{"id":14857,"date":"2026-05-05T09:00:21","date_gmt":"2026-05-05T09:00:21","guid":{"rendered":"https:\/\/www.proefschriftmaken.nl\/portfolio\/devon-barnes\/"},"modified":"2026-05-05T09:00:45","modified_gmt":"2026-05-05T09:00:45","slug":"devon-barnes","status":"publish","type":"us_portfolio","link":"https:\/\/www.proefschriftmaken.nl\/en\/portfolio\/devon-barnes\/","title":{"rendered":"Devon Barnes"},"content":{"rendered":"","protected":true},"excerpt":{"rendered":"","protected":true},"author":7,"featured_media":14858,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"us_portfolio_category":[45],"class_list":["post-14857","us_portfolio","type-us_portfolio","status-publish","post-password-required","hentry","us_portfolio_category-new-template"],"acf":{"naam_van_het_proefschift":"From Molecules to Mechanisms: Developing Adverse Outcome Pathways for Tubular Necrosis and Crystalline Nephropathies","samenvatting":"Dit proefschrift presenteert de resultaten van een stapsgewijs onderzoeksprogramma om nierschade beter te begrijpen en hierop te kunnen anticiperen. Dit is gedaan door computerberekeningen te gebruiken om voorspellingen te doen, en die te combineren met wetenschappelijke kennis over hoe schadelijke effecten in het lichaam kunnen ontstaan (zogeheten adverse outcome pathways; AOP\u2019s), waarna dit ook met experimenten is getest.\n\nHet onderzoek begint met het maken van modellen op basis van de structuur van stoffen. Vervolgens zijn belangrijke stappen (key events) op moleculair, cellulair en weefselniveau ge\u0131\u0308dentificeerd. Daarbij is vooral gekeken naar de vertaling van deze stappen naar klinisch relevante nefrotoxiciteit. Om niertoxische verbindingen tijdens het geneesmiddelontwikkelingsproces zo vroeg mogelijk te herkennen, wordt in de eerste fase computationele toxicologie ingezet, een zogenaamde kwantitatieve structuur\u2013activiteitsrelatiebenadering (QSAR) op basis van uitsluitend de chemische structuur. In hoofdstuk 2 wordt de ontwikkeling beschreven van computermodellen (CORAL-modellen), geoptimaliseerd via Monte-Carlo-algoritmen, die gebruikmaken van op SMILES-gebaseerde descriptors, Dit zijn numerieke of categorische representaties van chemische structuren die rechtstreeks worden afgeleid van de SMILES-string (Simplified Molecular Input Line Entry System). Op basis van een dataset met 565 chemische stoffen laten deze modellen goede en evenwichtige resultaten zien. Ze zijn zowel goed in het herkennen van stoffen die een effect hebben als in het correct aangeven wanneer een stof dat effect niet heeft. De resultaten laten zien dat kenmerken die uit SMILES-codes van stoffen worden afgeleid goed kunnen vastleggen welke structurele eigenschappen samenhangen met nierschade (nefrotoxiciteit). Dit kan zonder dat onderzoekers veel handmatig extra kenmerken hoeven te bedenken of toe te voegen. De modellen zijn beschikbaar gesteld via het VEGAHub-platform. Daardoor zijn ze transparant en makkelijk toegankelijk, zodat ze gebruikt kunnen worden door zowel onderzoekers als organisaties die regelgeving en\/of veiligheidsbeoordelingen maken. Deze computationele aanpak vormt daarmee een effici\u00ebnte, begrijpelijke en reproduceerbare basis voor vroege identificatie van mogelijk nefrotoxische stoffen. Het proefschrift bouwt verder op deze voorspellende modellen door mechanistische kennis over niertoxiciteit te ordenen met behulp van het AOP-raamwerk. De fysiologische complexiteit van de nier en de gevoeligheid voor uiteenlopende toxische prikkels vragen om een ge\u00efntegreerde benadering die moleculaire verstoringen kan koppelen aan weefsel- en orgaanschade. In hoofdstuk 3 zijn literatuur en databanken onderzocht en uit de verkregen kennis is een AOP-netwerk voor niertoxiciteit geconstrueerd. Dit netwerk laat zien hoe vroege veranderingen op moleculair niveau (molecular initiating events; MIE\u2019s), zoals oxidatieve stress, mitochondri\u00eble dysfunctie en het blokkeren van transporteiwitten, met de uiteindelijke schadelijke effecten (adverse outcomes; AO\u2019s), zoals beschadiging van nierbuisjes en littekenvorming (fibrose), kan worden verbonden.\n\nHet netwerk laat ook zien dat verschillende stoffen die schadelijk zijn voor de nieren via verschillende beginpunten toch kunnen leiden tot dezelfde processen en uiteindelijk tot vergelijkbare nierschade. Daarnaast maakt het netwerk duidelijk waar nog kennis ontbreekt. Deze lacunes moeten verder worden onderzocht met aanvullende experimenten of computeranalyses.