【内容提要】放射性同位素标记的人体物质平衡研究(human Absorption, Distribution, Metabolism, and Excretion, hADME)是创新药物研发过程中不可或缺的关键环节,其主要目标是阐明药物在人体内的吸收、分布、代谢和排泄途径,识别循环系统中的代谢产物,并为安全性评价中的代谢物暴露评估(MIST)提供数据支持。然而,由于此类研究通常仅纳入6至8名试验参与者,统计分析功效极为有限;若同时对所有个体的代谢物谱进行分析涉及大量样品提取与色谱分离工作,资源消耗巨大且费时费力。样品混合(sample pooling)后分析作为提升物质平衡研究分析效率的重要手段,可以在保持数据完整性的前提下显著降低分析负担。本文基于IQ Consortium人体物质平衡工作组发布的推荐决策框架白皮书,系统梳理了样品的跨试验参与者混合、排泄物样品跨时间点混合及血浆样品跨时间点混合三大维度的策略选择逻辑,详细解读了三个关键决策树的判断准则与适用场景,并结合ibrutinib、vemurafenib、capivasertib等具体案例,全面分析了不同混合策略的优缺点与实施要点。本文旨在为药物代谢研究领域从业人员提供一份结构化的参考指南,以辅助其在物质平衡研究中做出科学、合理的样品混合决策。
在新药研发过程中,充分理解候选药物在人体内的吸收、分布、代谢和排泄(ADME)特征是确保药物安全性和有效性的基础。放射性同位素标记的人体物质平衡研究(hADME)为此提供了最直接、最全面的实验手段。通过给予试验参与者放射性标记的药物,研究者可以追踪药物相关物质(drug-related material)在体内的完整命运,包括原形药物及全部代谢产物在血液、尿液和粪便中的定量分布。
hADME研究的核心目标涵盖多个层面:(1)评估给药后药物相关物质在尿液、粪便中的总回收情况;(2)通过代谢物谱分析(metabolite profiling),鉴定和定量血浆及排泄物中的主要代谢产物,为毒理学物种选择提供依据;(3)验证临床前安全性试验动物种属中的代谢物暴露量是否充分覆盖了人体内的主要代谢产物的暴露量——即符合ICH M3(R2)指导原则中关于"安全性试验中的代谢物"(Metabolites in Safety Testing, MIST)的要求;(4)为药物-药物相互作用研究和特殊人群药代动力学研究提供必要信息。
然而,hADME研究也面临独特的挑战。首先,出于伦理和安全考量,此类研究通常仅纳入6至8名健康参与者,样本量极小,统计分析功效严重受限,通常只能报告平均值、标准差和变异系数,无法进行有意义的统计推断。其次,代谢物谱分析需要采用扩展的液相色谱方法,结合闪烁计数(scintillation counting)、加速器质谱(Accelerator Mass Spectrometry, AMS)或非放射性方法进行检测,操作步骤繁琐、耗时且资源密集,特别是对所有个体的样品进行分析时。
样品混合(sample pooling)策略正是在这一背景下应运而生的一种高效分析范式。通过将来自不同试验参与者或不同时间点的样品进行合理合并,研究者可以在降低分析样品数量的同时,集中低放射性水平的样品以提高检测信号,从而改善代谢物谱的研究质量。但需要注意的是,混合策略也可能导致个体变异信息的丢失以及部分代谢产物药代动力学参数(如半衰期等)的损失。因此,如何在数据质量与资源效率之间取得最佳平衡,需要一个系统化的决策框架。
2026年3月,Cuyckens和Li等代表IQ Consortium人体物质平衡工作组在Clinical Pharmacology & Therapeutics期刊上发表了一篇白皮书,首次提出了一个完整的引导式样品混合策略决策框架。该框架整合了样品跨试验参与者混合、排泄物跨时间点混合和血浆跨时间点混合三个维度的决策逻辑,并以流程图(decision tree)的形式为研究者提供了可操作的指导。本文旨在对该白皮书的核心内容进行解读和分析,为药物代谢研究领域的从业人员提供参考。人体物质平衡研究概述1 研究设计与实施
