PK/PD 監管指南臺賬全解讀ICH、FDA、EMA 指南要求與各分析類型的申報報告標準基于 pkpd-modeling【免費下載鏈接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.項目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills導讀在藥物研發中PK/PD 分析非房室分析、群體藥代動力學、暴露-效應、生物等效性、PBPK、藥物相互作用等的每一項結果最終都要經受監管機構的審視。本文基于scientific-agent-skills倉庫中 pkpd-modeling 技能的核心參考文檔 regulatory-guidance.md系統梳理 ICH、FDA、EMA 與 PK/PD 建模直接相關的指南臺賬含關鍵日期與狀態、各分析類型必須向監管方申報的具體內容并結合倉庫內 11 個可執行腳本與 14 篇參考文獻說明每一項監管要求在本技能中對應的落地工具。讀完本文你將掌握申報一份 PK/PD 分析報告時需要引用哪些指南、每類分析NCA、popPK、E-R、BE、PBPK、DDI必須陳述的要素清單以及監管方評價模型的底層邏輯——intended use預期用途優先。文檔定位與使用前提regulatory-guidance.md在倉庫中扮演監管臺賬角色它不是一篇分析教程而是一張帶日期、狀態和常被遺漏的要求的指南索引表。文檔自身明確聲明狀態核驗時間為2026-07-27ICH 指南是公開出版物其要求被直接概括引用正式申報時必須始終以權威版本為準always work from the authoritative copy for a submission。這也提醒讀者本文及原文檔中的日期、狀態僅是臺賬快照實際遞交前應到各監管機構官網核驗最新版本。倉庫中與該文檔配套的完整體系可見 skills/pkpd-modeling/SKILL.md技能內 11 個腳本nca.py、fit_compartmental.py、simulate_regimen.py、check_popk_dataset.py、exposure_response.py、bioequivalence.py、allometry_and_fih.py、ddi_static.py、tdm_bayes.py等負責計算與診斷而監管指南則回答這些計算結果要按什么標準申報。所有腳本均以--format table|tsv|json輸出數據走 stdout、溯源與發現走 stderr退出碼0/1/2分別表示無發現、有發現、輸入錯誤可直接用于門控工作流。ICH 指南臺賬全球協調框架ICH國際人用藥品注冊技術協調會指南采用 Step 1-4 的協調流程Step 4 表示最終定稿。原文檔的 ICH 臺賬共列出 10 份與 PK/PD 分析直接相關的指南指南主題狀態M12藥物相互作用研究2024 年 Step 4。FDA 于2024 年 8 月 2 日采納并附問答文件2024 年 11 月 30 日在歐盟生效2024 年 10 月 29 日在中國實施。首份全球協調的 DDI 指南M13A速釋固體口服制劑生物等效性2024 年 7 月Step 42025 年 1 月 25 日生效M13B附加規格與附加規格生物豁免2025 年 3 月 13 日背書Step 2b2025 年 4 月 9 日 - 7 月 9 日公開咨詢M13C高變異藥物、窄治療指數藥物及復雜設計的 BE 數據分析在 M13B 達到 Step 2 后啟動。參考標度法在落地前仍屬區域政策E11A兒科外推2024 年 8 月 21 日Step 42025 年 1 月 25 日生效M10生物分析方法驗證每個濃度測定值背后的分析方法見analytical-method-validation技能E14QT/QTc 延長的臨床評價含問答修訂2022 年問答新增雙重陰性非臨床路徑S7BQT 延長的非臨床評價與 E14 通過聯合問答配對使用E4支持注冊的劑量-反應信息暴露-反應分析的基礎E7特殊人群老年研究—ICH M12第一份全球協調的 DDI 指南M12 是首份關于代謝酶與轉運體介導的藥物相互作用藥代動力學研究的全球協調指南取代了此前 FDA 的體外/臨床 DDI 指南和 EMA 的 DDI 指南。倉庫中與 M12 直接對應的工具是 ddi_static.py詳見 ddi-and-qt.md其基礎模型與 M12 的風險分層評估一一對應python3 ddi_static.py --basic --ki 0.5 --imax 2.0 --fu 0.05 --dose 0.4 python3 ddi_static.py --msm --ki 0.5 --imax 2.0 --fu 0.05 --dose 0.4 --fm 0.9 --fg 0.7M12 的逐步評估框架為體外表征 → 基礎模型保守截斷值→ 機制性靜態模型或 PBPK 精化 → 臨床研究 → 說明書結論。基礎模型被刻意設計為過度預測陰性結果有意義陽性結果只是觸發進一步工作的信號而非臨床量級的估計。這與ddi_static.py --basic的行為一致——腳本只報告是否觸發不預測臨床幅度。ICH M13 系列生物等效性協調進程生物等效性系列詳見 bioequivalence.mdM13 是首份全球協調的 BE 指南取代了零散的區域要求。