論文の公開元へ臓器移植における免疫抑制薬の適正使用を目指したファーマコメトリクス研究
概要
臓器移植における免疫抑制薬の適正使用を
目指したファーマコメトリクス研究
2022
糸原 光太郎
目次
緒言 ………………………………………………………………………………………………………1
第Ⅰ章 生体肝移植時のタクロリムス薬物動態に与える肝再生と CYP3A5 遺伝子多型の影響 …5
方法 ………………………………………………………………………………………………………7
結果
第一節 生体肝移植患者のタクロリムスの PBPKモデル構築 ……………………………………13
第二節 構築した PBPKモデルの検証 ………………………………………………………………17
第三節 肝臓の再生と CYP3A5 遺伝子多型がタクロリムス薬物動態に与える影響 ……………19
考察 ……………………………………………………………………………………………………..21
第Ⅱ章 腎移植患者におけるタクロリムス PBPK モデルの構築と肝移植患者への外挿 ……… 24
方法 …………………………………………………………………………………………………….. 25
結果
第一節 腎移植患者におけるタクロリムスの PBPK モデル構築 ………………………………....33
第二節 感度分析 ……………………………………………………………………………………..39
第三節 腎移植患者から肝移植患者へのタクロリムス PBPK モデルの外挿 ……………….......40
第四節 腎および肝移植患者における CYP3A5 遺伝子型の影響 ………………………………...41
考察 ……………………………………………………………………………………………………...43
第Ⅲ章 肝移植患者におけるエベロリムス PPK 解析とタクロリムス薬物動態との比較 ……….46
方法 ……………………………………………………………………………………………………. 48
結果
第一節 成人肝移植患者におけるエベロリムスの PPK モデル構築……………………………...52
第二節 モンテカルロシミュレーション…………………………………………………………....58
第三節 エベロリムスとタクロリムスの薬物動態の比較………………………………………....59
第四節 小児への外挿 …………………………………………………………………….……….…60
考察 ……………………………………………………………………………………………………. 62
結論 ……………………………………………………………………………………………………...65
論文目録 ………………………………………………………………………………………………. 66
謝辞 ……………………………………………………………………………………………………...67
引用文献 ……………………………………………………………………………………………… .68
緒言
免疫抑制薬は臓器移植成績に直結する拒絶反応の抑制のために重要なキードラッ
グである。免疫抑制薬の血中濃度が低値の場合には十分な免疫抑制効果が得られな
い一方で、血中濃度が高値の場合には腎障害や易感染性などの副作用が生じるリス
クが高まることから、十分な血中濃度のコントロールが必要不可欠である。しかし
ながら、現在臓器移植時に使用されているタクロリムスやエベロリムスはその薬物
動態の個体間・個体内変動が大きいため、適切な血中濃度を維持するには、薬物血
中濃度モニタリング（TDM）に基づく投与量の調節が必須となる [1-5] 。したがって、
これら免疫抑制薬の精密な投与量設計と最適治療につなげるため、血中濃度測定デ
ータを用いた薬物動態解析が重要になる。
近年、数理モデルとコンピュータサイエンスを用いて個別化投与設計に活用する
手法としてファーマコメトリクスが発展している。すなわち、個々の患者の薬物動
態を予測する手法として、目的とする患者集団の血中濃度データを非線形混合効果
モデルによって解析する母集団薬物動態（Population pharmacokinetics; PPK）解析と得
られた母集団パラメータを事前情報とするベイズ推定が従来から活用されている。
PPK解析は非線形混合効果モデルを用いて、特定の母集団における薬物動態パラメ
ータの平均値及び、個体間・個体内変動値を推定する手法である。この手法は、観
察された臨床データを使用してモデルを構築することから、トップダウンアプロー
チと呼ばれる。PPK解析は、多数の患者から得られた血中濃度測定値を個人として
区別しながら集団として解析するため個人毎の測定点が少ない場合でも解析が可能
である。また、統計的な手法を用いて薬物動態の変動因子を探索し、その影響の程
度を評価できるという点がその利点として挙げられる [6-10] 。実臨床では一人の患
者から多くの採血を行うことは困難であるため、ルーチンで得られるTDMデータを
利用でき、統計的に意味のある変動因子に基づき個人の薬物動態の予測に用いるこ
1
とができるPPK解析は個別化投与設計に有用であり、臨床現場で広く用いられてい
る。一方で欠点として、解析結果が解析に用いるデータやモデル作成法の影響を受
