pmedpharmФармация и фармакологияPharmacy & Pharmacology2307-92662413-2241Pyatigorsk Medical and Pharmaceutical Institute - branch of Volgograd State Medical Univer10.19163/2307-9266-2025-13-4-246-259pmedpharm-1710Research ArticleОРИГИНАЛЬНАЯ СТАТЬЯRESEARCH ARTICLEPreKinetix: веб-приложение для проведения фармакокинетического анализа в доклинических исследованиях лекарственных препаратовPreKinetix: web application for pharmacokinetic analysis in preclinical drug researchhttps://orcid.org/0009-0006-8806-6902РезвановП. М.RezvanovP. M

аспирант, младший научный сотрудник лаборатории биоинформатики и фармакологического моделирования Центра биофармацевтического анализа и метаболомных исследований, Институт трансляционной медицины и биотехнологии, ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский университет).

Россия, 119991, г. Москва, ул. Трубецкая, д. 8, стр. 2.

graduate student, junior researcher at the Laboratory of Bioinformatics and Pharmacological Modeling of the Center for Biopharmaceutical Analysis and Metabolic Research at the Institute of Translational Medicine and Biotechnology, I.M. Sechenov First Moscow State Medical University (Sechenov University). 

2 Trubetskaya Str., Bldg 8, Moscow, Russia, 119991.

rezvanov_p_m@staff.sechenov.ruhttps://orcid.org/0000-0002-7309-8913МоскалеваН. Е.MoskalevaN. E.

кандидат биологических наук, заместитель руководителя Центра биофармацевтического анализа и метаболомных исследований, Институт трансляционной медицины и биотехнологии, ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский университет). 

Россия, 119991, г. Москва, ул. Трубецкая, д. 8, стр. 2.

Candidate of Sciences (Biology), Deputy Head of the Center for Biopharmaceutical Analysis and Metabolic Research at the Institute of Translational Medicine and Biotechnology, I.M. Sechenov First Moscow State Medical University (Sechenov University). 

2 Trubetskaya Str., Bldg 8, Moscow, Russia, 119991.

moskaleva_n_e@staff.sechenov.ruhttps://orcid.org/0000-0001-6554-3936ШестаковаК. М.ShestakovaK. M.

кандидат фармацевтических наук, заведующая лабораторией биоинформатики и фармакологического моделирования Центра биофармацевтического анализа и метаболомных исследований, Институт трансляционной медицины и биотехнологии, ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский университет). 

Россия, 119991, г. Москва, ул. Трубецкая, д. 8, стр. 2.

Candidate of Sciences (Pharmacy), Head of the Laboratory of Bioinformatics and Pharmacological Modeling at the Center for Biopharmaceutical Analysis and Metabolic Research, Institute of Translational Medicine and Biotechnology, I.M. Sechenov First Moscow State Medical University (Sechenov University). 

2 Trubetskaya Str., Bldg 8, Moscow, Russia, 119991.

shestakova_k_m@staff.sechenov.ruhttps://orcid.org/0000-0002-9394-7994ТарасовВ. В.TarasovV. V.

доктор фармацевтических наук, доцент по специальности «Фармакология, клиническая фармакология», директор Института трансляционной медицины и биотехнологии, проректор по научно-технологическому развитию ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский университет). 

Россия, 119991, г. Москва, ул. Трубецкая, д. 8, стр. 2.

Doctor of Sciences (Pharmacy), Director of the Institute of Translational Medicine and Biotechnology, Vice-Rector for Scientific and Technological Development, I.M. Sechenov First Moscow State Medical University (Sechenov University).

2 Trubetskaya Str., Bldg 8, Moscow, Russia, 119991.

tarasov_v_v_2@staff.sechenov.ruhttps://orcid.org/0000-0002-2615-7167СмолярчукЕ. А.SmolyarchukE. A.

кандидат медицинских наук, доцент, заведующий кафедрой фармакологии Института Фармации им. А.П. Нелюбина ФГАОУ ВО «Первый МГМУ им. И.М. Сеченова» Минздрава России (Сеченовский Университет).

Россия, 119991, г. Москва, ул. Трубецкая, д. 8, стр. 2.

Candidate of Sciences (Medicine), Assistant Professor, Head of the Department of Pharmacology of the A.P. Nelyubin Institute of Pharmacy, I.M. Sechenov First Moscow State Medical University (Sechenov University). 

