从电性参数和分子体积预测药物的血浆蛋白结合率

目的:从电性参数和分子体积预测药物的血浆蛋白结合率。方法:根据半经验自洽场分子轨道AM1法得到的优化构型用Monte Carlo法计算得到分子体积。用逐步多元回归分析法建立从药物的电性参数、脂溶性和分子体积预测14种不同结构药物牛血清白蛋白结合率的数学模型。回归方程采用statistics60软件进行逐步多元回归分析得到。结果:13种不同结构药物的牛血清白蛋白结合率与分子酸碱性指示变量和分子体积有良好的相关性。回归方程为:%B(DAB)=187.42-39.47I+1.0×10-3V2-0.77V(n=13,R=0.9632)。结论:药物血浆蛋白结合率与分子的电性和分子体积密切相关。从分子电性参数和分子体积预测药物血浆蛋白结合率具有方便快捷的优点,可用于相关的药动学参数的研究。     

药物血浆蛋白结合率测定方法的研究进展

药物血浆蛋白结合率是药物与血浆蛋白结合的量占药物总浓度的百分率,是药物代谢动力学的重要参数之一。它影响药物在体内的分布、代谢与排泄,从而影响其作用强度和时间,并往往与药物的相互作用及作用机制等密切相关。     

厄贝沙坦血浆蛋白结合率测定

目的：测定厄贝沙坦在人血浆中的蛋白结合率。方法：采用HPLC法测定厄贝沙坦的浓度。采用平衡透析法测定厄贝沙坦的人血浆蛋白结合率。结果：以DiamonsilC18（4．6mm×250mm,5μm）为色谱柱,以乙腈-0．02mol／L磷酸二氢钾水溶液（磷酸调pH至2．6）（45：55）为流动相,检测波长为245nm,血浆样品中其他成分不干扰厄贝沙坦的测定,厄贝沙坦的线性范围为0．10—10．40μg／ml,定量下限为0．10μg／ml。厄贝沙坦的低、中、高浓度的蛋白结合率分别为93．0％、91．5％、92．3％。结论：厄贝沙坦具有较强的蛋白结合率。     

关于阿莫西林对格列美脲血浆蛋白结合率影响的探究

目的:研究阿莫西林在对格列美脲血浆蛋白结合率的影响。方法:针对阿莫西林对格列美脲在对蛋白结合率的影响进行研究,采用高效液相色谱与平衡透析法来对其血浆蛋白结合率进行分析,在研究的过程中进行分组研究,分为对照组和实验组,对照则采用仅有格列美脲时的血浆蛋白结合率研究;而在实验组则是加入阿莫西林来格列美脲对血浆的蛋白结合率的研究。结果:在对照组的血浆蛋白结合率为94.2%,而实验组的血浆蛋白的结合率为89.5%。结论:在实验组加入阿莫西林对格列美脲血浆蛋白的结合率有下降趋势。     

白桦脂酸血浆蛋白结合率的测定

目的建立白桦脂酸在大鼠血浆、人血浆和牛血清白蛋白中蛋白结合率的测定方法。方法采用平衡透析法测定白桦脂酸血浆蛋白结合率,利用HPLC测定血浆中白桦脂酸浓度,测定并比较不同血浆中白桦脂酸的血浆蛋白结合率。采用DiamonsilTMC18柱,柱温为30℃,流动相为乙腈-0.2%乙酸(75∶25),流速为1.0 mL/min,检测波长为203 nm。结果在50～100 mg/L,药物浓度对血浆蛋白结合率无显著影响,白桦脂酸与大鼠和人的血浆蛋白结合率存在显著性差异,白桦脂酸与人血浆蛋白结合率高于与大鼠血浆蛋白结合率。结论白桦脂酸与血浆蛋白具有较强的结合。HPLC法测定白桦脂酸与血浆蛋白结合率试验具有简便、快速、灵敏与选择性高的特点。     

葡聚糖木炭吸附法测定多肽类候选药物的血浆蛋白结合率

由于某些多肽类药物在半透膜上具有非特异性吸附或者在血浆中的稳定性较差,在测定其蛋白结合率时不能适用于经典的平衡透析法和超滤法。运用葡聚糖木炭吸附法结合液质联用技术,基于候选药物吸附至葡聚糖木炭的初始速率动力学原理,选择7条具有相同氨基酸序列、不同构型的磷酸化六肽为研究模型肽,测定了其在大鼠血浆中的蛋白结合率,总结了影响多肽候选药物蛋白结合率变化的氨基酸位点规律。研究结果表明,葡聚糖木炭吸附法作为一种血浆蛋白结合率测定的补充方法,适用于传统实验技术无法测定的多肽或者有机候选药物。     

