L’exposition au bisphénol A (BPA) au cours du développement fœtal est suspectée d’être impliquée dans l’initiation d’effets biologiques. Dans ce contexte, l’objectif de cette thèse est d’évaluer l’exposition humaine fœtale au BPA. Une étude pharmacocinétique (PK) réalisée sur le modèle du fœtus ovin a montré que le BPA glucuronide (BPAG), métabolite majeur du BPA piégé dans le compartiment fœtal, est lentement éliminé via sa réactivation en BPA. A partir de ces données PK, le développement d’un modèle PK humanisé a permis de prédire des concentrations plasmatiques fœtales de BPAG maintenues autour de 40ng/L chez le fœtus humain en fin de grossesse, soit environ 1000 fois supérieures aux concentrations en BPA correspondantes. Une analyse protéomique de tissus fœtaux ovins a montré qu’une même dose molaire de BPAG ou de BPA affecte des voies physiologiques similaires, suggérant que l’hydrolyse du BPAG pourrait exposer les tissus à des concentrations en BPA compatibles avec l’expression d’un effet biologique. L’ensemble de ces résultats indique que les concentrations de BPAG dans le sang de cordon constituent un marqueur pertinent de l’exposition fœtale au BPA et qu’elles doivent être prises en compte dans l’évaluation du risque / Prenatal exposure to bisphenol A (BPA) is suspected to induce adverse effects later in life. In this context, the goal of this thesis was to evaluate the human fetal exposure to BPA. Using a pharmacokinetic (PK) approach, we showed that BPA glucuronide (BPAG), the main metabolite of BPA that remains trapped in the fetal compartment, is slowly eliminated through its back conversion into BPA. A humanized PK model developed from these data predicted steady BPAG fetal plasma concentrations of 40ng/L in late pregnancy, i.e. about 1000 folds higher than corresponding BPA concentrations. A proteomic analysis of fetal tissues has shown that equimolar BPAG or BPA fetal exposures trigger similar physiological shifts in the ovine model, suggesting that BPAG hydrolysis might expose fetal tissues to BPA at levels of functional significance. It is concluded that BPAG levels in human cord blood are relevant indicators of fetal exposure to BPA during late pregnancy and should be taken into account for risk assessment

L’évaluation de la bioéquivalence (BE) de formulations génériques (Test) et de marques commerciales (Référence) du dabigatran représente un défi de taille pour les sociétés pharmaceutiques en raison de la grande variabilité intra-individuelle et de la puissante relation concentration-effet du médicament. Soutenu par l'approche de modélisation pharmacocinétique de population (pop-PK), ce projet examine le potentiel d'évaluer la BE, avec des résultats comparables au paradigme actuel de BE, en utilisant un nombre réduit d'échantillons requis. Une étude de BE portant sur deux formulations de dabigatran (Test et Référence), comprenant 16 sujets et incluant 640 concentrations plasmatiques a été utilisée rétrospectivement pour l'analyse pop-PK. Un modèle pop-PK a été développé pour chaque formulation en suivant les techniques de modélisation standards. Des scénarios d'échantillonnage comportant un ensemble décroissant de prélèvements ont été sélectionnés selon une stratégie progressive et prudente basée sur les propriétés pharmacocinétiques (PK) connues du dabigatran ainsi que de connaissances cliniques acquises. Les modèles pop-PK Test et Référence ont été ajustés à chacun des scénarios d'échantillonnage réduits et leurs profils PK ont été simulés. Ensuite, des tests de BE ont été effectués pour identifier le scénario préservant les conclusions BE obtenues à partir du jeu de données d'origine tout en incluant le nombre minimal de prélèvements. Un modèle à deux compartiments avec élimination de premier ordre et absorption retardée décrivait le mieux les données de concentration plasmatique du dabigatran. Le sexe a été identifié en tant que covariable significative pour la biodisponibilité. Pour les scénarios d'échantillonnage réduit, tous les profils de PK simulés étaient similaires et robustes en termes de valeurs de paramètres PK et de courbes de concentrations, à l'exception des valeurs de Cmax. Les résultats ont également prouvé que le verdict de BE pouvait être maintenu jusqu'à un scénario d'échantillonnage réduit de cinq prélèvements en utilisant les normes et critères de BE réglementaires en vigueur. L’approche de modélisation pop-PK pourrait réduire le nombre d’échantillons utilisés pour l’évaluation de la BE du dabigatran, diminuant donc les coûts des futurs essais de BE cliniques en plus de représenter un bénéfice pour les participants de l’étude. / The bioequivalence (BE) assessment of generic (Test) and brand name (Reference) formulations of dabigatran, a drug with a steep exposure-response relationship exhibiting very high pharmacokinetic (PK) variability, represents an expensive challenge for pharmaceutical companies. Supported by the modeling approach of population pharmacokinetics (pop-PK), the present study investigates the potential of assessing with results comparable to the current BE paradigm BE using a reduced required number of samples. A BE study of two formulations of dabigatran (Test and Reference), comprising 16 subjects and including 640 plasma concentrations, was used retrospectively for the pop-PK analysis. Using standard modeling techniques, a pop-PK model was accordingly developed for each formulation. Sampling scenarios with reduced sampling time points were selected in a progressive and cautious strategy based on dabigatran’s known PK properties and clinical knowledge. The developed pop-PK model of the Reference and Test formulations were refitted on each reduced sampling dataset. All these models were simulated to generate virtual PK profiles for BE purpose. Then, following the standard BE test procedure, the task concluded by identifying the scenario preserving BE conclusions obtained from the original dataset, while including the minimum number of samples. A two-compartment model with first order elimination and a lagged absorption best described the plasma concentration data for dabigatran, and sex was identified as a significant covariate for bioavailability. For the reduced sampling scenarios, all simulated PK profiles were similar to the PK profile generated from the complete sampling in terms of PK parameters values and robustness, except for the Cmax values. The results also proved that the BE verdict could be maintained with a reduced sampling scenario of only five blood samples using the current regulatory BE standards and criteria. The pop-PK modeling approach can be an efficient tool that requires only a reduced number of samplings for the BE assessment of dabigatran, thus can potentially lower the costs in future BE trials and benefit the participants of the study.

Contexte: L’insuffisance cardiaque (IC) est un syndrome clinique complexe regroupant un large spectre de mécanismes pathologiques qui peuvent altérer le fonctionnement de multiples organes, affectant ainsi la pharmacocinétique (PK) des médicaments. La modélisation pharmacocinétique de population (Pop-PK) consiste à appliquer des modèles non linéaires à effets mixtes dans le but de décrire l’exposition au traitement et quantifier la variabilité au niveau des paramètres PK. Objectif: Ce travail vise à évaluer par approche populationnelle la PK du candesartan en IC et à déterminer les covariables décrivant d’une façon statistiquement et cliniquement significative la variabilité au niveau de la clairance. Méthodes: Les données d’une étude pharmacogénomique ouverte, multicentrique et prospective ont été récupérées pour amorcer notre analyse. Le processus de modélisation et les simulations nécessaires sont réalisés à l’aide du logiciel NONMEM (Nonlinear Mixed Effects Modeling). Les covariables préliminaires ont été sélectionnées par des tests statistiques tels que la régression linéaire et l’ANOVA. Enfin, l’élaboration du modèle final est effectuée en utilisant le processus de sélection séquentielle « forward/backward ». Résultats: Un total de 281 patients caucasiens ont été inclus pour développer le modèle Pop-PK. Les données du candesartan ont été caractérisées par un modèle à un compartiment avec absorption de premier ordre et temps de latence. Le poids, l'âge, la fraction N-terminale du pro-peptide natriurétique de type b (NT_proBNP), le débit de filtration glomérulaire (DFG), le diabète, l'utilisation du furosémide et le sexe étaient les covariables sélectionnées préliminairement pour la clairance apparente (CL/F). Le modèle final développé pour la clairance apparente est représenté par l'équation suivante : CL/F (L/h) = 8.63*(Poids/82.45)0.963 * (DFG/74)0.56 * (0.682) Diabète * EXP0.138 Les simulations ont révélé qu'une diminution importante de la clairance orale (diminution de plus que 25 %) est obtenue en combinant les facteurs significatifs retenus dans le modèle final (patients ayant un faible poids corporel avec une insuffisance rénale modérée à sévère et patients diabétiques avec une insuffisance rénale faible à modérée). Nous avons constaté que les patients ayant ces combinaisons dans notre base de données présentaient des concentrations comparables à celles des autres patients malgré qu’ils aient toléré de plus faibles doses pendant la titration. Conclusion: La modélisation PK de population a servi comme une approche efficace pour caractériser la PK du candesartan en IC et pour identifier une sous-population à risque d’une exposition élevée. Le poids, le DFG et le diabète sont des prédicteurs indépendants de la clairance du candesartan en IC. Considérant ces facteurs, une approche plus individualisée de l'administration du candesartan est nécessaire chez les patients atteints d’IC. / Context: Heart failure (HF) is a clinical condition that causes pathological changes all over the body affecting hence the pharmacokinetic of drugs. Population pharmacokinetic modeling (Pop-PK) consists in applying non-linear mixed-effects models to characterize treatment exposure and quantify PK parameters variability. Objective: The aim of this study was to investigate the pharmacokinetic (PK) of candesartan in HF patients while examining statistically and clinically significant covariates on estimated clearance using population pharmacokinetics (Pop-PK) modeling approach. Methods: Data from a prospective, multicenter, open