この章では、ブラウザ上で動く簡単なモデルを使って、これまでの章の内容を 手を動かして 確かめます。スライダーやボタンを動かすと、グラフがその場で更新されます(計算はすべてあなたのブラウザ内で行われます)。
ここで使うモデルは、教育用に大幅に単純化したものです。グラフの形や傾向を理解するためのもので、実際の薬物濃度や用量の予測には使えません。薬物動態のパラメータは添付文書・公表データの代表値をもとにした概数です。
実験 1:ネイティブのインクレチンはどれくらい速く消えるか
第 2 章で、活性型 GLP-1 の半減期は 1〜2 分、GIP は 5〜7 分と学びました。静脈内に一度に投与したときの濃度の推移を見てみましょう。
viewof halfGLP1 = Inputs. range ([0.5 , 5 ], {value : 1.5 , step : 0.1 , label : "GLP-1 の半減期(分)" })
viewof halfGIP = Inputs. range ([2 , 10 ], {value : 6 , step : 0.5 , label : "GIP の半減期(分)" })
{
const t = d3. range (0 , 30.01 , 0.25 );
const data = t. flatMap (m => [
{ t : m, c : 100 * Math . pow (0.5 , m / halfGLP1), h : "活性型 GLP-1" },
{ t : m, c : 100 * Math . pow (0.5 , m / halfGIP), h : "活性型 GIP" }
]);
return Plot. plot ({
width : 640 , height : 300 , marginLeft : 50 ,
x : { label : "投与後の時間(分)" },
y : { label : "残っている活性型(%)" , domain : [0 , 100 ], grid : true },
color : { legend : true , range : ["#d6604d" , "#4393c3" ] },
marks : [
Plot. ruleY ([50 ], { stroke : "#999" , strokeDasharray : "4,3" }),
Plot. line (data, { x : "t" , y : "c" , stroke : "h" , strokeWidth : 3 })
]
});
}
md `**10 分後** に残っている活性型: GLP-1 ** ${ (100 * Math . pow (0.5 , 10 / halfGLP1)). toFixed (1 )} %**、GIP ** ${ (100 * Math . pow (0.5 , 10 / halfGIP)). toFixed (1 )} %**`
GLP-1 の半減期を 1.5 分にすると、10 分後にはほとんど残っていないことを確認しよう
「このホルモンをそのまま注射して薬にする」ことがなぜ非現実的か、説明してみよう
実験 2:週 1 回投与の薬の血中濃度
第 6 章で見た GLP-1 受容体作動薬は、半減期を数時間〜1 週間に延ばしたものです。繰り返し投与したときの血中濃度 をシミュレーションしてみます。
モデルは「皮下から一次速度で吸収され、一次速度で消失する」1 コンパートメントモデルで、各回の投与による濃度を足し合わせています(重ね合わせの原理)。縦軸は 初回投与後の最高濃度を 1 とした相対値 です。
drugs = [
{ name : "リラグルチド(1日1回)" , t12 : 13 , tmax : 11 , tau : 24 },
{ name : "デュラグルチド(週1回)" , t12 : 112 , tmax : 48 , tau : 168 },
{ name : "チルゼパチド(週1回)" , t12 : 120 , tmax : 24 , tau : 168 },
{ name : "セマグルチド 皮下注(週1回)" , t12 : 168 , tmax : 56 , tau : 168 }
]
viewof drug = Inputs. select (drugs, { label : "薬剤のプリセット" , format : d => d. name , value : drugs[3 ] })
viewof t12 = Inputs. range ([1 , 300 ], { value : drug. t12 , step : 1 , label : "半減期(時間)" })
viewof tau = Inputs. radio (new Map ([["1日1回" , 24 ], ["週1回" , 168 ], ["2週に1回" , 336 ]]), { value : drug. tau , label : "投与間隔" })
viewof weeks = Inputs. range ([2 , 16 ], { value : 10 , step : 1 , label : "表示期間(週)" })
viewof scenario = Inputs. checkbox (["3回目の投与を忘れる" ], { label : "シナリオ" })
pk = {
const ke = Math . LN2 / t12;
// tmax から吸収速度定数 ka を逆算(ka > ke の範囲で二分法)
const tmax = Math . min (drug. tmax , 0.9 / ke);
const tmaxOf = ka => Math . log (ka / ke) / (ka - ke);
let lo = ke * 1.0001 , hi = 50 ;
for (let i = 0 ; i < 100 ; i++ ) {
const mid = (lo + hi) / 2 ;