2 Trubetskaya Str., Bldg 8, Moscow, Russia, 119991.

smolyarchuk_e_a@staff.sechenov.ruhttps://orcid.org/0000-0003-1878-4467КудлайД. А.KudlayD. A.

доктор медицинских наук, член-корреспондент РАН, профессор кафедры фармакологии Института Фармации им. А.П. Нелюбина ФГАОУ ВО «Первый МГМУ им. И.М. Сеченова» Минздрава России (Сеченовский Университет); заместитель декана по научно-технологическому развитию факультета биоинженерии и биоинформатики, старший научный сотрудник факультета биоинженерии и биоинформатики МГУ им. М.В. Ломоносова; ведущий научный сотрудник лаборатории персонализированной медицины и молекулярной иммунологии № 71 ФГБУ «ГНЦ Институт иммунологии» ФМБА России. 

1. Россия, 119991, г. Москва, ул. Трубецкая, д. 8, стр. 2.

2. Россия, 119991, г. Москва, Ленинские горы, д. 1.

3. Россия, 115522, г. Москва, Каширское шоссе, д. 24.

Doctor of Sciences (Medicine), Professor of the Department of Pharmacology at the A.P. Nelyubin Institute of Pharmacy, I.M. Sechenov First Moscow State Medical University (Sechenov University); Deputy Dean for Scientific and Technological Development of the Faculty of Bioengineering and Bioinformatics, Senior Researcher at the Faculty of Bioengineering and Bioinformatics, Lomonosov Moscow State University; Leading Researcher of the Laboratory of Personalized Medicine and Molecular Immunology No. 71, State Research Center Institute of Immunology; Corresponding Member of the Russian Academy of Sciences. 

1. 2 Trubetskaya Str., Bldg 8, Moscow, Russia, 119991.

2. 1 Leninskie Gory, Moscow, Russia, 119991.

3. 24 Kashirskoe Hwy, Moscow, 115522, Russia.

kudlay_d_a@staff.sechenov.ruhttps://orcid.org/0000-0002-9032-1558АпполоноваС. А.ApollonovaS. A.

кандидат химических наук, руководитель Центра биофармацевтического анализа и метаболомных исследований, Институт трансляционной медицины и биотехнологии, ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский университет). 

Россия, 119991, г. Москва, ул. Трубецкая, д. 8, стр. 2.

Candidate of Sciences (Chemistry), Head of the Center for Biopharmaceutical Analysis and Metabolic Research at the Institute of Translational Medicine and Biotechnology, I.M. Sechenov First Moscow State Medical University (Sechenov University). 

2 Trubetskaya Str., Bldg 8, Moscow, Russia, 119991.

appolonova_s_a@staff.sechenov.ruФедеральное государственное автономное образовательное учреждение высшего образования «Первый Московский государственный медицинский университет имени И.М. Сеченова» Министерства здравоохранения Российской Федерации (Сеченовский Университет).РоссияSechenov First Moscow State Medical University (Sechenov University).Russian Federation1. Федеральное государственное автономное образовательное учреждение высшего образования «Первый Московский государственный медицинский университет имени И.М. Сеченова» Министерства здравоохранения Российской Федерации (Сеченовский Университет). 2. Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный университет имени М.В. Ломоносова». 3. Федерального государственного бюджетного учреждения «Государственный научный центр “Институт иммунологии”» Федерального медико-биологического агентства.Россия1. Sechenov First Moscow State Medical University (Sechenov University). 2. Lomonosov Moscow State University. 3. State Research Center Institute of Immunology.Russian Federation202504092025134246259Copyright © Резванов П.М., Москалева Н.Е., Шестакова К.М., Тарасов В.В., Смолярчук Е.А., Кудлай Д.А., Апполонова С.А., 20252025Резванов П.М., Москалева Н.Е., Шестакова К.М., Тарасов В.В., Смолярчук Е.А., Кудлай Д.А., Апполонова С.А.Rezvanov P.M., Moskaleva N.E., Shestakova K.M., Tarasov V.V., Smolyarchuk E.A., Kudlay D.A., Apollonova S.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.pharmpharm.ru/jour/article/view/1710Цель

Цель. Разработка и валидация отечественного программного обеспечения для некомпартментного анализа (НКА) фармакокинетических данных, сопоставимого по точности и функциональности с признанным зарубежным программным обеспечением Phoenix WinNonlin (США).