label, pharmacogenomic study were available for this analysis. Modeling and simulations were conducted using Nonlinear Mixed-Effect Modeling software NONMEM. Preliminary selection of covariates was accomplished with statistical tests (linear regression and ANOVA). Final model development was performed using forward/backward selection approach on the preliminarily selected covariates. Results: A total of 281 Caucasian patients were included to develop the Pop-PK model. Candesartan data were characterized by a 1 compartment model with first order absorption and lag time. Weight, age, N-terminal pro b-type natriuretic peptide (NT_proBNP), estimated glomerular filtration rate (eGFR), diabetes, use of furosemide and sex were the preliminarily selected covariates for apparent clearance (CL/F). The final model developed for apparent clearance is represented by the following equation: CL/F (L/h) = 8.63*(Weight/82.45)0.963 * (eGFR/74)0.56 * (0.682) Diabetes * EXP0.138 Simulations revealed that an important decrease in oral clearance (decrease of more than 25%) is obtained with the combination of the significant factors retained in the final model (patients having low weight with moderately to severely impaired renal function and diabetic with mildly to moderately impaired renal function). Patients having these combinations in our database were found to achieve comparable concentrations to the rest of patients despite tolerating only lower doses. Conclusion: Population pharmacokinetic modeling provided an effective approach to characterize the PK of candesartan in HF and to identify a subpopulation at potential risk of high exposure. Weight, eGFR and diabetes are independent predictors of candesartan clearance in patients with HF. Considering these factors, a more individualized approach of candesartan dosing is needed in HF patients.

Une des stratégies pour limiter les neutropénies induites par la chimiothérapie est l’utilisation de granulocyte-colony stimulating factor (G-CSF). Nous avons développé, par une approche de population, un nouveau modèle pharmacocinétique/pharmacodynamique capable de décrire la cinétique des neutrophiles des patients traités au carboplatine, qu’ils aient ou non reçu du G-CSF. Les simulations réalisées à partir de ce modèle ont montré que le G-CSF n’était pas bénéfique chez tous les patients et que la formulation à action longue semblerait plus efficace que les autres formulations. Nous avons également établi des règles de décision permettant d’une part de prédire le risque de neutropénie sévère, et d’autre part d’identifier précocement les patients pour lesquels le G-CSF peut avoir un effet bénéfique. / Granulocyte colony-stimulating factor (G-CSF) is often used in cancer patients receiving cytotoxic drugs to prevent or reduce high grade neutropenia. We developed a new population pharmacokinetic/pharmacodynamic model to describe neutrophil time-course in carboplatin-treated patients, whether or not they received G-CSF. Model simulations showed that G-CSF was not as beneficial as expected in some patients and that the onceper- cycle formulation was more efficient than other formulations. Model-based decision rules were also built to anticipate prolonged high grade neutropenia and early identify patients for whom G-CSF was beneficial.

Les modèles pharmacocinétiques à base physiologique (PBPK) permettent de simuler la dose interne de substances chimiques sur la base de paramètres spécifiques à l’espèce et à la substance. Les modèles de relation quantitative structure-propriété (QSPR) existants permettent d’estimer les paramètres spécifiques au produit (coefficients de partage (PC) et constantes de métabolisme) mais leur domaine d’application est limité par leur manque de considération de la variabilité de leurs paramètres d’entrée ainsi que par leur domaine d’application restreint (c. à d., substances contenant CH3, CH2, CH, C, C=C, H, Cl, F, Br, cycle benzénique et H sur le cycle benzénique). L’objectif de cette étude est de développer de nouvelles connaissances et des outils afin d’élargir le domaine d’application des modèles QSPR-PBPK pour prédire la toxicocinétique de substances organiques inhalées chez l’humain. D’abord, un algorithme mécaniste unifié a été développé à partir de modèles existants pour prédire les PC de 142 médicaments et polluants environnementaux aux niveaux macro (tissu et sang) et micro (cellule et fluides biologiques) à partir de la composition du tissu et du sang et de propriétés physicochimiques. L’algorithme résultant a été appliqué pour prédire les PC tissu:sang, tissu:plasma et tissu:air du muscle (n = 174), du foie (n = 139) et du tissu adipeux (n = 141) du rat pour des médicaments acides, basiques et neutres ainsi que pour des cétones, esters d’acétate, éthers, alcools, hydrocarbures aliphatiques et aromatiques. Un modèle de relation quantitative propriété-propriété (QPPR) a été développé pour la clairance intrinsèque (CLint) in vivo (calculée comme le ratio du Vmax (μmol/h/kg poids de rat) sur le Km (μM)), de substrats du CYP2E1 (n = 26) en fonction du PC n octanol:eau, du PC sang:eau et du potentiel d’ionisation). Les prédictions du QPPR, représentées par les limites