

Aripiprazole

suspension

Ⅱ(paddle)

0.25% sodium dodecyl sulfate
(SDS) solution

900 mL

[23]

Paliperidone palmitate

suspension

Ⅱ(paddle)

0.489%polysorbate tween 20 in
0.001 mol·L^-1. hydrochloric acid
aqueous solution @25.0 ℃

900 mL

[23]

Olanzapine pamoate

suspension

Ⅳ(flow through cell)

1% SDS in pH 6.8 phosphate buffe

3 mL·min^-1

[23]

Leuprolide acetate

suspension

Ⅱ (paddle)

50 mL of methanol to 950 mL of water

950 mL

[23]

Hydrochloric buprenorphine

implant

Ⅱ (paddle)

water

900 mL

[23]

dexamethasone

implant

Ⅶ(reciprocating bucket)

phosphate buffered saline containing
0.05 g·L^-1 sodium dodecyl sulfat

30 mL

[23]

Hydrochloric thiothixene

in situ gel

Ⅱ (paddle)

pH 7.4,PB,0.02%, sodium azide

900 mL

[24]

Amphotericin

liposome

Ⅳ(flow through cell)

pH 7.4,5% saccharose、10 mmol·L^-1
HEPES、0.01% odium azide和5%
γ-cyclodextrin

78.4 mL

[25]

Leuprolide acetate

injectable liquid
crystal-forming system

Ⅰ(basket)

pH 7.4,PBS,0.02%, sodium azide;
0.02%-2.0% tween 80

500 mL

[26]

Hydrochloric apomorphine

microspheres

Ⅳ(flow through cell)

pH 7.4, PB, 0.2% ascorbic acid

2 mL·min^-1

[27]

Dexamethasone

microspheres

Ⅳ(flow through cell)

pH 7.4, 0.1 mol·L^-1 PBS, 0.1%
sodium azide

8 mL·min^-1

[28]

Bovine serum albumin

crystal suspension

Ⅳ(flow through cell)

0.1% tween 80,0.02% sodium azide,PBS

5 mL·min^-1

[29]

Naproxen

oily solution

Ⅱ(paddle)

pH 7.4, PB

1 000 mL

[30]

Lidocaine

implant

Ⅱ (paddle)

pH 7.4, 50 mmol·L^-1 PB

900 mL

[31]

Naltrexone

microspheres

Ⅳ(flow through cell)

pH 7.4, 10 mmol·L^-1 PBS 0.02%
sodium azide 0.02% tween 20

8 mL·min^-1

Yes

[32]

Levonorgestrel

microspheres

sample and seperater method

25% ethanol in water

Yes

[33]

Montelukast sodium

implant

sample and seperater method

pH 7.4, PBS

100

[34]

Risperidone

implant

sample and seperater method

pH 7.4, PBS

2 400

112

Yes

[35]

Naltrexone

microsphere

sample and seperater method

pH 7.4, 10 mmol·L^-1 PBS,0.02%
tween 20,0.02% sodium azide

Yes

[32]

Mathematical model	Function	Mechanism of release
Zero level release model	M_t=c+kt	Constant velocity release
One stage release model	ln(1-M_t)=c+kt	First order release
Ritger-Peppas	$\frac{{M}_{t}}{{M}_{\infty }}$=ktⁿ	k≤0.45 Fick diffusion,0.45<k<0.89 diffusionand erosion,k≥0.89 erosion
Higuchi model	M_t=kt¹^/²+c	Fick diffusion

Mathematical model

Function

Mechanism of release

Zero level release model

M_t=c+kt

Constant velocity release

One stage release model

ln(1-M_t)=c+kt

First order release

Ritger-Peppas

$\frac{{M}_{t}}{{M}_{\infty }}$

=ktⁿ

k≤0.45 Fick diffusion,0.45<k<0.89 diffusionand erosion,k≥0.89 erosion

Higuchi model

M_t=kt¹^/²+c

Fick diffusion

Deconvolution technique	Function
Model-dependent	Wagner-Nelson (one- compartment model)	F_t=$\frac{{C}_{t}+{K}_{e}{\int }_{0}^{t}C{d}_{t}}{{K}_{e}{\int }_{0}^{t}C{d}_{t}}$
	Loo-Riegeman (two- compartment model)	F_t=$\frac{{C}_{t}+{K}_{10}{\int }_{0}^{t}C{d}_{t}+({X}_{P}{)}_{t}/{V}_{c}}{{K}_{10}{\int }_{0}^{\infty }C{d}_{t}}$
Model-independent	numerical	C(t)=${\int }_{0}^{t} $C_δ (t-u) r_abs(u) d_u

Deconvolution technique

Function

Model-dependent

Wagner-Nelson (one-
compartment model)

F_t=

$\frac{{C}_{t}+{K}_{e}{\int }_{0}^{t}C{d}_{t}}{{K}_{e}{\int }_{0}^{t}C{d}_{t}}$

Loo-Riegeman (two-
compartment model)

F_t=

$\frac{{C}_{t}+{K}_{10}{\int }_{0}^{t}C{d}_{t}+({X}_{P}{)}_{t}/{V}_{c}}{{K}_{10}{\int }_{0}^{\infty }C{d}_{t}}$

Model-independent

numerical

C(t)=

${\int }_{0}^{t} $

C_δ (t-u) r_abs(u) d_u