Материалы и методы

Материалы и методы. Веб-приложение PreKinetix реализовано на языке программирования Python с использованием фреймворка Streamlit. Алгоритмы расчёта фармакокинетических параметров (максимальная концентрация [Cmax], площадь под фармакокинетической кривой [AUC], период полувыведения [T1/2], среднее время пребывания [MRT] и др.) основаны на методиках референсного программного обеспечения Phoenix WinNonlin (Certara, США), использованного для сравнения и широко применяемого в международной практике. Поддерживаются три модели однократного введения лекарственного средства: внутривенное болюсное, внутривенная инфузия и внесосудистое введение. Для верификации использованы литературные и экспериментальные данные, охватывающие более 450 фармакокинетических профилей.

Результаты

Результаты. Расчёты, выполненные с помощью PreKinetix, показали полное совпадение с результатами Phoenix WinNonlin с относительной ошибкой менее 0,0001% по всем основным параметрам. Программа устойчиво обрабатывает нулевые и пропущенные значения, автоматически исключает некорректные записи, визуализирует фармакокинетические профили в линейной и полулогарифмической шкалах, формирует отчёты в форматах .xlsx* и .docx*. Интерфейс приложения позволяет использовать его не только специалистам, но и менее подготовленным пользователям.

Заключение

Заключение. PreKinetix представляет собой отечественный инструмент для НКА, объединяющий точность, автоматизацию, доступность и удобство. Он может применяться в доклинических и ранних фазах клинических исследований, а также в образовательных целях для подготовки специалистов в области фармакокинетики и биофармацевтики.

The aim

The aim. Development and validation of domestic software for non-compartmental analysis (NCA) of pharmacokinetic data, comparable in accuracy and functionality to the recognized foreign software Phoenix WinNonlin (USA).

Materials and methods

Materials and methods. The PreKinetix web application is implemented in the Python programming language using the Streamlit framework. Algorithms for calculating pharmacokinetic parameters (maximum concentration [Cmax], area under the pharmacokinetic curve [AUC], half-life [T1/2], mean residence time [MRT], etc.) are based on the methods of the reference software Phoenix WinNonlin (Certara, USA), used for comparison and are widely used in international practice. Three models of single drug administration are supported: intravenous bolus, intravenous infusion, and extravascular administration. Literary and experimental data covering more than 450 pharmacokinetic profiles were used for verification.

Results

Results. Calculations performed using PreKinetix showed complete agreement with the results of Phoenix WinNonlin with a relative error of less than 0.0001% for all main parameters. The program stably processes zero and missing values, automatically excludes incorrect records, visualizes pharmacokinetic profiles in linear and semi-logarithmic scales, and generates reports in .xlsx* and .docx* formats. The application interface allows it to be used not only by specialists but also by less trained users.

Conclusion

Conclusion. PreKinetix is a domestic tool for NCA that combines accuracy, automation, accessibility, and convenience. It can be used in preclinical and early phases of clinical trials, as well as in educational settings for training specialists in pharmacokinetics and biopharmaceutics.