\n\nHoofdstuk 4 gaat daarna dieper in op \u00e9\u00e9n specifiek biologisch proces waardoor nierschade kan ontstaan. In dit proces kan schade aan DNA (door zogenaamde DNA-adducten) leiden tot nierfalen. Het proces begint met genotoxische stress, dus schade aan het genetisch materiaal. Daarna wordt het systeem in de cel dat DNA-schade herkent en probeert te herstellen geactiveerd. Als de schade te groot is, kunnen nierbuiscellen afsterven (apoptose) en kan er littekenvorming in het nierweefsel ontstaan (fibrose).\n\nSamen geven de eerste hoofdstukken zo een mechanistisch overzicht van hoe chemische stoffen uiteindelijk tot nierschade kunnen leiden. Ze verbinden chemische eigenschappen van stoffen, veranderingen op moleculair niveau en zichtbare schade in het weefsel in \u00e9\u00e9n logisch oorzaak-gevolgkader. Dit vormt de conceptuele basis voor de experimentele studies die daarna in het proefschrift worden beschreven.\n\nIn hoofdstuk 5 worden deze conceptuele AOP-kaders vertaald naar meetbare, humane in vitro-systemen. Er wordt een AOP-gestuurd assayplatform ontwikkeld om sleutelgebeurtenissen die centraal staan in nierschade experimenteel te toetsen. Met conditioneel ge\u00efmmortaliseerde humane proximale tubulus-epitheelcellen (ciPTECs) zijn assays opgezet voor onder meer mitochondri\u00eble depolarisatie, de vorming van reactieve zuurstofdeeltjes (ROS), lysosomale lekkage en celviabiliteit, gebeurtenissen die expliciet zijn gekoppeld aan specifieke key events binnen het AOP-raamwerk. Blootstelling aan op platina gebaseerde chemotherapeutica (cisplatina, carboplatina en oxaliplatina) leidt tot concentratie- en tijdsafhankelijke reacties die overeenkomen met de nierschade die van deze middelen ook bekend is uit de klinische praktijk. Opvallend is dat de verschillende biologische gebeurtenissen steeds in dezelfde volgorde plaatsvindt. Eerst raken de mitochondri\u00ebn (de energiecentrales van de cel) verstoord. Daarna ontstaat een toename van ROS, gevolgd door schade aan lysosomen en uiteindelijk tot celdood. Omdat deze stappen telkens in dezelfde volgorde plaatsvinden, ondersteunt dit het idee dat er een oorzaak-gevolgrelatie bestaat binnen het beschreven mechanistische model. Daarmee bevestigt het model niet alleen dat de belangrijke stappen (key events) bij mensen relevant zijn, maar vormt het ook een eerste stap richting kwantitatieve AOP\u2019s (qAOP\u2019s). Hierin kunnen meetgegevens over tijd en concentratie worden gebruikt om te berekenen hoe de dosis van een stof samenhangt met het schadelijke effect. \n\nVoortbouwend op de experimenteel gevalideerde gebeurtenissen onderzoekt hoofdstuk 6 de mechanismen van door platina-ge\u00efnduceerde nierschade verder met behulp van gedetailleerde analyse van genactiviteit (transcriptomics). Met RNA-sequencing en analyses van biologische routes wordt gekeken in ciPTECs die zijn blootgesteld aan subcytotoxische (lage) concentraties van platina-medicijnen. Daarbij zijn 1.261 genen gevonden die bij alle onderzochte middelen gedeeld actief waren. Deze genen kunnen worden ingedeeld in negen belangrijke biologische processen. Voorbeelden hiervan zijn het activeren van controlesystemen voor DNA-schade, verstoring van de eiwitbalans in de cel, oxidatieve stress en veranderingen in de extracellulaire matrix (het netwerk rondom cellen).\n\nOp basis van deze resultaten worden vijf nieuwe mogelijke key events voorgesteld, waaronder een toename van eiwitsynthese in mitochondri\u00ebn en een sterkere proteasoomactiviteit, het systeem dat beschadigde eiwitten afbreekt. Hiermee wordt het bestaande AOP-netwerk verder verfijnd en uitgebreid. Deze integratie van omics-data binnen het AOP-raamwerk laat zien hoe datagedreven inzichten vroege subtiele verstoringen zichtbaar maken, nog voordat duidelijke toxiciteit zichtbaar wordt. Daarnaast kunnen de nieuwgevonden biomarkers helpen bij het eerder opsporen van nierschade en bij het ontwikkelen van betere voorspellende modellen.