inférieures et supérieures de l’intervalle de confiance à 95% à la moyenne, furent ensuite intégrées dans un modèle PBPK humain. Subséquemment, l’algorithme de PC et le QPPR pour la CLint furent intégrés avec des modèles QSPR pour les PC hémoglobine:eau et huile:air pour simuler la pharmacocinétique et la dosimétrie cellulaire d’inhalation de composés organiques volatiles (COV) (benzène, 1,2-dichloroéthane, dichlorométhane, m-xylène, toluène, styrène, 1,1,1 trichloroéthane et 1,2,4 trimethylbenzène) avec un modèle PBPK chez le rat. Finalement, la variabilité de paramètres de composition des tissus et du sang de l’algorithme pour les PC tissu:air chez le rat et sang:air chez l’humain a été caractérisée par des simulations Monte Carlo par chaîne de Markov (MCMC). Les distributions résultantes ont été utilisées pour conduire des simulations Monte Carlo pour prédire des PC tissu:sang et sang:air. Les distributions de PC, avec celles des paramètres physiologiques et du contenu en cytochrome P450 CYP2E1, ont été incorporées dans un modèle PBPK pour caractériser la variabilité de la toxicocinétique sanguine de quatre COV (benzène, chloroforme, styrène et trichloroéthylène) par simulation Monte Carlo. Globalement, les approches quantitatives mises en œuvre pour les PC et la CLint dans cette étude ont permis l’utilisation de descripteurs moléculaires génériques plutôt que de fragments moléculaires spécifiques pour prédire la pharmacocinétique de substances organiques chez l’humain. La présente étude a, pour la première fois, caractérisé la variabilité des paramètres biologiques des algorithmes de PC pour étendre l’aptitude des modèles PBPK à prédire les distributions, pour la population, de doses internes de substances organiques avant de faire des tests chez l’animal ou l’humain. / Physiologically-based pharmacokinetic (PBPK) models simulate the internal dose metrics of chemicals based on species-specific and chemical-specific parameters. The existing quantitative structure-property relationships (QSPRs) allow to estimate the chemical-specific parameters (partition coefficients (PCs) and metabolic constants) but their applicability is limited by their lack of consideration of variability in input parameters and their restricted application domain (i.e., substances containing CH3, CH2, CH, C, C=C, H, Cl, F, Br, benzene ring and H in benzene ring). The objective of this study was to develop new knowledge and tools to increase the applicability domain of QSPR-PBPK models for predicting the inhalation toxicokinetics of organic compounds in humans. First, a unified mechanistic algorithm was developed from existing models to predict macro (tissue and blood) and micro (cell and biological fluid) level PCs of 142 drugs and environmental pollutants on the basis of tissue and blood composition along with physicochemical properties. The resulting algorithm was applied to compute the tissue:blood, tissue:plasma and tissue:air PCs in rat muscle (n = 174), liver (n = 139) and adipose tissue (n = 141) for acidic, neutral, zwitterionic and basic drugs as well as ketones, acetate esters, alcohols, ethers, aliphatic and aromatic hydrocarbons. Then, a quantitative property-property relationship (QPPR) model was developed for the in vivo rat intrinsic clearance (CLint) (calculated as the ratio of the in vivo Vmax (μmol/h/kg bw rat) to the Km (μM)) of CYP2E1 substrates (n = 26) as a function of n-octanol:water PC, blood:water PC, and ionization potential). The predictions of the QPPR as lower and upper bounds of the 95% mean confidence intervals were then integrated within a human PBPK model. Subsequently, the PC algorithm and QPPR for CLint were integrated along with a QSPR model for the hemoglobin:water and oil:air PCs to simulate the inhalation pharmacokinetics and cellular dosimetry of volatile organic compounds (VOCs) (benzene, 1,2-dichloroethane, dichloromethane, m-xylene, toluene, styrene, 1,1,1-trichloroethane and 1,2,4 trimethylbenzene) using a PBPK model for rats. Finally, the variability in the tissue and blood composition parameters of the PC algorithm for rat tissue:air and human blood:air PCs was characterized by performing Markov chain Monte Carlo (MCMC) simulations. The resulting distributions were used for conducting Monte Carlo simulations to predict tissue:blood and blood:air PCs for VOCs. The distributions of PCs, along with distributions of physiological parameters and CYP2E1 content, were then incorporated within a PBPK model, to characterize the human variability of the blood toxicokinetics of four VOCs (benzene, chloroform, styrene and trichloroethylene) using Monte Carlo simulations. Overall, the quantitative approaches for PCs and CLint implemented in this study allow the use of generic molecular descriptors rather than specific molecular fragments to predict the pharmacokinetics of organic substances in humans. In this process, the current study has, for the first time, characterized the variability of the biological input parameters of the PC algorithms to expand the ability of PBPK models to predict the population distributions of the internal dose metrics of organic substances prior to testing in animals or humans.