M13C 尚未落地之前參考標度法reference-scaling仍屬區域政策且彼此不兼容——這是關于標度 BE 最重要的實踐事實FDA 與 EMA 互不認可對方的方法一項研究必須按其遞交機構的判據來設計。倉庫中的對應工具是 bioequivalence.py它實現了 ABE90% 置信區間落在 80.00-125.00% 內、EMA 的 ABEL依 CVwR 放寬限度封頂 69.84-143.19%點估計仍須落在 80-125% 內和 FDA 的 RSABE通過 Hyslop 法評估的線性化標度界本身并非區間判據。腳本會拒絕在 2×2 設計上運行參考標度error: reference-scaling requires --design replicate. High observed variability in a 2x2 study does not license widening: without replicated reference administrations there is no estimate of within-subject reference variability to scale to.ICH E11A兒科外推的正式框架E11A2024 年 8 月 21 日 Step 42025 年 1 月 25 日生效正式確立了利用成人或其他人群數據支持兒科結論的框架從疾病相似性、治療反應、暴露-反應關系構建兒科外推概念量化假設與殘余不確定性所需兒科新數據量隨外推信心反向變化。倉庫中對應的深度內容見 special-populations.md——它指出兒科劑量選擇預期是模型驅動的含 popPK 與 PBPK而非從成人說明書做 mg/kg 外推實操上 allometry_and_fih.py 通過--scale --weight-to與--pma-weeks提供包含 Anderson-Holford 成熟項的尺寸-成熟度分型縮放。ICH E14 / S7BQT 評價框架E14臨床 QT/QTc 評價與 S7B非臨床 QT 評價通過聯合問答配對。監管關注閾值為QTc 效應超過 10 ms以臨床相關高暴露下安慰劑校正的基線變化 QTcΔΔQTc雙側 90% 置信區間上限來判定。2022 年問答新增了雙重陰性綜合非臨床風險評估路徑——陰性 hERG 實驗加陰性在體 QTc 研究——作為補充證據允許申報方在不達到臨床相關暴露高倍數的情況下覆蓋高臨床暴露。倉庫中 exposure_response.py 的--cqtc模式實現了用于篩選的普通線性回歸版本并標記超出觀測濃度范圍的 extrapolationpython3 exposure_response.py --cqtc -i qt.csv --cmax 250需注意申報級的 C-QTc 分析應為帶受試者隨機截距與斜率的線性混合效應模型見 pd-and-exposure-response.md腳本中的線性模型僅用于篩選。FDA 指南臺賬哪些要求常被遺漏FDA 臺賬是原文檔最具實戰價值的部分——它逐條標出guidance 要求但常被遺漏的點指南日期常被遺漏的要求群體藥代動力學最終版2022 年 2 月前瞻性分析計劃明確的 BLQ 處理基于模擬的診斷VPC、pcVPC、NPC、NPDE。特別指出基于參數收縮shrinkage進行模型選擇并無必要優化腫瘤治療用處方藥及生物制品劑量Project Optimus最終版2024 年 8 月確定使獲益-風險最大化的劑量而非 MTD隨機比較不止一個劑量每份方案中都要有足以支持群體 PK 與安全/療效劑量/暴露-反應分析的 PK 采樣與分析計劃早期評估內在因素與 DDI暴露-反應關系2003至今仍是 E-R 研究設計與分析的參考成人健康志愿者初始臨床試驗治療性藥物最大安全起始劑量估算2005體表面積 HED 換算表Km 因子被allometry_and_fih.py使用生理藥代動力學分析——格式與內容2018PBPK 申報必須包含的內容人體放射性標記質量平衡研究的臨床藥理學考量——腎損傷與肝損傷指南—研究設計包括縮減/分階段設計2022 群體藥代動力學最終指南該指南對申報影響最大倉庫中 population-pk.md 將其要求落實為可操作清單前瞻性分析計劃——模板見 assets/popk-analysis-plan.md其中每個方括號字段都是分析開始前要作出的決策分析完成后補寫的計劃在評審者眼中一目了然明確的 BLQ 處理——指南接受 Beal M1-M7 各法但 M3極大似然BLQ 貢獻觀測低于 LLOQ的概率是參考方法。經驗法則BLQ 占比低于約 10% 時 M1 可辯護高于此則用 M3基于模擬的診斷——pcVPC 在劑量或協變量存在受試者間差異時必須使用否則預測的受試者間離散會淹沒比較收縮不是選擇判據——eta 收縮超過約 20-30% 意味著個體估計向群體均值坍縮這會削弱 eta-協變量圖與 IPRED 診斷的解釋力但指南明確指出基于收縮進行模型選擇并非必要。分析開始前的數據檢查由 check_popk_dataset.py 完成——它專門捕獲 NM-TRAN 會靜默接受的缺陷非數值 DV 會被當作 0 擬合、空白協變量變成 0缺失體重變成 0 kg 患者、ADDL沒有II時不放置任何附加劑量、同時間戳記錄按文件順序應用。