[0001] 此专利申请以申请号为60/909,018在2007年3月30日申请的美国专利申请作为优先权。上述提及的专利申请的所有内容和公开都结合在此申请中。

[0002] 在此专利申请中的所有不同的参考文献和公开都在此合并到此专利申请中从而更全面描述此发明从属的技术领域。

[0003] 自然产物已经被人类文明使用几千年。它们的医药价值也在历史中被记载。随着药理学、临床药理学、生药学和分析化学的发展，自然物质中的有效活性成分被逐渐暴露。
一个很好的例子便是在柳树皮中发现的乙酰水杨酸。拜耳公司最近也在庆祝一种乙酰水杨
酸的纯净物----阿司匹林的一百周年纪念。

[0004] 在自然产物的研究中有两条主流。随着现代药理学科学的兴起，便出现了对分离并纯化自然产物中的单一有效活性成分的永无止境的追求。事实上，超过60％被用来发展
成治疗癌症、高血压和偏头痛的药物是来自自然产物或类自然产物(Newman etal.，2003)。
由于自然产物的领先候选物变得有限，虽然组合技术已经成功取得结构上的优化，故在
2002年或之前还没有发现被审批为药物的从新组合的组合物也并不出奇。

[0005] 自然疗法经常含有一种或多种草药。每一种草药都有多个有效活性成分。鉴定、提纯、活性测定及为一种复杂的混合物套用已知的药理学模型已经成为不变的任务。这方
面研究的复杂性已经成为自然药物发展的主要障碍。(Williamson，2001)。在此观点中，
Liu和Yang(2006)指出在传统中药的发展中，传统中药的有效活性成分的鉴定是最重要
的一环。有效活性成分可以是主要准备成分的活性代谢产物。例如，人参皂甙是负责人参
效用的主要成分。然而，这些人参皂甙的活性很低并且在口服后的生物利用度少得微不足
道。代谢产物、原人参萜二醇和原人参萜三醇都能容易被吸收并且是药理学上具有活性的
(Hasegawa，2004)。虽然明白传统中药中有效活性成分的药物动力和药效性质很重要，但并
不建议理清潜在药物动力和药效之间反应的复杂关系。

[0006] 自然物质中有效活性成分的研究仍然在制药科学方面十分原始。在制药发展的发现步骤地进展仍然停滞不前。一般的做法方向是运用活性导向的分离法鉴定具有体外活性
的目标。这个做法对于自然产物来说是极不适合的。很长时间以来，由于没有明显的有效
活性成分，Panax人参被认为是一种昂贵的“垃圾”。一直到Hasegwa(2004)报告出Panax
人参的人参皂苷能充当药物前体的作用并能在被肠道菌群代谢时释放出具有生理学作用
的苷元时，误解才被改变。芸香苷——一种黄酮苷，在银杏和一些其他种类的草药中存在，
已经被证明具有有效的体外抗氧化功能。然而，仅仅由于该物质在血管中不能被检测到
(Hollman et al.，1997)，便令到证明芸香苷在体内的实际活性变得非常困难。川芎的重要
成分——蒿本内酯已经被证实为该草药的有效活性成分，然而，这种成分的生物可利用率
却低于3％(Yan et al.，2008)。这很明显可以看出没有足够的蒿本内酯能到达患处并发挥
它的作用。这些例子清楚展示出使用传统制药方法在中药准备中的鉴定活性中的缺点。自
然的前药，如人参皂苷，会因而被流失并且将会寻找如芸香苷那样的活性。用药学科学的话
来说，如川芎内酯那样的复合物缺少口服药物的特性。药物的特性基本上为一种物质的药
物动力的特性，此特性为该物质在被服用后具有以不被代谢而被大量吸收，并且通过血管
在被身体移除前以足够的分量到达患处。由于此特性在药学发展中属于新领域，因此药物
的特性还没有成为自然产物然就的主要部分。由于在到达草药提取物的活性时发生嬗变，
因此叙述多种成分的药物动力资料的复杂性显得具有禁止性。

[0007] 近年来，对自然物质进行药理学和药物动力的研究的兴趣正在逐渐增加，如St.John’s Wort(Schulz et al.，2005) 和 Ginkgo(Kwak et al.，2002；Ahlemeyer 和
Krieglstein，2003)。在草药药物相互作用方面(Brazier and Levine，2003；Hu etal.，
2005；William，2005)，草药在药物代谢酶方面(Venkataramanan et al.，2000；Mathews et
al.，2002；Komoroski et al.，2004；Yim et al.，2004；Chang et al.，2006)和草药活性成
分的药物动力方面(Mathews et al.，2005；Zhou et al.，2005；Yan et al.，2007)并不缺
少文献。后者被限制为单一组成物。有研究尝试通过使用体外方法去预测体内草药药物交
互作用(Williamson，2001；Mohutsky et al.，2006；Venkataramanan et al.，2006)。这些
研究取得部分的成功并且普遍的结论是需要进行体内研究以便证实研究的结果。

[0008] 很多的假设是替代疗法的优点是疾病的治疗只需要相对低的剂量(Williamson，2001)。活性组成物可以额外地、协同地或相反地作用。在缺少对组成物的数量及它们的药
物特性的理解的情况下，是几乎不可能决定这些在身体中错综复杂的反应的。

[0009] 发现新药的制药技术并没有在自然产品的发展上被更多地采用。有一些体外的微粒或肝细胞研究已经报告出草药-药物反应(Hu et al.，2005；Williamson，2005；
Venkataramanan et al.，2006)和有效成份的新陈代谢(Komoroski et al.，2005)的评估。
然而，没有研究使用基于生理学上的药物动力的和/或药效的模型从而去预测草药提取物
的活性成分在体内的时间，也没有任何研究使用同样的模型去量化一种反应的时间。现今
用来发现药物的硅片方法没有被应用在预测活性组成物的药物动力和药效反应以及在服
用草药提取物后它们的代谢产物。

[0010] 在过去20年里有一些专利勾画出标准化自然产物的方法。最先进的是Paracelsian’s BioFit(Blumenthal和Milot，2004)，CV Technologies’
(Pang et al.，2000) 和 PharmaPrint Inc’s. technologies(Khwaja 和
Friedman，2000；Khwaja和Friedman，2002)。后面两种方法利用包括集中在药学上有活性
的部位和一种或多种与所需活性位基准的标记的生物测定。当两种条件都满足时，批量因
而被接受。 对这些提取物进行药学上的评级。他们已经使用次技术来制造标准
化的草药，如St.John’s Wort(Khwaja和Friedman，2000)。 看起来较多地涉
及除了体外生物测定外，体内测定同样被纳入标准化步骤中。这两总标准化步骤都没有直
接把活性和推定的标准化的成分连接在一起。因此，并不清楚标准化的成分是否是正确的
分量或是正确的比例。至于还没有被确认的活性成分，仍然是没有资料。已经广泛被认知的
是这些成分中的某些在体外是没有活性的，但他们在体内具有生物学上的活性(Hasegawa，
2004)。原因是某些成分实际上并没有被吸收；因而缺少“药性”。Paracelsian’s
技术宣称对活性组成物进行了一种使用Caco-2细胞的吸收评估。然而，Caco-2在预测大
分子吸收时有它的缺陷，原因是因为这些分子并不能渗透进Caco-2的细胞膜中。有相当比
例的自然成分拥有较大的分子量。这些如多糖和苷等的分子式很难用Caco-2细胞估计的。

[0011] Kinetana’s technology(Tam和Anderson，2000)看起来可以克服Caco-2技术面对的问题(Blumenthal和Milot，2004)。该技术已经被用来量度在体外具有
活性的能被吸收的组成物。然而，该技术有两个问题：1.它并不能提供成分的药物动力以
及所产生的作用部位的浓度-时间资料的估计；2.当他们在和某些草药如St.John’s Wort
的提取物一同被培养时，细胞膜容易破裂。

[0012] 在2008年1月印度公司Avesthagen公布一项新的技术MetaGrid-多成分复合纤维植物源提取物的标准。此技术是使用分析法并根据活性成分的匹配保持时间进行分析。
虽然该技术有助于标准化活性成分，但是因为尚未经过严格测试，所以该技术并不能为这
些成分的“类药性”提供任何信息

[0013] 总之，从生理学上说现在不存在有效的方法提取草药中的活性成分。一般相信植物药的活性是与大量活性成分有关的，对比西药，所有植物药的活性成分都比较少。并且如
果按单独算，每个成分都需要更大剂量才能产生相同的生理效应。但是人们认为如果把这
些单独的成分放在一起，将会相互作用并产生增效作用。例如在特定的草本精华中(如海
胆亚目或银杏)具有数百个化学个体、其中许多是活性合成物，而它通过相互抑制可以相
互影响并产生增效作用。但是由于无法说明作为整体的这些成分的活性，因此现今的技术
不能进行严格的质量控制。在此文章中说明这种平台技术是通过人工环境和计算机模拟成
型进行结合的，以制定精确严格的程序说明此类相互作用为根据的，而数据分析需要对流
程进行反向设计，然后设计最佳成分以便获得最为有效的多组分制剂。这种方法的优点是
无需对每个成分进行单独研究。因此无需分离、隔离和提纯这些活性成分，这样就可以节省
了很多时间和资源。图1图解的模型是用于说明单组分的浓缩度和有效时程，而在结合上
述精确程序后，此相同的模型也可用于说明复合组分的时程。
发明概述

[0014] 用于解释线性独立和/或相互作用的复合未知方面的数学模型，已经结合到人工环境和计算机模拟方法论组合中用于预计复合组分的药物动力和药效方面影响的情况。此
方法适用于对含有复合活性成分并且先前没有经过标识、隔离和提纯活性成分的植物药进
行研制。

[0015] 此体外环境技术包括但不限于：与人工胃液和肠液、肠道菌群、肠道微粒、细胞膜、肠组织、肝细胞、血浆和血液的温培。从生理学上说，计算机模拟技术包括基于扩大药物动
力/药效模型，记录P和记录D的预计、分布量和肾排除

[0016] 具体说来，本文提供一种预测有多组份的混合物的体内药物动力和药效的方法，此方法包含以下步骤：a)测定混合物中的個別组份和相互影响的组份在消化道和肝中的
新陈代谢速率；b)测定组份在血液或血浆中的分布；c)测定组份被肾排除的速率；d)测定
组份的效力以及组份间的协同或抑制作用；上述测定方法包含用数学模型去预测该混合物
在体内的药物动力和药效特性.

[0017] 在另一实例中，假设5个用上述方法鉴定的包括复合组分的合成物，用此处所述的方法测定的组分具有合适的体内药物动力和药效特性。
图例的详细说明

[0018] 图1中的示意图显示口服给药后组分的预期效果。如箭头所示假设隔室间传送是第一级。

[0019] 图2A显示根据米曼氏动力学所得出的典型剂量效应关系。图2B说明相同关系以图表表示转化到描述记录剂量与10的反应。反应是与有效剂量线性相关的并在20-80％最
大值范围内。

[0020] 图3总流程图的最优化处理过程；过程的图例。

[0021] 图4显示米曼氏型的剂量效应关系，效应与剂量线性变换。r＝效应/(1-效应)。

[0022] 图5显示25种包含15个假设组分混合物的有效剂量反应关系。假设每个反应测量的误差为±10％。

[0023] 图6显示预计的(显着差异)与实际(无显着差异)效价(1/EC50)的对比。图6A：15个假定化合物的相对效价。预设化合物2、9、10、12和13为活性的(＞10％噪声)。
图6B：化合物16(化合物4和10)和17(化合物7和8)显示活性高于单独化合物的合成。
化合物18和19是化合物1和2的假设配对；以及分别是3和4的假设配对。

[0024] 图7显示每个单独化合物的组成(假设样品)。图表的曲线代表最下部曲线，样品25，15、14、10、9、18、20、7、24、22、6、5、3、23、11、2、17、12、13、19、4、1、21、16、和8。

[0025] 图8中的示意图显示知组份分析适用于两维数据集。

[0026] 图9显示PCA应用于综合数据集的结果。注意10变量中的5个(变换变量)占数据中变更资料的80％。这表示所有变量和信息之间具有很少相关性/相依性/相互作用
性。

[0027] 图10显示峰值X*位置分析性的精密性。

[0028] 图11显示例子中不同剂量相关函数组的图解。原始数据、模型频率特性、和原型与模型的差异。模式拟合中位置以圆圈标注。(a)原始数据的图表、(b)8期模型、(c)8期
模型差异、(d)6期模型、(e)6期模型差异(f)4期模型和(g)4期差异。

[0029] 图12中的示意图显示组分的改变和其分解产物和/或在消化道的代谢物。分解物是化学和代谢产物可能来自25十二指肠或肠道菌群结肠的胰腺酶。Xi、Zi、和Mi分别代
表基质、分解产物，和代谢产物。

