Modelos Compartimentais
Transcrição
Modelos Compartimentais
Modelos Compartimentais Bruno Miguel Leitão Mário João Bártolo [email protected] Joana Marques João Pedro Castro EB/FCTUC/2005/MPFH 1 Overview Modelos governados por considerações de balanço de massa. Visam o estudo quantitativo da cinética dos materiais em sistemas fisiológicos. Análise amostral e espectral de sinais em tempo não real. Número de amostragem limitado, e não igualmente espaçado no tempo (contínuo). EB/FCTUC/2005/MPFH 2 Plano Experimental É o processo de aquisição dos sinais em estudo nos modelos compartimentais. Técnicas usadas: PET HPLC Análise Radioimunológica EB/FCTUC/2005/MPFH 3 O que é um Compartimental? Modelo não Os modelos compartimentais são uma simplificação do organismo e por isto devem ser aplicados com cautela. Além disso esses modelos são altamente dependentes da espécie e, embora tenham muitos usos clínicos e fisiológicos, a quantidade de informações básicas fornecidas, é limitada. Devido a todas as limitações referidas dos modelos compartimentais, e visando a obtenção de dados cada vez mais fidedignos, modelos não compartimentais têm sido desenvolvidos e avaliados. EB/FCTUC/2005/MPFH 4 Estes são anatómica e fisiologicamente realistas e desenvolvidos com base nos fluxos sanguíneos e volumes reais dos órgãos. Assim, como descrevem mais realisticamente a disposição das substâncias em análise em cada tecido ou órgão, tornam-se demasiadamente complexos a nível matemático, perdendo universalidade. EB/FCTUC/2005/MPFH 5 O que é Compartimental? um Modelo Um Modelo Compartimental é governado pela lei da conservação de massa, e é descrito por equações diferenciais ordinárias. É um sistema com múltiplas entradas e múltiplas saídas. Um Modelo Compartimental é um sistema que contém um ou mais compartimentos que podem estar conectados entre si, isto é, pode existir um processo pelo qual a substância que sai de um compartimento entra num outro compartimento. EB/FCTUC/2005/MPFH 6 Aspectos Identificabilidade Modelar Muitas vezes, apenas alguma e limitada informação está disponível para poder estudar a dinâmica intrínseca de sistemas farmacocinéticos sob condições operacionais normais. Como tal, antes de prosseguir para qualquer tipo de experiência é necessário analisar se teoricamente é possível obter estimativas únicas de todos os parâmetros modelares desconhecidos – identificabilidade teórica. Mesmo que teoricamente isto se verifique, em termos práticos uma estimativa de parâmetros pode não apresentar resultados aceitáveis – identificabilidade prática. EB/FCTUC/2005/MPFH 7 Estimativa não-linear dos mínimos quadrados Estimativa requerida porque os modelos compartimentais são não-lineares nos parâmetros k. Estimativa Paramétrica c&(t , k ) = j [ c(t , k ), u (t ), t; k ] , c0 = c(t0 , k ) y (t , k ) = g [ c(t , k ); k ] zl (t , k ) = yl (t , k ) + el (t ), l = 1, 2,..., m h [ c(t , k ), u (t ), k ] ≥ 0 EB/FCTUC/2005/MPFH 8 Sampling Schedule ‘Schedules’ representados de modo a evitar estimativas paramétricas associadas a grandes coeficientes de variação. ‘Optimal Sampling Schedule’: Aquela em que se obtém uma máxima precisão das estimativas paramétricas do modelo, sob as limitações práticas da aquisição de amostras. (Ex.: limite de amostras sanguíneas que se podem retirar de um recém-nascido) Teoricamente, calculada utilizando a ‘D-optimal design approach ’, aproximação de minimização de uma função escalar da inversa da matriz de informação de Fischer J (k , σ 2 , SS ) 1 ∂yl (t0 ) ∂yl (t0 ) , i, j = 1... p 2 ∂ki ∂k j l =1 σ =1 σ l (t0 ) m n J ij (k , σ , SS ) = ∑∑ 2 Na prática, existe uma minimização dos coeficientes de variação pelas amostras durante a zona mais acentuada da curva de saída até que um estado constante é atingido, o que leva à minimização do número de exponenciais que servem os dados adquiridos. EB/FCTUC/2005/MPFH 9 Validação do Modelo Envolve a análise dos resultados da identificação paramétrica e a plausibilidade do modelo. Para ser válido deve respeitar 3 medidas: Os coeficientes de variação associados devem ter tamanho razoável (<100%) Deve seguir o critério de informação de Akaike (AIC): A IC = N ln N ∑ l=0 2 1 ˆ) + 2 p − z t y t k ( ) ( , l σ 2 (tl ) l As estatísticas residuais devem assemelhar-se ao ruído. Para o modelo ser plausível os parâmetros estimados e derivados, e numero de compartimentos adequados à repartição do sistema devem ser críveis para o sistema fisiológico em estudo. EB/FCTUC/2005/MPFH 10 Teste de Stress farmacológico através de ‘closed-loop drug delivery (CLDD)’ EB/FCTUC/2005/MPFH 11 Farmacocinética e Farmacodinâmica Transporte de drogas para o sítio da acção Relação entre a concentração de droga no sítio de acção e subsequente resposta farmacológica EB/FCTUC/2005/MPFH 12 