超滤法测定冬凌草甲素的血浆蛋白结合率

目的测定冬凌草甲素在健康人血浆、大鼠血浆和家兔血浆中的蛋白结合率,为设计合理的给药方案提供依据。方法采用超滤法结合高效液相色谱法（HPLC）对冬凌草甲素与大鼠、家兔和健康人血浆的蛋白结合率进行测定。结果冬凌草甲素在覆盖临床给药范围的5．4,21．6和108．0I．zg／mL下与健康人血浆的血浆蛋白结合率分别为80．6％,78．3％,76．2％,与大鼠的血浆蛋白结合率分别为69．3％,67．5％,68．1％．与家兔的血浆蛋白结合率分别为65．2％,66．7％,64．3％。覆盖临床给药浓度的3个浓度的冬凌草甲素在同种血浆中血浆蛋白结合率差异无统计学意义（P〉0．05）。结论结果表明本法简便快速、灵敏度高、专属性好,能够满足测试生物样品的要求,超滤法结合高效液相色谱法可用于冬凌草甲素血浆蛋白结合率的检测。在本研究试验浓度范围内,冬凌草甲素的血浆蛋白结合率与药物浓度无显著相关性,不同种血浆的蛋白结合率试验结果表明,冬凌草甲素与健康人血浆、大鼠血浆和家兔血浆蛋白均具有中等强度的结合。     

癌症患者血小板聚集率和血浆纤维结合蛋白测定和临床意义

对３６例各种恶性肿瘤和３０例正常人进行血小板聚集率（ＰＡｇＴ）和血浆纤维结合蛋白（Ｆｎ）测定和对照，结果发现：恶性肿瘤伴转移者１７例的ＰＡｇＴ和Ｆｎ均显著升高（Ｐ＜０．０１）；恶性肿瘤不伴转移者１９例仅ＰＡｇＴ升高（Ｐ＜０．０１），而Ｆｎ不升高（Ｐ＞０．０５）．提示：ＰＡｇＴ和Ｆｎ对恶性肿瘤有无转移的判断及对恶性肿瘤的血栓和栓塞并发症的防止有一定价值。     

从分子极性表面积预测头孢菌素类药物的血浆蛋白结合率

目的:采用分子结构参数预测头孢菌素类药物的血浆蛋白结合率。方法:用半经验自洽场分子轨道AM1法得到药物分子的优化几何构型,用Monte Carlo法计算分子极性表面积,相关分析采用逐步多元回归分析法。结果:头孢菌素类药物的血浆蛋白结合率(fb)与分子量(MW)和氢键给体表面积(SH)具有良好的相关性,回归方程式为:fb=0.5057 2.861×10-3MW-0.1572SH 4.714×10-3SH2(n=22,r=0.9042)。结论:头孢菌素类药物的血浆蛋白结合率不仅与药物的脂溶性,而且还与形成氢键的能力密切相关。从药物的分子量和极性表面积可以预测头孢菌素类药物的血浆蛋白结合率。     

华蟾酥毒基血浆蛋白结合率测定

目的 :建立测定华蟾酥毒基血浆蛋白结合率的方法。方法:采用平衡透析法,测定不同浓度华蟾酥毒基与血浆的蛋白结合率。结果:华蟾酥毒基在透析内液中的线性范围为3.7~59.2μg/m L,透析外液中为0.01~1.12μg/m L。3种不同浓度的华蟾酥毒基在透析内液和透析外液中的回收率分别为81.26%、85.57%、87.99%和80.26%、87.49%、89.90%。华蟾酥毒基的平均血浆蛋白结合率为(84.56±0.539)%。结论:浓度因素对华蟾酥毒基的血浆蛋白结合率没有显著影响。     

基于液相色谱质谱联用氯吡格雷-人参皂苷血浆蛋白结合率协同效应

目的研究大鼠血浆中氯吡格雷-人参皂苷血浆蛋白结合率协同效应。方法选择人参皂苷Rg1、Rb1为指标,首先建立了
Rg1、Rb1在透析内液（大鼠血清RSA）、外液（PBS）含量检定方法,采用平衡透析法揭示了氯吡格雷对人参Rg1、Rb1血清蛋白结
合率协同作用;接下来,采用同源模建方法建构RSA三维构造,并用分子模拟方法揭示氯吡格雷、人参皂苷Rg1、Rb1与大鼠血
清白蛋白RSA间结合效应,揭示氯吡格雷-人参皂苷在血浆蛋白结合率层面协同效应。结果人参皂苷Rg1、Rb1在0.40、1.00、
2.00 mg·L-1三种浓度下与大鼠血清蛋白结合率分别为30.16±2.82、33.42±4.21、34.61±3.42 和50.13±2.34、51.23±3.23、53.11±
3.26,当合并加入氯吡格雷（1.0 mg·L-1）后血浆蛋白结合率分别下降至22.13±2.72、21.42±3.22、25.45±3.52和40.13±3.24、41.25±
4.15、43.11±3.31,分子模拟结果显示氯吡格雷、Rg1、Rb1与RSA存在不同程度的竞争结合效应。结论平衡透析法和分子模拟
实验综合揭示了氯吡格雷-人参皂苷血浆蛋白结合率协同效应。
     