[0030] 图13中的示意图组分和其代谢物经过肠的过程。代谢成分及其代谢产物也可在肠内产生。根据其渗透性测量这些组分的移动速度，并且可用于估算吸收率。Xi和Mi分别
代表基质和代谢产物。

[0031] 图14显示典型肝上皮实质细胞变化的情况。摄取组分和/或其分解产物和代谢物可能取决于被动和主动吸取的过程。肝细胞内所有成分可能会结合或代谢。成分的改变
也是取决于被动和/或主动吸取的过程。Xi、Mi、和Me分别代表基质、代谢产物，I、e和h
分别代谢形成于肠道内腔、肠上皮细胞和肝脏。这些代谢产物是来自于肠道内腔和肠上皮
细胞。

[0032] 图15中的示意图显示血液中组分的分布。一般来说，需要测量血浆的游离浓度Xi。

[0033] 图16显示在口服50单位混合物后15组分的浓度与程度的对比。组分2、9、10、12和13清晰显示。注：化合物2的浓度太低，因此显示不出。

[0034] 图17显示在口服50单位混合物1后的综合反应与程度的对比。反应主要由组分2、9、10、12和13引起的。

[0035] 图18显示由50个组分组成的系统，每个都有一个线性反应和2个额外的相互作用。显示米曼氏类型限于总相互作用和±5％噪声，以上曲线是对于在每个混合物随机分布
于0和1单位的组分的混合物的典型总反应数据。

[0036] 图19显示150混合物和整体反应1.0剂量点假设线性反应是来自于每个50组分。

[0037] 图20显示误差和每个倍增对条款相关性的图表。高相关性的深色一点。

[0038] 图21显示通过增加4个对关联作为伪组分51至54，获得新的并经过改进的估算结果。

[0039] 图22显示通过重复同样的系统估算取得的结果，但现在使用三个剂量点(1.0、0.3、10和0.1)的数据，得出比第一次估算更严谨准确的结果。

[0040] 图23显示使用相同的4个伪组分，而第二次估算得出比以单剂量15实例估算更为准确的结果。

[0041] 图24显示在肠道和身体组织上时间曲线4和0单位剂量0次数的系统，如表9所述。

[0042] 图25显示在身体-时間曲线里曲线下面积(AUC)数量。这个数据在表9中列出。请注意有效吸收和排泄的广范围(近2个数量级的变化)。

[0043] 图26显示以每个化合物曲线下面积来计算同一组150个混合物的比例(采取的曲线下面积值是有关身体接触每个化合物的)。

[0044] 图27显示残差与前一个图表显示相差很大。每一图表中的黑色部分是在该图表按比例最为相关的点，因此个别点的出现只能在每个图中进行对比，而不是在各个图中对
比。在这个点最大的相关性实际上是比前一个点上较小的。

[0045] 图28显示以4个增加的伪组分进行第二次估算。这与首次估算是没有多大差别，以及伪组分具有非常小的反应如构成其的组分是不存在的。

[0046] 图29显示以第二组药物动力参数计算出的时间曲线。

[0047] 图30显示与前一个图表数量对应的曲线下面积。

[0048] 图31显示现在如何进行首次估算并发现两个重要组分和两个普通的组分。

[0049] 图32再次显示4个增加的伪组分对系统的影响，如增效作用的时效被极大地抑制。

[0050] 图33个显示从红三叶草(红三叶)提取物取样测定的典型紫外线(UV)和主要20个光谱测定的色谱(MS)。显然染料木素和大豆前体是提取物的主要组分。
发明的详细说明

[0051] 本文对流程进行说明：a.确定混合物中一组的活性化合物包括但不仅限于草药提取物；确定组成分，其为获活性的或非活性的都会相互作用并产生可观测的效应；c.评
价活性成分的药物动力和药效特点；d.估算活性成分在体内产生作用的时间轮廓浓度；
e.估算总反应的时间轮廓；和f.计算提供理想反应剖面的最佳剂量。单一组分的药物动
力特征

[0052] 理解化合物的药物动力特征对于本文概念的演示是非常重要的。药物动力是一门研究化合物在人体中吸收、分布、代谢和排泄过程的学科。从根本上说，它是对化合物在
人体内时程的一种数学描述。药物动力的名称最早是由迪特里希于1952年杜撰出来的。
Gerhard Levy，Milo Gilbaldi，Leslie Benet教授进行的研究以及现今对药物动力进行研
究，而它现今已经成为药学领域的一个重要的分支。除了现今我们所了解到的知识外，当时
这些研究人员还必须使药物科学家相信强烈化学物无效性并且不能制成药物，除非它能够
被足量地吸收并到达药效作用的部位。成分不仅必须能够足量到达药效作用的部位，并且
组分也必须在药效作用的部位停留足够的时间，以便对适当的临床反应进行测量。掌握这
一基本概念可以了解将此化学制成药物的条件，例如它必须具有足够的效力以及具有“类
似药物”必需的特性。“类似药物”具有量化药物动力特性。效价是衡量化学物固有的活性，
例如浓度可抑制50％的酶含量(如胆碱酯酶)。

[0053] 传统上药物动力参数如排泄率、半衰期和分布容积在体内测量的数据。在过去二十年中，在文献中有介绍许多在体外和计算机模拟的方法。这些方法正在不断完善，在
过去几年里预测能力不断提高(Brightman et al.，2006a)。如今，有商业程序可供估算
铅的药物动力和药效特性(http://www.simulations-plus.com/products/gastro_plus.
html)。

[0054] 由于这项文章其中一个目标是开发天然产品，其中大部分是口服的，本文章里详细说明口服后化合物的药物动力特征。应当指出的是这一概念包括不经肠的或经肠的口服
组分的范围。

[0055] 吸收：化合物是口服摄取的，吸收到体内循环前将发生一定药效(图1)。如果化合物不是以溶液的形式进入消化系統，它将会溶解后才可以进入肠。化合物被吸收前，必须
停留在消化道管腔内一段时间。胃酸、在胰腺里产生的酶、肠细胞和肠道细菌能够分解或代
谢化合物。例如川芎藁苯内酯、人参皂甙和人参多糖灵芝。有时分解或代谢产物具有活性；
因此在人体内的总反应包括分解或代谢产物。在某些情况下，具有体外活性的组分在身体
内并非真的具有活性，因为它不能被吸收，因此无到达药效作用的部位。相反分解的产物或
代谢产物具有活性，这些成分是在体内活动的“活性”组分。一个很好的例子如人参皂甙，
连接寡糖的苷元是被结肠细菌裂解并以逐渐形成主要代谢产物的，如2OS-原人参萜二醇，
20-O-beta-D-吡喃葡萄糖苷和20S-原人参萜三醇(Hasegawa，2004)。苷元活性人参部份
及像前体药物的人参皂甙。

[0056] 组分渗透到肠的速度和程度取决于其物理化学性质如溶解度、pKa、脂溶性，分配系数等。在肠内的组分是与代谢酶发生反应并有可能将其转换为代谢物。再次说明这些代
谢物可能具有活性。Z-藁本内酯、甘氨酸等就是肠道代谢物的例子。

[0057] 在组分被吸收后，它将在血液肠系膜循环并经过门静脉流入肝。组分遇到过量肝代谢酶可代谢成多极的代谢物。

[0058] 吸收过程中通过化学或代谢降解的组分损失称为首过效应。用以下公式测定组分的生物利用度、F：

[0059] F＝l-FgFl (1)

[0060] Fg是在肠内蛋白原的分数，和Fl是穿过完好无损肝脏的分数。使用以下方程式对Fg进行估算：

[0061] Fg＝l-Fd-Fml-Fna-Fmint (2)

[0062] Fd是胃里和肠道内腔剂量分解的分数；Fml是肠道内腔代谢酶的分数；Fna是未吸收的分数和Fmint是肠上皮细胞代谢的分数。

[0063] 分布：在首过后剩下的组分是通过上腔静脉由血液回流到心脏的。通过肺循环压送后，组分将经过血液循环到达身体的其他部位。在此过程中，组分将输送到给各器官和组
织如肺、心、脑、肾、脂肪组织、红血细胞和肌肉。该组分还可以溶解到细胞膜、血浆和细胞蛋
白里。在某种程度上，组分在身体的分布取决于其理化性质。药物动力参数描述组分的分
布范围称为分布量(Vd)。

[0064] 排泄：当组分在身体循环和移动时，也可能被肝脏、肾脏和肺里的血液酶化学降解或代谢。组分和其降解产物将分泌到胆汁和/或通过肾脏排泄出去。组分或其降解产物是
由胆汁分解并可在肠道再次吸收。后一个过程称为肝肠循环。

[0065] 血浆或血液内的组分时程可使用药物动力模型进行说明。用来描述组分的药物动力参数有：吸收率、F、分布容积、Vd、总体清除率、ClT。ClT是描述身体所有排泄过程的术语。
该术语以方程式3表示：

[0066] ClT＝Clh+Clr+Clother (3)

[0067] Clh表示肝清除、Clr表示肾清除、ClOther表示其它器官排泄。单一组份的药效特征

[0068] 当组分移动到身体的各部分时，它也可以与各种细胞成分起化学反应包括受体，并触发了一系列的生化反应。这类反应可以转化为可测量的临床反应。例如，已证明银杏内
酯B是血小板活化因子受体拮抗剂，配合虾青素类胡萝卜素使用可用于治疗哮喘(Mahmoud
et al，2004)。

[0069] 典型的反应是剂量-或浓度反应关系。此类关系经常使用米氏动力学以描述(如图2所示)。尽管另有其他类型的浓度反应关系，此发明中最重要的问题是能够在算术上描
述此类关系。多组份的药物动力

[0070] 在口服多成分的混合物(如天然物质)时，它们将经历一个药物动力过程，如吸收、分配和排泄，这与单一成分的药物动力过程相似。混合物所面临的难题是服用的成分可
能会在不同的程度上产生相互作用。例如，一种成分可能会增加另一种成分的吸收。芸香
素显示出增强天然物质生物利用力的作用。一种成分可能由于另一种成分的存在而表现得
更为稳定。例如，藁本内酯在含乙醇的川芎的提取物中十分稳定，而纯粹的藁本内酯本身并
不稳定。关于酶层面的相互作用在文献资料中已有详细记录。例如，贯叶连翘中贯叶金丝
桃素显现出能促使P450同工酶的合成，尤其是，CYP 3A4。此诱发作用将引起许多严重的药
草与药物之交互作用(Venkataramanan et al.，2006)。一种成分可能在改变运输器功能上
起到重要作用，导致另一种物质的渗透性发生改变。因此，该成分的吸收率和排泄率也可能
出现显著改变。

[0071] 组份会争夺血浆蛋白质的结合位置。这种竞争能够引起Vd的改变、从而影响组份的分布和排除。组份可能会争夺涉及主动过程的肾排除。

[0072] 除药物动力相互作用以外，成分和其分类产品具有在受体层面上产生相互作用的潜能；由此改变其他成分的效力。开发多成分产品所面临的挑战

[0073] 显然易见，开发多成分的产品非常复杂，尤其是在使用常规方法的时候。想象试图自混合物中分离出活性物质并用这些活性物质再度以混合物的形式加以研究。这并非是开
发新药品或功能仪器的理想途径-这不足为奇(Williamson，2001)。显而易见的问题是，是
否有简单的方法？更精确些：单一物质的药物动力和药效以及其相互作用能够在没有妨碍
这些混合物的情况下得以评估和确定数量吗？

[0074] 此发明中描述了一项在混合物中获取個別单一成分的药物动力和药效参数的详细方法。图3是最优化处理过程的流程图；此图阐明了这一处理过程所采取的步骤。这些
图例强调了此发明的理论方面。通过模拟，论证了混合物中的活性成分可在未对单一成分
进行净化(净化过程可对天然产品的研究产生阻碍)的情况下得到精确地识别；而且，还可
运用其中所描述的方法研发一种草药制剂-红三叶制剂(Trifolium红三叶)，其中富含植
物性雌激素，用于治疗经绝期后骨质疏松。

[0075] 在具体运用中，当前的发明提供一种预测有多组份的混合物的体内药物动力和药效的方法，此方法包含以下步骤：a)测定混合物中的個別组份和相互影响的组份在消化道
和肝中的新陈代谢速率；b)测定组份在血液或血浆中的分布；c)测定组份被肾排除的速
率；d)测定组份的效力以及组份间的协同或抑制作用；上述测定方法包含用数学模型去预
测该混合物在体内的药物动力和药效特性.

