（……接上文）
和 8.4）下测量这些药物混合物的吸光度，并记录在不同波长下的吸光度值。将混合物在不同摩尔分数下的实测吸光度值减去相同实验条件下游离药物的吸光度总值，得到吸光度差值（D）。然后，以吸光度差值（D）对混合物中药物的摩尔分数作图，所得曲线在特定点达到最大值，该点反映了复合物中一种药物与另一种药物的摩尔比。图 4 显示了一个 Job 图（26）。其他研究也获得了类似结果（Chowdhury, 2023; Flora et al., 2023）。
(v) 差示扫描量热法（DSC）热分析图
差示扫描量热法（DSC）是一种热分析方法，用于测量未知样品与标准材料之间随温度变化的热流差异。它提供有关热转变和反应的信息（Google, 2025）。
药物 A 的 DSC 热分析图在特定温度（°C）下显示一个长而尖锐的特征吸热峰，并伴有特定的自由能量（ΔH，单位 J/g），对应药物 A 的熔点。药物 B 在另一个温度（°C）下显示一个宽的吸热峰，代表水分子从晶格中蒸发，并在不同温度（°C）下观察到放热事件，可能与无定形状态转变有关。物理混合物的 DSC 曲线显示，与纯药物相比，吸热峰发生了显著位移（Nabi et al., 1974; Siraji et al., 2011）。
(vi) FTIR 光谱研究
FTIR（傅里叶变换红外）光谱研究是一种分析技术，利用红外光通过检查其独特的振动和旋转光谱来分析材料的化学结构和组成（Google, n.d.）。FTIR 成像可确定所研究药物（药物 A 和药物 B）及其 1:1 和 1:2 混合物中的官能团。可以获得对应药物 A 和药物 B 重要官能团的吸收频率。将药物 A-药物 B 复合物的 FTIR 光谱与纯药物的光谱进行比较（Dun et al., 2013）。
(vii) 薄层色谱法
薄层色谱技术（TLC）可用于分离两种物质相互作用形成的复合物。TLC 通常使用涂有硅胶的板作为固定相。将样品溶液“点样”在板上，然后放入装有适当溶剂的缸中。由于毛细作用，溶剂沿板上升，并根据各物质的极性以不同速率将其洗脱。使用多种溶剂以获得更高的分离度。分离过程取决于各组分对固定相和流动相的相对亲和力。当板在溶剂中展开时，化合物沿固定相表面移动。对固定相亲和力更高的化合物在板上移动得更慢。此外，对流动相亲和力更高的化合物比其他化合物移动得更快。使用手持式紫外灯（长波和短波）以及碘缸可以观察到并识别不同的斑点。计算 Rf 值以确认化学物质的身份（Aktar et al., 2021）。
(viii) 荧光光谱法
通过利用荧光强度、波长位移或猝灭效应的变化，荧光光谱法可以识别和分析化学相互作用。其原理基于某些分子在特定波长激发下会发光的特性。药物-药物相互作用（DDI），特别是涉及蛋白质结合或竞争生物大分子的相互作用，非常适合使用这种方法研究。在 DDI 研究中，荧光光谱法常用于追踪一种药物对另一种药物与蛋白质（如血清白蛋白）结合能力的影响。采用荧光光谱法研究了单宁与牛血清白蛋白（BSA）之间的相互作用，识别出疏水相互作用和静态猝灭过程。这类研究突显了荧光光谱法在揭示分子水平变化和 DDI 潜在药代动力学后果方面的效用。在另一项研究中，荧光光谱法用于研究吉非替尼（GEF）与人血清白蛋白（HSA）的结合，揭示了静态猝灭机制和中等结合亲和力（Ka = 1.70 × 10⁴ M⁻¹）。Stern-Volmer 常数随温度升高而降低，证实为静态猝灭，而热力学数据表明存在疏水和氢键相互作用。该示例显示了荧光光谱法如何帮助识别结合强度、猝灭类型和相互作用位点——这些是药物-药物相互作用分析的关键方面（Kabir et al., 2016）。
(ix) 高效液相色谱（HPLC）