Farmacocinética e Farmacodinâmica enzimas neurotransmissores Receptores de droga Bicamada lipídica Canais iónicos Teoria ‘Drug-Receptors’ Equação ocupation theory EB/FCTUC/2005/MPFH 13 Farmacocinética e Farmacodinâmica Sinais de feed - back farmacodinâmicos Sinais vitais do batimento cardiaco Pressão sanguínea Temperatura Respiração Saturação de oxigénio arterial ‘cardiac output’ EB/FCTUC/2005/MPFH 14 Teoria do controlo Gc (s) = K p Ki + + Kds s Um sistema ‘closed-loop’ baseado num controlador PID e uma planta H(s) é estável se todos os pólos da função transferência, tiverem partes reais negativas. EB/FCTUC/2005/MPFH 15 Significância O sistema GenESA foi o primeiro sistema ‘drug/cloosed-loop drug delivery’ a obter a aprovação FDA (food and drug administration). Agentes de stress farmacológicos: Isoproterenol Dobutamina Dipyridamole Um agente de stress alternativo - a Arbutamina – promove equilíbrio entre a estimulação Chronotropic Inotropic EB/FCTUC/2005/MPFH 16 Farmacocinética e Farmacodinâmica ‘closed-loop drug infusion’ em testes de stress farmacológicos O sistema GenESA CLDD, de natureza diagnóstica, foi desenvolvido para analisar a resposta cardíaca de um paciente à administração do agente de stress farmacológico arbutamina. Modelo matemático representativo da resposta do ritmo cardíaco a dose de arbutamina: α 0 HRa(t ) + α1 HRa(t − 1) + α 2 HRa(t − 2) = β .inf(k ) EB/FCTUC/2005/MPFH 17 Modelo Compartimental Não-linear EB/FCTUC/2005/MPFH 18 Modelo Compartimental Não-linear ‘dose-dependent kinetics’ O comportamento não-linear é denominado ‘dose-dependent kinetics’. A eq básica que descreve este o transporte (como determinado pelo principio de balanço de massas) qi ( t ) = N ∑R j=0 ij ( t ) + ∑ − Rij ( t ) + µ X ( t ) j=0 j ≠i O fluxo no modelo linear depende de taxas de difusão assumidas como constantes. Nos modelos não lineares assumimos como funções dependentes. EB/FCTUC/2005/MPFH 19 Modelo Compartimental Não-linear Dinâmica ‘Michaelis-Menten’ Baseado na análise da interacção entre enzima [E] e substracto [S] resultando um produto [P]. Ligação, diminuição do consumo energético, promove directamente os eventos. A variação de [ES] com o tempo. Km é a constante de Michaelis. k3 kcat → [ ES ] → E + S [ ] [ ] ← [ E ] + [ P] d [ ES ] dt k4 = k3 [ E ][ S ] − k4 [ ES ] + kcat [ ES ] k3 [ ES ] = [ E ][ S ] k4 + kcat 1 k3 = k k k + m 4 cat EB/FCTUC/2005/MPFH 20 Modelo Compartimental Não-linear Dinâmica ‘Michaelis-Menten’ V = k [E S ] A velocidade de reacção é dada por V m a x [S ] V = Nos termos de uma função [S ] + k m não - linear (modelo compartimental), podemos Vmax qi t descrever fluxo como Ri j t = velocidade (unidades de qi t + km massa/unidades de tempo) 21 EB/FCTUC/2005/MPFH 1 () () () Modelo Compartimental Não-linear Dinâmica ‘Michaelis-Menten’ - situação de saturação Nível de glicose aumenta após a refeição Diminuição do nível de glicose após algumas horas Absorção nas células é promovida pela insulina Produção de glucagon por parte do pâncreas – induz libertação de glicose para o fluxo sanguíneo e gliconeogenese a insulina do plasma é transportada para o fluido intersticial segundo uma taxa constante K Se o transporte ocorre apenas por difusão, ambas as constantes são diferentes de 0 12 se o transporte ) é facilitado por receptores de insulina periféricos 22 EB/FCTUC/2005/MPFH então é igual a 0 e decresce com o aumento de insulina Modelo Compartimental Não-linear Relação bilinear a insulina tem uma função que impele a entrada num compartimento remoto, r(t), com uma taxa constante de k2. a assimilação de glicose nos tecidos é directamente dependente da insulina neste compartimento o fluxo de glicose é a diferença entre o balanço da glicose hepática, b(t), e o desaparecimento de glicose nos tecidos periféricos g (t ) = b (t ) − u p (t ) EB/FCTUC/2005/MPFH 23 Modelo Compartimental Não-linear Relação bilinear O modelo é usado para caracterizar a sensibilidade à insulina. A efectividade de glicose E(t), é definida como o desaparecimento de glicose devido a um aumento da concentração de glicose no plasma. A sensibilidade à insulina, é então definida, numa situação estável, como a influência da insulina no mecanismo de processamento da glicose e no seu próprio desaparecimento. EB/FCTUC/2005/MPFH ∂g(t) E(t) ≡− ∂g(t) ∂ESE SI ≡ ∂iSE 24 Simulink 2 Implementação do modelo matemático que representa o modelo de MichaelisMenten: Product E 3 S 0.5 k3 Scope 1 s d[ES] = k3[E][S] − k4[ES] − kcat [ES] dt kcat Integrador ES 0.3 k4 0.5 EB/FCTUC/2005/MPFH 25 Simulink EB/FCTUC/2005/MPFH Quanto mais ES se forma, mais ES se dissocia. O complexo [ES] tem um crescimento muito acentuado nos primeiros instantes, mas rapidamente atinge um estado em que se torna constante – saturação. 26 THE END EB/FCTUC/2005/MPFH 27