\n\nIn het laatste deel van dit proefschrift wordt de mechanistische benadering uitgebreid naar andere vormen van nierschade, nl. metabole en fysisch-chemische nefropathie\u00ebn. Deze zijn klinisch belangrijk, maar er is nog weinig bekend over de onderliggende biologische mechanismen. Hoofdstuk 7 onderzoekt hoe nierschade kan ontstaan door kristallen door ciPTEC-OAT1-cellen bloot te stellen aan urinezuur onder verschillende pH-condities. De resultaten laten zien dat een zuurder milieu (acidose) de cytotoxiciteit sterk verhoogt, zelfs wanneer er geen kristallen worden gevormd. Dit wijst erop dat een zuur milieu oxidatieve stress kan veroorzaken en daarmee een eerste moleculaire stap kan zijn in nierschade die met urinezuur samenhangt. In de cellen worden eerst verstoringen in de mitochondri\u00ebn en een toename van ROS gezien, waarna het celmembraan beschadigt en de cellen uiteindelijk afsterven. Dit mechanisme lijkt op processen die ook worden gezien bij geneesmiddel-ge\u00efnduceerde nierschade, maar wordt hier veroorzaakt door stoffen die van nature in het lichaam voorkomen.\n\nHoofdstuk 8 bouwt hierop voort door een op bewijs gebaseerd AOP-model voor kristallijne nefropathie\u00ebn te ontwikkelen. Dit model beschrijft hoe een te hoge concentratie van stoffen in de urine kan leiden tot kristalvorming, hoe deze kristallen met de nierbuisjes reageren en hoe dit leidt tot oxidatieve stress, ontsteking en fibrose. Door kennis uit verschillende kristal gerelateerde nierziekten samen te brengen, laat dit raamwerk zien dat het AOP-concept ook kan worden gebruikt om complexe fysisch-chemische mechanismen te beschrijven. Tegelijk helpt het bij het vinden van biomarkers en testsystemen die kunnen voorspellen wanneer kristallen nierschade gaan veroorzaken. Dit laat zien dat niet alleen schadelijke stoffen van buitenaf (xenobiotica), maar ook verstoringen in de chemische balans van het lichaam zelf kunnen leiden tot vroege moleculaire veranderingen die uiteindelijk vergelijkbare vormen van nierschade veroorzaken.\n\nSamenvattend beschrijft dit proefschrift een meerlagig wetenschappelijk kader om nierschade door stoffen beter te kunnen voorspellen en begrijpen. Daarbij worden verschillende methoden gecombineerd: computermodellen die voorspellingen doen, een AOP-raamwerk dat beschrijft hoe schade biologisch ontstaat, experimenten met cellen (in vitro) en gedetailleerde analyses van moleculaire processen. Elke methodologische laag levert aanvullend bewijs, waardoor de kloof tussen beschrijvende toxicologie en mechanistisch begrip wordt verkleind. \n\nDoor zowel computergegevens als experimentele data te koppelen aan het AOP-raamwerk draagt dit onderzoek bij aan een beter begrip van nierschade en ondersteunt het de doelstellingen van het ONTOX-consortium en andere internationale initiatieven gericht op mechanisme-gedreven, dierproefvrije toxicologie. De methoden en idee\u00ebn die in dit proefschrift zijn ontwikkeld dienen als bouwstenen voor qAOP-ontwikkeling, het vinden van nieuwe mechanistische biomarkers en nieuwe manieren om risico\u2019s van stoffen te beoordelen.\n\nUiteindelijk laat dit werk zien hoe AOP-gestuurde methoden verschillende soorten data, -van chemische structuuranalyse tot genexpressie-gegevens-, kunnen verenigen tot \u00e9\u00e9n coherent voorspellend model om de veiligheid van stoffen voor de nieren beter te beoordelen.","summary":"This thesis presents the results of a stepwise research programme that connects computational prediction, AOP-based mechanistic reasoning, and experimental evaluation to better understand and anticipate kidney injury. The summary below outlines each chapter in turn, highlighting how the work progresses from structure-based modelling to the identification and testing of key events across molecular, cellular, and tissue levels, and where the findings most clearly inform translation to clinically relevant nephrotoxicity.\n\nTo enhance early prediction of nephrotoxic compounds, the study first applied computational toxicology to identify nephrotoxicants during the preclinical stage of drug development. Quantitative structure\u2013activity relationship (QSAR) modelling was used to predict nephrotoxic potential based solely on chemical structure. Chapter 2 presents the development of CORAL models that employ simplified molecular input line entry system (SMILES)-based descriptors optimised through Monte Carlo algorithms. Using a dataset of 565 compounds, these models achieved balanced accuracy between sensitivity and specificity, demonstrating that SMILES-based descriptors can efficiently capture structural determinants of nephrotoxicity without requiring extensive feature engineering. By deploying the models on the VEGAHub platform, the work promotes transparency and accessibility, ensuring that predictive tools are available for both academic and regulatory users. This computational tier establishes an efficient, interpretable, and reproducible foundation for the early identification of potentially nephrotoxic agents.