高效液相色谱（HPLC）是一种基于物质在流动相和固定相之间差异分配的分析方法，可精确分离、鉴定和定量药物及其代谢物。当两种或多种药物同时给药时，HPLC 常用于 DDI 研究，以追踪药物浓度的变化。HPLC 可获得高灵敏度和选择性，具体取决于检测系统（例如 UV、荧光或质谱）。例如，HPLC 技术已被广泛用于评估不同物质对同时服用的药物血浆水平的影响，揭示可量化的药代动力学变化。这些研究证明了 HPLC 在定量评估临床前和临床背景下 DDI 的有效性。在一项研究中，开发了一种带 UV 检测的 HPLC 方法，用于研究西地那非（SDF）和曲马多（TMD）在家兔血浆中口服联合给药后的药物-药物相互作用。该方法使用 C18 色谱柱和磷酸盐缓冲液-乙腈流动相，能够同时定量两种药物，且灵敏度高（TMD 的检测限为 0.05 μg/mL，SDF 的检测限为 0.02 μg/mL）。药代动力学分析显示，TMD 改变了 SDF 的 Cmax、Tmax、AUC 和消除速率，表明存在显著相互作用。该研究证明了 HPLC 在定量联合给药药物和评估体内药代动力学变化方面的优势（Dahshan et al., 2019）。此外，还建立并验证了一种用于定量奥美拉唑药物剂型的反相 HPLC 方法，以分析药物-药物相互作用（Kayesh et al., 2013）。
3.2 体内方法
在体内研究中（Amran et al., 2007），使用不同体重的年轻健康动物（小鼠、大鼠、豚鼠、家兔等）。通过腹腔注射戊巴比妥钠（50 mg/kg）麻醉动物。通过气管插管进行人工通气以维持呼吸，从而保持 pCO₂、pO₂ 和 pH 在正常水平。通过将聚乙烯管插入左股静脉进行药物给药。将水银压力计连接到插管的颈总动脉以监测血压。稳定 15 分钟后，给予 0.5 ml 生理盐水作为空白对照，记录正常血压。然后分别静脉推注 1 mg/kg 体重的药物 A、药物 A + 药物 B（1:1）等比例混合物以及药物 A + 药物 C，每种剂量给予不同动物组，并记录产生的血压反应。每只动物仅给予单次剂量（处理）（Sayeed & Rana, 2013; Kundu et al., 2015）。
3.3 药物相互作用中涉及的分子间作用力
药物相互作用中涉及的分子间作用力包括：(i) 范德华力（色散力、偶极力和诱导偶极力），(ii) 氢键，(iii) 配位共价键，(iv) 电荷转移，(v) 疏水相互作用（Goldstein et al., 1974）。详细描述超出了本文范围，感兴趣的读者可参考（Goldstein et al., 1974; Brunton et al., 2005）进行进一步研究。
3.4 药物相互作用分析中使用的计算机模拟方法
(i) 定量构效关系（QSAR）模型
QSAR 模型是一种基于分子化学结构预测其生物活性的计算技术。在 QSAR 建模中，将各种化学描述符（如分子量、亲脂性、电子性质、氢键供体/受体）与生物结果（如酶抑制或诱导）进行数学关联。当应用于 DDI 时，QSAR 模型可以预测一种新药是否可能抑制或诱导代谢酶（如 CYP450 酶），从而与其他药物发生相互作用。现代 QSAR 模型，如使用 PASS（物质活性谱预测）或 PoSMNA 描述符构建的模型，无需实际测试即可实现高通量相互作用预测。
在一项研究（Dmitriev et al., 2021）中，研究人员开发了计算机模型来预测由七种主要细胞色素 P450 酶（CYP1A2、CYP2B6、CYP2C19、CYP2C8、CYP2C9、CYP2D6 和 CYP3A4）介导的药物-药物相互作用（DDI）。他们利用约 2500 条已知 DDI 记录，应用 PASS 软件和基于分子结构的 PoSMNA 描述符构建了结构-活性关系（SAR）模型。通过留一法交叉验证评估，模型平均预测准确率约为 92%。这些 SAR 模型可公开获取，可用于预测现有药物和尚未合成的新化合物的潜在 DDI。
(ii) 分子对接和分子动力学（MD）模拟
分子对接模拟小分子（药物）与靶蛋白（如酶或转运体）之间的结合方向和亲和力。分子动力学（MD）模拟在定义条件（如温度、压力）下模拟原子和分子随时间推移的物理运动。对接有助于预测药物与酶（如 CYP450、P-糖蛋白）的结合强度，从而判断其是否可能抑制该酶并导致 DDI。它能计算结合能并识别相互作用（如氢键、疏水接触）。分子动力学通过模拟药物-蛋白质复合物的实时行为来完善这一预测，检查结合是否稳定、灵活或短暂。MD 可以揭示简单对接可能遗漏的重要现象，如构象变化或诱导契合效应。