三种非甾体抗炎药对伊曲康唑体外血浆蛋白结合率的影响

<正>伊曲康唑为第二代三唑类合成抗真菌药,临床主要用于皮肤癣菌、念珠菌、糠秕孢子菌属、曲霉菌属、巴西副球孢子菌等感染的治疗,主要在肝中代谢,具有较强亲脂性,血浆蛋白结合率>99%^[1]。目前常见的不良反应主要为心脏毒性、肝脏毒性、恶心、上腹痛、腹泻及皮疹等^[2]。非甾体抗炎药(NSAIDs)是一类具有解热、镇痛、抗炎、抗风湿作用的临床常用药物,其血浆蛋白结合率均较高^[3]。当合并使用时,     

高效液相色谱法研究蓝萼甲素与大鼠血浆蛋白的结合率

目的研究蓝萼甲素与大鼠血浆蛋白的结合。方法采用大鼠血浆平衡透析法，HPLC法测定透析袋两侧溶液中蓝萼甲素的质量浓度，计算蓝萼甲素的血浆蛋白结合率。结果蓝萼甲素在质量浓度为20、10、1μg／mL时与血浆蛋白结合率分别为74．46％、77．87％、75．29％。结论高效液相色谱法用于蓝萼甲素的生物样品测定具有简便、快速、灵敏与选择性高的特点。蓝萼甲素具有中等强度的血浆蛋白结合率。     

二-(2, 4-二氯苯甲酰异羟肟酸) 二苯基合锡大鼠血浆蛋白结合率的测定

目的 建立二-(2, 4-二氯苯甲酰异羟肟酸) 二苯基合锡（DPDCT）在大鼠血浆中蛋白结合率的测定方法。方法 采用HPLC法测定大鼠血浆中药物总浓度及游离药物浓度,结合平衡透析法测定血浆蛋白结合率。结果 DPDCT在质量浓度为0.2、1.0、5.0 μg/mL时与大鼠的血浆蛋白结合率分别为（58.9±2.0）%、（57.4±1.2）%和（58.6±0.8）%。不同浓度组血浆蛋白结合率差异无统计学意义。结论 该方法灵敏度高,重复性好,操作简单,能够满足生物样品分析的要求。DPDCT具有中等强度的血浆蛋白结合率。     

机器学习模型在预测肾结石输尿管软镜碎石术后早期结石清除率中的应用

目的:基于随机森林和XGBoost两种机器学习算法建立预测模型,探讨其对肾结石患者行输尿管软镜碎石术(flexible ureteroscopic lithotripsy,fURL)后早期结石清除率(stone-free rate, SFR)的预测价值。方法:回顾性分析201例行fURL的肾结石患者的临床资料,根据术后是否达到结石清除标准,将患者分为结石清除组和结石残留组。比较两组患者年龄、体重指数(body mass index,BMI)、结石数目、结石体积、结石密度和肾积水等因素的差异。对于肾下盏结石,需测量肾脏解剖相关指标,包括肾盂漏斗部夹角、肾下盏宽度、肾下盏长度及肾盂肾下盏高度。将上述潜在影响因素分别纳入随机森林和XGBoost算法建立预测模型,绘制受试者工作曲线,检验模型预测价值。前瞻性收集71例患者的临床资料对模型进行外部验证。结果:201例fURL手术均顺利完成,一期手术早期SFR为61.2%。利用随机森林和XGBoost算法建立预测模型并得到不同变量预测重要性评分,随机森林模型和XGBoost模型曲线下面积均为0.77。应用71例样本对模型进行外部验证结果显示,随机森林模型对检测样本的预测总准确率、特异度及灵敏度分别为74.6%、82.6%和60.0%,XGBoost模型对检测样本的预测总准确率、特异度及灵敏度分别为80.3%、87.0%和68.0%。在两种模型中,预测重要性评分排名前四位的变量均为结石体积、平均结石密度、最大结石密度和BMI。结论:基于随机森林和XGBoost算法建立的机器学习模型可准确预测肾结石患者fURL术后早期结石清除状态,有利于术前评估及临床决策。结石体积、平均结石密度、最大结石密度和BMI可能是影响肾结石fURL术后SFR的重要预测因素。     

基于机器学习算法的NT-proBNP灰值患者心力衰竭判别模型评价

目的 应用机器学习算法构建氨基末端脑钠尿肽(N-terminal pro-brain natriuretic peptide,NT-proBNP)灰值患者心力衰竭判别模型并评价.方法 收集2013年1月至2018年12月在上海市浦东新区公利医院进行NT-proBNP 实验室检测的患者临床资料和实验室检测信息,数据清洗后...