Drkcore

06 08 2009 R DMPK Tweet

PK8-4

Caco-2細胞のモデリング

ProductName ファーマコキネティクス―演習による理解
杉山 雄一,山下 伸二,加藤 基浩
南山堂 / ¥ 6,300 ()
通常2~5週間以内に発送

設問1

Vmax は結合サイト数、ATPターンオーバー、細胞総数からもとまる

> 100000*1e+6*25/6.02e+23*60
[1] 2.491694e-10

つまり2.491694(nmol/min)

library(odesolve)
params = c(Vmax=2.491694*10^-3,S=4.71,Pa=5e-6,Pb=3e-6,Km=0.3,Va=1.5,Vc=0.025,Vb=3.0)
times=c(0,(1:60))

dydt <- function(t,y,p){
Vmax <- p['Vmax']
S <- p['S']
Pa <- p['Pa']
Pb <- p['Pb']
Km <- p['Km']
Va <- p['Va']
Vc <- p['Vc']
Vb <- p['Vb']
Ca <- (S*Pa*(y[2]-y[1]) + Vmax*y[2]/(Km+y[2]))/Va
Cc <- (S*(Pa*(y[1]-y[2]) + Pb*(y[3]-y[2])) - Vmax*y[2]/(Km+y[2]))/Vc
Cb <- (S*Pb*(y[2]-y[3]))/Vb
return(list(c(Ca,Cc,Cb)))
}

濃度リストをあたえるとPeffのリストを返す関数を書いておく。

calc <- function(dose_list){
l <- c()
for (dose in dose_list){
    y <- lsoda(c(Ca=dose,Cc=0.0,Cb=0.0),times,dydt,params)  
    Y <- data.frame(y)
    res <- lm(Cb ~ time,Y[c("time","Cb")][seq(41,61),])
    Peff <- res$coefficients[2]*3/(4.71*dose)
    l <- append(l,Peff)
}
return(l)
}

d <- c(0.1,0.3,0.6,1,3,6,10,30,60,100,300,600,900,1000)
peffs <- calc(d)
plot(d,peffs)

pk8-4

Pgpが飽和した後(高濃度側)ではシグモイド。

設問2

省略

About

  • もう5年目(wishlistありマス♡)
  • 最近はPythonとDeepLearning
  • 日本酒自粛中
  • ドラムンベースからミニマルまで
  • ポケモンGOゆるめ

Tag

Python Deep Learning javascript chemoinformatics Emacs sake and more...

Ad

© kzfm 2003-2021