一项研究利用分子对接探讨了 GNF-351（一种拮抗芳烃受体的候选药物）与酮康唑的相互作用。研究人员模拟了 GNF-351 与人细胞色素 P450（CYP3A4）结构的结合，生成了 30 种可能的取向。对接结果显示，GNF-351 通过其芳香环与 CYP3A4 相互作用，特别是靠近 Phe302 和 Phe304 位点，与酮康唑相对于血红素基团的结合位置相似。这些发现表明 GNF-351 与酮康唑之间存在潜在相互作用，提示联合使用时需要谨慎监测（Liu et al., 2015）。
(iii) 基于生理的药代动力学（PBPK）建模
基于生理的药代动力学（PBPK）模型是模拟药物在虚拟生物体内 ADME（吸收、分布、代谢、排泄）过程的计算模型，基于生理参数。
PBPK 模型利用真实的生物学数据（如器官大小、血流量、酶表达水平）和药物特异性性质（如溶解度、渗透性、代谢速率）创建“虚拟人体”或“虚拟动物”。这些模型预测药物如何在不同组织中分布以及如何被代谢。对于 DDI，PBPK 模型用于模拟一种药物抑制或诱导另一种药物代谢的情景。监管机构（如 FDA）接受 PBPK 模拟作为药物开发中 DDI 风险评估的证据。预测他汀类药物的药物-药物相互作用（DDI）具有挑战性，因为涉及代谢酶和转运体。在一项研究（Duan et al., 2017）中，利用体外和临床数据在 SimCYP® 中开发了匹伐他汀和阿托伐他汀的 PBPK 模型，同时考虑了酶和转运体的贡献。模型成功预测了涉及 OATP1B1 多态性以及与伊曲康唑、红霉素和吉非罗齐的相互作用，但低估了与利福平和环孢素的 DDI。进一步分析表明，现有模型低估了利福平和环孢素对 OATP1B1 的抑制作用。总体而言，该研究证实了 OATP1B1 在这些他汀类药物药代动力学中的关键作用，并确定了 DDI 预测差异的原因。
- 结论
本综述强调，DDI 研究是一个重要的药代动力学参数，需要合适的方法来研究这一关键参数。需要指出的是，即使只有两种药物，也可能诱发 DDI，其临床意义与每种药物的药理学相关（Palleria et al., 2013）。事实上，DDI 能够在存在治疗指数低、半衰期长且与血浆蛋白结合率高的药物时产生临床相关效应明白了，您需要我继续输出翻译的剩余部分，并以【全文结束】作为结尾。之前我翻译到了结论部分（4. Conclusion）的部分内容，现在继续往下翻译，包括声明、参考文献等，并去除所有网址，最后加上结束标记。
（接上文）
机制为基础的药代动力学建模和模拟对于比较假定的联合用药方案非常有用，并且具有多尺度、转化医学的潜力（Niu et al., 2019）。
免责声明（人工智能）
作者特此声明，在撰写或编辑本稿件过程中使用了生成式人工智能技术，例如大型语言模型等。此说明将包括所使用的生成式人工智能技术的名称、版本、模型和来源，以及提供给该生成式人工智能技术的所有输入提示。
人工智能使用详情如下：
- 名称：ChatGPT，模型：GPT-3.5，版本：gpt-3.5-turbo。我使用它来获得句子构建的思路，同时编辑稿件。我没有直接复制粘贴，只是获取思路，然后以我自己的方式改编和重写句子。
同意声明
不适用。
伦理批准
不适用。
致谢
我们感谢本综述中引用的所有文章的作者。
利益冲突
作者声明不存在任何利益冲突。
参考文献
Afzal, M., Sultan, M. Z., Begum, R., Rahman, A., Amran, M. S., & Hossain, M. A. (2013). In vitro interaction of nandrolone with calcium nitrate, magnesium sulfate and potassium permanganate in aqueous medium. Dhaka University Journal of Pharmaceutical Sciences, 11(2), 93–99.