标准的hADME研究设计通常包括以下关键要素:(1)试验参与者为6至8名健康男性或女性志愿者,肿瘤药物可纳入患者;(2)给予单次口服或静脉注射放射性同位素(通常为碳-14或氚)标记的受试药物,剂量通常接近预期的临床有效剂量;(3)在预定时间点采集血液/血浆样品,并分段收集尿液和粪便至放射性接近本底水平;(4)对样品进行总放射性测定、原形药物生物分析以及代谢物谱分析。
近年来,随着NMPA和FDA于2024年分别发布了人体放射性物质平衡研究的指导文件,以及微示踪(microtracer)策略和静脉微示踪联合肠内采样(EnteroTracker)等新技术的应用,hADME研究的实施方式也在不断演进。AMS技术的引入使得在极低放射性剂量下进行物质平衡研究成为可能,这对降低试验参与者辐射暴露风险具有重要意义。2 代谢物谱分析的方法学
代谢物谱分析是hADME研究中最复杂、最耗时的环节。其主要目的是定量分析药物相关实体(原形药物及全部代谢产物)在各生物基质中的相对丰度。常用的检测技术包括:(1)液相色谱在线放射性检测(LC-RAD),通过固体或液体闪烁计数器实时检测色谱流出物的放射性;(2)液相色谱离线放射性检测,将色谱流出物分段收集后进行闪烁计数或AMS分析;(3)加速器质谱(AMS),通过测量碳-14原子同位素比进行超灵敏检测,适用于低放射性浓度样品;(4)高分辨质谱(LC/HRMS),通过相对峰面积评估代谢物的相对丰度。
但不同检测技术对样品的放射性浓度要求差异很大。传统闪烁计数法需要样品具有较高的放射性浓度才能生成高质量的放射性色谱图;而AMS虽然灵敏度极高,但分析通量低、成本高,且需要离线分段收集;19F-核磁共振(19F-NMR)则因固有灵敏度低,通常需要对样品进行大量浓缩并延长测量时间,个体样品分析往往不可行。3 样品混合的基本类型
在hADME研究的代谢物谱分析中,样品混合可以在三个维度上进行,每种混合方式各有其特定的优势和局限性:
•跨试验参与者混合(Cross-participants pooling):将不同试验参与者在相同时刻采集的样品合并,获得代表性样品。优势在于减少分析样品数量、提高通量,适用于试验参与者间变异较小的情况。局限性在于丢失个体差异信息。
•跨时间点混合(Cross-timepoint pooling,即Hamilton法):将同一试验参与者在不同时间点采集的样品,按照与时间间隔成比例的体积进行合并,形成代表药物全身暴露的AUC的样品。优势在于获得药物全身暴露的平均代谢物谱,特别适用于评估循环代谢产物。局限性在于丢失代谢物的药代动力学特征(如半衰期)。
•超级混合(Superpool):将所有试验参与者、所有时间点的样品合并为一个单一样品。这是最彻底的混合方式,分析效率最高,但信息损失也最大。
上述三种混合方式可以灵活组合,例如先跨时间点混合后再跨试验参与者混合,形成代表所有试验参与者全身暴露的单一AUC的样品。样品跨试验参与者混合策略的决策逻辑1 基本决策原则
跨试验参与者混合策略的核心决策逻辑围绕试验参与者间的变异程度展开。在典型的hADME研究中,6至8名健康参与者的药代动力学参数和代谢特征通常较为一致,因此跨试验参与者混合通常是首选方案。在实施混合策略之前,研究者通常已经获得了每个试验参与者的总放射性定量数据以及基于质谱的特定分析物(原形药物和预定义活性代谢产物)的生物分析数据,这些数据为变异评估提供了基础。
变异系数(%CV)是评估试验参与者间变异的重要参考参数,可应用于总药物相关物质(TRA)的药代动力学参数、剂量回收率和总物质平衡等指标。然而,白皮书中特别强调了%CV的解读需谨慎——当存在两个具有不同基因型或表型的试验参与者亚组时,即使各亚组内部变异较小,整体%CV也可能呈现较高的水平,从而掩盖了潜在的双峰分布特征。因此,在决策混合策略前,应首先通过可视化手段(如散点图或箱线图)检查数据是否存在明显的亚组分离。若观察到明显的亚组分离,则不宜直接进行试验参与者者混合,而应考虑按亚组分别进行混合或放弃混合策略。此外,对于试验参与者者数量较少(如n≤4)或存在极端异常值的情况,也应谨慎采用混合策略,优先考虑逐例分析。