фармакокинетический анализдоклинические исследованиянекомпартментный анализфармакокинетикабиофармацевтические исследованияпрограммное обеспечениефармацевтическая разработкаpharmacokinetic analysispreclinical studiesnon-compartmental analysispharmacokineticsbiopharmaceutical researchsoftwarepharmaceutical developmentРабота выполнена в рамках государственного задания № Государственной регистрации 124031100079-6, Тема НИОКР(ПНИЭР): «Разработка цифровых моделей прогнозирования органотоксичности лекарственных средств на основе данных метаболомного анализа с использованием альтернативной биологической модели».The work was performed within the framework of the state assignment No. 124031100079-6, the topic of R&D (PNER): "Development of digital models for predicting drug organotoxicity based on data from metabolomic analysis using an alternative biological model."ReferencesKim H., Han S., Cho Y.S., Yoon S.K., Bae K.S. Development of R packages: ‘NonCompart’ and ‘ncar’ for noncompartmental analysis (NCA) // Transl Clin Pharmacol. – 2018. – Vol. 26, No. 1. – P. 10-1. DOI: 10.12793/tcp.2018.26.1.10. Erratum in: Transl Clin Pharmacol. – 2018. – Vol. 26, No. 3. – P. 141. DOI: 10.12793/tcp.2018.26.3.141Kim H, Han S, Cho YS, Yoon SK, Bae KS. Development of R packages: 'NonCompart' and 'ncar' for noncompartmental analysis (NCA). Transl Clin Pharmacol. 2018 Mar;26(1):10-15. DOI: 10.12793/tcp.2018.26.1.10 Erratum in: Transl Clin Pharmacol. 2018;26(3):141. DOI: 10.12793/tcp.2018.26.3.141.Zhang Y., Huo M., Zhou J., Xie S. PKSolver: An add-in program for pharmacokinetic and pharmacodynamic data analysis in Microsoft Excel. Comput Methods Programs Biomed // 2010. – Vol. 99, No. 3. – P. 306–314. DOI: 10.1016/j.cmpb.2010.01.007Zhang Y, Huo M, Zhou J, Xie S. PKSolver: An add-in program for pharmacokinetic and pharmacodynamic data analysis in Microsoft Excel. Comput Methods Programs Biomed. 2010;99(3):306-14. DOI: 10.1016/j.cmpb.2010.01.007Liu G., Brooks L., Canty J., Lu D., Jin J.Y., Lu J. Deep-NCA: A deep learning methodology for performing noncompartmental analysis of pharmacokinetic data // CPT Pharmacometrics Syst Pharmacol. – 2024. – Vol. 13, No. 5. – P. 870–879. DOI: 10.1002/psp4.13124Liu G, Brooks L, Canty J, Lu D, Jin JY, Lu J. Deep-NCA: A deep learning methodology for performing noncompartmental analysis of pharmacokinetic data. CPT Pharmacometrics Syst Pharmacol. 2024;13(5):870-879. DOI: 10.1002/psp4.13124Benet L.Z. Benet L. Z. and Galeazzi R L: noncompartmental determination of the steady-state volume of distribution, J Pharm Sci 68, 1071-1074, 1979--the backstory // AAPS J. – 2012. – Vol. 14, No. 2. – P. 164–167. DOI: 10.1208/s12248-012-9326-9Benet LZ. Benet L Z and Galeazzi R L: noncompartmental determination of the steady-state volume of distribution, J Pharm Sci 68, 1071-1074, 1979- the backstory. AAPS J. 2012;14(2):164-7. DOI: 10.1208/s12248-012-9326-9Yu Y.P., Yan X.Y., Yao C., Xia J.L. Bioequivalence Assessment of Topical Ophthalmic Drugs Using Sparse Sampling Pharmacokinetics Data // Biomed Environ Sci. – 2019. – Vol. 32, No. 10. – P. 788–792. DOI: 10.3967/bes2019.099Yu YP, Yan XY, Yao C, Xia JL. Bioequivalence Assessment of Topical Ophthalmic Drugs Using Sparse Sampling Pharmacokinetics Data. Biomed Environ Sci. 2019;32(10):788-792. DOI: 10.3967/bes2019.099Rajput A.J., Aldibani H.K.A., Rostami-Hodjegan A. In-depth analysis of patterns in selection of different physiologically based pharmacokinetic modeling tools: Part I – Applications and rationale behind the use of open source-code software // Biopharm Drug Dispos. – 2023. – Vol. 44, No. 3. – P. 274–285. DOI: 10.1002/bdd.2357Rajput AJ, Aldibani HKA, Rostami-Hodjegan A. In-depth analysis of patterns in selection of different physiologically based pharmacokinetic modeling tools: Part I - Applications and rationale behind the use of open source-code software. Biopharm Drug Dispos. 