[0076] 在具体运用中新陈代谢的速度由降解和吸收的速度所组成。就新陈代射的速度v，而言，可运用米氏动力学或其他形式的饱和性动力学。例如，米氏动力学可表示
为，此处的Vmax系\指最大的新陈代谢速度，C系指基底的浓度，而EC50指达到新陈代谢最
大速度的50％时的基底浓度。

[0077] 在具体运用中，通常假定降解速度(dc/dt)为第一级。这表示分解速度与浓度相关：

[0078]

[0079] 此公式中，C是在时间为t时的浓度，C0是在时间为零时浓度，k是第一级降解速度的常数。此速度等式可整合与转换为：
-Kt

[0080] C＝C0e

[0081] 处于半衰期的物质系在原浓度的50％消失时所测得。根据上述等式，半衰期t1/2可规定为：

[0082]

[0083] 在具体运用中，图1中的箭头表示为分解说明的第一级过程。

[0084] 在另一项具体运用中，当前的发明进一步包含用上述步骤(a)至(d)测定组份产生的活性代谢产物的参数的步骤，其中数学模型的输出能预测混合物及其代谢产物在体内
的药物动力和药效特性。一般说来，其中药物动力和药效特性包含组份及其代谢产物的浓
度-时间资料和反应-时间资料。

[0085] 在具体运用中，当前的发明包含能解答多个与线形无关或相互影响的未知数的数学模型。例如，此模型包括一个加权线性函数的模型和在单一成分剂量内带有增添的高阶
多项式、在多对剂量的产品中带有多项的相同模型。在另一具体运用中，当前发明物的数学
模式由此处描述的方程式(7)、(13)和/或(14)所组成。

[0086] 在具体运用中，测定消化道新陈代谢的速度包含活体外的测验。例如，测验包含使用人工胃液或肠液、肠道菌群、肠道微粒体的测验，或使用培养的细胞或肠道组织做渗透率
研究(即，Caco-2细胞或MDCK细胞)。

[0087] 在具体运用中，测定肝中的新陈代谢速率包含使用新鲜获取的肝细胞、冷藏保存的肝细胞，肝微粒体、肝细胞浆或S-9切片的测验。

[0088] 在具体运用中，测定血液或血浆中的分布包含测定一个组份的血浆蛋白结合、血液蛋白结合、pKa、log P、log D和体积分布。

[0089] 在具体运用中，肾排除的测定是根据组份的化学结构。

[0090] 在具体运用中，效力的测定包含受体结合测验、酶解测验、生化反应测验和使用分离组织或器官的测验。

[0091] 在另一具体运用中，当前的发明提供一种用此文所述方法确定有多个组份的组合物，其中所述多个组份拥有由此文所述方法测定出来且合意的体内药物动力和药效特性。
例如，组合物可能包含红三叶(Trifolium pratense)。在具体运用中，红三叶包含由此文所
述方法测定出来的formonoetin，鸡豆黄素A以及它们的苷的分量。
实施例1评定每种组份对混合物的反应所产生的作用的建模方法

[0092] 此实例旨在建立数学框架，据此框架，数学模型继而对混合物中的单一元件的活性加以描述和定量。引起的数学问题可在以下得以阐述。假定某人拥有许多不同来源的相
同中药的样本(例如，人参)，它们每一种在活性成分方面都具有潜在地不同组成。假定这
些样本由指数“i”所标识，其范围在1至M之间。假定每种样本包含N种活性成分，由指数
“j”所标识，其范围在1至N之间。每种成分的浓度均可得以测定，由C(i，j)表示，例如，
C(i，j)，将所有样本中1至N的成分(由j表示)的浓度相加得到1(或100％，将它们都相
加便会得到每种样本中的总数量)，由i’s表示。应当假定已知每种样本的生理效应(活
性度)为A(i)，该值由有效的经验数据所测得。通常应当假定活性度A是浓度C(i，j)的前
验未知非线性函数。一些情况下，它可通过实验确定，由此，函数A对单一成分的浓度或是
对总剂量可通过试验的方法加以测量。应当注意的是，在模拟实验得以实施时，必须假定某
种非线性关系以得到恰当的实验数据---这必须得以假定。眼前的问题是使用可利用的数
据集之有限尺寸以确定函数A(C(i，j))的形式。值得注意的是，A的形式并非独一无二的，
但它取决于基础函数集(用于表示在单一成分浓度上A的独立性)的选择。可能有各种函
数用于此目的；例如，多项式函数、指数函数、三角函数。A可能被轻率地假定为单一成分的
浓度的线性组合，但这将很快排除各成分之间或者饱和效应或者相互作用的可能性(抑制
作用和配合作用。)

[0093] 因此，最为合理的方法是期望A表示为一系列C(i，j)的多项式，从C的线性函数开始，继而是双线性组合，然后是C二次函数，再是三线性组合，C的三次函数，等等。在这
种情况下，首要任务是确定展开式中多项式的最高级，而多项式将与可利用的数量相一致。
另一方面，通常期望高浓度下的活性度应当显示出饱和效应，这与S形曲线的相依性和指
数级数更为一致。这些饱和效应可以使用米氏动力、或者是其他类型的限制、或者是通过其
他计算前的恰当的补偿性修正加以妥善处理。一旦寻找到函数A(C(i，j))，将有必要寻找
到其所有单一成分浓度(通常是N维空间)的多维空间内的最大值以提出膏剂的最佳配
方。然而，如果每种成分的单一药物动力因其通过胃-肠系统和排出器官进行传输而闻名，
如肝脏和肾脏，此过程引起的新陈代谢应当增加到成分的空间上来(例如，可能有K新的新
陈代谢)以有效地扩大来自N至N’＝N+K(图1)的多维模拟空间。理论上，如果已知在数
量上每种药物成分的新陈代谢的反应，则此方面便不会给这一问题增加任何概念上的复杂
性。因此，此方面在本文献中不做深入探讨。既然活性值来自各种各样的、可能纯度不同的
试验性检验，则能够通过在活性值上增加误差棒的方法来增加新的复杂性。最终的复杂性
包括每种单一成分的药物动力性质，换言之，每种组成的复合物显示出服用后的不同的时
间过程C(I，j；t)。这一问题引起：如何组合物成分的结合以达到传递给器官最佳剂量，服
用此剂量，各成分被认为是激活的。

[0094] 然而，最为关键的是活性成分的子集的测定(例如，测定将使用主要的成分分析来完成)其次是，活性成分间相互作用关系将通过非线性数据拟合的方式以实现。

[0095] 如果可以利用线性无关系、足够大的集的剂量-反应曲线，则模型可用于描述对成分的大量分布所做出的反应。
实施例2描述混合物中单一成分活性的模型构建

[0096] 此实例旨在运用实例1中所描述的方法构建模型以描述混合物内单一成分的活性。此模型将用于评估预先确定活动的假设混合物内单一成分的活性。

[0097] 剂量-反应关系的事实是，在低剂量下，反应与剂量成正比。然而，在高剂量下，反应达到极限。例如，米氏方程式表示：

[0098]

[0099] R表示反应，Rmax表示最大反应，C是此类剂量-反应行为下的剂量模型(图2)。为方便建造模型，R可采用下述方程式得以线性化。(图4)

[0100]

[0101] 在建立模型时，将考虑混合物的剂量转为考虑单一成分的剂量，这更为便捷。构造初始模型的第一个步骤是选择中心参考点。获得混合物内每种成分的平均剂量以提供一套
方法。任意一点均可用作此参考，如果参考点距离所考虑的区域附近，则很可能获取最佳结
果。使用所考虑的点di的剂量之间的差值和相应的参考剂量 di构建模型。此剂量上经过
变换的反应r，预计会成为剂量的平均值。

[0102] 作为初始模型，由于剂量接近参考剂量，则假定反应与剂量成正比。这相当于加权线性函数的模型。

[0103]

[0104] 要求取用N线性无关系混合物的最小值以保证此系统线性可解，使用最小二乘方可得到最佳解。

[0105] 一旦产生生理反应的首个模型，则可以对比实验数据。尤其是可以分析出剩余数，即模型与数据间的差值。在现阶段可识别未由模型解释的趋向。此模型可通过增加单一化
合剂量内高级多项式和多对剂量产品内的高级多项式加以改进。可以计算出这些附加项的
剩余数和函数间的相互关系的程度。数据内未由模型解释的趋向应当引起极其密切的相互
关系，这表示这些项应加入到此模型中。事实上，预计许多项几乎没有或完全没有相互关
系。将这些项排除在模型之外，就可避免出现许多近零重量与数据内的干扰相一致的问题。
最终此模型可以表示为：

[0106]

[0107] 此公式中，首个总和就是前方程式中的线性基值，第二个总数加上单一成分非线性行为，第三个总数加上与模型相互作用的两个成分(成对的)。而此表达式假定增加了所
有可能的二乘方和成对项，预计仅有一部分(二乘方和成对项)将真正重要而许多会遭到
忽略或省略，或者同样地，各自的重量可能当作零。如果适用的话，可使用高级多项式和非
多项式成分。

[0108] 鉴于模型通过向模型增加项的过程改进模型，剩余数在数量上减少从而降低了其级别。最终，可以得到对数据进行充分描述的模型。在模型已发展完成时，利用它向样本数
据提出所在的位置(这可能帮助减少模型内重量的不确定性或更好地研究数据内令人关
注的模式。)

[0109] 在此实例中，可对包括15种具有预先确定活性的成分的假定混合物进行检验。(图6)化合物2、9、10、12和13是活性的，而化合物4、10(虚拟化合物16)和化合物7和
8(虚拟化合物17)将产生配合作用。简单地说，相关效力可归因于一组0至1范围内的数
值，零表示没有活性，而1表示最大的效力。

[0110] 25种混合物随机产生，他们的相关数量在表1中列明。每种混合物都有完整的剂量-反应曲线(图5)。反应在表2中列明。

[0111] 采用上述建模方式，可评估每种成分的单一效力(图6)。这些数值可与预先确定的数值的效力相对比。已建成的模型能够正确地识别5种活性成分(图6A)，而此模型也可
以识别彼此相互作用的成对成分。(图6B)

[0112] 此模拟显示，活性成分及其相互作用的种类可在无需使用净化成分的条件下得以识别以获取想要的信息。此方法将极大地缩减研究复杂混合物的时间。

[0113] 此方法论可用于识别具有不同特点的更为复杂的混合物中活性成分及其相互作用的种类。此方法论也可用于评定混合物中单一成分的渗透性和新陈代谢的速度。使用米
氏动力学型的关系或使用由此产生的经修改的形式以描述此可饱和过程。在此发明物中，
此方法也可用于产生单一成分的药物动力参数。
表1 25种混合物内各自所含的15种成分的数量
表2 25种混合物的剂量-反应关系表
实施例3鉴别活性成分和相互作用的成分的详细方法

[0114] 此实例的目标是建立一中方法来发现混合物中所有的活性成分和相互作用的成分。在药材提取物中，可能存在着未知的成分。当某些成分无法被定量或定性分析所发现
时，就会发生这种情况；例如，紫外线吸光率很低的成分就无法被紫外线探测器检测到。因
此在模型的建立和经过实验对模型进行改进的过程中，问题可以得到解决。

[0115] 我们可以从以下几个方面来看待这个问题。1)如果对所有已知变量均加以认识后，仍然无法恰当地描述混合物的活动性，那么就需要对混合物的构成进行实证研究。2)无
须对未知成分的性质拥有明确的认识，我们仍可以假设未知成分总是存在的，而且它们会
结合在一起构成一个整体。

[0116] 可以建立一个发现隐藏着的活性成分的标准，在给定的一系列实验数据中，超过化验误差范围(例如15％)的变异率就意味着存在未发现的活性成分。

[0117] 此外，可以对目前的建模方法进行简单的拓展，以便同时评估几种不同类型的活度，活度函数：Ak(ci，cj)就成为了多维空间中的一个向量，而不再是一个标量。也可以根据
上述原则对某种特定的活度专门制定鉴别方法。

[0118] 以下介绍了一些有关的数学方法，我们可以用它们再结合典型综合数据集(见表3和表4)来解决手头上的数学问题。首先应使用一个非线性的模型来找出合适的数据。在
这里，成分的数量可以是通过实证而发现的实际数量，或者是采用主要成分分析方法或任
何其他的维度缩减方法而精减成的活性成分数量。
方法1：使用非线性回归分析进行曲线拟合

[0119] 在这里，举例来说，任意选定15个构成草药假定样品的成分。总体来说，1+N+(N*(N+1))/2＝121；N＝15，代表着需要通过匹配程序来确定的参数数量，而实验提供
了200个数据点。表3列出了25个假定样品的剂量-反应值，这些样品的活度通过8个不
同的剂量值来确定。

[0120] 主要的任务是通过非线性回归分析的方法来找出用以简化以下表达式的敏感度系数
2
Minαβ{∑i(F(α，β；c)-R)}；i＝1，2，...，200， (8)
表3和表4列出了已经对其25个不同样品进行了研究的一种混合物的15个成分的综
合数据。
表3 25个混合物中15个成分的数量(假定样品)
表4 25个混合物的剂量-反应关系(假定样品)

[0121] 表4总结了25个假定样品的浓度信息，每个样品都包含了15个独立的成分。图7是一系列包含相同基本成分的不同混合物组合的剂量-反应关系的示意图。每条曲线代
表了一个活度系数集。此图显示了这些系数的选择是如何影响混合物的总体活度的，以及
如何选择最佳的曲线来代表最有效的组合。