图1 样品跨试验参与者混合策略的决策树2 高变异场景
当观察到以下任一指标的异常高变异时,应考虑对试验参与者样品进行个体分析:
•原形药物PK参数(Cmax和/或AUC)的异常高变异;
•总放射性PK参数(Cmax和/或AUC)的异常高变异;
•排泄物中剂量回收率的异常高变异;
•总物质平衡的异常高变异。
需要指出的是,异常高变异的具体阈值需要根据具体情况逐案确定,因为难以建立适用于所有情况的严格标准。前期临床研究(如首次人体试验)中观察到的变异水平可以为此决策提供参考,但需要注意不同制剂和剂量可能引入额外变异。3 多基因型研究设计(targeted study design)
当hADME研究采用基因型预选设计时(例如纳入CYP2D6慢代谢者和快代谢者以评估多态性酶对药物代谢的影响),样品应按基因型分组混合,各组独立分析。经典案例为ibrutinib的hADME研究,其中CYP2D6慢代谢者的样品被单独分析。但白皮书也进一步指出,多态性酶对药物代谢的影响不一定需要在hADME研究中专门考察,也可以通过大型III期临床试验的群体药代动力学分析来评估。4 离群值的识别与处理
试验参与者离群值的处理是跨试验参与者混合策略中的关键环节。离群值定义为药代动力学或物质平衡特征与其他试验参与者不一致的样品,但这一判断是基于个体评估和科学判断,而非正式的统计检验。常见的离群值类型包括:
•总放射性或原形药物呈现明显不同于其他试验参与者的药代动力学特征;
•因缺失样品或呕吐等原因导致的放射性回收率显著降低;
•仅在个别试验参与者中观察到明确的安全信号。
对于离群值,推荐的做法是将其单独分析,其余试验参与者样品进行跨试验参与者混合。5 肿瘤患者的特殊考虑
对于肿瘤药物,尤其是细胞毒性药物,在健康参与者中开展hADME研究往往不可行,因此需要纳入患者。由于患者入组速度慢、缺乏代谢物稳定性数据、个体间变异可能更大,且患者可能身体状况较差、合并用药多、预处理历史复杂,此类研究的样品通常采取个体分析方式。
典型案例为trametinib的物质平衡研究,由于修订后的辐射暴露估计引发安全担忧以及剂量回收率低导致研究提前终止,最终仅有两名患者参与。对于microtracer研究,白皮书建议等待所有患者的样品到齐后再进行代谢物谱分析。特别是当存在代谢物稳定性方面的担忧时,可以通过将含有预期代谢物的临床前样品存储等于或超过首末患者样品收集时间间隔后重新分析来生成稳定性数据,以支持临床分析策略的制定。排泄物样品跨时间点混合策略1 基本原则
排泄物(尿液和粪便)的跨时间点混合通常基于各采集时间点中排泄量或重量的比例进行,目标是使混合样品覆盖每种基质中≥90%的总放射性(如果技术上可行)。这种方法可以减低代谢物鉴定和定量分析所需要处理的样品数。但如果后期采集间隔中样品的放射性水平过低,将它们纳入可能导致对混合样品不必要的稀释,反而降低分析质量。因此,研究者需要根据实际放射性浓度水平灵活决定混合范围。2 早晚两阶段分别混合策略
在以下情况下,应考虑将排泄物分为早期和晚期两个阶段分别进行混合:
•后期采集间隔中放射性浓度过低,影响分析质量;
•需要获取关于药物吸收的额外信息。
对于尿液,早期阶段通常为0至24小时,晚期阶段为剩余时间;对于粪便,早期阶段通常为0至48或72小时,晚期阶段为剩余时间。每个阶段混合样品均应尽量覆盖≥90%的总放射性。
早晚分阶段混合策略的一个重要应用是评估口服药物的吸收程度。药物的吸收量可以粗略估计为尿液中总放射性与粪便中代谢物总量之和。当存在原形药物的不稳定代谢产物(例如在胃肠道微生物作用下发生直接葡萄糖醛酸苷解缀合的物质)时,可通过肠内插管(intestinal tubing)或线绳(string)采集胆汁样品,以更准确地评估吸收量。该策略的另外一个应用是可以用于研究药物在体内的代谢物谱,特别是在早期排泄物中可能检测到更多原形药物或初级代谢产物,而晚期排泄物则可能因代谢物浓度较低而无法有效进行鉴定。此外,对于口服吸收较慢或存在肠肝循环的药物,早晚分阶段混合策略还能帮助区分药物吸收与排泄的时相特征,从而更清晰地界定药物在体内的处置过程。
图2 排泄物样品跨时间点混合策略决策树3 典型案例分析