Un nouveau règlement (CE) n° 1901/2006 établi par le Parlement européen et le Conseil de l’UE, relatif aux médicaments à usage pédiatrique, vise à améliorer la santé et la qualité de vie des enfants en Europe, en garantissant que les nouveaux médicaments pédiatriques et les médicaments déjà commercialisés seront pleinement adaptés à leurs besoins spécifiques. Ce règlement prévoit de nouvelles obligations pour l'industrie pharmaceutique, assorties de récompenses et d'incitations. Dans ce contexte, un plan d’investigation pédiatrique a été proposé pour l’ivabradine dans plusieurs sous-groupes de la population pédiatrique dans le traitement de l’insuffisance cardiaque chronique. L’ivabradine est une molécule déjà commercialisée chez l’adulte dans la prise en charge de l’angor, et de l’insuffisance cardiaque. Un premier travail a été d’aider au design de cette étude pédiatrique : évaluer la formulation pédiatrique, aider au choix de la dose initiale à administrer chez l’enfant, choisir le protocole de prélèvements et conseiller la méthode de prélèvements. Pour évaluer la formulation pédiatrique, une étude a été conduite pour déterminer la biodisponibilité relative de la formulation pédiatrique par rapport aux comprimés utilisés chez l’adulte. Une biodisponibilité relative similaire a été retrouvée entre les deux formulations. Une approche physiologique (PBPK « Physiollogically based PharmacoKineticsmodel ») a été utilisé pour prédire la dose initiale à administrer et pour proposer un protocole de prélèvements PK. La méthode DBS (Dried blood spot) consistant à collecter à chaque temps de prélèvement une goutte de sang (au pli du coude ou au bout du doigt) a été recommandée. La première dose à administrer chez l’enfant peut être également être déterminée par des modèles de population développés chez l’adulte et adaptés à l’enfant grâce à l’allométrie et à l’ajout de fonctions de maturation. Cette approche a été comparée au PBPK dans le cas de l’ivabradine et des résultats similaires ont été obtenus. Un deuxième travail a été réalisé après que l’étude clinique ait été conduite dans la population pédiatrique. L’étude a été menée chez 116 enfants (74 enfants recevant l’ivabradine, 42 recevant le placebo) âgés de 6 mois à 18 ans et les données ont été analysées. Tout d’abord, une relation a été établie entre les concentrations d’ivabradine plasmatiques et les concentrations d’ivabradine mesurées dans le sang total. Puis, afin de décrire les concentrations d’ivabradine et de son métabolite, un modèle de population prenant en compte l’effet de l’âge et du poids a été développé. En comparant les expositions plasmatiques, une dose par kilogramme plus élevée aurait été nécessaire chez les patients les plus jeunes pour atteindre un niveau d’exposition similaire aux patients plus âgés. Enfin, il a été monté que la relation PK/PD qui avait développé chez l’adulte était conservée dans la population pédiatrique. / New legislation governing the development and authorization of medicines for use in children was introduced in the European Union (EU) in January 2007. This Regulation aims to facilitate the development and accessibility of medicinal products for use in the paediatric population, to ensure that medicinal products used to treat the paediatric population are subject to ethical research of high quality and are appropriately authorised for use in the paediatric population, and to improve the information available on the use of medicinal products in the various paediatric populations. Several rewards and incentives for the development of paediatric medicines for children are available in the European Union (EU). In compliance with the paediatric European regulation, a study will be conducted in paediatric patients with CHF with the objective to determine the efficacious and safe dose of ivabradine, a compound already marketed in adults, and to assess its efficacy and safety in children over 1 year old. A first work was to help design a paediatric study for ivabradine focusing on: the paediatric formulation evaluation, the doses to be administered, the sampling design and the sampling technique. A study was conducted in order to assess the relative bioavailability (Frel) of the paediatric formulation and a similar Frel was observed between the paediatric formulation and the adult marketed tablet. PBPK modelling was used to predict initial doses to be administered in the paediatric study and to select the most appropriate sample time collections. The dried blood spot (DBS) technique was recommended in the clinical trial in children. A secondary objective was to perform a comparison of the prediction of ivabradine pharmacokinetics (PK) in children using a physiologically-based pharmacokinetic (PBPK) approach and allometric scaling of a population pharmacokinetic (PPK) model. Simulations obtained by both the PBPK approach and allometric scaling of a PPK model were compared a posteriori to the paediatric study observations. Both PPK and PBPK approaches allowed an adequate prediction of the PK of ivabradine and its metabolite in children. The second work was done after the study conduction in the paediatric population. The study was performed in 116 children (74 received ivabradine, 42 received the placebo) aged from 6 months to less than 18 years old and data were analysed. The relationship between blood and plasma concentrations was described using linear mixed effect models. In order to describe ivabradine and its metabolite blood concentrations in children, a joint population PK model was developed taking into account weight & age effects on PK parameters. Plasma exposure comparison indicated that higher dose/kg were necessary to achieve a similar exposure between younger and older children. The PK/PD relationship in adult patients is conserved in children.