[0122] 可用于研究的数据是施用的混合物剂量及其反应的数据集。在真实情况下，这些剂量很可能不精确，而且反应也可能存在一些测定上的不确定因素(我们当然希望这些不
确定因素小到可以忽略不计)。

[0123] 我们提出的方法是对之前方法的一种归纳，即施用相同混合物的不同强度的剂量。不同强度的数据会分别获取，并在之后的步骤中加以结合。通过分别对待不同强度的
剂量，就可以将分析的过程加以简化。对于某些实例来说，这种方法会对数据的精确度带来
有利的影响。

[0124] 除了每个成分的剂量的直接线性作用以外，此模型也考虑了混合物的假定成分。其作用之一就是用以分析各成分之间的增效影响，另一个作用就是分析其互相抑制的影
响。额外的假定混合物的剂量是其他两个混合物剂量之合。为了避免这种假定混合物影响
到原始混合物，我们采用正交多项式的方式来对其进行构造。请注意，如果需要的话，可以
在假定混合物的基础上构造更高级别的假定混合物。

[0125] 另一种假定混合物适用于混合物种类很多的情况，而无须获取海量的剂量-反应数据。在这种情况下，我们采用聚类分析的方法来鉴别给药方式类似的数个混合物。请注
意，在图7中，在几个区域中不同成分的剂量-反应曲线非常相似。类似的给药方式之间具
有近乎线性对应的关系，在混合物种类很多时这种情况就更加常见了，这就需要大量的剂
量-反应配对数据来精确的获取各个成分的相关数据。用合成的或具有代表性的混合物来
代替聚类中的成员，就可以形成用以代表此聚类的假定混合物。如果某聚类被认为非常重
要，那么就有必要获取更多的剂量-反应配对数据，以便更好地了解各个成员的作用。

[0126] 我们在以上讨论了在一个纯线性的系统中如何创造假定混合物。反应的向量R以及剂量矩阵D则构成了一个简单的矩阵方程R＝ DS，其中未知的向量S是对每个混合物的
敏感度。每个混合物(以及假定混合物)的剂量-反应结果或活动可以产生观察到的反应。
请注意，敏感度(特别是对于假定混合物来说)即可以是正的，也可以是负的。

[0127] 最根本的问题就是要了解一个尚未确立的系统。一般而言，这是不可能的，但是我们可以假设很多条件可以忽略不计，从而实现这个目的。把这些值都看成是0，问题就得以
简化，形成一个超定系统。接着就可以对这个简化的系统进行求解。一步一步地，未知因素
的估计值就可以一一得到解答。任何真实数据集的反应的误差等级使得系统必须被简化到
一定的超定程度，以便获取准确的解答。如果方程式系统的简化结果仅仅稍稍超定，那么数
据中的误差就会使结果中存在大量的未知因素。因此可用的数据点数量必须大大超过要求
解的未知数的数量。不幸的是，这个数量在开始也是无法获知的。

[0128] 随着剂量-反应配对的数量不断增加，误差对反应的影响就不断减小。从数学角度来讲，这就相当于对一系列重复的测量值取平均值，从而获得一个更加准确的值。在模拟
数据集中，最剧烈的活动会得到持续而准确的采集。但是，主要成分中存在的任何错误都会
“污染”其他的数据，因为这些错误会被分配给其他活度较弱的成分，而这些错误在这些数
据中占的比例就高得多了。

[0129] 第一步是计算观察到的反应和剂量之间的(线性)相关性。相关性较弱(或没有相关性)的成分会被认为是无活性的。在实际经验中，对于模拟数据来说，这种假设也得到
了确认。较强的相关性来自于活性较强的成分，也可以来自于一些活性较弱或无活性的成
分。当一小部分系统成分通过其与反应之间的强烈相关性而被确认为是相关的，就可以求
2
解仅包含这些成分的一个简化了的系统。超定系统没有真实的解答，但是通过精简|DS-R|
的差值(最小二乘方法)，还是可以获得能够最好地求解系统的解答办法。

[0130] 为了估计结果的不确定性，我们采用了分步骤的方法。从观察数据配对集里选择数据配对(包括替换)从而构造了100,000个剂量-反应数据集。接着对每个构造的数据
集进行求解，然后对这些解答的分布情况进行统计，作为观察数据配对集的解答的估计值。
将观察到的数据减去用以上方法得出的解答，就得到了一个残数。通过计算与此残数之间
的相关性就可以发现那些具有较高活性但没有在简化系统中得到解答的成分。其他在简化
系统中得到解答的成分可能会被证明为活性较弱。可对简化系统中包含的成分集合加以调
整，并获得一个新的解答。如此反复，就可以得到能够描述观察数据的最终的敏感度数据
集。
方法2：主要成分分析

[0131] 子集选择——主要成分分析(PCA)被用于数据集的维度缩减，其方法就是保留那些对数据集的偏离值影响最大的特性。图8中给出了结果示例。

[0132] 请注意，在我们研究的综合数据集中(见图9)，从初始的15个变量转变而成的10个变量影响了数据中80％的偏离值。这就代表了极低的相关性/依赖关系/相互作用，信
息分布于所有变量之中。表5给出了对表3和表4中的综合数据集应用PCA方法而得出的
结果。其中最上面一行为线性系数□i(i＝1，…，15)，其下为15行配对系数□i，j，其中i
＝1，…，15，j＝1，…，15，这就构成了一个15×16的矩阵。加以标记的系数是PCA最后
保留下来的系数，被用来构造适用于整个数据集的响应函数。

[0133] 此例中讨论的数据集可以用PCA方法得出的以下响应函数来加以充分的表示。参数空间得到了极大的缩减，最后仅包含四个系数：两个针对线性作用的系数(系数X6和
X12)，以及两个针对相互作用的系数(针对增效作用的系数X13和X15，以及针对抑制作用的
系数X1和X15)。其余的变量不重要，可以被忽略。仅使用表5中加以标记的系数，就可以构
造一个对应的响应函数：反应＝0.5248x6-0.4893x12+0.4745x13x15-0.5703x1x15
表5反应分析(16x15排列

[0134] 现在让我们对回归分析中子集的选择进行一些一般性的说明。为一个拥有很多变量的给定的数据集选择模型可能是一个具有挑战性的工作。当存在很多预测因子(以及很
多可能的相互作用)时，要找出一个好的模型是很困难的。问题就是应该保留哪些主要作
用，另一个相关的问题就是应该保留哪些相互作用。模型的选择力图简化这个任务。这在
统计学的角度来讲是一个“无法解决”的问题：我们没有一个可以获得“最佳模型”的神奇
办法。数据挖掘可以用于模型的选择。为了实现这个目的，就需要有一个对两种模型进行
比较的标准或准，以及一个寻找模型的策略。通过有限数量的预测因子，我们就有可能找到
所有可能的模型。

[0135] 现在我们讨论一下可能的标准。R2不是一个好的标准，因为它常常随着模型规模的增长而变大，因此错误地得出采用最大的模型才能获得最佳结果的结论(采用调整后的
2
R更好一点，因为它消除了较大的模型)。马洛斯Cp模型(以科林·马洛斯命名)主要被
2
用作逐步回归的停止规则。它与赤池信息量准则类似，与R相比，它不太注重模型所受作
用的数量。它被定义为回归量总集K的一个子集，其中有P个回归量，即

2
其中 是模型的误差平方和，Yip是P个回归量中Y的第i个预测值，S 是对回
归量总集进行回归后的残余均方，而N是样本的规模。我们也考虑了赤池信息量准则(AIC)
以及施瓦茨的贝叶斯信息准则(BIC)。一种寻找策略就是寻找“最佳子集”，其工作是找到所
2
有可能的模型，并选出调整后R最大或Cp最小的一个模型。进行逐步的寻找(向前，向后
或同时向两个方向)需要选择一个初始模型，并在选定的标准范围内采取最大的跨越(向
2
上或向下)。R软件包中的工具包括了寻找“最佳子集”的方法，它使用调整后的R，Cp或
BIC按照分支定界法来进行穷举搜索，同时也包括了一个分步骤搜索的方法，其工作就是将
赤池信息量准则(AIC)最小化。模型拟合：其他可能的方法

[0136] 多元线性回归是不足以采用的。使用最佳化的方法来得到一个更适合的函数，就可能在插值之后得到一个非凹函数。我们正需要凹函数来方便地找出最大的反应。
s.t.-Q≥0

[0137] 其中x是代表混合物成分的向量，xT是其转置矩阵，A是其活度，Q是一个最优化参数，α是活度函数中线性系数的一个向量。现在我们要决定是采用广义线性回归，还是
采用逻辑回归。子集的选择：结果

[0138] 被选的变量(成分)是x2，x12，x13，x1x15，x10x12。最终得出的模型为：A＝α0+α2x2+α12x12+α13x13+β1，15x1x15+β10，12x10x12 (11)

[0139] 拟合模型为：A＝0.16+0.25x2+0.10x12+0.05x13-0.13x1x15+0.04x10x12 (12)
其中最后一项代表了增效作用，而倒数第二项则代表了抑制作用。线性回归得出的调
2
整后R值为0.9。找到最大的反应

[0140] 一种可能的非凹插值函数为：

[0141] 我们采用了整体最佳化的方法，从所有可能的(或感兴趣的)浓度中找出最大的反应：
(14)

[0142] 所有其他的变量(除了两个以外)都是固定的，并进行分析以获得反应曲线图。

[0143] 为了确定哪些组份明显地相互影响(按照25％的标准)，需要对活性的估计值和观察值作比较。如果观察值差异很大(＞25％)，就说明存在相互影响。可用线性系数的
近似值对完全非线性函数进行一级扰动。

[0144] (11)式中的反应函数是根据相同的数据集对非线性函数(12)式进行优化而得出的。其认为(12)式是最适合相关性系数0.9的函数。请注意，如前所述，永远不存在一种
神奇的统计学方法，因此就有必要尝试尽量多的函数，并选出一个能得到最佳结果的函数
(即与数据集的相关性最高的函数)。很明显，在这里PCA以及采用多元线性回归的方法来
优化函数(12)并不完全吻合，但是它们都确定了x12和x1x15项。PCA认为x13x15是相互作
用的项，而其他方法则认为应该是x10x12。如果不同的统计方法得出了有分歧的结果，那么
如果没有实验证据来排除某一个结果，就应该同时保留两个不同的结果。

[0145] 总而言之，从上例中可以看出，我们是可以使用统计学工具以及PCA来找出活性成分的。我们也可以利用多元线性回归的方法来创造一个活性模型。对于某个给定的混合
物活性，就可以找出其优化后的药物反应。拥有N个成分的混合物所需的最小测量数量为：
2
1+N+N/2 (15)

[0146] 因此可以利用子集选择的方法来缩减大量的测量工作。

[0147] 为了找出混合物的最佳组成，一般要使用方程式(13)和(14)。具体而言，对于最简单的情况，即分离出两个成分，但它们各自的浓度还没有得到优化，可以考虑以下方法。
假设活度函数取决于两个成分x和y，即：
活性＝0.3x+0.4y+0.7xy (16)

[0148] 其中最后一项两个成分之间的增效作用。由于整个混合物仅包含两个成分x和y，就有x+y＝1这样一个条件。活度函数就变成了：
2
活性＝0.4+0.6x-0.7x (17)

[0149] 这就成了仅拥有一个变量(即x)的函数。活度根据x而最小化为：giving x＝0.43 (18)

[0150] 于是最优化的组合就是：x＝0.43，y＝0.57。图10中具体描述了此例。

[0151] 这种方法也可以应用于多种成分的混合物，但是就需要进行多维分析了。

[0152] 图11中给出了多维示意图，其中包括影响到总体反应的两个成分的剂量关系实例(左侧)，以及在每种情况下残数是如何出现的(右侧)。
实施例4应用体外技术为图1中的药物动力/药效模型生成消化道反应动力学数据

[0153] 图12为此模型的更详细的描述。我们将会使用以下对象来测量分解、新陈代谢以及吸收的动力学：a.人造胃液和人造肠液；b.肠菌类；c.肠道微粒体；d.Caco-2或MDCK细
胞膜或肠道组织。

[0154] 人造胃液和人造肠液的稳定性：各成分的混合物会在人造胃液和人造肠液中进行培养。美国药典中介绍了制备人造胃液和人造肠液的标准流程。降解的动力学可以用来测
量混合物中各个成分的稳定性。使用与例1类似的方法(将方程式4和方程式5中的r替
换为降解率常数)，就可以确定各个成分的稳定性，以及其他成分对某成分在稳定性和分解
方面的潜在影响。