Project Optimus劑量優化取代 MTD2024 年 8 月最終定稿的腫瘤劑量優化指南要求以最大化獲益-風險為目標確定劑量而非最大耐受劑量 MTD隨機比較多個劑量并在每個方案中內置足以支撐群體 PK 與劑量/暴露-反應分析的采樣與分析計劃。倉庫中與之呼應的兩個腳本simulate_regimen.py在典型患者之外評估群體達標率——這是 Optimus 思想的核心工具只按典型患者調劑量會讓約半數人群落在目標錯誤一側exposure_response.py安全性與療效的 E-R 必須同時建模單為療效最優的劑量并非最優。2005 最大安全起始劑量指南與 Km 因子FDA 2005 年指南中的體表面積 HED 換算表Km 因子在倉庫中有直接代碼實現。查看 allometry_and_fih.py 源碼可確認KM_FACTORS表中存儲各物種的體重-表面積換算因子HED 動物劑量 (mg/kg) × Km_animal / Km_human腳本同時會輸出一條 finding提示 NOAEL 衍生的 MRSD 對激動型免疫調節劑并不充分應改用--mabel計算最低預期生物學效應水平并取較低值。這正對應原文檔中估算最大安全起始劑量指南的實踐約束。EMA 指南臺賬報告結構與 PBPK 申報EMA 臺賬涵蓋 5 份指南指南主題群體藥代動力學分析結果報告EMA/CHMP/EWP/185990/2006popPK 報告的結構與內容生物等效性研究范圍正被 ICH M13A 取代EMA 已發布實施考量PBPK 建模與模擬的應用PBPK 的確認qualification與報告生理藥代動力學建模與模擬的報告—抗癌藥品評價劑量優化預期與 Project Optimus 平行值得注意的兩點生物等效性指南正被 ICH M13A 取代EMA 已發布實施考量——再次印證 M13 系列的全球協調定位EMA 對 PBPK 強調 qualification 與報告。倉庫中 pbpk.md 給出了 PBPK 申報的完整要素平臺與版本、每個藥物參數及其來源實測/預測/優化若為優化需說明對照什么、Kp 預測方法、吸收模型、驗證數據集及結果、敏感性分析。輸入不可逐項溯源的 PBPK 預測無法被他人評估也不會被接受。各分析類型必須申報的內容這是原文檔的第三大板塊也是申報工作的直接檢查清單。以下六類分析各自必須陳述的要素與倉庫中對應腳本輸出逐一對應非房室分析NCA必須申報梯形法則前段/中段/尾段 BLQ 規則lambda_z 選擇規則含每個受試者的窗口與點數AUCinf 是基于觀測還是預測的 Clast揭盲前固定的排除標準軟件及版本。倉庫對應實現 nca.py 將這四個通常隱式的選擇顯式化--auc-method默認linup-logdown、--blq-rule、--lambda-z-points或顯式--lambda-z-window以及報告auc_inf_obs還是auc_inf_pred。lambda_z 采用標準規則從最后三個可定量點開始、逐步向后擴展、僅當調整后r2 改善超過 0.0001 時才保留更長窗口Tmax 及之前的數據點永遠不參與。各項參數定義與報告慣例見 nca-conventions.md申報檢查清單見 assets/nca-reporting-checklist.md。群體藥代動力學popPK必須申報前瞻性分析計劃含排除標準與 BLQ 處理的數據組裝結構、統計與協變量模型及其依據估算方法與軟件版本含 pcVPC 的診斷帶不確定性的參數估計模型的預期用途及其針對該用途的確認對計劃的偏離要記錄在案而非悄悄吸收。check_popk_dataset.py 負責數據組裝檢查population-pk.md 提供估算方法FO/FOCE/FOCE-I/Laplace/SAEM/IMP/NUTS、BLQ M1-M7、協變量建模與診斷的完整細節assets/popk-analysis-plan.md 則是計劃書模板。FDA 2022 指南要求協變量策略在分析前定義——這正是模板中每個方括號字段的意義。暴露-反應E-R必須申報暴露指標及其為何是機制上正確的那一個療效與安全性兩方面的關系對暴露與預后之間混雜的顯式處理數據覆蓋的劑量或暴露范圍以及什么是 extrapolation。exposure_response.py 的--emax模式報告fraction_of_emax_reached當最高觀測暴露僅達到估計 Emax 的三分之一時Emax 與 EC50 是強相關的 extrapolation 而非獨立估計——此時應報告斜率而不是這兩個參數。混雜問題患者被隨機分配到劑量而非暴露在該技能中被反復強調詳見 pd-and-exposure-response.md。生物等效性BE必須申報設計與依據對數變換分析90% CI 對照預先指定的限度判據ABE、ABEL 或 RSABE在方案中固定脫落與給藥前濃度的處理以假定 GMR 與 CV 為基礎的樣本量論證。bioequivalence.py 的--power模式精確復現已發表的樣本量表CV 30%、GMR 0.95、80% 功效 → 2×2 設計 N40并通過積分估計標準差的抽樣分布而非把標準誤當已知來計算功效。