•vemurafenib研究:由于整体尿液混合样品中放射性水平过低,仅分析了覆盖0至96小时早期收集期的单一尿液混合样品。
•capivasertib研究:分别分析了早期和晚期阶段的尿液及粪便混合样品,原因同样是后期阶段时间点放射性浓度过低。
•tropifexor研究:分析了晚期阶段144至168小时粪便混合样品有助于更好地估计药物的吸收量,但前提是吸收已完成且原形药物与代谢物比值在这些时间点保持恒定。
•vismodegib研究:根据早期和晚期阶段粪便混合物的分析,前3天粪便中大部分放射性对应未吸收的原形药物,而6至14天粪便中vismodegib占比不到15%但仍是放射性的重要组成部分,提示药物及其代谢产物在肠道中可能存在肠肝循环或延迟排泄。血浆样品跨时间点混合策略1 Hamilton混合法
为评估循环代谢物,通常采用Hamilton混合法对血浆(或若以血液作为药代动力学基质则使用全血)进行混合处理,以估算原形药物与代谢物的总放射性暴露百分比。Hamilton法按照各采样时间点所代表的时间间隔的比例合并各时间点样品的体积,形成代表药物全身暴露的AUC混合样品。
Hamilton混合样品可以针对单个试验参与者制备,也可以跨试验参与者制备。为避免放射性过度稀释,可以省略最后一个时间点或其他可能干扰代谢物谱鉴定分析的样品,目标是使混合样品覆盖≥90%的总放射性AUC(AUClast),或者在能够做出合理估计时覆盖AUCinf。如果标准的Hamilton混合无法满足≥90%覆盖的要求,可以考虑以下替代方案:
•分析多个独立时间点的跨试验参与者混合样品,或早期和晚期AUC混合样品;
•采用LC/HRMS分析个体时间点或多个AUC混合样品,以评估代谢物蓄积。
图3 血浆样品跨时间点混合策略决策树2 半衰期差异的考量
Hamilton法的一个主要局限性是丢失循环代谢产物的药代动力学信息,尤其是半衰期(T1/2)。当原形药物与总放射性之间观察到显著的半衰期差异时,可能需要分析更多的个体时间点或额外的AUC混合样品。
白皮书建议,当原形药物与总放射性的半衰期差异超过五倍时可能需要分析个体时间点,而差异小于两至三倍通常不触发对个体时间点分析。这一阈值应结合已有代谢物的独立LC/MS分析数据进行个案判断。如果差异可以用已知的活性代谢物的半衰期来解释,则可能不需要额外分析。特别注意那些消除半衰期长但浓度低代谢产物在采用本策略进行混合时,极易对整体的暴露水平评估阐释误导性结果。3 代谢物蓄积评估
分析个体时间点的跨试验参与者混合样品或早晚AUC混合样品有助于评估代谢物随时间蓄积的潜力,预测多次给药后代谢物的稳态浓度。代谢物的T1/2可用于估算单次给药后的AUC,作为稳态AUCtau的近似值。
代谢物的MIST相关性判断取决于其在稳态时占药物相关物质的百分比——当超过10%时即被认为是适用于MIST进行评估的。由于这一判断通常基于组均值AUC,因此常用跨试验参与者AUC混合样品进行评估。此外,多次递增剂量研究在稳态时的数据也可以提供代谢物蓄积的信息,通过比较单次和多次给药后代谢物的LC/MS相对峰面积可以获得蓄积的视角。4 新的代谢物鉴定分析技术
当传统放射性谱分析不适用时,以下新技术可以提供有价值的补充信息:
•LC/HRMS:通过相对峰面积评估代谢物的相对丰度和PK特征。建议纳入内标或质控样品以监控质谱漂移,并可通过加入一半或双倍体积样品来检查高丰度代谢物或原形药物的质谱饱和情况。
•AMS:适用于低放射性浓度样品的超灵敏检测,通过同位素比测量而非仅依赖衰变事件进行计数。etrasimod和elinzanetant的研究中采用了LSC与AMS联用的策略。
•总放射性计数外推:在技术上无法测量覆盖≥90%总放射性的混合样品时,可利用总放射性计数数据进行半衰期外推。5 共价结合的挑战
白皮书特别强调了共价结合对Hamilton混合样品分析结果的影响。覆盖≥90%总放射性AUC的Hamilton混合样品不一定能产生覆盖≥90%放射性的代谢物谱。这是因为在样品制备和LC分析过程中,部分放射性可能因共价结合而丢失。典型案例为ibrutinib的物质平衡研究,其中总放射性AUC0-72h的51%归因于无法在血浆谱中检测和鉴定的共价结合物质。这一发现提示研究者,在解读Hamilton池的代谢物谱结果时,必须考虑共价结合对放射性回收的影响。综合讨论与展望1 三大决策树的协同关系