if (tmaxOf (mid) > tmax) lo = mid; else hi = mid;
}
const ka = (lo + hi) / 2 ;
const single = t => t < 0 ? 0 : ka / (ka - ke) * (Math . exp (- ke * t) - Math . exp (- ka * t));
const cmax1 = single (tmax);
const total = weeks * 168 ;
const doses = d3. range (0 , total, tau). filter ((_, i) => ! (scenario. length > 0 && i === 2 ));
const dt = Math . max (0.25 , total / 1500 );
const curve = d3. range (0 , total + dt, dt). map (t => ({
t : t / 24 ,
c : doses. reduce ((s, d) => s + single (t - d), 0 ) / cmax1
}));
const R = 1 / (1 - Math . exp (- ke * tau)); // 蓄積率
const t90 = Math . log (10 ) / ke; // 定常状態の 90% に達する時間
return { ke, ka, curve, doses, R, t90 };
}
Plot. plot ({
width : 720 , height : 340 , marginLeft : 50 ,
x : { label : "時間(日)" },
y : { label : "血中濃度(初回 Cmax = 1)" , grid : true , domain : [0 , Math . max (pk. R * 1.15 , 1.2 )] },
marks : [
Plot. ruleX (pk. doses . map (d => d / 24 ), { stroke : "#bbb" , strokeDasharray : "2,3" }),
Plot. ruleY ([pk. R ], { stroke : "#d6604d" , strokeDasharray : "5,4" }),
Plot. text ([{ x : 0 , y : pk. R }], { x : "x" , y : "y" , text : () => "定常状態の目安(蓄積率)" , dy : - 8 , textAnchor : "start" , fill : "#d6604d" }),
Plot. areaY (pk. curve , { x : "t" , y : "c" , fill : "#4393c3" , fillOpacity : 0.12 }),
Plot. line (pk. curve , { x : "t" , y : "c" , stroke : "#4393c3" , strokeWidth : 2.5 })
]
})
md `- **蓄積率** R = 1 / (1 − e<sup>−k·τ</sup>) = ** ${ pk. R . toFixed (2 )} ** — 定常状態では初回のおよそ ${ pk. R . toFixed (1 )} 倍の濃度になる
- **定常状態の 90% に達するまで**: 約 ** ${ (pk. t90 / 24 ). toFixed (1 )} 日**(半減期の約 3.3 倍)
- 半減期 ${ t12} 時間 ÷ 投与間隔 ${ tau} 時間 = ** ${ (t12 / tau). toFixed (2 )} **(1 を超えるほど、投与間の濃度の上下動が小さい)`
セマグルチド を選び、定常状態に達するまでに何週間かかるか読み取ろう。臨床で 4 週ごとに増量 する理由と関係づけて考えてみよう
投与間隔を「週 1 回」のまま、半減期を 13 時間 (リラグルチド相当)に下げてみよう。何が問題になるか?
「3 回目の投与を忘れる」にチェックを入れよう。半減期が長い薬と短い薬で、飲み忘れ(打ち忘れ)の影響はどう違うか?
チルゼパチドとセマグルチドを比べ、ピークとトラフ(谷)の比がどう違うか見てみよう
セマグルチドの半減期は約 1 週間なので、定常状態の 90% に達するまで約 3.3 週間かかります。用量を上げてから効果と副作用が安定するまでに約 1 か月かかるため、増量は 4 週ごと に行われます。少量から始めて段階的に上げるのは、消化器系の副作用(悪心など)に体を慣らすためでもあります。
週 1 回投与で半減期が 13 時間だと、次の投与までに濃度がほぼゼロまで下がり、効いている時間と効いていない時間 ができてしまいます。半減期と投与間隔のバランスが重要です。
半減期が長いと、1 回抜けても濃度がゆるやかに下がるだけで、影響は比較的小さくなります。逆に、副作用が出たときに 薬をやめてもすぐには抜けない という裏返しの性質もあります。
半減期が少し短いチルゼパチド(約 5 日)のほうが、ピークとトラフの差がやや大きくなります。
実験 3:なぜインクレチンは低血糖を起こしにくいのか
第 3 章の トリガー経路と増幅経路 の考え方を、グラフで確かめます。横軸が血糖値、縦軸がインスリン分泌(相対値)です。
ブドウ糖のみ : ブドウ糖そのものによる分泌(トリガー経路)。血糖がある閾値を超えると立ち上がる S 字カーブ
+インクレチン : トリガー経路による分泌を 何倍かに増幅 する
+SU 薬 : 血糖とは無関係に K_ATP チャネルを閉じるため、カーブを左(低血糖側)にずらし、低血糖でも分泌を起こす
viewof incStrength = Inputs. range ([0 , 3 ], { value : 1.5 , step : 0.1 , label : "インクレチン作用の強さ" })