け易いという点が挙げられる。
その対極となるボトムアップアプローチとして、生理学的薬物動態
（Physiologically Based pharmacokinetic; PBPK）モデル解析がある。PBPKモデル解析は、
各臓器をコンパートメントとして血流で繋ぎ、仮想的な身体を表現したモデルであ
り、患者集団の身体的特徴や血流速度、薬物代謝酵素の発現量等の生体情報と、薬
物固有の物理学的パラメータや、in vitroで測定された薬物代謝速度パラメータ等に
基づいて生体内での薬物血中濃度の予測を行う。PBPKモデルの利点として、肝機能
や腎機能などの生理学的変化や薬物間相互作用が薬物血中濃度に与える影響を実測
値がない場合でもシミュレーションによって評価できる点が挙げられる [11,12] 。し
かしながら、in vitro 実験から得られたパラメータを用いてヒトでの予測を行った場
合に臨床データとの対応が十分でなく、適切なスケーリングをしなければうまく予
測できないケースが多いと言う課題がある。トップダウンアプローチ及びボトムア
ップアプローチはどちらも薬物動態予測に有効な方法論であるが、これら2つのアプ
ローチを組み合わせた、いわゆるミドルアウトアプローチを用いることで、両解析
法の欠点を補完しながら、より詳細なモデル化が可能である [13,14] 。
そこで本研究では、
「臓器移植における免疫抑制薬の適正使用を目指したファーマ
コメトリクス研究」と題して、肝移植や腎移植患者といったスペシャルポピュレー
ションにおける免疫抑制薬の薬物動態をPBPKモデルおよびPPKモデルを用いて解析
し、その結果を基に精密化投与設計への展開を試みた。
第Ⅰ章および第Ⅱ章ではカルシニューリン阻害薬であるタクロリムスを対象とし
た。臓器移植後の拒絶反応を抑制するためには複数の免疫抑制薬を併用するが、タ
クロリムスはその中心となる。タクロリムスは速やかに消化菅から吸収されるが、
小腸及び肝臓で初回通過効果を受ける [2] 。タクリムスの主たる代謝酵素はシトクロ
ム P450（CYP）3A4 および CYP3A5 であり、未変化体としての腎排泄はわずかであ
2
る [2] 。CYP3A5 は遺伝子多型を示し、野生型の CYP3A5*1 と変異型の CYP3A5*3 ア
レルが存在する [15] 。野生型の CYP3A5*1 アレルを１つでも有する患者は、機能型
の CYP3A5 タンパク質を発現する。一方で CYP3A5*3/*3 を有する患者は、機能のあ
る CYP3A5 タンパク質をほとんど発現していない [15] 。さらに、タクロリムスは P
糖蛋白（P-gp）の基質となり、P-gp により能動的に腸管内腔へ逆輸送されるため、
このトランスポーター発現はタクロリムスのバイオアベイラビリティに影響を与え
る[16]。
タクロリムス薬物動態については PPK 解析を用いた多くの報告がなされているが
[17-23] 、従来の PPK 解析では経口クリアランスに対する肝臓と小腸の CYP3A5 遺伝
子多型の寄与を精度良く分離評価することが難しい。また、タクロリムスのクリア
ランス（CL）は肝移植患者で他の固形臓器移植患者と比べて低値を示すとされてい
るが [24]、PPK 解析では特定の患者集団を対象とした解析が行われることから、異
なる患者背景を持った集団の薬物動態パラメータとの直接的な比較が困難であり、
どのような生理的因子が薬物動態の相違を生み出しているかについては不明である。
上述のように、タクロリムスの薬物動態に影響を与える種々の因子について報告が
あるものの、未だ定量的な解析は十分行われているとは言えず、臨床での投与設計
には、改善の余地がある。そこで、従来の PPK 解析と比較して、生理的変動の影響
をより詳細に検討することができる PBPK モデルを用いたミドルアウトアプローチ
による解析を行った。
第Ⅲ章ではエベロリムスを対象とした PPK 解析を行った。エベロリムスは哺乳類
ラパマイシン標的タンパク質（mTOR）阻害薬として腎・心移植における免疫抑制
薬として使用されており、2018 年 2 月に肝移植における免疫抑制薬としての適応が
追加された [25,26] 。肝移植においては、エベロリムスと減量したタクロリムスを併
用することで、タクロリムス単剤投与と同等の免疫抑制効果が期待され、かつタク
ロリムス曝露に伴う腎機能の悪化を軽減できるという報告がなされている [27-30] 。
エベロリムスはタクロリムスと同様に主に CYP3A4 及び CYP3A5 により代謝される
[5] 。これまでに、腎移植患者を対象としたエベロリムスの PPK 解析の報告はなさ
れているものの [31,32]、肝移植患者を対象とした薬物動態の報告はない。実臨床に
おいても、エベロリムスの添付文書に記載されている用量で開始した場合にトラフ
3
血中濃度が有効域である 3-8 ng/mL を外れる症例が散見され、より適切な投与法を
構築することは治療の最適化における緊要課題である。
以上の背景のもと、ファーマコメトリクスを駆使し、タクロリムス及びエベロリ
ムスの薬物動態変動因子の影響を定量的に評価することにより、より精密な投与法