Les modèles pharmacocinétiques à base physiologique (PBPK) permettent de simuler la dose interne de substances chimiques sur la base de paramètres spécifiques à l’espèce et à la substance. Les modèles de relation quantitative structure-propriété (QSPR) existants permettent d’estimer les paramètres spécifiques au produit (coefficients de partage (PC) et constantes de métabolisme) mais leur domaine d’application est limité par leur manque de considération de la variabilité de leurs paramètres d’entrée ainsi que par leur domaine d’application restreint (c. à d., substances contenant CH3, CH2, CH, C, C=C, H, Cl, F, Br, cycle benzénique et H sur le cycle benzénique). L’objectif de cette étude est de développer de nouvelles connaissances et des outils afin d’élargir le domaine d’application des modèles QSPR-PBPK pour prédire la toxicocinétique de substances organiques inhalées chez l’humain. D’abord, un algorithme mécaniste unifié a été développé à partir de modèles existants pour prédire les PC de 142 médicaments et polluants environnementaux aux niveaux macro (tissu et sang) et micro (cellule et fluides biologiques) à partir de la composition du tissu et du sang et de propriétés physicochimiques. L’algorithme résultant a été appliqué pour prédire les PC tissu:sang, tissu:plasma et tissu:air du muscle (n = 174), du foie (n = 139) et du tissu adipeux (n = 141) du rat pour des médicaments acides, basiques et neutres ainsi que pour des cétones, esters d’acétate, éthers, alcools, hydrocarbures aliphatiques et aromatiques. Un modèle de relation quantitative propriété-propriété (QPPR) a été développé pour la clairance intrinsèque (CLint) in vivo (calculée comme le ratio du Vmax (μmol/h/kg poids de rat) sur le Km (μM)), de substrats du CYP2E1 (n = 26) en fonction du PC n octanol:eau, du PC sang:eau et du potentiel d’ionisation). Les prédictions du QPPR, représentées par les limites inférieures et supérieures de l’intervalle de confiance à 95% à la moyenne, furent ensuite intégrées dans un modèle PBPK humain. Subséquemment, l’algorithme de PC et le QPPR pour la CLint furent intégrés avec des modèles QSPR pour les PC hémoglobine:eau et huile:air pour simuler la pharmacocinétique et la dosimétrie cellulaire d’inhalation de composés organiques volatiles (COV) (benzène, 1,2-dichloroéthane, dichlorométhane, m-xylène, toluène, styrène, 1,1,1 trichloroéthane et 1,2,4 trimethylbenzène) avec un modèle PBPK chez le rat. Finalement, la variabilité de paramètres de composition des tissus et du sang de l’algorithme pour les PC tissu:air chez le rat et sang:air chez l’humain a été caractérisée par des simulations Monte Carlo par chaîne de Markov (MCMC). Les distributions résultantes ont été utilisées pour conduire des simulations Monte Carlo pour prédire des PC tissu:sang et sang:air. Les distributions de PC, avec celles des paramètres physiologiques et du contenu en cytochrome P450 CYP2E1, ont été incorporées dans un modèle PBPK pour caractériser la variabilité de la toxicocinétique sanguine de quatre COV (benzène, chloroforme, styrène et trichloroéthylène) par simulation Monte Carlo. Globalement, les approches quantitatives mises en œuvre pour les PC et la CLint dans cette étude ont permis l’utilisation de descripteurs moléculaires génériques plutôt que de fragments moléculaires spécifiques pour prédire la pharmacocinétique de substances organiques chez l’humain. La présente étude a, pour la première fois, caractérisé la variabilité des paramètres biologiques des algorithmes de PC pour étendre l’aptitude des modèles PBPK à prédire les distributions, pour la population, de doses internes de substances organiques avant de faire des tests chez l’animal ou l’humain. / Physiologically-based pharmacokinetic (PBPK) models simulate the internal dose metrics of chemicals based on species-specific and chemical-specific parameters. The existing quantitative structure-property relationships (QSPRs) allow to estimate the chemical-specific parameters (partition coefficients (PCs) and metabolic constants) but their applicability is limited by their lack of consideration of variability in input parameters and their restricted application domain (i.e., substances containing CH3, CH2, CH, C, C=C, H, Cl, F, Br, benzene ring and H in benzene ring). The objective of this study was to develop new knowledge and tools to increase the applicability domain of QSPR-PBPK models for predicting the inhalation toxicokinetics of organic compounds in humans. First, a unified mechanistic algorithm was developed from existing models to predict macro (tissue and blood) and micro (cell and biological fluid) level PCs of 142 drugs and environmental pollutants on the basis of tissue and blood composition