[0155] 通过肠菌类研究新陈代谢作用：通过肠菌类来研究草药混合物的新陈代谢作用的标准流程已经很完善(Hasegawa et al.，1996；Hasegawa和Uchiyama，1998；Hasegawaet
al.，2000；Hasegawa，2004)。人参皂苷是各种人参中包含的已知活性成分，包括人参、高丽
参和西洋参。有趣的是，这些成分的药理学活性都很低。使用肠道细菌酶来逐步去除糖苷
后得到的糖苷配基是活性成分。这些糖苷配基的生物药效率要比相应的人参皂苷更高。接
着可以使用例1中描述的方法通过肠道菌类来对各个成分的代谢率及其之间的潜在相互
作用进行定量测定。

[0156] 渗透性：通常采用Caco-2，MDCK细胞，老鼠肠道以及PAMPA来测量肠道渗透性。Caco-2细胞层是一种用来估计潜在对象渗透性的常用模型，但是它不适用于预测通过细胞
旁路途径吸收的化学物。使用室内专利流程培养的MDCK细胞的预测结果更准确一些。但
是，细胞培养的方法并不总是适用于研究药剂、天然提取物或配方的渗透性。经验告诉我
们这些制备品的可靠性并不总是有保障的。PAMPA从未被用来评估天然物质的吸收性。我
们还不清楚这个模型是否适用于天然药品的研究。老鼠肠道组织一直被大量用于研究合
成物质和天然物质的吸收性(Ruan et al.，2006)。一般而言，使用此模型估计的生物药效
率非常符合老鼠和人体的生物药效率(Chiou，1995；Chiou和Barve，1998；Chiou et al.，
2000)。使用这些方法以及例1中描述的方法，就可以测量各个成分的渗透性，以及它们对
混合物中其他成分渗透性的影响。

[0157] 肠道微粒体：具有渗透性的成分被选作培养肠道微粒体。这些成分可以是肠胃腔分解的产物，肠道菌类的代谢物，或者肠道酶。我们这样选择的原因是不可吸收的成分无法
接触到这些酶(见图13)。

[0158] 可以使用例1中描述的方法来估计混合物中各个成分的代谢率。也可以找出互相作用的成分。使用与图1类似的药物动力模型对代谢率、酶诱导性或酶抑制作用进行测量
和评定等级。

[0159] 这一系列研究所产生的数据将会提供用于描述某混合物在口服之后，在肠道中的稳定性，代谢率以及吸收率的所有相关参数(图1，12和13中的参数)。也可以发现吸收和
代谢方面的潜在互相作用。
实施例5以药物动力模型为肝脏生成肝代谢数据

[0160] 在最近的文献中已经显示了，相比人类肝脏微粒体而言，使用冷藏的人类肝细胞产生的代谢数据能更好地预测人体的肝清除率(Lam和Benet，2004；Hallifax et al.，
2005)。使用肝细胞的好处在于将药物成分吸收到细胞内的膜也被考虑在内(图14)。

[0161] 我们仅研究通过肠道吸收的成分及其代谢物。这些物质将通过肠道微粒体浓缩而来。可吸收成分是在渗透性研究后从仪器的基底室中收集而来。

[0162] 例1中描述的方法可以用于评估混合物中某个成分的代谢率。我们使用代谢率而不是使用浓度-效果关系来确定效果。通过这些研究而收集到的数据也可以用来分析成
分-成分之间和成分-代谢物之间的相互作用。

[0163] 可以使用已经发表的方法(Lau et al.，2002；Hallifax et al.，2005))来预测肝清除率。这些数据将会包含在用于曲线预测的药物动力/药效模型中。
实施例6血浆蛋白结合率及分布量的估计

[0164] 所有可吸收成分和代谢物都会出现在循环系统中。从理论上来讲，一种混合物在口服后生成的成分数量至少要比可吸收成分的数量高出一个数量级。但是，这些成分中很
多都只有极微小的量，要准确测定它们是很困难的。这些微量成分很可能对于混合物的药
物动力和药效不产生明显的作用。但是，如果它们的确有明显的作用，就可以采用数学分析
的方法来对其进行检测。除非有证据证明它们的作用，否则它们会被看成是无活性成分。

[0165] 在此例中，我们采用人体血浆来测定混合物中某个成分的血浆蛋白结合率。一般采用平衡透析之类的方法来测定化学物在血浆中的结合率。图15中给出了血液中某成分
的分布示意图。我们将使用例1中描述的方法来评估各成分之间潜在的相互作用。唯一的
差别在于结合率方程式会被用来描述潜在的相互作用。

[0166] 我们将会通过这些体外研究来获得的血浆里成分的分馏物。得到的数据可以用于：1.分馏物会被添加到血液舱里的药物动力/药效模型中；2.可以使用血液蛋白结合率
以及成分含量以P为底取对数而得到的值来预测分布量(Lobell和Sivarajah，2003)。同
样的，此参数也可以被添加到药物动力/药效模型中。
实施例7各成分及其代谢物的肾排除率的预测

[0167] 可以使用已发表的方法(Brightman et al.，2006a)来预测各成分及其代谢物的肾排泄率。同样的，可以使用例1中描述的方法来预测各成分之间潜在的相互作用。唯一
的差别在于浓度-效果关系被排泄率常数所替代。
实施例8使用基于生理学的药物动力和药效模型来描述混合物被口服后其中成分的
浓度及其时效性

[0168] 图1以及图12-15中展示了这种基于生理学的药物动力和药效模型。此模型的参数可以通过例4到例7中描述的研究来得到。可以使用相关数据来预测潜在的药物动力相
互关系。如果为测定类似例1中描述的多成分活性而选择了恰当的药理学模型，那么就可
以描述这些成分的综合反应。在此例中，我们讨论了药物动力/药效模型(见图1)在理论
方面的问题。

[0169] 部分溶解、输送和吸收(SDTA)模型可以解决胃、十二指肠、空肠以及回肠中的溶解和输送流，以及十二指肠、空肠以及回肠中的吸收。消化道被分成了三个腔：胃、小肠和结
肠。人类的小肠可以被分成七个子腔，药物从一个子腔传输到另一个子腔是第一级的传输
(Yu et al.，1996)。SDTA模型包含了以下两个假设：一，胃的吸收远比小肠的吸收少；二，药
物在小肠中的移动可以看成是在多个部分之间的流动，其中每个部分都代表着小肠的一个
子腔，两个子腔之间的药物移动是符合线性动力学的，所有的子腔的容积和流速可能不同，
但是停留时间都是一样的。

[0170] 在以下的方程式里，下标i指构成整个微粒尺寸-质量分布的各个微粒尺寸组。在每个微粒尺寸组中所有的微粒尺寸都相同，而且它们的尺寸不会随着溶解或沉淀而改变。
溶解和沉淀作用是由于微粒数量的改变而发生的。因此，对于以即刻释放的剂型施用的不
可降解的药物来说，在消化道中的溶解、吸收和传输可以表示成：

[0171] 胃

[0172] 小肠 n＝1，2，...7 (21)n＝1，2，...7 (22)

[0173] 结肠

[0174] 其中t代表时间，MsisMsinMsic分别代表胃中，小肠的第n个部分中，以及结肠中的固体药物量。Ks，Kt，Kc和Ka分别为胃排空、小肠运输、结肠运输和内在吸收的速度常数。在
0 s
方程式(3)和(4)中，当n＝1时，KtM项被替换为KsM 。

[0175] 药物吸收的总速度可以按下式计算：

[0176] 这里，Ma代表时间(t)的药物吸收量，Peff代表药物在肠膜内的有效渗透性，R代表小肠半径，ML＝∑MnL，n＝1，2，...，7，Peff(colon)代表药物在结肠膜的有效渗透性，Rcolon代
表结膜半径。所吸收的剂量部分，采用下列公式加以计算：

[0177] 方程式25和26将用以预计所吸收的部分药剂量以及药物吸收速度，然后依次涉及到传统隔间药物加工模式。

[0178] 吸收性受溶解率与渗透率控制。渗透率，参见肠膜药物非稳定状态。溶解供应速度与渗透吸收速度将决定出消化道的药物浓度。不过，消化道的药物浓度也受药物溶解性
控制。如果供应速度远远超过吸收率，消化道流体的药物浓度就可能接近溶解度。从数学
上讲，将采用下列方程式表达溶解度：

[0179] 这里，“D”代表扩散系数，“h”代表扩散层厚度，“d”代表固体药物密度，“Cs”代表溶解度，“V”代表容积。所以，颗粒尺寸(r)或溶解度将造成极低溶解性。

[0180] 该模型模拟了流经人体肠道的化合物的进食、溶解以及吸收，然后非稳定状态进入入口静脉、吸收总量，以及(如果能提供药物动力因子)，血浆的浓度-时间曲线。肠
道进食定格为系列隔间，这已经显示能再生肠道的精密进食时间分配情况，参见体内可
变性所示(Lartigue et al.，1991)。要么从体外溶解曲线插入溶解度动力学，要么采用
Noyes-Whitney方程式模拟“d”，考虑到根据Henderson-Hasselbach方程式和当地饱和度
和PH值所调整的颗粒尺寸、溶解度。现场吸收速度与溶解的药物浓度成正比；比如，假设
薄膜将用作吸收率控制挡板，所吸收的药物大量快速地与人体隔间相互混合，以保持沉没
条件，与进食道混合，进入被动或线性体内。吸收系数由体外试验结果而定，该试验采用
Caco-2或MDCK细胞或肠组织，小肠的解剖特性等；单一参数所确定的修正因子适合各种不
同的药物。修正因子的主要用途是解释体内吸收专用的新增表面积(与体外单层相比)，
不过，这还存在修正的表象特征，MDCK和Caco-2单层所需的修正值之间的实质差异将充
分证实这一点。所吸收的不稳定物质将进入中心体隔间，以便采用图1所示的生理模型
(Brightman etal.，2006a；Brightman et al.，2006b)进行分配和清洁工作。

[0181] 虚拟性内脏模型的主要意图是，改变体外试验所获得的渗透性现场资料，改变为普通级的预期值以及药物吸收时间。某种程度上，内脏是弹性极强的管道，其含有半渗透性
管壁。营养与流食吸入入口时，食品与水将流经内脏。

[0182] 肠道传输速度比较小，小肠平均传输时间大约3小时，整个肠胃通道大约24小时。所以，肠内流体运动假定为更高的薄片状，并且径向混合不良。根据换热器上下文，详细研
究了圆柱薄片状流体模型的属性(管壁具有吸收性)，并将其应用于肠道吸收(Amidonet
al 1980和Elliot，1979)。该方法的主要问题表现在，流体流速和药物进食的精确说明难
以反映出生理条件、难以提供管道外形变化情况、流体进食的属性、个体运动情况等等。越
是简单的模型(比如，与纵向扩散的径向搅拌耦合件)，正好能反映出肠道进食特征，并方
便协同作业。大多数流行的模型、隔间式吸收以及进食模型，事实上只包括明显的扩散，少
量使用纵向隔间进行上述扩散作业。

[0183] 肠道进食专用的单向扩散模型，参见如下：

[0184] 这里，“X”代表肠道沿线位置，C(x，t)代表物质浓度，假设在规定时间和地点均匀跨过肠道切面，“v”代表流经肠道的传输速度，“D”代表扩散常数，以及“F”代表非传输性的
俘获功能(比如，吸收、新陈代谢等)。

[0185] 有限不同模型所用的对流术语离散效果，参见如下：

[0186] 该方程式显示离散方程式的扩散部分，又称为数字扩散，通常视为不利扩散。隔间吸收与传输模型将充分利用这一优势，使用该模型的潜在系统扩散属性，调整离散尺寸，以
适当俘获体内观察的扩散效果。

[0187] 将选择函数F(C)，包括上述在内，用以俘获吸收、新陈代谢以及其它特性。最简单最重要的因子、被动吸收等，均参考该方程式：
F(C)＝-KaC (30)
使用：

[0188] 这里，Peff代表有效的渗透性，“R”代表肠道半径，“λ”代表表面-容积修正因子(允许实际肠道壁叶与单层细胞扁平表面之间的表面积差)。

[0189] 药物流入静脉入口“J”以及所吸收的比例值“Fa”，将计算如下：

[0190] 采用渗透力更换Peff所获得的活性传输，按下列方程式计算，渗透力取决于浓度：

[0191] 这里，Pmax代表最大渗透力，Km代表有效的黏合常数，两者均来自于体外试验预测值，并视潜在的区域不同而定。

[0192] 单独跟踪母本浓度与新陈代谢，形成了新陈代谢模型，包括当地模型“术语”，也就是将母本转换为代谢物。尽管可能增加更多的代谢物，不过，采用单一代谢物，也可图例显
示现行的模型。转变“术语”的形式如下：

[0193] 这里，Vmax和Km均为相互依赖的地区，每个部件(母本与新陈代谢)跟随有类似的传输以及吸收力。

[0194] 类似地，将固态转换成溶解状态，就可以形成溶解模型。溶解过程将受到溶解样品的扩散控制，溶解样品将远离固态颗粒物。就溶解于无限介质的球面颗粒物而言，按照
1/3 1/3
Hixson-Crowell立方根，设立扩散方程式：M0 -M ＝κt (36)

[0195] 这里，“K”代表立方根溶解常数，因为流量输入依据于原始未溶解材料数量，溶解性固体的输入时间将按下列方程式计算：

[0196] 这里，Cs代表未溶解颗粒物的浓度，仅随传输值和溶解时间(“Td″)的变化而改变，溶解时间定义如下：

[0197] 这里，“d”代表颗粒直径，ρ代表颗粒密度，Cs代表溶解度D代表扩散常数，以及h代表未搅拌层的有效深度。输入值设置为“零”(如果t＞Td)。

[0198] 隔间数量、传输总时间、表面-容积比率(2R)以及胃空率等，均与药物相对独立，不过，这取决于所采用的样品(表4)。
表4指定样品参数
人 老鼠 狗
隔间数量 71 7 7
小肠总传输时间 199分钟1 180分钟 83分钟2
有效的内脏半径 1.75厘米1 0.2厘米 0.75厘米
胃空时间 15分钟 15分钟 15分钟
1Yu et al，1996，2Twanaga et al，1998.

