Summary A primary obstacle in translating genetics and genomics data into therapeutic strategies is elucidating the cellular programs affected by genetic variants and genes associated with human diseases. Broadly applicable high-throughput, unbiased assays offer a path to rapidly characterize gene and variant function and thus illuminate disease mechanisms. Here, we report LipocyteProfiler, an unbiased high-throughput, high-content microscopy assay that is amenable to large-scale morphological and cellular profiling of lipid-accumulating cell types. We apply LipocyteProfiler to adipocytes and hepatocytes and demonstrate its ability to survey diverse cellular mechanisms by generating rich context-, and process-specific morphological and cellular profiles. We then use LipocyteProfiler to identify known and novel cellular programs altered by polygenic risk of metabolic disease, including insulin resistance, waist-to-hip ratio and the polygenic contribution to lipodystrophy. LipocyteProfiler paves the way for large-scale forward and reverse phenotypic profiling in lipid-storing cells, and provides a framework for the unbiased identification of causal relationships between genetic variants and cellular programs relevant to human disease.

ABSTRACT Adipose tissue is an organ with great plasticity and its hypertrophic expansion is associated with adipocyte dysfunction. How changes in adipocyte morphology are linked to gene expression and which cellular functions are affected remains elusive. We show that adipocyte hypertrophy is associated with transcriptomic changes using RNA-Seq data obtained from adipose tissue and size-separated adipocytes. Genes involved in oxidative phosphorylation, protein biosynthesis and fatty acid metabolism were down-regulated in large adipocytes while genes involved in inflammation were upregulated. For mitochondrial function, a reduction in the expression of thermogenesis related genes and estimated brown/beige adipocyte content was observed in individuals with large adipocytes. As a novel finding the total adipose tissue fatty acid composition was dependent on cell size and depot. MR spectroscopy methods for clinical scanning were developed to characterize adipocyte size and fatty acid composition in a fast and non-invasive manner. Together, the present data provides mechanistic insights on how adipocyte hypertrophy contributes to the manifestation of metabolic disease at the molecular and cellular level. MR spectroscopy was identified as a promising technique for an in-parallel assessment of adipose morphology and fatty acid composition allowing to translate our findings into an improved, non-invasive phenotyping of adipose tissue.

Genetic studies have recently highlighted the importance of fat distribution, as well as overall adiposity, in the pathogenesis of obesity-associated diseases. Using a large study (n = 1,288) from 4 independent studies, we aimed to investigate the relationship between adipocyte area and obesity-related traits, and identify genetic factors associated with adipocyte cell size. To perform the first large-scale study of automatic adipocyte phenotyping using both histological and genetic data, we developed a deep learning-based method, the Adipocyte U-Net, to rapidly derive area estimates from histology images. We validate our method using three state-of-the-art approaches; Adiposoft, CellProfiler and floating adipocytes, all run blindly on two external cohorts. We observe high concordance between our method and the state-of-the-art approaches (Adipocyte U-net vs. CellProfiler: R2visceral= 0.94, P < 2.2 × 10−16, R2subcutaneous= 0.91, P < 2.2 × 10−16), and faster run times (10,000 images: 6mins vs 3.5hrs). We applied the Adipocyte U-Net to 4 cohorts with histology, genetic, and phenotypic data (total N = 820). After meta-analysis, we found that adipocyte area positively correlated with body mass index (BMI) (Psubq= 8.13 × 10−69, βsubq = 0.45; Pvisc= 2.5 × 10−55, βvisc = 0.49; average R2 across cohorts = 0.49) and that adipocytes in subcutaneous depots are larger than their visceral counterparts (Pmeta= 9.8 × 10−7). Lastly, we performed the largest GWAS and subsequent meta-analysis of adipocyte area and intra-individual adipocyte variation (N = 820). Despite having twice the number of samples than any similar study, we found no genome-wide significant associations, suggesting that larger sample sizes and a homogenous collection of adipose tissue are likely needed to identify robust genetic associations.

There are multiple independent genetic signals at the

Purpose The aim of this work is to develop an ω ‐3 fatty acid fraction mapping method at 3 T based on a chemical shift encoding model, to assess its performance in a phantom and in vitro study, and to further demonstrate its feasibility in vivo. Methods A signal model was heuristically derived based on spectral appearance and theoretical considerations of the corresponding molecular structures to differentiate between ω ‐3 and non‐ ω ‐3 fatty acid substituents in triacylglycerols in addition to the number of double bonds (ndb), the number of methylene‐interrupted double bonds (nmidb), and the mean fatty acid chain length (CL). First, the signal model was validated using single‐voxel spectroscopy and a time‐interleaved multi‐echo gradient‐echo (TIMGRE) sequence in gas chromatography–mass spectrometry (GC–MS)‐calibrated oil phantoms. Second, the TIMGRE‐based method was validated in vitro in 21 adipose tissue samples with corresponding GC–MS measurements. Third, an in vivo feasibility study was performed for the TIMGRE‐based method in the gluteal region of two healthy volunteers. Phantom and in vitro data was analyzed using a Bland–Altman analysis. Results Compared with GC–MS, MRS showed in the phantom study significant correlations in estimating the ω ‐3 fraction ( p < 0.001), ndb ( p < 0.001), nmidb ( p < 0.001), and CL ( p = 0.001); MRI showed in the phantom study significant correlations (all p < 0.001) for the ω ‐3 fraction, ndb, and nmidb, but no correlation for CL. Also in the in vitro study, significant correlations (all p < 0.001) between MRI and GC–MS were observed for the ω ‐3 fraction, ndb, and nmidb, but not for CL. An exemplary ROI measurement in vivo in the gluteal subcutaneous adipose tissue yielded (mean ± standard deviation) 0.8% ± 1.9% ω ‐3 fraction. Conclusion The present study demonstrated strong correlations between gradient‐echo imaging‐based ω ‐3 fatty acid fraction mapping and GC–MS in the phantom and in vitro study. Furthermore, feasibility was demonstrated for characterizing adipose tissue in vivo.