along with physicochemical properties. The resulting algorithm was applied to compute the tissue:blood, tissue:plasma and tissue:air PCs in rat muscle (n = 174), liver (n = 139) and adipose tissue (n = 141) for acidic, neutral, zwitterionic and basic drugs as well as ketones, acetate esters, alcohols, ethers, aliphatic and aromatic hydrocarbons. Then, a quantitative property-property relationship (QPPR) model was developed for the in vivo rat intrinsic clearance (CLint) (calculated as the ratio of the in vivo Vmax (μmol/h/kg bw rat) to the Km (μM)) of CYP2E1 substrates (n = 26) as a function of n-octanol:water PC, blood:water PC, and ionization potential). The predictions of the QPPR as lower and upper bounds of the 95% mean confidence intervals were then integrated within a human PBPK model. Subsequently, the PC algorithm and QPPR for CLint were integrated along with a QSPR model for the hemoglobin:water and oil:air PCs to simulate the inhalation pharmacokinetics and cellular dosimetry of volatile organic compounds (VOCs) (benzene, 1,2-dichloroethane, dichloromethane, m-xylene, toluene, styrene, 1,1,1-trichloroethane and 1,2,4 trimethylbenzene) using a PBPK model for rats. Finally, the variability in the tissue and blood composition parameters of the PC algorithm for rat tissue:air and human blood:air PCs was characterized by performing Markov chain Monte Carlo (MCMC) simulations. The resulting distributions were used for conducting Monte Carlo simulations to predict tissue:blood and blood:air PCs for VOCs. The distributions of PCs, along with distributions of physiological parameters and CYP2E1 content, were then incorporated within a PBPK model, to characterize the human variability of the blood toxicokinetics of four VOCs (benzene, chloroform, styrene and trichloroethylene) using Monte Carlo simulations. Overall, the quantitative approaches for PCs and CLint implemented in this study allow the use of generic molecular descriptors rather than specific molecular fragments to predict the pharmacokinetics of organic substances in humans. In this process, the current study has, for the first time, characterized the variability of the biological input parameters of the PC algorithms to expand the ability of PBPK models to predict the population distributions of the internal dose metrics of organic substances prior to testing in animals or humans.

No description available.

Gliomas are the most common primary brain tumours and are associated with poor prognosis. Among them, diffuse gliomas – which include their most aggressive form glioblastoma (GBM) – are known to be highly infiltrative. The diagnosis and follow-up of gliomas rely on positron emission tomography (PET) and magnetic resonance imaging (MRI). However, these imaging techniques do not currently allow to assess the whole extent of such infiltrative tumours nor to anticipate their preferred invasion patterns, leading to sub-optimal treatment planning. Mathematical tumour growth modelling has been proposed to address this problem. Reaction-diffusion tumour growth models, which are probably the most commonly used for diffuse gliomas growth modelling, propose to capture the proliferation and migration of glioma cells by means of a partial differential equation. Although the potential of such models has been shown in many works for patient follow-up and therapy planning, only few limited clinical applications have seemed to emerge from these works. This thesis aims at revisiting reaction-diffusion tumour growth models using state-of-the-art medical imaging and data processing technologies, with the objective of integrating multi-parametric PET/MRI data to further personalise the model. Brain tissue segmentation on MR images is first addressed with the aim of defining a patient-specific domain to solve the model. A previously proposed method to derive a tumour cell diffusion tensor from the water diffusion tensor assessed by diffusion-tensor imaging (DTI) is then implemented to guide the anisotropic migration of tumour cells along white matter tracts. The use of dynamic [S-methyl-11C]methionine ([11C]MET) PET is also investigated to derive patient-specific proliferation potential maps for the model. These investigations lead to the development of a microscopic compartmental model for amino acid PET tracer transport in gliomas. Based on the compartmental model results, a novel methodology is proposed to extract parametric maps from dynamic [11C]MET PET data using principal component analysis (PCA). The problem of estimating the initial conditions of the model from MR images is then addressed by means of a translational MRI/histology study in a case of non-operated GBM. Numerical solving strategies