2023;44(3):274-285. DOI: 10.1002/bdd.2357Aldibani H.K.A., Rajput A.J., Rostami-Hodjegan A. In-depth analysis of patterns in selection of different physiologically-based pharmacokinetic modeling tools: Part II – Assessment of model reusability and comparison between open and non-open source-code software // Biopharm Drug Dispos. – 2023. – Vol. 44, No. 4. – P. 292–300. DOI: 10.1002/bdd.2360Aldibani HKA, Rajput AJ, Rostami-Hodjegan A. In-depth analysis of patterns in selection of different physiologically-based pharmacokinetic modeling tools: Part II - Assessment of model reusability and comparison between open and non-open source-code software. Biopharm Drug Dispos. 2023;44(4):292-300. DOI: 10.1002/bdd.2360Dong Z., Fan X., Fan W., Chang H., Xu Yi., Li T., Su M. Pkweb: An online application for pharmacokinetic data analysis // Environmental Technology & Innovation. – 2020. – Vol. 19. – P. 100838. DOI: 10.1016/j.eti.2020.100838Dong Zh, Fan X, Fan W, Chang H, Xu Y, Li T, Su M. Pkweb: An online application for pharmacokinetic data analysis. Environmental Technology & Innovation. 2020;19:100838. DOI: 10.1016/j.eti.2020.100838Kuang Y., Cao D., Zuo Y., Yuan J., Lu F., Zou Y., Wang H., Jiang D., Pei Q., Yang G. CPhaMAS: An online platform for pharmacokinetic data analysis based on optimized parameter fitting algorithm // Computer Methods and Programs in Biomedicine. – 2024. – Vol. 248. – P. 108137. DOI: 10.1016/j.cmpb.2024.108137Kuang Y, Cao D, Zuo Y, Yuan J, Lu F, Zou Y, Wang H, Jiang D, Pei Q, Yang G. CPhaMAS: An online platform for pharmacokinetic data analysis based on optimized parameter fitting algorithm. Computer Methods and Programs in Biomedicine. 2024;248:108137. DOI: 10.1016/j.cmpb.2024.108137Хау Н.Ф. Анализ данных на Python с применением Pandas и Matplotlib // Экономика и управление: проблемы, решения. – 2024. – Т. 8, № 12. – С. 91–97. DOI: 10.36871/ek.up.p.r.2024.12.08.011Hau NP. Data analysis in Python using Pandas and Matplotlib. Ekonomika i upravlenie: problemy, resheniya. 2024;8(12):91-97. DOI: 10.36871/ek.up.p.r.2024.12.08.011Тайырбекова Р., Кочконбаева Б.О., Калбаева Д.И. Анализ данных с использованием языка программирования Python // Бюллетень науки и практики. – 2025. – Т. 11. № 5. – С. 139-144. DOI: 10.33619/2414-2948/114/20Taiirbekova R, Kochkonbaeva B, Kalbaeva D. Data Analysis using Python Programming Language. Bulletin of Science and Practice. 2025;11(5):139-144. DOI: 10.33619/2414-2948/114/20Kumar A., Sharma P.K., Tyagi M.K. The High Demanding Programming Language for Data Science-Python // International Journal of Scientific Research in Engineering and Management. – 2024. – Vol. 8, No. 6. – P. 1–6. DOI: 10.55041/IJSREM34913Kumar A, Sharma PK, Tyagi MK. The High Demanding Programming Language for Data Science-Python. International Journal of Scientific Research in Engineering and Management. 2024;8(6):1-6. DOI: 10.55041/IJSREM34913McKinney W. Data Structures for Statistical Computing in Python // Proc. of the 9th Python in science conf. (SCIPY 2010). – 2010. – P. 56–61. DOI: 10.25080/Majora-92bf1922-00aMcKinney W. Data Structures for Statistical Computing in Python. Proc. of the 9th Python in science conf. (SCIPY 2010). 