值得注意的是,样品跨试验参与者混合、排泄物跨时间点混合和血浆跨时间点混合这三个维度的决策并非相互独立,而是密切关联的。排泄物和血浆的时间点混合决策需要在确定试验参与者混合方案之后进行,因为分析个体试验参与者样品和个体时间点样品会显著增加资源消耗。例如,如果已经决定对所有试验参与者的血浆进行个体分析,那么在血浆跨时间点混合时可能倾向于保留更多时间点信息以充分利用个体化分析的优势。因此。在实际操作中,研究者应首先评估试验参与者层面的变异情况并确定试验参与者混合策略,然后在此基础上分别针对排泄物和血浆制定时间点混合方案。2 局限性与未来方向
虽然IQ Consortium的这一决策框架为hADME研究的样品混合提供了系统化指导,但仍存在一些局限性需要在未来研究中进一步探讨:
•缺乏统一的变异阈值标准:白皮书明确指出异常高变异的判断是个案驱动的,难以建立普遍适用的严格标准。未来研究可以根据更多hADME研究的积累数据,尝试建立经验性的变异阈值参考范围。
•新型分析技术的影响:随着高分辨质谱、成像质谱等非放射性分析技术的快速发展,未来可能需要拓展决策框架以纳入这些技术的适用场景。
•监管期望的持续演进:随着NMPA和FDA 2024年指导文件的发布和ICH M3(R2)指导原则的修订,对hADME研究设计和数据分析的监管期望也在不断变化,决策框架需要保持动态更新。3 对药物研发实践的建议
基于对IQ Consortium决策框架的全面分析,本文对药物研发实践提出以下建议:
•在hADME研究方案设计阶段即应制定样品混合策略的初步方案,但保留根据实际数据进行调整的灵活性。
•充分收集和评估前期临床数据(如首次人体试验)中的变异信息,为跨试验参与者混合决策提供数据支撑。
•在分析能力允许的范围内,尽可能保留个体时间点样品,以便在发现显著半衰期差异或离群值时能够进行补充分析。
•对于共价结合药物,应特别关注样品制备和LC分析过程中的放射性丢失问题,必要时采用互补的分析策略。
•积极利用LC/HRMS等辅助技术作为传统放射性谱分析的补充,特别是在评估代谢物蓄积和MIST相关性时。结 论
人体物质平衡研究中的样品混合策略是一个需要综合考虑数据质量、资源效率和研究目标的多维决策问题。IQ Consortium人体物质平衡工作组针对这一问题提出了决策框架,首次将这一复杂的决策过程系统化为三个相互关联的决策树,覆盖了样品跨试验参与者混合、排泄物跨时间点混合和血浆跨时间点混合三个关键维度。
该框架的核心价值在于:(1)强调数据驱动的逐案决策理念,避免一刀切的混合策略;(2)明确指出%CV在变异评估中的参考作用及其局限性;(3)系统梳理了离群值处理、基因型分层、早晚分阶段混合等特殊场景的具体操作建议;(4)充分讨论了共价结合、半衰期差异、技术限制等可能影响混合策略效果的关键因素。
对于药物代谢研究领域的研究者和审评人员而言,这一决策框架提供了一个结构化的思维工具,有助于在保证代谢物谱数据质量的前提下,最大限度地优化资源利用,也能根据产品的代谢代动力学特点合理选择混合策略以更准确揭示药物在人体内的代谢特征,最终提升hADME研究的整体科学价值。
物质平衡研究系列文章:
从FDA和EMA发表的文章看物质平衡研究在新药研发中的重要价值与作用
肿瘤患者中人体物质平衡(hAME)研究的执行策略与监管考量
人体物质平衡研究:当前的实践与未来的新趋势
参考文献
[1] Spracklin KS, Chen D, Bergman AJ, et al. Mini-Review: comprehensive drug disposition knowledge generated in the modern human radiolabeled ADME study. CPT Pharmacometrics Syst Pharmacol. 2020;9:428-434.