[0199] 隔间数量将显示出扩散情况，并考虑到沿小肠传输材料的纵向搅拌程度。传输时间表示材料在小肠内扩散的平均时间。胃空时间表示一般胃容量通过幽门瓣进入十二指肠
所需的时间。然而胃空变化差异很大，考虑到重叠原理，胃空动力就不会严重影响所吸收的
营养。不过，胃空将影响药物的实际动力值，并改变药物动力参数，比如，Cmax和Tmax。

[0200] 一般情况下，如果计算系统仅仅通过小心设计并实施才能生效，现行系统就可以采用多种指定测试，从而确保两种数字集成均有超高精度值，并控制出现某种错误。

[0201] 每种药物分子投放在装置中，必须排除、分配给人体某一部分，或转换给某些代谢物。质量平衡通常用于试验性药物动力，并具有一定的商业价值。

[0202] 就特殊药物情况而言，其将展示纯被动扩散、高溶解性以及非区域渗透性等，各种方程式将准确解答上述问题(Fa)，方程式如下：Fa＝1-(1+Ka/Kt)-N
(39)这里，Kt代表每个隔间之间的传输常数，N代表隔间数量。

[0203] 在药物动力模型中，人体将代表多个隔间。每个隔间具有一定容积，其参数列入表7。

[0204] 就“组织隔间”(代表人体组织，而不是本模型所揭示)的特殊作用而言。隔间中的化合物浓度将决定人体作用的密度。与“反应”盒相近的带状连接，为具体图例。

[0205] 隔间之间的材料移动，参见箭头所示。初步计量将进入肚子内，只要结肠、肝脏和肾脏为潜在消除地点。隔间之间的化合物移动与隔间之间的流体流量容积成正比，也与起
始隔间的浓度成正比，而与初间的浓度成反比。

[0206] 该型号假定为“质量平衡法”，将保持材料数量的平等性，专指流出隔间的材料，以及从一个隔间到另外一个隔间的数量。

[0207] 给定各个隔间中的化合物初始分布，该模型将及时进一步集成，通过第4次Runge-Kutta算术法，与各种时间步骤进行集成处理。

[0208] 组织隔间的尺寸可以调节，以便于隔间的总量(不含肠胃道内部)等于分布容积(就70公斤的人体体重而言)。

[0209] 使用15种化合物的混合物(参见实例2)，将形成药物动力参数表，并在表5中加以详细阐述。符合药物动力模型的上述参数将列为表6和表7。上述数据来自出版的技术
资料(Bernareggi和Rowland，1991；Davies和Morris，1993；以及Brown et al.，1997)。

[0210] 上述实例概述了硅集成以及体外方法，该方法将应用于识别混合物中的活性以及互动性样品，混合物与自然物质相类似。采用生理学为基础的药物动力和药效模型，15种化
合物中的任何一种的浓度时间关系，均可以预测(图16)。类似地，合成反应的时间关系也
可以计算出来(图17)。一旦数据(比如，图17中的数据)形成，就可以重建理想的反应剂
量值。该剂量包括成分，该成分对形成新产品和(或)剂量形式非常重要。
表5 15种化合物的药物动力参数
化合物数量 肠渗透性(/分钟) 肝内清除(/分 肝清除(升/分 分配容量(升/
钟) 钟) 千克)
1 0.17 632 0.59 0.53
2 0.86 6633 1.31 1.16
3 4.02 1104 0.79 0.36
4 4.43 2011 1.01 0.66
5 1.89 183 0.24 0.52
6 0.52 810 1.34 1.64
7 2.40 555 0.54 0.95
8 6.88 8929 1.35 0.58
9 0.14 15406 1.41 0.90
10 0.19 1428 0.89 1.57
11 0.12 792 1.33 2.28
12 0.20 294 0.35 0.35
13 0.80 915 0.72 0.79
14 2.99 223 0.28 0.80
15 0.38 443 0.46 0.95
表6流入/流出器官的血流速度
表7各种器官的生理容量
隔间 容量(升)
肚子内部/肠/结肠 0.155
部分肠 0.212
结肠 0.371
肾脏 0.280
肝脏 1.69
血液 5.20
实施例9显示为“药物类”属性有效性成分服务的集成实例

[0211] 该实例的目标是，提供模拟50种化合物所混合的混合物活性成分的预计方法。表8中，体外反应了系统中的50种成分的任何一种成分。另外，两组成分(3.23)和(20，50)
与0.800和1.00活动分别具有增效互动性。±5％将随机加入数据资料，每种混合物的整
个反应显示了米氏控制(对整个互动作业控制)。图18显示混合物整个反应数据资料标
准，专指每个混合物0和1单元中随机分配的成分相混合的混合物。

[0212] 采用随机形成的相关成分药物动力参数，该实例还图例显示了药物类属性的重要性，将决定出相关的治疗成分。
表8系统成分的体外反应
-3 -3 -3 -2 -3 -3 -2 -2 -2 -1
活性 7.58×10 7.37×10 9.08×10 1.03×10 5.56×10 6.03×10 1.61×10 1.18×10 1.83×10 10.0×10
编 号 41 42 43 44 45 46 47 48 49 50
-2 -1 -1 -3 -2 -2 -2 -3 -2 -1
活性 1.05×10 2.51×10 4.55×10 5.88×10 2.05×10 1.34×10 2.58×10 6.80×10 1.43×10 2.25×10
编 号 31 32 33 34 35 36 37 38 39 40
-3 -3 -1 -3 -3 -3 -3 -3 -3 -1
活性 9.86×10 9.43×10 6.84×10 4.63×10 6.41×10 3.48×10 3.85×10 7.18×10 5.03×10 3.71×10
编 号 21 22 23 24 25 26 27 28 29 30
-2 -3 -2 -1 -3 -1 -2 -2 -3 -1
活性 1.36× 10 6.19× 10 2.88× 10 2.57× 10 5.81× 10 8.75× 10 1.90× 10 2.09× 10 7.43× 10 5.81× 10
编 号 11 12 13 14 15 16 17 18 19 20
-1 -3 -1 -3 -1 -3 -3 -2 -2 -3
活性 3.34×10 9.11×10 6.71×10 6.40×10 6.15×10 5.48×10 6.62×10 2.08×10 1.41×10 4.53×10
编 号 1 2 3 4 5 6 7 8 9 10

[0213] 150种混合物以及从1.0剂量点的整个反应(图18)中，假定每预计反应的50种成分的每一种为线性反应(x±1标准误差)。一般地，这就可以很好地域实际反应值(o)相
比较，不过，目前仍存在很大的差异性(图19)。

[0214] 采用实例3所示的方法，可以绘制出居住及其各种乘法成对术语之间的关联图。关联性越高，颜色越暗，特别显著的位置是(20，50)对，属于输入活动中的相互关联的一组
(图20)。

[0215] 如果假冒成分51~54四组获得了新的改进性预计值。特别值得注意的是51和54为活性的，而52和53不是活性的。一般来说，成分将分为活性或不活性两种(图21)。

[0216] 重复操作相同的系统，不过，现在使用来自三个剂量点(1.0，0.3和0.1)的数据资料，就可以提供更准确更严密的结果(相对第一次预计值而言)，参见图22.

[0217] 居住关联性图纸非常相似于单一剂量事件，并可短暂删除。使用上述相同的四项假定的成分，就可以提供效果更佳的二次预计值(相对于单一剂量点实例而言)。四项假
定成分需做类似观察。将显示成分51和54，以便让52和53互动，因为52和53为非活性
(图23)。该实例详细清晰地显示，采用发明所规定的方法，可以精确预计出个别成分的活
动及其互动性情况。

[0218] 就研究的第2部分而言，两个隔间药物动力系统(含首次动力学结构)将用于模拟作业。第一个隔间为肠内结构，其容积0.4(就所有50项成分而言)。从肠内隔间可以看
出，可以直接消除第一个隔间，然后吸收，进入第二个隔间，第二个隔间的间隔各异。第二个
隔间代表人体，每个成分具有不同的容积和系统间隔。所有数据资料列入表9，沿半肝脏及
时间-数量曲线表的相关区域进行列表处理。形成数量与速度常数前，采用合适时间周期
内的统一分布的假定随机值加以处理，由此可以计算出所有其它数字。
表9

[0219] 采用药物动力数据资料以及口服剂量(每50个成分中的4个)，参见表9，浓度-时间关系曲线图由此形成(图24)。

[0220] 体内的浓度-时间关系曲线下部区域(AUC)为暴露的标示、是吸收和排除的净结果。参见表9的数据资料，。值得注意的是AUC值跨越两个数量级(图25)。

[0221] 将AUC数值带入人体外露于每个化合物的位置，同样设置150种混合物，每种化合物的AUC将按比例进行设置。当各种药物动力属性将调制各种化合物的活动时，将与体外
和体内试验之间的差异相对应。先前的实例与属性相同的每种成分的效果相同。值得注意
的是，先前系统中的一般活性成分现在就活性超常，主要是药物动力属性所致。采用系统几
乎难以维持的活动，可以采用相同的三组剂量加以预计，其预计结果十分良好(图26)。

[0222] 融入药物动力参数之后，残留物随先前图纸(图27和图20)变化十分明显。根据图纸中的密切关联点的比例值，来调节每种图纸的暗度，以便仅在上述图纸中的任一一个
图纸中比较个别点的外观效果，而不是两个图纸之间比较。实际上，最密切的关联图实际在
图纸中比先前的更暗。

[0223] 四个假定成分的二次预计值，与第一次差异不大，如果难以充分显示成分，那么，假定成分的反应值很小，参见图28。

[0224] 还需考虑二次药物动力系统，如果其含有不同类型的药物动力参数，不过，可从相同范围值表内加以选择。从本系统所得到的结果，参见表10。
表10

[0225] 第二组药物动力参数提供了浓度-时间曲线图，参见图29.AUC与先前图纸的浓度相对应，参见图30.首次预计值将显示两个重要成分以及两个普通成分(图31)。加入四个
假定成分后，难以对系统产生任何影响，只要尽力控制了增效时间，考虑到互动成分出现无
关紧要的交叠暴露(图32)。

[0226] 上述三种实例中，了解混合物成分、总剂量反应曲线以及混合物总剂量反应数据之后，就可以恢复每种成分的反应以及假定成分的反应。模拟过程中，如果预先知道这些数
值，其它数据资料所产生的预计结果将表明：上述数值的合理预计将来自试验数据，加入难
以提供活动预计值。三种实例之间的巨大差异将强调体内和体外活动之间的差异性。

[0227] 上述实例还将图例详细显示潜在互动性的重要因子。体外互动并非经常暗示：其中存在体内互动性。实例中，成分51和54为体外的互动组合，不过，体内不会形成互动组
合。所以，非常重要的是，应特别重视药物动力的差异性，只要体外发现了潜在互动性。如
果在互动样品之间的浓度曲线交叉并不重要，也就是如果上述潜在互动成分的药物动力特
性差异悬殊，那么，互动概率就可能最小化。
实施例10该发明的应用

[0228] 实例的主要目标是，图例显示该发明的部分使用情况。一般地，成分可能涉及到生物化学过程的多项活动。依据该条件，确定理想合成反应之前，就可以采用多项活动测试方
法。另一方面，该发明将用以预计效率与毒性，只要能提供体外模型。活性和毒性成分均将
清晰标出。依据上述资料信息，就可以设计出理想的成分结构。

[0229] 获得理想的成分结构后，就可采用下列方法之一，获得上述成分的理想数量：a，混合合适的原材料批次；b.开发定制法，提取有用成分；c.在控制性环境条件下，设计出增加
条件，比如，控制温室气体等在控环境；e.按照遗传学原理，修正样品，形成指定的成分；以
及f.净化有用物质，并按照成分清单表加以混合处理。