based on the widely used finite difference and finite element methods are finally implemented and compared. All these developments are embedded within a common framework allowing to study glioma growth in silico and providing a solid basis for further research in this field. However, commonly accepted hypothesis relating the outlines of abnormalities visible on MRI to tumour cell density iso-contours have been invalidated by the translational study carried out, leaving opened the questions of the initialisation and the validation of the model. Furthermore, the analysis of the temporal evolution of real multi-treated glioma patients demonstrates the limitations of the formulated model. These latter statements highlight current obstacles to the clinical application of reaction-diffusion tumour growth models and pave the way to further improvements. / Les gliomes sont les tumeurs cérébrales primitives les plus communes et sont associés à un mauvais pronostic. Parmi ces derniers, les gliomes diffus – qui incluent la forme la plus agressive, le glioblastome (GBM) – sont connus pour être hautement infiltrants. Le diagnostic et le suivi des gliomes s'appuient sur la tomographie par émission de positons (TEP) ainsi que l'imagerie par résonance magnétique (IRM). Cependant, ces techniques d'imagerie ne permettent actuellement pas d'évaluer l'étendue totale de tumeurs aussi infiltrantes ni d'anticiper leurs schémas d'invasion préférentiels, conduisant à une planification sous-optimale du traitement. La modélisation mathématique de la croissance tumorale a été proposée pour répondre à ce problème. Les modèles de croissance tumorale de type réaction-diffusion, qui sont probablement les plus communément utilisés pour la modélisation de la croissance des gliomes diffus, proposent de capturer la prolifération et la migration des cellules tumorales au moyen d'une équation aux dérivées partielles. Bien que le potentiel de tels modèles ait été démontré dans de nombreux travaux pour le suivi des patients et la planification de thérapies, seules quelques applications cliniques restreintes semblent avoir émergé de ces derniers. Ce travail de thèse a pour but de revisiter les modèles de croissance tumorale de type réaction-diffusion en utilisant des technologies de pointe en imagerie médicale et traitement de données, avec pour objectif d'y intégrer des données TEP/IRM multi-paramétriques pour personnaliser davantage le modèle. Le problème de la segmentation des tissus cérébraux dans les images IRM est d'abord adressé, avec pour but de définir un domaine propre au patient pour la résolution du modèle. Une méthode proposée précédemment permettant de dériver un tenseur de diffusion tumoral à partir du tenseur de diffusion de l'eau évalué par imagerie DTI a ensuite été implémentée afin de guider la migration anisotrope des cellules tumorales le long des fibres de matière blanche. L'utilisation de l'imagerie TEP dynamique à la [S-méthyl-11C]méthionine ([11C]MET) est également investiguée pour la génération de cartes de potentiel prolifératif propre au patient afin de nourrir le modèle. Ces investigations ont mené au développement d'un modèle compartimental pour le transport des traceurs TEP dérivés des acides aminés dans les gliomes. Sur base des résultats du modèle compartimental, une nouvelle méthodologie est proposée utilisant l'analyse en composantes principales pour extraire des cartes paramétriques à partir de données TEP dynamiques à la [11C]MET. Le problème de l'estimation des conditions initiales du modèle à partir d'images IRM est ensuite adressé par le biais d'une étude translationelle combinant IRM et histologie menée sur un cas de GBM non-opéré. Différentes stratégies de résolution numérique basées sur les méthodes des différences et éléments finis sont finalement implémentées et comparées. Tous ces développements sont embarqués dans un framework commun permettant d'étudier in silico la croissance des gliomes et fournissant une base solide pour de futures recherches dans le domaine. Cependant, certaines hypothèses communément admises reliant les délimitations des anormalités visibles en IRM à des iso-contours de densité de cellules tumorales ont été invalidée par l'étude translationelle menée, laissant ouverte les questions de l'initialisation et de la validation du modèle. Par ailleurs, l'analyse de l'évolution temporelle de cas réels de gliomes multi-traités démontre les limitations du modèle. Ces dernières affirmations mettent en évidence les obstacles actuels à l'application clinique de tels modèles et ouvrent la voie à de nouvelles possibilités d'amélioration. / Doctorat en Sciences de l'ingénieur et technologie / info:eu-repo/semantics/nonPublished