Ahmed, N. J., Alkhawaja, F. Z., & Khan, M. F. (2020). Pilot study: Assessment of drug-food and drug–drug interactions in the outpatient settings. Journal of Pharmaceutical Research International, 32(21), 58–63.
Ahsan, M. R., Sultan, M. Z., Amjad, F. M., Sultana, S., Baki, M. A., Hossain, M. A., & Amran, M. S. (2012). The study of in vitro interaction of ciprofloxacin with paracetamol and zinc in aqueous medium. Journal of Scientific Research, 4(3), 701–708.
Ahsan, M. R., Sultan, M. Z., Baki, M. A., Rahman, M. A., Hossain, M. A., Hossain, M. A., & Amran, M. S. (2012). The study of in vitro and in vivo effects of concurrent administration of paracetamol and zinc on the antibacterial activity of ciprofloxacin. Dhaka University Journal of Pharmaceutical Sciences, 10(2), 137–142.
Aktar, F., Sultan, M. Z., & Rashid, M. A. (2019). In vitro complexation of olmesartan medoxomil with dapagliflozin, vildagliptin and metformin. Dhaka University Journal of Pharmaceutical Sciences, 18(2), 271–280.
Aktar, F., Sultan, M. Z., & Rashid, M. A. (2020). Study of the effects of complexation of lead with metformin, glimepiride, vildagliptin and dapagliflozin in mice model. Microbial Bioactive, 3(1), 123–133.
Aktar, F., Sultan, M. Z., & Rashid, M. A. (2021). Chromium (III) complexes of metformin, dapagliflozin, vildagliptin and glimepiride potentiate antidiabetic activity in animal model. International Journal of Current Research and Review, 13(5), 64–69.
Alkhallaf, S. A., Daghriry, A. I., Sharahili, M. A., Alanazi, A. A., Alanazi, H. A., Alharbi, I. F., ... Alanzi, A. S. (2024). An in-depth examination of drug–drug interaction databases: Enhancing patient safety through advanced predictive models and artificial intelligence techniques. Journal of Medical Life Sciences, 6(4), 553–565.
Amran, M. S., Bari, A. R., & Hossain, M. A. (2006). Interactions of diltiazem with ibuprofen and naproxen in aqueous medium and rabbits. Dhaka University Journal of Pharmaceutical Sciences, 5(1), 25–28.
Amran, M. S., Morshed, S. N., Khandakar, M. J. A., Rahman, M. M., & Hossain, M. A. (2008). Effects of atenolol and zinc chloride on the protein binding of amlodipine in aqueous medium. Dhaka University Journal of Pharmaceutical Sciences, 7(1), 15–21.
Amran, M. S., Rahatuzzamn, M., & Hossain, M. A. (2007). The synergism of diltiazem and nifedipine in their antihypertensive functions in the animal model and the case of coadministration of ketotifen fumerate and potassium nitrate with them. Journal of Biosciences (Rajshahi University), 14, 61–67.
Ardon, M. (1957). 340. Oxidation of ethanol by ceric perchlorate. Journal of the Chemical Society (Resumed), 1811.