[0230] 就产品设计而言，应准备成型，以便按照理想方式传递上述物质，以便获得指定反应。

[0231] 采用上述方法进行产品设计时，应清晰识别出活性成分；以及显示出互动成分，产品质量应等效于单个部件的药品，除其包括有多种成分外。

[0232] 按照流行方式开发产品的优势是，提前了解自然物质的治疗法价值以及提前识别潜在毒性。

[0233] 产品类型能方便适用于药物开发计划，以便视为临床及预临床测试的主要方法之一。实例1~8勾画出的相同方法将用以检查毒性来源，以及检查反应毒性降低的成分。
实施例11骨质疏松症处理专项红三叶草发展计划

[0234] 该实例的目标是，利用本发明，开发出绝经后的骨质疏松症治疗常规药草。如同市场上大多数现成的研究药草那样，红三叶草(临床效益为最佳药草(Beck et al.，2005；
Wuttke et al.，2007)。表11显示，所有的商用产品中(Beck et al.，2003)整个植物雌激
素剂量大致相同。不过，个别成分的数量变化为原来的2~12倍。普通情况下，上述产品的
性能并非连续。其它植物雌激素的数量极少(比如，coumestans)，暂时还不了解药草效率
专供化合物。有趣的是，大多数活性成分、染料木黄酮以及黄豆苷等在红三叶草中数量极
少；不过，其先驱、澳白檀苷A和1.7-羟基-4’-甲氧异黄酮及其配糖含量比较高。问题表
现在，1.上述成分如何协同作业？2.在哪里进行新陈代谢转换？3.药物动力以及药效上
成分是否有互动作用？4.是否有其它代谢物可能提高红三叶草的整体药效？5.采用上述
发明，能否预计出成分的最佳效果？6.是否要改善红三叶草的性能方式？
表11不同商用产品的植物雌激素合成物
名称 日剂量(异 澳白檀苷A Formonoetin 染料木黄酮 黄豆苷(重量
黄酮总量 (重量百分比 (重量百分比) (重量百分比 百分比％)
(毫克)) ％) ％)
Promensil 40 4.13 2.6 0.17 0.1
Rimostil 57 2.28 20.65 0.03 0.11
Trinovin 40 4.35 2.5 0.16 0.1
Rotkle活性药片 不作要求 2.37 4.8 0.17 0.36
红三叶草药片 不作要求 2.39 4.64 0.36 0.82
红三叶草 40 4.6 2.5 0.13 0.13
异黄酮根 40 4.62 2.67 0.16 0.15
Menoflavon 40~80 1.97 5.46 0.11 0.43

[0235] 大量的研究表明，红三叶草和大豆的植物雌激素含量高。已经注意到，单一成分为染料木黄酮。同时还表明，染料木黄酮(54毫克/天，全年口服)为有效的激素换新治疗法
(Morabito et al.，2002)。不过，目前市面上暂无更确切的研究出版物。

[0236] 体外，五项(植物雌激素、染料木黄酮、黄豆苷、黄豆黄素、1.7-羟基-4’-甲氧异黄酮、澳白檀苷A和樱黄素渗透性研究工作已经完成，采用了Caco-2细胞单层或Caco-2细
胞溶菌液(Chen et al.，2005a)。还发现能快速运送上述化合物并进行新陈代谢。不过，上
述样品中暂未发现潜在交互作用的相关信息资料。测试了葡萄糖苷酸与硫酸盐结合为五种
样品的米氏参数。

[0237] 红三叶草中，最丰富的植物雌激素是1.7-羟基-4’-甲氧异黄酮，澳白檀苷A和配糖(图33)。最活性的成分包括染料木黄酮和黄豆苷，其分别属于1.7-羟基-4’-甲氧
异黄酮和澳白檀苷A的代谢物(Beck et al.，2003)。从1.7-羟基-4’-甲氧异黄酮和澳
白檀苷A转换成黄豆苷与染料木黄酮，将在结肠内通过肠菌类(Bowey et al.，2003)来完
成。还发现了黄豆苷、equol的代谢物，equol在结肠中形成微型肠菌类物质，也是最有效的
(Bowey et al.，2003；Setchell et al.，2005)。在红三叶草提取物中，染料木黄酮和黄豆
苷数量极少；通常情况下，其含量不超过10％(表11)。

[0238] 通过人体肠与肝的组织(Day et al.，1998)，测出了染料木黄酮和黄豆苷的配糖含量。还单独测出了染料木黄酮和黄豆苷的新陈代谢速度。

[0239] 采用老鼠肠部灌注模式以及老鼠肝脏、十二指肠、空肠、回肠和结肠(Chen etal.，2005)所准备的微粒体，对首批新陈代谢和肠肝循环(染料木黄酮、黄豆苷、1.7-羟
基-4’-甲氧异黄酮、澳白檀苷A和樱黄素)进行评估。与此同时，就肠沿线的吸收率和新
陈代谢率，也进行了详细说明。而且，肝脏新陈代谢和肠肝循环的重要性，还进行了详细报
告。就无需再次研究混合物。

[0240] 就澳白檀苷A的药物动力研究工作，以老鼠为研究对象(Moon et al.，2006)以及红三叶草为研究对象(Howes et al.，2002)。血浆植物雌激素及其代谢物，均作了相关报
告。尽管上述数字资料十分重要，但是，迄今为止，血浆中还有一半的活性浓度未进行预测；
所以，现场作业中，活性浓度应达到一半。所以，难以推断出上述样品中是否存在明显的交
互作用。

[0241] 大多数豆类异黄酮为染料木黄酮、黄豆苷以及黄豆黄素(Ewies，2002)。因为红三叶草的植物雌激素含量高，所以，在治疗绝经期月经紊乱症方面前景良好(Beck et al.，
2005)。与雌二醇不同，植物雌激素显示了对雌激素受体(ERβ)更强的亲合力(与雌激素受
体(Erα)相比)，同时恢复了目标基因抄本所需的辅调节蛋白，专指ERβ(Kuiper etal.，
1998)选用的抄本。就指定组织的上述受体不同亲合力，将详细解释上述植物雌激素的特
征(Enmark et al.，1997；Kuiper et al.，1997；Onoe et al.，1997；Wiik et al.，2003)。
ERβ的亲合力将解释绝经期植物雌激素的益处，以及解释乳房和其它器官缺少致癌毒性的
益处。研究发现，染料木黄酮对ERβ亲合力最高。这就是经常研究化合物的原因所在，专
指临床实验(Morabito et al.，2002)所采用的化合物。近期研究发现，黄豆苷最具有体外
(Li et al.，2005；Ge et al.，2006)形成造骨细胞的潜力，与染料木黄酮相比。近期研究
结果还清晰表明，红三叶草中的多种成分对雌性激素有决定性作用。还需提供革新方法，识
别活性成分，而不需单独进行研究。

[0242] 尽管红三叶草的植物雌激素含量高，染料木黄酮和黄豆苷的比例超过大豆。红三叶草成为首选的原因是，染料木黄酮和黄豆苷、澳白檀苷A和1.7-羟基-4’-甲氧异黄酮
的相关含量更高。染料木黄酮和黄豆苷的糖苷配基药效性，低于5％；这主要是因为首先通
过的内脏和/或肝脏的新陈代谢率高。大概，结肠中肠菌类生物酶所释放的糖苷配基将强
化其生物药效性，因为从结肠所吸收的物质将部分旁通到首次通过的新陈代谢(Setchell
etal.，2001)。

[0243] 上述物质转化为各种糖苷配基时，将依赖于肠菌类的新陈代谢。于肠菌类成分的可变性超过其它物质；可以假定，澳白檀苷A和1.7-羟基-4’-甲氧异黄酮转化为糖苷配
基不连续。就临床观察的不稳定性结果而言，可变性的作用非常重要。

[0244] 最近，显示了肠菌类在植物雌激素新陈代谢中的重要性以及生物药效性(Ohtaetal.，2002；Nielsen和Williamson，2007)。还显示了未成熟的肠菌类，以便于影响大豆
(Nielsen和Williamson，2007)在异黄酮中的生物药效性。低聚果糖(FOS)模拟双歧杆菌
成长过程，这将分开异黄酮，发生化学变化，形成相应的糖苷配基和代谢物(Ohta et al.，
2002)。该项研究表明，异黄酮的生物药效性增加，这是因为β-葡萄糖苷酶活动量增加，
该活动将主要负责异黄酮的葡萄糖苷酶的新陈代谢(相对糖苷配基而言，糖苷配基已被吸
收)。可以假设，健康的肠菌类不仅可以改善红三叶草中的异黄酮吸收性，而且可以降低异
黄酮血液流量的内部波动性。为了优化红三叶草的功能，就应包含生命起源前的内容。

[0245] 文献资料将用以确认证实目前的部分发明情况。还将以此支持最佳成分预测精度，即从现行发明中所获得的预测。

[0246] 从出版物的研究结果看出，所采用的体外工具与本发明拟用的相似。需要重复上述研究工作，只需用一组红三叶草提取物，该提取物包括某些植物雌激素的不同成分。上述
研究的结果将提供新陈代谢数据资料和成分活动概况，还将提供潜在的交互作用。

[0247] 决定红三叶草的临床活动中，肠菌类的新陈代谢作用非常重要。所以，生命起源以前的物质(比如，低聚糖和β-葡聚糖)，在改善半数活性生产持续性方面，十分重要。