[2] International Council for Harmonisation of Technical Requirements for Pharmaceuticals for Human Use. Guidance on Nonclinical Safety Studies for the Conduct of Human Clinical Trials and Marketing Authorization for Pharmaceuticals M3 (R2). 2009.
[3] Penner N, Klunk JK, Prakash C. Human radiolabeled mass balance studies: objectives, utilities and limitations. Biopharm Drug Dispos. 2009;30:185-203.
[4] Cuyckens F, Li W, Auclair AM, et al. Guided Sample Pooling in Human Mass Balance Studies: A Recommended Strategic Decision Framework. Clin Pharmacol Ther. 2026;119(3):591-597.
[5] US Food & Drug Administration. Clinical Pharmacology Considerations for Human Radiolabeled Mass Balance Studies. 2024.
[6] Wen B, et al. Investigation of clinical absorption, distribution, metabolism, and excretion and pharmacokinetics of the HIV-1 maturation inhibitor GSK3640254 using an intravenous microtracer combined with EnteroTracker for biliary sampling. Drug Metab Dispos. 2022;50:1442-1453.
[7] Lee CA, et al. Disposition and mass balance of etrasimod in healthy participantss and in vitro determination of the enzymes responsible for its oxidative metabolism. Clin Pharm Drug Dev. 2023;12:553-571.
[8] Li W, et al. Metabolite bioanalysis in drug development: recommendations from the IQ consortium metabolite bioanalysis working group. Clin Pharm Ther. 2024;115:939-953.
[9] Schulz SI, et al. Mass balance recovery, absorption, metabolism, and excretion of elinzanetant in healthy human volunteers and in vitro biotransformation. Eur J Drug Metab Pharmacokinet. 2025;50:91-103.
[10] Glaenzel U, et al. Absorption, distribution, metabolism, and excretion (ADME) of capmatinib (INC280) in healthy male volunteers and in vitro aldehyde oxidase phenotyping of the major metabolite. Drug Metab Dispos. 2020;48:873-885.
[11] Scheers E, et al. Absorption, metabolism, and excretion of oral 14C radiolabeled ibrutinib: an open-label, phase I, single-dose study in healthy men. Drug Metab Dispos. 2015;43:289-297.
[12] Wang S, et al. The importance of tracking "missing" metabolites: how and why? J Med Chem. 2023;66:15586-15612.
[13] Beumer JH, Beijnen JH, Schellens JH. Mass balance studies, with a focus on anticancer drugs. Clin Pharmacokinet. 2006;45:33-58.
[14] Nijenhuis CM, Schellens JHM, Beijnen JH. Regulatory aspects of human radiolabeled mass balance studies in oncology: concise review. Drug Metab Rev. 2016;48:266-280.
[15] Ho MY, et al. Trametinib, a first-in-class oral MEK inhibitor mass balance study with limited enrollment of two male participantss with advanced cancers. Xenobiotica. 2014;44:352-368.
[16] Glaenzel U, et al. Absorption, distribution, metabolism, and excretion of icenticaftor (QBW251) in healthy male volunteers at steady state and in vitro phenotyping of major metabolites. Drug Metab Dispos. 2024;52:1379-1387.
[17] Remmerie B, et al. Duodenal sampling in a human mass balance study to quantify the elimination pathways of JNJ-53718678, a respiratory syncytial virus fusion protein inhibitor. Adv Ther. 2020;37:578-591.