樣本量由三個因素按影響力排序驅動假定真實 GMR、受試者內 CV、目標功效——假定 GMR 為 1.00 而非 0.95 會使計算出的 N 大約減半這正是 BE 研究功效不足的最常見原因。PBPK必須申報平臺與版本每個藥物參數及其來源實測/預測/優化Kp 預測方法在未經測試的應用之前先對照觀測臨床數據驗證對不確定輸入的敏感性分析模型文件。pbpk.md 是倉庫內的完整參考Kp 預測方法Rodgers Rowland、Poulin Theil、Berezhkovskiy、Schmitt可產生數倍差異并直接傳播到 VssIVIVE 系統性低估清除率常為 2-5 倍經驗性縮放因子必須聲明——這是 PBPK 模型最薄弱的環節。DDI必須申報基于基礎模型結果與截斷值的逐步評估觸發進一步工作的原因機制性靜態或 PBPK 精化及其驗證使用 index 抑制劑/底物的臨床研究說明書結論。ddi_static.py 實現 ICH M12 基礎模型及截斷值肝 R1 ≥ 1.02、腸 R1 ≥ 11、TDI R2 ≥ 1.25、誘導 R3 ≤ 0.8、轉運體按位點截斷與機制性靜態模型。機制性靜態模型在輸出預測的同時報告天花板note: With fm 0.9, no inhibitor of this pathway can raise the victim AUC above 10.00-fold. If the prediction approaches that ceiling, fm is doing more work than the inhibition constants.fm與Fg對答案的主導作用遠大于抑制常數而這兩者通常是計算中最不確定的輸入——ddi-and-qt.md 建議在其合理范圍內做敏感性分析這比點預測更有信息量。Model-informed drug development申報前與監管溝通FDA 與 EMA 均有在申報前討論基于模型證據的項目FDA 的 MIDD Paired Meeting Program模型知情藥物開發配對會議EMA 的 Qualification of Novel Methodologies新方法確認。原文檔的核心觀點當模型意圖替代一項研究而非支持一項研究時盡早溝通是決定模型是否被接受的關鍵。對模型的嚴謹性要求隨模型被要求承擔的任務量級而縮放——替代兒童研究或支持說明書聲明所要求的證據等級遠高于輔助選擇 II 期劑量。這也解釋了為什么 popk-analysis-plan.md 模板把模型的預期用途放在目標之后、數據之前Characterise the population pharmacokinetics 不是目標只是活動——每個目標必須指明其服務的決策下一項研究的劑量、說明書語句、協變量調整、豁免。總體原則監管方按預期用途評價模型原文檔以一條總體原則收尾這也是整個臺賬的靈魂監管方不是抽象地評價模型而是對照其預期用途。一個足以選擇 II 期劑量的模型并不自動足以豁免兒科研究或支持說明書聲明。先陳述預期用途所需的證據、驗證與文檔隨之確定。這條原則在倉庫中得到完整落地計劃書模板要求預期用途前置assets/popk-analysis-plan.md技能邊界明確聲明腳本只報告不結論SKILL.md——bioequivalence.py不裁定制劑等效、tdm_bayes.py只是建模輔助任何方案變更都是臨床醫生的決定每類分析的申報要素清單本文上一節本質上都是從預期用途反推出來的證據要求用途越重驗證越嚴。速查監管要求 → 倉庫工具映射監管指南倉庫落地工具/文檔ICH M12DDIddi_static.py、ddi-and-qt.mdICH M13 系列BEbioequivalence.py、bioequivalence.mdICH E11A兒科外推special-populations.md、allometry_and_fih.pyICH E14/S7BQTexposure_response.py --cqtc、ddi-and-qt.mdFDA 2022 群體藥代動力學population-pk.md、check_popk_dataset.py、popk-analysis-plan.mdFDA Project Optimus劑量優化simulate_regimen.py、exposure_response.pyFDA 2005 MRSDKm 因子allometry_and_fih.pyFDA 2018 PBPK 申報 / EMA PBPKpbpk.md各分析類型申報要素nca-conventions.md、nca-reporting-checklist.md、population-pk.mdM10生物分析方法驗證analytical-method-validation技能SKILL.md最后的提醒仍然來自原文檔開頭的聲明本臺賬核驗于 2026-07-27ICH 指南要求是直接概括而非轉述——正式申報前始終以各監管機構發布的權威版本為準。【免費下載鏈接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.項目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考 PK/PD 監管指南臺賬全解讀：ICH、FDA、EMA 指南要求與各分析類型的申報報告標準（基于 pkpd-modeling）