構築を行うことを本研究の目的とした。
これらの研究成果について以下に論述する。
4
第Ⅰ章
生体肝移植時のタクロリムス薬物動態に与える肝再生
とCYP3A5遺伝子多型の影響
タクロリムスは臓器移植において中心となる免疫抑制薬である。タクロリムスは
狭い治療域と大きな個体間・個体内変動を有しており、拒絶反応や副作用を抑制す
るために TDM が必須となる [1-4] 。タクリムスの主たる代謝酵素は CYP3A4 および
CYP3A5 であり、肝臓での代謝や小腸における初回通過効果に関わっている。さら
に、CYP3A5 は遺伝子多型を示すことが知られている。
肝移植は、末期肝疾患患者における治療選択肢の一つである。日本では、移植臓
器不足のため、肝移植の主流は生体肝移植となっている。生体肝移植では、レシピ
エントの体重を基準としてドナーから肝臓の約 30〜60％が摘出され、レシピエント
に移植される [33] 。肝臓は再生能力が高く、移植後数週〜数か月でほぼ適切な大き
さに再生するといわれている [34-37] 。過去の報告では、生体肝移植を実施した患者
においてタクロリムスのクリアランス（CL）は肝臓の再生に伴って術後日数（POD）
とともに増加すると報告されている [17-19]。また、肝移植患者で特徴的な点として、
肝臓と小腸の CYP3A5 遺伝子型は、それぞれドナーとレシピエントに由来するとい
う点が挙げられる。タクロリムスは代謝消失型の薬物であるため、POD および移植
されたドナーの肝臓とレシピエントの小腸における CYP3A5 遺伝子型はそれぞれ独
立して生体肝移植患者におけるタクロリムスの薬物動態に影響を与えると推察され
る。PPK 解析では経口クリアランスに対する肝臓と小腸の CYP3A5 遺伝子型の寄与
を評価する際にモデル選択の影響を受けるため、過去の報告においては、小児と成
人で影響の受け方が違うなど [17,20] 、これらの影響について十分に定量的な評価が
行われているとは言えない。
以上の背景のもと本章では、生体肝移植患者の適切な初期タクロリムス投与量を
算出するために、文献情報を用いて PBPK モデルを作成し、臨床データでパラメー
5
タの最適化を行うというミドルアウトアプローチを用いて、生体肝移植患者におけ
る肝臓の再生及び肝臓・小腸の CYP3A5 遺伝子型がタクロリムス薬物動態に与える
影響を定量的に評価した。また、構築したモデルに基づき、CYP3A5 遺伝子型に応じ
た推奨投与量の推定を行った。
6
方法
１）臨床データ
2013 年 12 月から 2016 年 1 月の間に京都大学医学部附属病院にてタクロリムスを
静脈内投与で導入され、その後経口投与に切り替えた成人生体肝移植患者計 26 人の
データを用いて PBPK モデルを構築した。タクロリムスの採血は主に、静脈内投与
の期間中は朝および夕に、経口投与期間中は朝のトラフポイントに通常の TDM 業務
の一環として実施された。また、検証用データとして、Uesugi らによる報告で用い
た 2004 年 7 月から 2011 年 6 月の間に京都大学医学部附属病院で生体肝移植後にタク
ロリムス療法を受けた成人患者計 272 人のデータを使用した [38] 。Table1-1 に本研究
で使用した生体肝移植患者の背景を示す。
タクロリムスの血中濃度は、2004 年 7 月から 2009 年 3 月までの間は微粒子酵素結
合イムノアッセイ（IMx; Abbott, Tokyo Japan）を、2009 年 4 月以降は化学発光酵素イ
ムノアッセイ（ARCHITECT; Abbott, Tokyo Japan）を使用して測定した。なお、これ
ら 2 つの方法で得られる血中濃度測定値の同等性は、当院で検証されている [39] 。
本研究はヘルシンキ宣言に則り実施され、京都大学大学院医学研究科・医学部及
び医学部附属病院医の倫理委員会の承認のもと行なった（No.R0545-1）
。
Table 1-1 Characteristics of living-donor liver transplant patients receiving tacrolimus
therapy
Characteristics
Model building data
Verification data*
（n=26）
（n=272）
Age, mean (SD), years
53.5 （11.6）
52.2 （10.6）
BW, mean (SD), kg
66.6 （12.8）
60.1 （12.3）
GW, mean (SD), g
577 （184）
No data
GRWR, mean (SD), %
No data
0.871 （0.233）
Hematocrit, mean (SD), %
25.5（1.7）
No data
Donor CYP3A5 (*3/*3)/ (*1/*3)/ (*1/*1)
14 / 11 / 1
166 / 92 / 14
Recipient CYP3A5 (*3/*3)/ (*1/*3)/ (*1/*1)
15 / 9 / 2
171 / 88 / 13
Each value shows the number or mean (±SD).