2010:56–61. DOI: 10.25080/Majora-92bf1922-00aHarris C.R., Millman K.J., van der Walt S.J., Gommers R., Virtanen P., Cournapeau D., Wieser E., Taylor J., Berg S., Smith N.J., Kern R., Picus M., Hoyer S., van Kerkwijk M.H., Brett M., Haldane A., Del Río J.F., Wiebe M., Peterson P., Gérard-Marchant P., Sheppard K., Reddy T., Weckesser W., Abbasi H., Gohlke C., Oliphant T.E. Array programming with NumPy // Nature. – 2020. – Vol. 585, No. 7825. – P. 357–362. DOI: 10.1038/s41586-020-2649-2Harris CR, Millman KJ, van der Walt SJ, Gommers R, Virtanen P, Cournapeau D, Wieser E, Taylor J, Berg S, Smith NJ, Kern R, Picus M, Hoyer S, van Kerkwijk MH, Brett M, Haldane A, Del Río JF, Wiebe M, Peterson P, Gérard-Marchant P, Sheppard K, Reddy T, Weckesser W, Abbasi H, Gohlke C, Oliphant TE. Array programming with NumPy. Nature. 2020;585(7825):357-62. DOI: 10.1038/s41586-020-2649-2Hunter J.D. Matplotlib: A 2D Graphics Environment // Computing in Science & Engineering. – 2007. – Vol. 9, No. 3. – P. 90–95. DOI: 10.1109/MCSE.2007.55Hunter JD. Matplotlib: A 2D Graphics Environment. Computing in Science & Engineering. 2007;9(3):90-5. DOI: 10.1109/MCSE.2007.55Waskom M.L. Seaborn: statistical data visualization // Journal of Open Source Software. – 2021. – Vol. 6, No. 60. – P. 3021. DOI: 10.21105/joss.03021Waskom ML. Seaborn: statistical data visualization. Journal of Open Source Software. 2021;6(60):3021. DOI: 10.21105/joss.03021Virtanen P., Gommers R., Oliphant T.E., Haberland M., Reddy T., Cournapeau D., Burovski E., Peterson P., Weckesser W., Bright J., van der Walt S.J., Brett M., Wilson J., Millman K.J., Mayorov N., Nelson A.R.J., Jones E., Kern R., Larson E., Carey C.J., Polat İ., Feng Y., Moore E.W., VanderPlas J., Laxalde D., Perktold J., Cimrman R., Henriksen I., Quintero E.A., Harris C.R., Archibald A.M., Ribeiro A.H., Pedregosa F., van Mulbregt P. SciPy 1.0 Contributors. SciPy 1.0: fundamental algorithms for scientific computing in Python // Nat Methods. – 2020. – Vol. 17, No. 3. – P. 261–272. DOI: 10.1038/s41592-019-0686-2 Erratum in: Nat Methods. – 2020. – Vol. 17, No. 3. – P. 352. DOI: 10.1038/s41592-020-0772-5Virtanen P, Gommers R, Oliphant TE, Haberland M, Reddy T, Cournapeau D, Burovski E, Peterson P, Weckesser W, Bright J, van der Walt SJ, Brett M, Wilson J, Millman KJ, Mayorov N, Nelson ARJ, Jones E, Kern R, Larson E, Carey CJ, Polat İ, Feng Y, Moore EW, VanderPlas J, Laxalde D, Perktold J, Cimrman R, Henriksen I, Quintero EA, Harris CR, Archibald AM, Ribeiro AH, Pedregosa F, van Mulbregt P; SciPy 1.0 Contributors. SciPy 1.0: fundamental algorithms for scientific computing in Python. Nat Methods. 2020;17(3):261-272. DOI: 10.1038/s41592-019-0686-2 Erratum in: Nat Methods. 2020;17(3):352. DOI: 10.1038/s41592-020-0772-5Pedregosa F., Varoquaux G., Gramfort A., Michel V., Thirion B., Grisel O., Blondel M., Prettenhofer P., Weiss R., Dubourg V., Vanderplas J., Passos A., Cournapeau D., Brucher M., Perrot M., Duchesnay É. Scikit-learn: Machine Learning in Python // J Mach Learn Res. – 2011. – Vol. 12, No. 85. – P. 2825–2830.Pedregosa F, Varoquaux G, Gramfort A, Michel V, Thirion B, Grisel O, Blondel M, Prettenhofer P, Weiss R, Dubourg V, Vanderplas J, Passos A, Cournapeau D, Brucher M, Perrot M, Duchesnay É. Scikit-learn: Machine Learning in Python. J. Mach. Learn. Res. 2011;12(85):2825–2830.Seabold S., Perktold J. Statsmodels: Econometric and Statistical Modeling with Python // Proc. of the 9th Python in science conf. (SCIPY 2010). – 2010. – P. 92–96. DOI: 10.25080/Majora-92bf1922-011Seabold S, Perktold J. Statsmodels: Econometric and Statistical Modeling with Python. Proc. of the 9th Python in science conf. (SCIPY 2010). 2010:92–6. DOI: 10.25080/Majora-92bf1922-011Hagberg A.A., Schult D.A., Swart P.J. Exploring network structure, dynamics, and function using NetworkX // Proceedings of the 7th Python in Science Conference (SciPy 2008). – 2008. – P. 11–16. DOI: 10.25080/TCWV9851Hagberg AA, Schult DA, Swart PJ. Exploring network structure, dynamics, and function using NetworkX. Proceedings of the 7th Python in Science Conference (SciPy 2008). 