PK/PD 監管指南臺賬全解讀ICH、FDA、EMA 指南要求與各分析類型的申報報告標準基于 pkpd-modeling【免費下載鏈接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.項目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills導讀在藥物研發中PK/PD 分析非房室分析、群體藥代動力學、暴露-效應、生物等效性、PBPK、藥物相互作用等的每一項結果最終都要經受監管機構的審視。本文基于scientific-agent-skills倉庫中 pkpd-modeling 技能的核心參考文檔 regulatory-guidance.md系統梳理 ICH、FDA、EMA 與 PK/PD 建模直接相關的指南臺賬含關鍵日期與狀態、各分析類型必須向監管方申報的具體內容并結合倉庫內 11 個可執行腳本與 14 篇參考文獻說明每一項監管要求在本技能中對應的落地工具。讀完本文你將掌握申報一份 PK/PD 分析報告時需要引用哪些指南、每類分析NCA、popPK、E-R、BE、PBPK、DDI必須陳述的要素清單以及監管方評價模型的底層邏輯——intended use預期用途優先。文檔定位與使用前提regulatory-guidance.md在倉庫中扮演監管臺賬角色它不是一篇分析教程而是一張帶日期、狀態和常被遺漏的要求的指南索引表。文檔自身明確聲明狀態核驗時間為2026-07-27ICH 指南是公開出版物其要求被直接概括引用正式申報時必須始終以權威版本為準always work from the authoritative copy for a submission。這也提醒讀者本文及原文檔中的日期、狀態僅是臺賬快照實際遞交前應到各監管機構官網核驗最新版本。倉庫中與該文檔配套的完整體系可見 skills/pkpd-modeling/SKILL.md技能內 11 個腳本nca.py、fit_compartmental.py、simulate_regimen.py、check_popk_dataset.py、exposure_response.py、bioequivalence.py、allometry_and_fih.py、ddi_static.py、tdm_bayes.py等負責計算與診斷而監管指南則回答這些計算結果要按什么標準申報。所有腳本均以--format table|tsv|json輸出數據走 stdout、溯源與發現走 stderr退出碼0/1/2分別表示無發現、有發現、輸入錯誤可直接用于門控工作流。ICH 指南臺賬全球協調框架ICH國際人用藥品注冊技術協調會指南采用 Step 1-4 的協調流程Step 4 表示最終定稿。原文檔的 ICH 臺賬共列出 10 份與 PK/PD 分析直接相關的指南指南主題狀態M12藥物相互作用研究2024 年 Step 4。FDA 于2024 年 8 月 2 日采納并附問答文件2024 年 11 月 30 日在歐盟生效2024 年 10 月 29 日在中國實施。首份全球協調的 DDI 指南M13A速釋固體口服制劑生物等效性2024 年 7 月Step 42025 年 1 月 25 日生效M13B附加規格與附加規格生物豁免2025 年 3 月 13 日背書Step 2b2025 年 4 月 9 日 - 7 月 9 日公開咨詢M13C高變異藥物、窄治療指數藥物及復雜設計的 BE 數據分析在 M13B 達到 Step 2 后啟動。參考標度法在落地前仍屬區域政策E11A兒科外推2024 年 8 月 21 日Step 42025 年 1 月 25 日生效M10生物分析方法驗證每個濃度測定值背后的分析方法見analytical-method-validation技能E14QT/QTc 延長的臨床評價含問答修訂2022 年問答新增雙重陰性非臨床路徑S7BQT 延長的非臨床評價與 E14 通過聯合問答配對使用E4支持注冊的劑量-反應信息暴露-反應分析的基礎E7特殊人群老年研究—ICH M12第一份全球協調的 DDI 指南M12 是首份關于代謝酶與轉運體介導的藥物相互作用藥代動力學研究的全球協調指南取代了此前 FDA 的體外/臨床 DDI 指南和 EMA 的 DDI 指南。倉庫中與 M12 直接對應的工具是 ddi_static.py詳見 ddi-and-qt.md其基礎模型與 M12 的風險分層評估一一對應python3 ddi_static.py --basic --ki 0.5 --imax 2.0 --fu 0.05 --dose 0.4 python3 ddi_static.py --msm --ki 0.5 --imax 2.0 --fu 0.05 --dose 0.4 --fm 0.9 --fg 0.7M12 的逐步評估框架為體外表征 → 基礎模型保守截斷值→ 機制性靜態模型或 PBPK 精化 → 臨床研究 → 說明書結論。基礎模型被刻意設計為過度預測陰性結果有意義陽性結果只是觸發進一步工作的信號而非臨床量級的估計。這與ddi_static.py --basic的行為一致——腳本只報告是否觸發不預測臨床幅度。