BW: body weight; GW: graft liver weight; GRWR: graft-to-recipient body weight ratio
* The patients in the verification data were 20 years old or greater, and were included in the
previous report by Uesugi M. et al. Pharmacogenet Genomics. 2014; 24(7): 356-66.
7
２）生体肝移植患者のタクロリムスの PBPK モデル構築
タクロリムスの PBPK モデリングのワークフローを Figure 1-1 に示す。
基準となるタクロリムスの PBPK モデルの構築には Simcyp version 17（Certara,
Sheffield, UK）を使用した。モデル構築に使用した薬物パラメータおよび生体パラメ
ータを Table 1-2 に示す [40-44] 。
Figure 1
Adult physiological parameters
Physiochemical properties of tacrolimus
Develop adult tacrolimus PBPK model
Model building
clinical data
Output the virtual individual parameters
Develop using Simcyp
Input the virtual individual parameters
Develop using NONMEM
Develop tacrolimus PBPK model for LDLT patients
・Modeling of liver regeneration
・Sensitive analysis of Fa
・Sensitive analysis of initial size of graft liver
Model verification
・Comparison of the C/D ratio using the verification data
Final tacrolimus PBPK model for LDLT patients
Figure 1-1 Physiologically based pharmacokinetic modeling workflow used in this study
8
Table 1-2 Summary of the parameter values for tacrolimus simulation
Parameter
Mean or Fixed
Reference
Population parameter
Population
Japanese
Hematocrit (%)
25.5
Our clinical data
Abundance of CYP3A4 in the liver (pmol/mg)
93
[44] measured
Abundance of CYP3A5 in the liver (pmol/mg)
17
[44] measured
Physiochemical and blood binding
MW (g/mol)
804.02
Predicted by ChemAxon
LogPo:w
3.26
[40] measured
BP ratio
35
[40] measured
fu
0.013
[40] measured
Absorption
Absorption Model
First order
Peff (×10-4 cm/s)
2.54
[41] measured
fugut
1
Default fixed
Qgut (L/h)
11.4
Predicted by Simcyp
Distribution
Distribution model
Minimal PBPK
Vb (L/kg)
1.29
Our clinical data
LogPvo:w
2.28
Predicted by Simcyp
Hematocrit reference value (%)
45
Default
Elimination
13-O-desmethylation
CYP3A4
Vmax (pmol/min/pmol)
8
[42] measured
Km (µM)
0.21
[42] measured
ISEF
0.24
Default
CYP3A5
Vmax (pmol/min/pmol)
17
[42] measured
Km (µM)
0.21
[42] measured
ISEF
0.24
Default
12-hydroxylation
CYP3A4
Vmax (pmol/min/pmol)
0.6
[42] measured
Km (µM)
0.29
[42] measured
ISEF
0.24
Default
CYP3A5
Vmax (pmol/min/pmol)
1.4
[42] measured
Km (µM)
0.35
[42] measured
ISEF
0.24
Default
CLR (L/h)
0
[43] fixed
MW: Molecular weight, LogPo:w: Log of the octanol-water partition coefficient, BP ratio: Blood/plasma
concentration ratio, fu: Fraction of drug unbound, Peff: Effective permeability, fugut: Fraction of drug unbound in
the gut, Qgut: Flow rate for overall delivery of drug to the gut, Vb: volume of distribution in blood, LogPvo:w: Log of
the olive oil-water partition coefficient, Vmax: Maximum metabolic rate, Km: Michaelis constant, ISEF: intersystem extrapolation factor
9
タクロリムスの薬物動態パラメータは全血濃度に基づいて記述した。体重や心拍
出量などの生体パラメータは、Simcyp に内蔵されているデフォルトの日本人の生体
データを使用したが、ヘマトクリット値についてのみ本研究で用いた臨床データに
基づいて 25.5％と設定した。さらに、肝臓における CYP3A4 および CYP3A5 の平均
酵素量は文献値に基づいて、Simcyp のデフォルト値からそれぞれ 93、17 pmol/mg
protein、これらの変動係数（CV）はそれぞれ 81、185％に変更を行った [44] 。ま
た、血液中の分布容積は、モデル構築データを用いた母集団解析の結果（未公表デ
ータ）に基づいて 1.29 L/kg と設定し、その個体間変動は Simcyp のデフォルト値で
ある 30％を使用した。また、腸管での薬物の非結合分率は、感度分析の結果に基づ
いて、1 に固定した。 ...
この論文で使われている画像