[0248] 使用本发明的概念，非常可能可以取得一个理想的红三叶草治疗骨质疏松症的成分资料。估计formonoetin，鸡豆黄素A和它们的苷为标准化的对象。同样估计
formonoetin(糖苷配基+苷)的总量的分量会比鸡豆黄素A(糖苷配基+苷)的总量的分
量高。而且有必要引入前生物或益生素从而提高有益的肠道生长从而提高这种新的红三叶
草提取物的活性。这种红三叶草产品的每日剂量将为50至100微克植物雌激素。参考文
献 1.Ahlemeyer B and Krieglstein J(2003)Pharmacological Studies supporting
thetherapeutic use of Ginkgo biloba extract for Alzheimer’s disease.
Pharmacopsychiatry 36 Suppl 1：S8-14.2.Beck V，Rohr U and Jungbauer A(2005)
Phytoestrogens derived from red clover：an alternative to estrogen replacement
therapy？J Steroid Biochem Mol Biol94：499-518.3.Beck V，Unterrieder E，Krenn
L，Kubelka W and Jungbauer A(2003)Comparisonof hormonal activity(estrogen，
androgen and progestin)of standardized plantextracts for large scale use in
hormone replacement therapy.J Steroid BiochemMol Biol 84：259-268.4.Bernareggi
A and Rowland M(1991)Physiologic modeling of cyclosporin kineticsin rat and
man.J Pharmacokinet Biopharm 19：21-50.5.Blumenthal M and Milot B(2004)
Bioassays for testing activing andbioavailability of botanical products.
Journal of the American BotanicalCouncil：48-51.6.Bowey E，Adlercreutz H and
Rowland I(2003)Metabolism of isoflavones andlignans by the gut microflora：a
study in germ-free and human flora associatedrats.Food Chem Toxicol 41：
631-636.7.Brazier NC and Levine MA(2003)Drug-herb interaction among commonly
usedconventional medicines：a compendium for health care professionals.Am J
Ther10：163-169.8.Brightman FA，Leahy DE，Searle GE and Thomas S(2006a)
Application of a genericphysiologically based pharmacokinetic model to the
estimation of xenobioticlevels in human plasma.Drug Metab Dispos 34：
94-101.9.Brightman FA，Leahy DE，Searle GE and Thomas S(2006b)Application of a
genericPhysiologically based pharmacokinetic model to the estimation of
xenobioticlevels in rat plasma.Drug Metab Dispos 34：84-93.10.Brown RP，Delp
MD，Lindstedt SL，Rhomberg LR and Beliles RP(1997)Physiologicalparameter values
for physiologically based pharmacokinetic models.Toxicol IndHealth 13：
407-484.11.Chang TK，Chen J and Teng XW(2006)Distinct role of bilovalide and
ginkgolideA in the modulation of rat CYP2B1 and CYP3A23 gene expression by
Ginkgo bilobaextract in cultured hepatocytes.Drug Metab Dispos 34：234-242.12.
Chen J，Lin H and Hu M(2005a)Absorption and Metabolism of genistein and itsfive
isoflavone analogs in the human intestinal Caco-2model.Cancer
ChemotherPharmacol 55：159-169.13.Chen J，Wang S，Jia X，Bajimaya S，Lin H，Tam VH
and Hu M(2005b)Dispositionof flavonoids via recycling：comparison of
intestinal versus hepaticdisposition.Drug Metab Dispos 33：1777-1784.14.Chiou
WL(1995)The validation of the intestinal permeability approach topredict oral
fraction of dose absorbed in humans and rats.Biopharm Drug Dispos16：71-75.15.
Chiou WL and Barve A(1998)Linear correlation of the fraction of oral
doseabsorbed of 64 drugs between humans and rats.Pharm Res 15：1792-1795.16.
Chiou WL，Ma C，Chung SM，Wu TC and Jeong HY(2000)Similarity in the linearand
non-linear oral absorption of drugs between human and rat.Int J ClinPharmacol
Ther 38：532-539.17.Davies B and Morris T(1993)Physiological parameters in
laboratory animalsand humans.Pharm Res 10：1093-1095.18.Day AJ，DuPont MS，
Ridley S，Rhodes M，Rhodes MJ，Morgan MR and Williamson G(1998)Deglycosylation of
flavonoid and isoflavonoid glycosides by human smallintestine and liver
beta-glucosidase activity.FEBS Lett 436：71-75.19.Enmark E，Pelto-Huikko M，
Grandien K，Lagercrantz S，Lagercrantz J，Fried G，Nordenskjold M and Gustafsson
JA(1997)Human estrogen receptor beta-genestructure，chromosomal localization，
and expression pattern.J ClinEndocrinol Metab 82：4258-4265.20.Ewies AA(2002)
Phytoestrogens in the management of the menopause：up-to-date.Obstet Gynecol
Surv 57：306-313.21.Ge Y，Chen D，Xie L and zhang R(2006)Enhancing effect of
daidzein on thedifferentiation and mineralization in mouse osteoblast-like
MC3T3-E1 cells.Yakugaku Xasshi 126：651-656.22.Hallifax D，Rawden HC，Hakooz N
and Houston JB(2005)Prediction of metabolicclearance using cryopreserved human
hepatocytes：Kinetic characteristics forfive benzodiazepines.Drug Metab Dispos
33：1852-1858.23.Hasegawa H(2004)Proof of the mysterious efficacy of ginseng：
basic andclinical trials：metabolic activation of ginsenoside：deglycosylation
byintestinal bacteria and esterification with fatty acid.J Pharmacol Sci95：
153-157.24.Hasegawa H，Lee KS，Nagaoka T，Tezuka Y，Uchiyama M，Kadota S and Saiki
I(2000)Pharmacokinetics of ginsenoside deglycosylated by intestinal bacteria
and itstransformation to biologically active fatty acid esters.Biol Pharm
Bull23：298-304.25.Hasegawa H，Sung JH，Matsumiya S and Uchiyama M(1996)Main
ginseng saponinmetabolites formed by intest inal bacteria.Planta Med 62：
453-457.26.Hasegawa H and Uchiyama M(1998)Antimetastatic efficacy of orally
administeredginsenoside Rb1 in dependence on intestinal bacterial hydrolyzing
potentialand significance of treatment with an active bacterial metabolite.
Planta Med64：696-700.27.Hollman PC，van Trijp JM，Buysman MN，van der Gaag MS，
Mengelers MJ，de VriesJH and Katan MB(1997)Relative bioavailability of the
antioxidant flavonoidquercetin from various foods in man.FEBS Lett 418：
152-156.28.Howes J，Waring M，Huang L and Howes LG(2002)Long-term
pharmacokinetics ofan extract of isoflavones from red clover(Trifolium
pratense).J AlternComplement Med 8：135-142.29.Hu Z，Yang X，Ho PC，Chan SY，Heng
PW，Chan E，Duan W，Koh HL and Zhou S(2005)Herb-drug interactions：a literature
review.Drugs 65：1239-1282.30.Khwaja TA and Friedman EP(2000)Pharmaceutical
grade St.John’s Wort，in USPTOPatent Full-Text and Image Database(USPTO ed)，
University of SouthernCalifornia Pharmaprint Inc.，USA.31.Khwaja TA and
Friedman EP(2002)Pharmaceutical grade botanical drugs，in USPTOPatent Full-Text
and Image Database(USPTO ed)，PharmaPrint，Inc.Universityof Southern California，
U.S.A.32.Komoroski BJ，Parise RA，Egorin MJ，Strom SC and Venkataramanan R(2005)
Effectof the St.John’s wort constituent hyperforin on docetaxel metabolism by
humanhepatocyte cultures.Clin Cancer Res 11：6972-6979.33.Komoroski BJ，Zhang
S，Cai H，Hutzler JM，Frye R，Tracy TS，Strom SC，LehmannT，Ang CY，Cui YY and
Venkataramanan R(2004)Induction and inhibition ofcytochromes P450 by the
St.John’s wort constituent hyperforin in humanhepatocyte cultures.Drug Metab
Dispos 32：512-518.34.Kuiper GG，Carlsson B，Grandien K，Enmark E，Haggblad J，
Nilsson S and GustafssonJA(1997)Comparison of the ligand binding specificity
and transcript tissuedistribution of estrogen receptors alpha and beta.
Endocrinology 138：863-870.35.Kuiper GG，Lemmen JG，Carlsson B，Corton JC，Safe
SH，van der Saag PT，van derBurg B and Gustafsson JA(1998)Interaction of
estrogenic chemicals andphytoestrogens with estrogen receptor beta.
Endocrinology 139：4252-4263.36.Kwak WJ，Han CK，Son KH，Chang HW，Kang SS，Park BK
and Kim HP(2002)Effectsof Ginkgetin from Ginkgo biloba Leaves on
cyclooxygenases and in vivo skininflammation.Planta Med 68：316-321.37.Lam JL
and Benet LZ(2004)Hepatic microsome studies are insufficient tocharacterize in
vivo hepatic metabolic clearance and metabolic drug-druginteractions：studies
of digoxin metabolism in primary rat hepatocytes versusmicrosomes.Drug Metab
Dispos 32：1311-1316.38.Lartigue S，Bizais Y，Bruley des Varannes S，Cloarec D and
Galmiche JP(1991)[Measurement of gastric emptying，intestinal transit time and
colonic fillingby scintiscan in healthy subjects].Gastroenterol Clin Biol 15：
379-385.39.Lau YY，Sapidou E，Cui X，White RE and Cheng KC(2002)Development of a
novelin vitro model to predict hepatic clearance using fresh，cryopreserved，
andsandwich-cultured hepatocytes.Drug Metab Dispos 30：1446-1454.40.Li XH，
Zhang JC，Sui SF and Yang MS(2005)Effect of daidzin，genistin，andglycitin on
osteogenic and adipogenic differentiation of bone marrow stromalcells and
adipocytic transdifferentiation of osteoblasts.Acta Pharmacol Sin26：
1081-1086.41.Liu Y and Yang L(2006)Early metabolism evaluation making
traditional Chinesemedicine effective and safe therapeutics.J Zhejiang Univ
Sci B 7：99-106.42.Lobell M and Sivarajah V(2003)In silico prediction of
aqueous solubility，human plasma protein binding and volume of distribution of
compounds formcalculated pKa and AlogP98 values.Mol Divers 7：69-87.43.Mahmoud
FF，Haines DD，Abul HT，Abal AT，Onadeko BO and Wise JA(2004)In vitroeffects of
astaxanthin combined with ginkgolide B on T Iymphocyte activationin peripheral
blood mononuclear cells from asthmatic subjects.J PharmacolSci 94：129-136.44.
Mathews JM，Etheridge AS and Black SR(2002)Inhibition of human cytochromeP450
activities by kava extract and kavalactones.Drug Metab Dispos30：1153-1157.45.
Mathews JM，Etheridge AS，Valentine JL，Black SR，Coleman DP，Patel P，So Jand Burka
LT(2005)Pharmacokinetics and disposition of the kavalactone kawain：
interaction with kava extract and kavalactones in vivo and in vitro.Drug
MetabDispos 33：1555-1563.46.Mohutsky MA，Anderson GD，Miller JW and Elmer
GW(2006)Ginkgo biloba：evaluation of CYP2C9 drug interactions in vitro and in
vivo.Am J Ther13：24-31.47.Moon YJ，Sagawa K，Frederick K，Zhang S and Morris
ME(2006)Pharmacokineticsand bioavailability of the isoflavone biochanin A in
rats.Aaps J 8：E433-442.48.Morabito N，Crisafulli A，Vergara C，Gaudio A，Lasco A，
Frisina N，D’Anna R，Corrado F，Pizzoleo MA，Cincotta M，Altavilla D，Ientile R and
Squadrito F(2002)Effects of genistein and hormone-replacement therapy on bone
loss on earlypostmenopausal women ：a randomized double-blind
placebo-controlled study.JBone Miner Res 17：1904-1912.49.Newman DJ，Cragg GM
and Snader KM(2003)Natural products as sources of newdrugs over the period
1981-2002.J Nat Prod 66：1022-1037.50.Nielsen IL and Williamson G(2007)Review
of the factors affectingbioavailability of soy isoflavones in humans.Nutr
Cancer 57：1-10.51.Ohta A，Uehara M，Sakai K，Takasaki M，Adlercreutz H，Morohashi
T and IshimiY(2002)A combination of dietary fructooligosaccharides and
isoflavoneconjugates increases femoral bone mineral density and equol
production inovariectomized mice.J Nutr 132.2048-2054.52.Onone Y，Miyaura C，
Ohta H，Nozawa S and Suda T(1997)Expression of estrogenreceptor beta in rat
bone.Endocrinology 138：4509-4512.53.Pang PKT，Shan JJ and Chiu KW(2000)
Chemical and pharmacologicalstandardization of herbal extracts，in USPTO Patent
Full-Text and ImageDatabase(USPTO ed)，CV Technologies Inc.，U.S.A.54.Ruan LP，
Chen S，Yu BY，Zhu DN，Cordell GA and Qiu Six(2006)Prediction ofhuman absorption
of natural compounds by the non-everted rat intestinal sacmodel.Eur J Med Chem
41：605-610.55.Schulz Hu，Schurer M，Bassler D and Weiser D(2005)Investigation
ofpharmacokinetic data of hypericin，pseudohypericin，hyperforin and
theflavonoids quercetin and isorhamnetin revealed from single and multiple
oraldose studies with a hypericum extract containing tablet in healthy
malevolunteers.Arzneimittelforschung 55：561-568.56.Setchell KD，Brown NM，Desai
P，Zimmer-Nechemias L，Wolfe BE，Brashear WT，Kirschner AS，Cassidy A and Heubi
JE(2001)Bioavailability of pure isoflavonesin healthy humans and analysis of
commercial soy isoflavone supplements.JNutr 131：1362S-1375S.57.Setchell KD，
Clerici C，Lephart ED，Cole SJ，Heenan C，Castellani D，Wolfe BE，Nechemias-Zimmer
L，Brown NM，Lund TD，Handa RJ and Heubi JE(2005)S-equol，a potent ligand for
estrogen receptor beta，is the exclusive enantiomeric formof the soy isoflavone
metabolite produced by human intestinal bacterial flora.Am J Clin Nutr 81：
1072-1079.58.Tam YK and Anderson KE(2000)Simulated biological dissolution and
absorptionsystem，in USPTO Patent Full-Text and Image Database(USPTO ed)，
U.S.A.59.Venkataramanan R，Komoroski B and Strom S(2006)In vitro and in vivo
assessmentof herb drug interactions.Life Sci 78：2105-2115.60.Venkataramanan
R，Ramachandran V，Komoroski BJ，Zhang S，Schiff PL and StromSC(2000)Milk
thistle，a herbal supplement，decreases the activity of CYP3A4and uridine
diphosphoglucuronosyl transferase in human hepatocyte cultures.Drug Metab
Dispos 28：1270-1273.61.Wiik A，Glenmark B，Ekman M，Esbjornsson-Liljedahl M，
Johansson O，Bodin K，Enmark E and Jansson E(2003)Oestrogen receptor beta is
expressed in adulthuman skeletal muscle both at the mRNA and protein level.
Acta Physiol Scand179：381-387.62.Williamson EM(2001)Synergy and other
interactions in phytomedicines.Phytomedicine 8：401-409.63.Williamson EM(2005)
Interactions between herbal and conventional medicines.Expert Opin Drug Saf 4：
355-378.64.Wuttke W，Jarry H and Seidlova-Wuttke D(2007)Isoflavones -safe
foodadditives or dangerous drugs？Ageing Res Rev 6：150-188.65.Yan R，Ko NL，Li
SL，Tam YK and Lin G(2008)Pharmacokinetics and metabolismof ligustilide，a major
bioactive component in Rhizoma Chuanxiong，in the rat.Drug Metab Dispos 36：
400-408.66.Yan R，Lin G，Ko NL and Tam YK(2007)Low Oral Bioavailability
andPharmacokinetics of Senkyunolide A，a Major Bioactive Component in
RhizomaChuanxiong，in the Rat.Ther Drug Monit 29：49-56.67.Yim JS，Kim YS，Moon
SK，Cho KH，Bae HS，Kim JJ，Park EK and Kim DH(2004)Metabolic activities of
ginsenoside Rb1，baicalin，glycyrrhizin and geniposideto their bioactive
compounds by human intestinal microflora.Biol Pharm Bull27：1580-1583.68.Zhou
S，Huang M，Xu A，Yang H，Duan W and Paxton JW(2005)Prediction of herb-drugmetabol
ic interactions：a simulation study.Phytother Res 19：464-471.