ICH M13 系列生物等效性協調進程生物等效性系列詳見 bioequivalence.mdM13 是首份全球協調的 BE 指南取代了零散的區域要求。M13C 尚未落地之前參考標度法reference-scaling仍屬區域政策且彼此不兼容——這是關于標度 BE 最重要的實踐事實FDA 與 EMA 互不認可對方的方法一項研究必須按其遞交機構的判據來設計。倉庫中的對應工具是 bioequivalence.py它實現了 ABE90% 置信區間落在 80.00-125.00% 內、EMA 的 ABEL依 CVwR 放寬限度封頂 69.84-143.19%點估計仍須落在 80-125% 內和 FDA 的 RSABE通過 Hyslop 法評估的線性化標度界本身并非區間判據。腳本會拒絕在 2×2 設計上運行參考標度error: reference-scaling requires --design replicate. High observed variability in a 2x2 study does not license widening: without replicated reference administrations there is no estimate of within-subject reference variability to scale to.ICH E11A兒科外推的正式框架E11A2024 年 8 月 21 日 Step 42025 年 1 月 25 日生效正式確立了利用成人或其他人群數據支持兒科結論的框架從疾病相似性、治療反應、暴露-反應關系構建兒科外推概念量化假設與殘余不確定性所需兒科新數據量隨外推信心反向變化。倉庫中對應的深度內容見 special-populations.md——它指出兒科劑量選擇預期是模型驅動的含 popPK 與 PBPK而非從成人說明書做 mg/kg 外推實操上 allometry_and_fih.py 通過--scale --weight-to與--pma-weeks提供包含 Anderson-Holford 成熟項的尺寸-成熟度分型縮放。ICH E14 / S7BQT 評價框架E14臨床 QT/QTc 評價與 S7B非臨床 QT 評價通過聯合問答配對。監管關注閾值為QTc 效應超過 10 ms以臨床相關高暴露下安慰劑校正的基線變化 QTcΔΔQTc雙側 90% 置信區間上限來判定。2022 年問答新增了雙重陰性綜合非臨床風險評估路徑——陰性 hERG 實驗加陰性在體 QTc 研究——作為補充證據允許申報方在不達到臨床相關暴露高倍數的情況下覆蓋高臨床暴露。倉庫中 exposure_response.py 的--cqtc模式實現了用于篩選的普通線性回歸版本并標記超出觀測濃度范圍的 extrapolationpython3 exposure_response.py --cqtc -i qt.csv --cmax 250需注意申報級的 C-QTc 分析應為帶受試者隨機截距與斜率的線性混合效應模型見 pd-and-exposure-response.md腳本中的線性模型僅用于篩選。FDA 指南臺賬哪些要求常被遺漏FDA 臺賬是原文檔最具實戰價值的部分——它逐條標出guidance 要求但常被遺漏的點指南日期常被遺漏的要求群體藥代動力學最終版2022 年 2 月前瞻性分析計劃明確的 BLQ 處理基于模擬的診斷VPC、pcVPC、NPC、NPDE。特別指出基于參數收縮shrinkage進行模型選擇并無必要優化腫瘤治療用處方藥及生物制品劑量Project Optimus最終版2024 年 8 月確定使獲益-風險最大化的劑量而非 MTD隨機比較不止一個劑量每份方案中都要有足以支持群體 PK 與安全/療效劑量/暴露-反應分析的 PK 采樣與分析計劃早期評估內在因素與 DDI暴露-反應關系2003至今仍是 E-R 研究設計與分析的參考成人健康志愿者初始臨床試驗治療性藥物最大安全起始劑量估算2005體表面積 HED 換算表Km 因子被allometry_and_fih.py使用生理藥代動力學分析——格式與內容2018PBPK 申報必須包含的內容人體放射性標記質量平衡研究的臨床藥理學考量——腎損傷與肝損傷指南—研究設計包括縮減/分階段設計2022 群體藥代動力學最終指南該指南對申報影響最大倉庫中 population-pk.md 將其要求落實為可操作清單前瞻性分析計劃——模板見 assets/popk-analysis-plan.md其中每個方括號字段都是分析開始前要作出的決策分析完成后補寫的計劃在評審者眼中一目了然明確的 BLQ 處理——指南接受 Beal M1-M7 各法但 M3極大似然BLQ 貢獻觀測低于 LLOQ的概率是參考方法。經驗法則BLQ 占比低于約 10% 時 M1 可辯護高于此則用 M3基于模擬的診斷——pcVPC 在劑量或協變量存在受試者間差異時必須使用否則預測的受試者間離散會淹沒比較收縮不是選擇判據——eta 收縮超過約 20-30% 意味著個體估計向群體均值坍縮這會削弱 eta-協變量圖與 IPRED 診斷的解釋力但指南明確指出基于收縮進行模型選擇并非必要。分析開始前的數據檢查由 check_popk_dataset.py 完成——它專門捕獲 NM-TRAN 會靜默接受的缺陷非數值 DV 會被當作 0 擬合、空白協變量變成 0缺失體重變成 0 kg 患者、ADDL沒有II時不放置任何附加劑量、同時間戳記錄按文件順序應用。