2008:11-16. DOI: 10.25080/TCWV9851Платова А.И. Популяционный фармакокинетический анализ в программе Lixoft Monolix // Фармакокинетика и Фармакодинамика. – 2021. – №. 3. – С. 36–51. DOI: 10.37489/2587-7836-2021-3-36-51Platova AI. Population pharmacokinetics analysis in Lixoft Monolix softwares. Pharmacokinetics and Pharmacodynamics. 2021;(3):36-51. DOI: 10.37489/2587-7836-2021-3-36-51Арчакова О.А., Багаева Н.С., Комаров Т.Н., Рогов А.В., Щелгачева Д.С., Суворова А.В., Карнакова П.К., Карпова П.А., Шохин И.Е. Изучение фармакокинетики пролонгированного антиаритмического препарата лаппаконитина гидробромида (Аллафорте®, АО «Фармцентр ВИЛАР», Россия) // Разработка и регистрация лекарственных средств. – 2022. – Т. 11, № 1. – С. 140–147. DOI: 10.33380/2305-2066-2022-11-1-140-147Archakova OA, Bagaeva NS, Komarov TN, Rogov AV, Shchelgacheva DS, Suvorova AV, Karnakova PK, Karpova PA, Shohin IE. Pharmacokinetics Study of the Long-acting Antiarrhythmic Drug of Lappaconitine Hydrobromide (Allaforte®, JSC "Pharmcenter VILAR", Russia). Drug development & registration. 2022;11(1):140-147. DOI: 10.33380/2305-2066-2022-11-1-140-147Yamaoka K., Nakagawa T., Uno T. Statistical moments in pharmacokinetics // J Pharmacokinet Biopharm. – 1978. – Vol. 6, No. 6. – P. 547–558. DOI: 10.1007/BF01062109Yamaoka K, Nakagawa T, Uno T. Statistical moments in pharmacokinetics. J Pharmacokinet Biopharm. 1978;6(6):547-58. DOI: 10.1007/BF01062109Leng X., Tang X., Hu P., Guan X., Li Q., Huang C., Zhang Q., Chen R., Zeng X. Safety, tolerability, pharmacokinetics, pharmacodynamics, and efficacy of WBP216, a novel IL-6 monoclonal antibody, in patients with rheumatoid arthritis: A phase Ia randomized placebo-controlled study // Front Immunol. – 2023. – Vol. 13. – P. 1110992. DOI: 10.3389/fimmu.2022.1110992Leng X, Tang X, Hu P, Guan X, Li Q, Huang C, Zhang Q, Chen R, Zeng X. Safety, tolerability, pharmacokinetics, pharmacodynamics, and efficacy of WBP216, a novel IL-6 monoclonal antibody, in patients with rheumatoid arthritis: A phase Ia randomized placebo-controlled study. Front Immunol. 2023;13:1110992. DOI: 10.3389/fimmu.2022.1110992Cheng Y., Lin B.J., Guo J.H., Huang B.L., Fang L.P., Que W.C., Liu M.B., Chen X.F., Qiu H.Q. The Effect Of Food On The Pharmacokinetic Properties And Bioequivalence Of Two Formulations Of Levocetirizine Dihydrochloride In Healthy Chinese Volunteers // Drug Des Devel Ther. – 2019. – Vol. 13. – P. 3625–3634. DOI: 10.2147/DDDT.S215316 Erratum in: Drug Des Devel Ther. – 2019. – Vol. 13. – P. 3835. DOI: 10.2147/DDDT.S236661Cheng Y, Lin BJ, Guo JH, Huang BL, Fang LP, Que WC, Liu MB, Chen XF, Qiu HQ. The Effect Of Food On The Pharmacokinetic Properties And Bioequivalence Of Two Formulations Of Levocetirizine Dihydrochloride In Healthy Chinese Volunteers. Drug Des Devel Ther. 2019;13:3625-3634. DOI: 10.2147/DDDT.S215316 Erratum in: Drug Des Devel Ther. 2019;13:3835. DOI: 10.2147/DDDT.S236661Hughes J.H., Long-Boyle J., Keizer R.J. Maximum a posteriori Bayesian methods out-perform non-compartmental analysis for busulfan precision dosing // J Pharmacokinet Pharmacodyn. – 2024. – Vol. 51, No. 3. – P. 279–288. DOI: 10.1007/s10928-024-09915-wHughes JH, Long-Boyle J, Keizer RJ. Maximum a posteriori Bayesian methods out-perform non-compartmental analysis for busulfan precision dosing. J Pharmacokinet Pharmacodyn. 2024;51(3):279-88. DOI: 10.1007/s10928-024-09915-w

The authors declare that there are no conflicts of interest present.