\n\nBuilding upon this predictive layer, the thesis employs the AOP framework to organise and contextualise nephrotoxicity mechanistically. The kidney\u2019s unique physiological complexity and its susceptibility to diverse toxic insults necessitate an integrative approach that connects molecular perturbations to tissue-level injury. Chapter 3 addresses this need by constructing an AOP network for nephrotoxicity that systematically integrates evidence from literature and databases to link molecular initiating events (MIEs), including oxidative stress, mitochondrial dysfunction, and transporter inhibition, to AOs such as tubular degeneration and fibrosis [3]. This network reveals mechanistic convergence among distinct nephrotoxicants and identifies data gaps that require further experimental or computational validation. Chapter 4 focuses on a specific mechanistic pathway describing DNA adduct formation leading to kidney failure, beginning with genotoxic stress as the initiating event and progressing through activation of the DNA damage response, tubular apoptosis, and fibrotic remodelling [4]. Together, these chapters provide a mechanistic blueprint that unites chemical, molecular, and pathological observations into a coherent causal framework, forming the conceptual foundation for the experimental and molecular studies that follow.\n\nTranslating these conceptual frameworks into measurable systems, Chapter 5 develops an AOP-guided in vitro assay platform for experimental validation of KEs central to kidney injury. Using conditionally immortalised human proximal tubule epithelial cells (ciPTECs), assays were established to quantify mitochondrial depolarisation, reactive oxygen species (ROS) generation, lysosomal leakage, and cell viability; events aligned with specific KEs within the nephrotoxicity AOP network. Exposure to platinum-based chemotherapeutics (cisplatin, carboplatin, and oxaliplatin) produced concentration- and time-dependent responses that mirrored their clinical nephrotoxic profiles. Notably, the sequential activation of KEs, mitochondrial dysfunction preceding ROS induction, followed by lysosomal rupture and cell death, provided experimental evidence for causality within the conceptual framework. This human-relevant model thus not only substantiates the biological plausibility of KE relationships but also establishes the first step toward quantitative AOPs (qAOPs), in which kinetic data can be used to model dose\u2013response relationships and the temporal progression of toxicity.\n\nBuilding on these experimentally validated events, Chapter 6 incorporates high-resolution transcriptomic profiling to expand the mechanistic understanding of platinum-induced kidney injury. Using RNA sequencing and pathway enrichment analyses of ciPTECs exposed to sub-cytotoxic concentrations of platinum agents, the study identified 1,261 shared differentially expressed genes grouped into nine mechanistic clusters, including DNA damage checkpoint activation, proteostasis dysregulation, oxidative stress, and extracellular matrix remodelling. Based on these data, five new candidate KEs were proposed, including mitochondrial translation surge and proteasome amplification, thereby refining and extending the nephrotoxicity AOP network. This integration of omics data within the AOP framework exemplifies a data-driven refinement process, demonstrating how high-dimensional molecular information can reveal subtle perturbations that precede overt toxicity. Moreover, the identification of novel mechanistic biomarkers enhances the translational potential of the framework for early detection and predictive modelling of renal injury.