Project Optimus劑量優化取代 MTD2024 年 8 月最終定稿的腫瘤劑量優化指南要求以最大化獲益-風險為目標確定劑量而非最大耐受劑量 MTD隨機比較多個劑量并在每個方案中內置足以支撐群體 PK 與劑量/暴露-反應分析的采樣與分析計劃。倉庫中與之呼應的兩個腳本simulate_regimen.py在典型患者之外評估群體達標率——這是 Optimus 思想的核心工具只按典型患者調劑量會讓約半數人群落在目標錯誤一側exposure_response.py安全性與療效的 E-R 必須同時建模單為療效最優的劑量并非最優。2005 最大安全起始劑量指南與 Km 因子FDA 2005 年指南中的體表面積 HED 換算表Km 因子在倉庫中有直接代碼實現。查看 allometry_and_fih.py 源碼可確認KM_FACTORS表中存儲各物種的體重-表面積換算因子HED 動物劑量 (mg/kg) × Km_animal / Km_human腳本同時會輸出一條 finding提示 NOAEL 衍生的 MRSD 對激動型免疫調節劑并不充分應改用--mabel計算最低預期生物學效應水平并取較低值。這正對應原文檔中估算最大安全起始劑量指南的實踐約束。EMA 指南臺賬報告結構與 PBPK 申報EMA 臺賬涵蓋 5 份指南指南主題群體藥代動力學分析結果報告EMA/CHMP/EWP/185990/2006popPK 報告的結構與內容生物等效性研究范圍正被 ICH M13A 取代EMA 已發布實施考量PBPK 建模與模擬的應用PBPK 的確認qualification與報告生理藥代動力學建模與模擬的報告—抗癌藥品評價劑量優化預期與 Project Optimus 平行值得注意的兩點生物等效性指南正被 ICH M13A 取代EMA 已發布實施考量——再次印證 M13 系列的全球協調定位EMA 對 PBPK 強調 qualification 與報告。倉庫中 pbpk.md 給出了 PBPK 申報的完整要素平臺與版本、每個藥物參數及其來源實測/預測/優化若為優化需說明對照什么、Kp 預測方法、吸收模型、驗證數據集及結果、敏感性分析。輸入不可逐項溯源的 PBPK 預測無法被他人評估也不會被接受。各分析類型必須申報的內容這是原文檔的第三大板塊也是申報工作的直接檢查清單。以下六類分析各自必須陳述的要素與倉庫中對應腳本輸出逐一對應非房室分析NCA必須申報梯形法則前段/中段/尾段 BLQ 規則lambda_z 選擇規則含每個受試者的窗口與點數AUCinf 是基于觀測還是預測的 Clast揭盲前固定的排除標準軟件及版本。倉庫對應實現 nca.py 將這四個通常隱式的選擇顯式化--auc-method默認linup-logdown、--blq-rule、--lambda-z-points或顯式--lambda-z-window以及報告auc_inf_obs還是auc_inf_pred。lambda_z 采用標準規則從最后三個可定量點開始、逐步向后擴展、僅當調整后r2 改善超過 0.0001 時才保留更長窗口Tmax 及之前的數據點永遠不參與。各項參數定義與報告慣例見 nca-conventions.md申報檢查清單見 assets/nca-reporting-checklist.md。群體藥代動力學popPK必須申報前瞻性分析計劃含排除標準與 BLQ 處理的數據組裝結構、統計與協變量模型及其依據估算方法與軟件版本含 pcVPC 的診斷帶不確定性的參數估計模型的預期用途及其針對該用途的確認對計劃的偏離要記錄在案而非悄悄吸收。check_popk_dataset.py 負責數據組裝檢查population-pk.md 提供估算方法FO/FOCE/FOCE-I/Laplace/SAEM/IMP/NUTS、BLQ M1-M7、協變量建模與診斷的完整細節assets/popk-analysis-plan.md 則是計劃書模板。FDA 2022 指南要求協變量策略在分析前定義——這正是模板中每個方括號字段的意義。暴露-反應E-R必須申報暴露指標及其為何是機制上正確的那一個療效與安全性兩方面的關系對暴露與預后之間混雜的顯式處理數據覆蓋的劑量或暴露范圍以及什么是 extrapolation。exposure_response.py 的--emax模式報告fraction_of_emax_reached當最高觀測暴露僅達到估計 Emax 的三分之一時Emax 與 EC50 是強相關的 extrapolation 而非獨立估計——此時應報告斜率而不是這兩個參數。混雜問題患者被隨機分配到劑量而非暴露在該技能中被反復強調詳見 pd-and-exposure-response.md。生物等效性BE必須申報設計與依據對數變換分析90% CI 對照預先指定的限度判據ABE、ABEL 或 RSABE在方案中固定脫落與給藥前濃度的處理以假定 GMR 與 CV 為基礎的樣本量論證。bioequivalence.py 的--power模式精確復現已發表的樣本量表CV 30%、GMR 0.95、80% 功效 → 2×2 設計 N40并通過積分估計標準差的抽樣分布而非把標準誤當已知來計算功效。