viewof hormone = Inputs. radio (["GLP-1" , "GIP" ], { value : "GLP-1" , label : "インクレチンの種類" })
viewof suStrength = Inputs. range ([0 , 1 ], { value : 0 , step : 0.05 , label : "SU 薬の強さ" })
viewof t2d = Inputs. toggle ({ label : "2型糖尿病(β細胞機能低下)" , value : false })
islet = {
const n = 5 ;
const smax = t2d ? 0.5 : 1 ; // β細胞機能
const K = t2d ? 180 : 140 ; // 半最大分泌の血糖値
// 2 型糖尿病では GIP への反応が大きく低下(第 1 章)
const responsiveness = (t2d && hormone === "GIP" ) ? 0.15 : 1 ;
const amp = 1 + incStrength * responsiveness;
const hill = (g, k) => Math . pow (g, n) / (Math . pow (g, n) + Math . pow (k, n));
const Ksu = K * (1 - 0.55 * suStrength);
const f = {
base : g => smax * hill (g, K),
inc : g => smax * hill (g, K) * amp,
su : g => smax * (hill (g, Ksu) * amp + 0.25 * suStrength)
};
const G = d3. range (40 , 301 , 2 );
const rows = G. flatMap (g => [
{ g, y : f. base (g), s : "ブドウ糖のみ" },
{ g, y : f. inc (g), s : "+インクレチン" },
... (suStrength > 0 ? [{ g, y : f. su (g), s : "+インクレチン+SU 薬" }] : [])
]);
return { rows, f, amp };
}
Plot. plot ({
width : 720 , height : 360 , marginLeft : 50 ,
x : { label : "血糖値(mg/dL)" , domain : [40 , 300 ] },
y : { label : "インスリン分泌(相対値)" , grid : true , domain : [0 , 3.5 ] },
color : { legend : true , domain : ["ブドウ糖のみ" , "+インクレチン" , "+インクレチン+SU 薬" ], range : ["#888" , "#4393c3" , "#d6604d" ] },
marks : [
Plot. rectX ([{ x1 : 40 , x2 : 70 }], { x1 : "x1" , x2 : "x2" , y1 : 0 , y2 : 3.5 , fill : "#d6604d" , fillOpacity : 0.08 }),
Plot. text ([{ x : 55 , y : 3.3 }], { x : "x" , y : "y" , text : () => "低血糖域" , fill : "#d6604d" }),
Plot. line (islet. rows , { x : "g" , y : "y" , stroke : "s" , strokeWidth : 3 })
]
})
md `| 血糖値 | ブドウ糖のみ | +インクレチン | +インクレチン+SU 薬 |
|---|---|---|---|
| 60 mg/dL(低血糖) | ${ islet. f . base (60 ). toFixed (2 )} | ${ islet. f . inc (60 ). toFixed (2 )} | ${ suStrength > 0 ? islet. f . su (60 ). toFixed (2 ) : "—" } |
| 200 mg/dL(食後高血糖) | ${ islet. f . base (200 ). toFixed (2 )} | ${ islet. f . inc (200 ). toFixed (2 )} | ${ suStrength > 0 ? islet. f . su (200 ). toFixed (2 ) : "—" } |`
インクレチン作用を強くしても、血糖 60 mg/dL での分泌はほとんど増えない ことを確認しよう
SU 薬の強さを上げてみよう。低血糖域で何が起きるか?
「2 型糖尿病」をオンにして、GLP-1 と GIP を切り替えて みよう。第 1 章の「GIP は効きにくいが GLP-1 は効く」がどう表れるか?
インクレチンはトリガー経路による分泌を 掛け算で増幅 するだけなので、トリガーが引かれていない低血糖域では 0 に近い値に何を掛けても 0 に近いままです。これが「血糖依存的」の意味です。
SU 薬は血糖と無関係にトリガーを引くので、低血糖域でもインスリンが出てしまいます。インクレチン関連薬と SU 薬を併用すると、インクレチンが SU 薬による分泌まで増幅する ため、低血糖のリスクが高まります。併用時に SU 薬を減量するのはこのためです。
このモデルでは、2 型糖尿病で GIP への反応性を健常時の 15% に下げています。GLP-1 では増幅が残るのに対し、GIP ではほとんど増幅されません。ただし、実際には血糖を改善すると GIP への反応は部分的に回復することが知られています(第 6 章)。