Azam, A. T. M. Z., Siraji, F., Amran, M. S., Islam, J. N., Amjad, F. M., & Hossain, M. A. (2011). Interaction of metronidazole and mebendazole with copper (II) and chromium (III) in aqueous media. Journal of Scientific Research, 4(1), 173.
Bari, A. H. M. R., Azam, A. T. M. Z., Amran, M. S., & Hossain, M. A. (2000). In vivo effects of ibuprofen and naproxen on the plasma concentration of diltiazem in rabbits. Pakistan Journal of Biological Sciences, 3(4), 555–557.
Bates. (1964). Determination of pH – Theory and practice (pp. 50–67). Wiley.
Bennett, P. N., & Brown, M. J. (2008). Clinical pharmacology (10th ed., pp. 112–114). Elsevier.
Braun, R. D. (n.d.). Chemical analysis. Encyclopedia Britannica. Encyclopedia Britannica Online.
Brunton, L. L., Lazo, J. S., & Parker, K. L. (2005). Goodman & Gilman’s the pharmacological basis of therapeutics (11th ed., pp. 26–60). The McGraw-Hill Companies.
Cadwallader, D. E. (1985). Biopharmaceutics and drug interactions (3rd ed., pp. 3–7). Raven Press.
Chatten, L. G. (1969). Pharmaceutical chemistry (pp. 1–58). Marcel Dekker.
Chowdhury, A. A., Brishti, M. A., Uddin, G., Tipu, F. K., Kabir, S., & Amran, M. S. (2021). Analytical method development and validation of cefixime trihydrate in bulk and dosage form by UV-visible spectroscopy. Journal of Applied Pharmaceutical Sciences and Research, 4(2), 4–9.
Chowdhury, K. A. A. (2023). In vitro drug-drug interaction study between ranitidine hydrochloride and bisoprolol fumarate. IIUC Studies, 20(1), 33–58.
Dahshan, H. E., Helal, M. A., Mostafa, S. M., & Elgawish, M. S. (2019). Development and validation of an HPLC-UV method for simultaneous determination of sildenafil and tramadol in biological fluids: Application to drug-drug interaction study. Journal of Pharmaceutical and Biomedical Analysis, 168, 201–208.
Deepa, K., Sultan, M., Amran, M., & Kabir, S. (2016). In vitro analysis of the interaction between ketorolac tromethamine and bovine serum albumin using fluorescence spectroscopy. Journal of Advances in Medical and Pharmaceutical Sciences, 10(1), 1–8.
Directorate General of Drug Administration (DGDA). (n.d.). Bangladesh National Formulary (BDNF) (5th ed., pp. 609–677).
Dmitriev, A. V., Rudik, A. V., Karasev, D. A., Pogodin, P. V., Lagunin, A. A., Filimonov, D. A., et al. (2021). In silico prediction of drug–drug interactions mediated by cytochrome P450 isoforms. Pharmaceutics, 13(4), 538.
Duan, P., Zhao, P., & Zhang, L. (2017). Physiologically based pharmacokinetic (PBPK) modeling of pitavastatin and atorvastatin to predict drug-drug interactions (DDIs). European Journal of Drug Metabolism and Pharmacokinetics, 42(4), 689–705.
Dun, W., Guijian, L., Ruoyu, S., & Xiang, F. (2013). Investigation of structural characteristics of thermally metamorphosed coal by FTIR spectroscopy and X-ray diffraction. Energy & Fuels, 27(10), 5823–5830.
Evaluation of in vitro interaction of diltiazem hydrochloride with iron (II) in the aqueous media. (n.d.).
Flora, M., Tahsin, R., Chowdhury, J. A., Kabir, S., Amran, M. S., & Chowdhury, A. A. (2023). In vitro and in vivo interaction of ketorolac tromethamine and cefixime trihydrate. Dhaka University Journal of Pharmaceutical Sciences, 22(2), 137–146.
