Abstract Background & Aims One of the early key events of drug-induced liver injury (DILI) is the activation of adaptive stress responses, a cellular mechanism to overcome stress. Given the diversity of DILI outcomes and lack in understanding of population variability, we mapped the inter-individual variability in stress response activation to improve DILI prediction. Approach & Results High-throughput transcriptome analysis of over 8,000 samples was performed in primary human hepatocytes of 50 individuals upon 8 to 24 h exposure to broad concentration ranges of stress inducers: tunicamycin to induce the unfolded protein response (UPR), diethyl maleate for the oxidative stress response, cisplatin for the DNA damage response and TNFα for NF-κB signalling. This allowed investigation of the inter-individual variability in concentration-dependent stress response activation, where the average of benchmark concentrations (BMCs) had a maximum difference of 864, 13, 13 and 259-fold between different hepatocytes for UPR, oxidative stress, DNA damage and NF-κB signalling-related genes, respectively. Hepatocytes from patients with liver disease resulted in less stress response activation. Using a population mixed-effect framework, the distribution of BMCs and maximum fold change were modelled, allowing simulation of smaller or larger PHH panel sizes. Small panel sizes systematically under-estimated the variance and resulted in low probabilities in estimating the correct variance for the human population. Moreover, estimated toxicodynamic variability factors were up to 2-fold higher than the standard uncertainty factor of 10 1/2 to account for population variability during risk assessment, exemplifying the need of data-driven variability factors. Conclusions Overall, by combining high-throughput transcriptome analysis and population modelling, improved understanding of variability in stress response activation across the human population could be established, thereby contributing towards improved prediction of DILI.

Microphysiological systems are fundamental for progressing towards a global paradigm shift in drug development through the generation of patient-on-a-chip models. An increasing number of single- and multi-organ systems have been adopted by the pharmaceutical and cosmetic industries for predictive substance testing. These models run on heterogeneous tissues and cell types from different donors. However, a patient is an individual. Therefore, patient-on-a-chip systems need to be built from tissues from one autologous source. Individual on-chip organ differentiation from a single induced pluripotent stem cell source could provide a solution to this challenge. We designed a four-organ chip based on human physiology. It enables the interconnection of miniaturized human intestine, liver, brain and kidney equivalents. All four organ models were pre-differentiated from induced pluripotent stem cells from the same healthy donor and integrated into the microphysiological system. The cross talk led to further differentiation over a 14-day cultivation period under pulsatile blood flow conditions in one common medium deprived of growth factors. This model platform will pave the way for disease induction and subsequent drug testing.