La sélection des meilleurs candidats médicament se base sur des choix multiparamétriques réunissant l’efficacité potentielle, les caractéristiques ADME et le profil de sécurité des nouvelles entités chimiques. En ce sens, la prédiction précoce de la pharmacocinétique est élémentaire pour orienter les prises de décision et donner un cap pertinent aux projets. En raison de son rôle central dans le devenir des médicaments, la clairance métabolique médiée principalement par le foie est l’un des paramètres les plus importants. L’objectif de ce projet était d’améliorer la prédiction de la clairance en se concentrant notamment sur les molécules présentant une bonne stabilité métabolique et qui sont de ce fait encore difficiles à étudier. Les travaux menés dans cette thèse nous ont permis d’étoffer nos connaissances sur les modèles hépatiques in vitro et les méthodes d’extrapolation usuelles mais aussi de découvrir et de développer de nouvelles stratégies de prédiction. Nous nous sommes concentrés en profondeur sur la clairance métabolique et à tout ce qui impacte les prédictions. Le modèle de co-culture microorganisée (MPCC) HepatopacTM qui permet de stabiliser les hépatocytes humains sur plusieurs semaines a ainsi été identifié comme une alternative judicieuse aux modèles de routine lorsque les molécules ne peuvent pas être étudiées en culture 2D classique. L’étude de la fraction libre plasmatique et l’intégration de nouvelles hypothèses physiologiques telles que la théorie de « l’uptake facilité par l’albumine » ont également participé à améliorer les prédictions. Compte tenu des performances du modèle HepatopacTM, nous avons développé une approche innovante basée sur le spotting de précision afin de produire tous types de co-cultures microorganisées. Les co-cultures fabriquées grâce à cette technique démontrent que la méthode est robuste, accessible et simple à mettre en œuvre. Notre méthode de spotting a ensuite été utilisée pour faire évoluer le modèle MPCC et l’ouvrir à de nouvelles applications. / The selection of the best drug candidates is based on multiparametric choices combining the potential efficacy, ADME characteristics and the safety profile of the new chemical entities. In this sense, the early prediction of pharmacokinetic is essential to guide decision-making and provide a relevant course for projects. Because of its central role in drug disposition, metabolic clearance mediated primarily by the liver is one of the most important parameters. The objective of this project was to improve clearance prediction by focusing on low clearance compounds that are still difficult to study. This work allowed us to expand our knowledge on in vitro liver models and usual extrapolation methods but also to discover and develop new prediction strategies. We focused on metabolic clearance and all parameters that impact the predictions. Micropatterned co-cultures (MPCCs) of primary human hepatocytes (HepatopacTM), which stabilizes hepatocytes over several weeks, has been identified as a judicious alternative to routine models when the molecules cannot be studied in conventional monolayer culture. The study of plasma protein binding and the integration of new physiological hypothesis such as the "Albumin-Facilitated Uptake" also contributed to improve the predictions. Given the performance of the HepatopacTM model, we have developed an innovative approach using a digital dispensing system to spot collagen and produce all types of micropatterned co-cultures. Co-cultures manufactured by this technique demonstrate that the method is robust, accessible and easy to use. Our spotting method was used to evolve the MPCC model and explore new applications.
| Identifer | oai:union.ndltd.org:theses.fr/2018MONTT083 |
| Date | 16 November 2018 |
| Creators | Da Silva, Franck |
| Contributors | Montpellier, Daujat-Chavanieu, Martine, Klieber, Sylvie |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0018 seconds