Goldstein, A., Aronow, L., & Kalman, S. M. (1974). Principle of drug action: The basis of pharmacology (2nd ed., pp. 47–52). John Wiley and Sons.
Google. (2025, March 26). Differential scanning calorimetry.
Google. (n.d.). FTIR spectroscopic investigation.
Hansten, P. D., & Horn, J. R. (1989). Drug interactions: Clinical significance of drug-drug interaction. Philadelphia.
Hossain, M. A., & Amran, M. S. (2019). A cross-sectional pilot study on pharmacovigilance to improve the drug safety in Bangladesh. Biomedical & Pharmacology Journal, 12(3), 1039–1049.
John, H. B., & Ost, C. (1974). Inorganic medicinal and pharmaceutical chemistry (p. 213). London: Henry Kimpton.
Kabir, M. Z., Tee, W. V., Mohamad, S. B., Alias, Z., & Tayyab, S. (2016). Interaction of an anticancer drug, gefitinib with human serum albumin: Insights from fluorescence spectroscopy and computational modeling analysis. RSC Advances, 6(94), 91756–91767.
Karim, S. R., Koly, S. F., Amran, M. S., & Kabir, S. (2016). In vivo studies of protein binding of ketorolac in rat model by UV-VIS spectrophotometry and high performance liquid chromatographic methods. Dhaka University Journal of Pharmaceutical Sciences, 15(1), 63–67.
Kayesh, R., Sultan, M. Z., Rahman, A., Uddin, M. G., Aktar, F., & Rashid, M. A. (2013). Development and validation of a RP-HPLC method for the quantification of omeprazole in pharmaceutical dosage form. Journal of Scientific Research, 5(2), 335–342.
Khopkar, S. M. (2007). Basic concepts of analytical chemistry (3rd ed.).
Kundu, S. P., Sultan, M. Z., Rahman, A., Paul, S. K., Shikder, S., Kundu, S., Hossain, M. A., & Amran, M. S. (2015). The study of analgesic activity of complexes of magnesium sulfate with aspirin, paracetamol and naproxen. Clinical Pharmacology & Biopharmaceutics, 4(3).
Liu, T., Qian, G., Wang, W., & Zhang, Y. (2015). Molecular docking to understand the metabolic behavior of GNF-351 by CYP3A4 and its potential drug–drug interaction with ketoconazole. European Journal of Drug Metabolism and Pharmacokinetics, 40(2), 235–238.
Mohiuddin, M., Amran, M. S., & Hossain, M. A. (2010). The in vivo effects of caffeine on the hypoglycemic activity of gliclazide and metformin in healthy rats. Dhaka University Journal of Pharmaceutical Sciences, 8(1), 47–51.
Nabi, S. N., Hussain, A., & Ahmed, N. N. (1974). Salt-like behaviour of covalent halides. Part IV. Electrolytic conductance of solutions of thionyl chloride, and its reactions with silver salts and Lewis acids in acetone. Journal of the Chemical Society, Dalton Transactions, (11), 1199.
Nahar, D. K., Kabir, S., & Amran, M. S. (2016). Fluorescence spectroscopic analysis of the interaction between omeprazole and bovine serum albumin. World Journal of Pharmacy and Pharmaceutical Sciences, 5(9), 16–25.
Niu, J., Straubinger, R. M., & Mager, D. E. (2019). Pharmacodynamic drug–drug interactions. Clinical Pharmacology & Therapeutics, 105(6), 1395–1406.
Palleria, C., Di Paolo, A., Giofrè, C., Caglioti, C., Leuzzi, G., Siniscalchi, A., ... & Gallelli, L. (2013). Pharmacokinetic drug-drug interaction and their implication in clinical management. Journal of Research in Medical Sciences, 18(7), 601.
Paul Kundu, S., Mohammad Amjad, F., Sultana, S., Zakir Sultan, M., Hossain, M. A., & Amran, M. S. (2012). Study of differential scanning calorimetry of complex of magnesium sulfate with aspirin, paracetamol and naproxen. Bangladesh Pharmaceutical Journal, 15.
Perrin, D.