[18] Goldinger SM, et al. A single-dose mass balance and metabolite-profiling study of vemurafenib in patients with metastatic melanoma. Pharmacol Res Perspect. 2015;3:e00113.
[19] Miller C, et al. A phase I study to determine the absolute bioavailability and absorption, distribution, metabolism, and excretion of capivasertib in healthy male participants. Drug Metab Dispos. 2024;52:939-948.
[20] Wang-Lakshman L, et al. Evaluation of the absorption, metabolism, and excretion of a single oral 1-mg dose of tropifexor in healthy male participantss and the concentration dependence of tropifexor metabolism. Drug Metab Dispos. 2021;49:548-562.
[21] Graham RA, et al. A single dose mass balance study of the hedgehog pathway inhibitor vismodegib (GDC-0449) in humans using accelerator mass spectrometry. Drug Metab Dispos. 2011;39:1460-1467.
[22] Hamilton RA, Garnett WR, Kline BJ. Determination of mean valproic acid serum level by assay of a single pooled sample. Clin Pharmacol Ther. 1981;29:408-413.
[23] Hop CE, Wang Z, Chen Q, Kwei G. Plasma-pooling methods to increase throughput for in vivo pharmacokinetic screening. J Pharm Sci. 1998;87:901-903.
[24] Prakash C, Fan B, Altaf S, et al. Pharmacokinetics, absorption, metabolism, and excretion of [14C] ivosidenib (AG-120) in healthy male participantss. Cancer Chemother Pharmacol. 2019;83:837-848.
[25] Prakash C, Li Z, Orlandi C, Klunk L. Assessment of mass exposure of metabolites in preclinical species and humans at steady state from the single-dose radiolabeled ADME studies: a case study. Drug Metab Dispos. 2012;40:1308-1320.
[26] European Medicines Agency. Overview of comments received on Guideline on the Investigation of Drug Interactions (EMA/CHMP/EWP/125211/2010). 2013.
[27] Glaenzel U, et al. Metabolism and disposition of siponimod, a novel selective s1p1/s1p5 agonist, in healthy volunteers and in vitro identification of human cytochrome P450 enzymes involved in its oxidative metabolism. Drug Metab Dispos. 2018;46:1001-1013.
[28] Kirchheiner J, Seeringer A. Clinical implications of pharmacogenetics of cytochrome P450 drug metabolizing enzymes. Biochim Biophys Acta. 2007;1770:489-494.
[29] Scheers E, et al. Metabolism and disposition in rats, dogs, and humans of erdafitinib, an orally administered potent pan-fibroblast growth factor receptor (FGFR) tyrosine kinase inhibitor. Xenobiotica. 2021;51:177-193.
[30] Dai X, et al. Mass balance and pharmacokinetics of an oral dose of 14C-napabucasin in healthy adult male participantss. Pharmacol Res Perspect. 2021;9:e00722.
[31] Cerny MA, Spracklin DK, Obach RS. Human absorption, distribution, metabolism, and excretion studies: origins, innovations, and importance. Drug Metab Dispos. 2023;51:647-656.
[32] Pearson D, et al. Absorption, distribution, metabolism, and excretion of the oral prostaglandin D2 receptor 2 antagonist fevipiprant (QAW039) in healthy volunteers and in vitro. Drug Metab Dispos. 2022;45:817-825.
[33] Meng J, et al. Metabolic disposition of the EGFR covalent inhibitor furmonertinib in humans. Acta Pharmacol Sin. 2022;43:494-503.
[34] Bian Y, et al. Mass balance and metabolite profiles in humans of tegoprazan, a novel potassium-competitive acid blocker, using 14C-radiolabelled techniques. Expert Opin Drug Metab Toxicol. 2025;21:897-907.
[35] Holmberg AA, et al. Characterization of clinical absorption, distribution, metabolism, and excretion and pharmacokinetics of velsecorat using an intravenous microtracer combined with an inhaled dose in healthy participantss. Drug Metab Dispos. 2022;50:150-157.
[36] Vuu I, et al. Absorption, metabolism and excretion of [14C]-sotorasib in healthy male participantss: characterization of metabolites and a minor albumin-sotorasib conjugate. Cancer Chemother Pharmacol. 2022;90:357-367.