樣本量由三個因素按影響力排序驅動假定真實 GMR、受試者內 CV、目標功效——假定 GMR 為 1.00 而非 0.95 會使計算出的 N 大約減半這正是 BE 研究功效不足的最常見原因。PBPK必須申報平臺與版本每個藥物參數及其來源實測/預測/優化Kp 預測方法在未經測試的應用之前先對照觀測臨床數據驗證對不確定輸入的敏感性分析模型文件。pbpk.md 是倉庫內的完整參考Kp 預測方法Rodgers Rowland、Poulin Theil、Berezhkovskiy、Schmitt可產生數倍差異并直接傳播到 VssIVIVE 系統性低估清除率常為 2-5 倍經驗性縮放因子必須聲明——這是 PBPK 模型最薄弱的環節。DDI必須申報基于基礎模型結果與截斷值的逐步評估觸發進一步工作的原因機制性靜態或 PBPK 精化及其驗證使用 index 抑制劑/底物的臨床研究說明書結論。ddi_static.py 實現 ICH M12 基礎模型及截斷值肝 R1 ≥ 1.02、腸 R1 ≥ 11、TDI R2 ≥ 1.25、誘導 R3 ≤ 0.8、轉運體按位點截斷與機制性靜態模型。機制性靜態模型在輸出預測的同時報告天花板note: With fm 0.9, no inhibitor of this pathway can raise the victim AUC above 10.00-fold. If the prediction approaches that ceiling, fm is doing more work than the inhibition constants.fm與Fg對答案的主導作用遠大于抑制常數而這兩者通常是計算中最不確定的輸入——ddi-and-qt.md 建議在其合理范圍內做敏感性分析這比點預測更有信息量。Model-informed drug development申報前與監管溝通FDA 與 EMA 均有在申報前討論基于模型證據的項目FDA 的 MIDD Paired Meeting Program模型知情藥物開發配對會議EMA 的 Qualification of Novel Methodologies新方法確認。原文檔的核心觀點當模型意圖替代一項研究而非支持一項研究時盡早溝通是決定模型是否被接受的關鍵。對模型的嚴謹性要求隨模型被要求承擔的任務量級而縮放——替代兒童研究或支持說明書聲明所要求的證據等級遠高于輔助選擇 II 期劑量。這也解釋了為什么 popk-analysis-plan.md 模板把模型的預期用途放在目標之后、數據之前Characterise the population pharmacokinetics 不是目標只是活動——每個目標必須指明其服務的決策下一項研究的劑量、說明書語句、協變量調整、豁免。總體原則監管方按預期用途評價模型原文檔以一條總體原則收尾這也是整個臺賬的靈魂監管方不是抽象地評價模型而是對照其預期用途。一個足以選擇 II 期劑量的模型并不自動足以豁免兒科研究或支持說明書聲明。先陳述預期用途所需的證據、驗證與文檔隨之確定。這條原則在倉庫中得到完整落地計劃書模板要求預期用途前置assets/popk-analysis-plan.md技能邊界明確聲明腳本只報告不結論SKILL.md——bioequivalence.py不裁定制劑等效、tdm_bayes.py只是建模輔助任何方案變更都是臨床醫生的決定每類分析的申報要素清單本文上一節本質上都是從預期用途反推出來的證據要求用途越重驗證越嚴。速查監管要求 → 倉庫工具映射監管指南倉庫落地工具/文檔ICH M12DDIddi_static.py、ddi-and-qt.mdICH M13 系列BEbioequivalence.py、bioequivalence.mdICH E11A兒科外推special-populations.md、allometry_and_fih.pyICH E14/S7BQTexposure_response.py --cqtc、ddi-and-qt.mdFDA 2022 群體藥代動力學population-pk.md、check_popk_dataset.py、popk-analysis-plan.mdFDA Project Optimus劑量優化simulate_regimen.py、exposure_response.pyFDA 2005 MRSDKm 因子allometry_and_fih.pyFDA 2018 PBPK 申報 / EMA PBPKpbpk.md各分析類型申報要素nca-conventions.md、nca-reporting-checklist.md、population-pk.mdM10生物分析方法驗證analytical-method-validation技能SKILL.md最后的提醒仍然來自原文檔開頭的聲明本臺賬核驗于 2026-07-27ICH 指南要求是直接概括而非轉述——正式申報前始終以各監管機構發布的權威版本為準。【免費下載鏈接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.項目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills創作聲明：本文部分內容由AI輔助生成（AIGC），僅供參考