\n\nFinally, the thesis extends the mechanistic paradigm to encompass metabolic and physicochemical nephropathies, which represent clinically relevant yet mechanistically underexplored causes of kidney injury. Chapter 7 investigates pH-dependent crystallopathy using ciPTEC-OAT1 cells exposed to uric acid under varying extracellular pH conditions. The study demonstrates that acidosis markedly increases cytotoxicity independently of crystal formation, indicating that acid-mediated oxidative stress constitutes a molecular initiating event in uric acid\u2013related injury. Early mitochondrial depolarisation and ROS production were followed by membrane rupture and cell death, delineating a mechanistic cascade that parallels drug-induced nephrotoxicity while arising from endogenous stressors. Chapter 8 broadens this perspective by developing an evidence-based AOP for crystalline nephropathies. The chapter outlines the mechanistic progression from urinary supersaturation and crystal formation to tubular interaction, oxidative stress, inflammation, and fibrosis. By integrating evidence from diverse crystal-induced kidney pathologies, the framework demonstrates its versatility in capturing complex physicochemical mechanisms of kidney injury and supports the identification of predictive biomarkers and test systems relevant to both metabolic and drug-induced crystallopathies. These findings help to extend the AOP concept beyond xenobiotic toxicity, demonstrating that physicochemical imbalances can trigger molecular initiating events (MIEs) that lead to comparable downstream outcomes. By integrating pharmacological, metabolic, and physicochemical mechanisms within a unified mechanistic framework, this work illustrates the versatility and generalisability of the AOP approach for describing complex renal pathologies.\n\nIn summary, this thesis establishes a tiered mechanistic framework that integrates computational prediction, conceptual AOP mapping, in vitro validation, and molecular characterisation to advance predictive, human-relevant assessment of nephrotoxicity. Each methodological tier contributes complementary evidence, collectively bridging the gap between descriptive toxicology and mechanistic understanding. By aligning computational and experimental data within the AOP framework, the research enhances mechanistic understanding of kidney injury and supports the objectives of the ONTOX consortium and related international initiatives that promote mechanism-based, animal-free toxicology. The approaches developed here provide methodological and conceptual tools for qAOP development, mechanistic biomarker discovery, and next-generation risk assessment. Ultimately, this work demonstrates the translational potential of AOP-guided methodologies to unify diverse data streams, from chemical informatics to transcriptomics, within a coherent predictive framework for kidney safety evaluation.","auteur":"Devon Barnes","auteur_slug":"devon-barnes","publicatiedatum":"5 juni 2026","taal":"EN","url_flipbook":"https:\/\/ebook.proefschriftmaken.nl\/ebook\/devonbarnes?iframe=true","url_download_pdf":"https:\/\/ebook.proefschriftmaken.nl\/download\/19b77b16-1a2d-46d8-a97a-b2421008ff7f\/optimized","url_epub":"","ordernummer":"18980","isbn":"978-94-6534-427-0","doi_nummer":"","naam_universiteit":"Universiteit Utrecht","afbeeldingen":14859,"naam_student:":"","binnenwerk":"","universiteit":"Universiteit Utrecht","cover":"","afwerking":"","cover_afwerking":"","design":""},"_links":{"self":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/14857","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio"}],"about":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/types\/us_portfolio"}],"author":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/comments?post=14857"}],"version-history":[{"count":1,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/14857\/revisions"}],"predecessor-version":[{"id":14860,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio\/14857\/revisions\/14860"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media\/14858"}],"wp:attachment":[{"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/media?parent=14857"}],"wp:term":[{"taxonomy":"us_portfolio_category","embeddable":true,"href":"https:\/\/www.proefschriftmaken.nl\/en\/wp-json\/wp\/v2\/us_portfolio_category?post=14857"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}