Microphysiological systems (MPSs) are in vitro models that capture facets of in vivo organ function through use of specialized culture microenvironments, including 3D matrices and microperfusion. Here, we report an approach to co-culture multiple different MPSs linked together physiologically on re-useable, open-system microfluidic platforms that are compatible with the quantitative study of a range of compounds, including lipophilic drugs. We describe three different platform designs - "4-way", "7-way", and "10-way" - each accommodating a mixing chamber and up to 4, 7, or 10 MPSs. Platforms accommodate multiple different MPS flow configurations, each with internal re-circulation to enhance molecular exchange, and feature on-board pneumatically-driven pumps with independently programmable flow rates to provide precise control over both intra- and inter-MPS flow partitioning and drug distribution. We first developed a 4-MPS system, showing accurate prediction of secreted liver protein distribution and 2-week maintenance of phenotypic markers. We then developed 7-MPS and 10-MPS platforms, demonstrating reliable, robust operation and maintenance of MPS phenotypic function for 3 weeks (7-way) and 4 weeks (10-way) of continuous interaction, as well as PK analysis of diclofenac metabolism. This study illustrates several generalizable design and operational principles for implementing multi-MPS "physiome-on-a-chip" approaches in drug discovery.

Summary Association between the microbiome, IBD and liver diseases are known, yet cause and effect remain elusive. By connecting human microphysiological systems of the gut, liver and circulating Treg/Th17 cells, we modeled progression of ulcerative colitis (UC) ex vivo. We show that microbiome-derived short-chain fatty acids (SCFA) may either improve or worsen disease severity, depending on the activation state of CD4 T cells. Employing multiomics, we found SCFA increased production of ketone bodies, glycolysis and lipogenesis, while markedly reducing innate immune activation of the UC gut. However, during acute T cell-mediated inflammation, SCFA exacerbated CD4 + T cell effector function, partially through metabolic reprograming, leading to gut barrier disruption and hepatic injury. These paradoxical findings underscore the emerging utility of human physiomimetic technology in combination with systems immunology to study causality and the fundamental entanglement of immunity, metabolism and tissue homeostasis.

Abstract Digital twins, driven by data and mathematical modelling, have emerged as powerful tools for simulating complex biological systems. In this work, we focus on modelling the clearance on a liver-on-chip as a digital twin that closely mimics the clearance functionality of the human liver. Our approach involves the creation of a compartmental physiological model of the liver using ordinary differential equations (ODEs) to estimate pharmacokinetic (PK) parameters related to on-chip liver clearance. The objectives of this study were twofold: first, to predict human clearance values, and second, to propose a framework for bridging the gap between in vitro findings and their clinical relevance. The methodology integrated quantitative Organ-on-Chip (OoC) and cell-based assay analyses of drug depletion kinetics and is further enhanced by incorporating an OoC-digital twin model to simulate drug depletion kinetics in humans. The in vitro liver clearance for 32 drugs was predicted using a digital-twin model of the liver-on-chip and in vitro to in vivo extrapolation (IVIVE) was assessed using time series PK data. Three ODEs in the model define the drug concentrations in media, interstitium and intracellular compartments based on biological, hardware, and physicochemical information. A key issue in determining liver clearance appears to be the insufficient drug concentration within the intracellular compartment. The digital twin establishes a connection between the hardware chip structure and an advanced mapping of the underlying biology, specifically focusing on the intracellular compartment. Our modelling offers the following benefits: i ) better prediction of intrinsic liver clearance of drugs compared to the state-of-the-art model and ii ) explainability of behaviour based on physiological parameters. Finally, we illustrate the clinical significance of this approach by applying the findings to humans, utilising propranolol as a proof-of-concept example. This study stands out as the biggest cross-organ-on-chip platform investigation to date, systematically analysing and predicting human clearance values using data obtained from various in vitro liver-on-chip systems. Author summary Accurate prediction of in vivo clearance from in vitro data is important as inadequate understanding of the clearance of a compound can lead to unexpected and undesirable outcomes in clinical trials, ranging from underdosing to toxicity. Physiologically based pharmacokinetic (PBPK) model estimation of liver clearance is explored. The aim is to develop digital twins capable of determining better predictions of clinical outcomes, ultimately reducing the time, cost, and patient burden associated with drug development. Various hepatic in vitro systems are compared and their effectiveness for predicting human clearance is investigated. The developed tool, DigiLoCs, focuses explicitly on accurately describing complex biological processes within liver-chip systems. ODE-constrained optimisation is applied to estimate the clearance of compounds. DigiLoCs enable differentiation between active biological processes (metabolism) and passive processes (permeability and partitioning) by incorporating detailed information on compound-specific characteristics and hardware-specific data. These findings signify a significant stride towards more accurate and efficient drug development methodologies.

Digital twins, driven by data and mathematical modelling, have emerged as powerful tools for simulating complex biological systems. In this work, we focus on modelling the clearance on a liver-on-chip as a digital twin that closely mimics the clearance functionality of the human liver. Our approach involves the creation of a compartmental physiological model of the liver using ordinary differential equations (ODEs) to estimate pharmacokinetic (PK) parameters related to on-chip liver clearance. The objectives of this study were twofold: first, to predict human clearance values, and second, to propose a framework for bridging the gap between in vitro findings and their clinical relevance. The methodology integrated quantitative Organ-on-Chip (OoC) and cell-based assay analyses of drug depletion kinetics and is further enhanced by incorporating an OoC-digital twin model to simulate drug depletion kinetics in humans. The in vitro liver clearance for 32 drugs was predicted using a digital-twin model of the liver-on-chip and in vitro to in vivo extrapolation (IVIVE) was assessed using time series PK data. Three ODEs in the model define the drug concentrations in media, interstitium and intracellular compartments based on biological, hardware, and physicochemical information. A key issue in determining liver clearance appears to be the insufficient drug concentration within the intracellular compartment. The digital twin establishes a connection between the hardware chip structure and an advanced mapping of the underlying biology, specifically focusing on the intracellular compartment. Our modelling offers the following benefits: i ) better prediction of intrinsic liver clearance of drugs compared to the conventional model and ii )explainability of behaviour based on physiological parameters. Finally, we illustrate the clinical significance of this approach by applying the findings to humans, utilising propranolol as a proof-of-concept example. This study stands out as the biggest cross-organ-on-chip platform investigation to date, systematically analysing and predicting human clearance values using data obtained from various in vitro liver-on-chip systems. Accurate prediction of in vivo clearance from in vitro data is important as inadequate understanding of the clearance of a compound can lead to unexpected and undesirable outcomes in clinical trials, ranging from underdosing to toxicity. Physiologically based pharmacokinetic (PBPK) model estimation of liver clearance is explored. The aim is to develop digital twins capable of determining better predictions of clinical outcomes, ultimately reducing the time, cost, and patient burden associated with drug development. Various hepatic in vitro systems are compared and their effectiveness for predicting human clearance is investigated. The developed tool, DigiLoCs, focuses explicitly on accurately describing complex biological processes within liver-chip systems. ODE-constrained optimisation is applied to estimate the clearance of compounds. DigiLoCs enable differentiation between active biological processes (metabolism) and passive processes (permeability and partitioning) by incorporating detailed information on compound-specific characteristics and hardware-specific data. These findings signify a significant stride towards more accurate and efficient drug development methodologies.