Abstract BACKGROUND Familial hypercholesterolemia (FH) is an autosomal-dominant disorder caused by mutations in 1 of 3 genes. In the 60% of patients who are mutation negative, we have recently shown that the clinical phenotype can be associated with an accumulation of common small-effect LDL cholesterol (LDL-C)-raising alleles by use of a 12–single nucleotide polymorphism (12-SNP) score. The aims of the study were to improve the selection of SNPs and replicate the results in additional samples. METHODS We used ROC curves to determine the optimum number of LDL-C SNPs. For replication analysis, we genotyped patients with a clinical diagnosis of FH from 6 countries for 6 LDL-C-associated alleles. We compared the weighted SNP score among patients with no confirmed mutation (FH/M–), those with a mutation (FH/M+), and controls from a UK population sample (WHII). RESULTS Increasing the number of SNPs to 33 did not improve the ability of the score to discriminate between FH/M– and controls, whereas sequential removal of SNPs with smaller effects/lower frequency showed that a weighted score of 6 SNPs performed as well as the 12-SNP score. Metaanalysis of the weighted 6-SNP score, on the basis of polymorphisms in CELSR2 (cadherin, EGF LAG 7-pass G-type receptor 2), APOB (apolipoprotein B), ABCG5/8 [ATP-binding cassette, sub-family G (WHITE), member 5/8], LDLR (low density lipoprotein receptor), and APOE (apolipoprotein E) loci, in the independent FH/M– cohorts showed a consistently higher score in comparison to the WHII population (P < 2.2 × 10−16). Modeling in individuals with a 6-SNP score in the top three-fourths of the score distribution indicated a >95% likelihood of a polygenic explanation of their increased LDL-C. CONCLUSIONS A 6-SNP LDL-C score consistently distinguishes FH/M– patients from healthy individuals. The hypercholesterolemia in 88% of mutation-negative patients is likely to have a polygenic basis.

Summary Systematic insight into cellular dysfunctions can improve understanding of disease etiology, risk assessment and patient stratification. We present a multiparametric high-content imaging platform enabling quantification of low-density lipoprotein (LDL) uptake and lipid storage in cytoplasmic droplets of primary leukocyte subpopulations. We validated this platform with samples from 65 individuals with variable blood LDL-cholesterol (LDL-c) levels, including familial hypercholesterolemia (FH) and non-FH subjects. We integrated lipid storage data into a novel readout, lipid mobilization, measuring the efficiency with which cells deplete lipid reservoirs. Lipid mobilization correlated positively with LDL uptake and negatively with hypercholesterolemia and age, improving differentiation of individuals with normal and elevated LDL-c. Moreover, combination of cell-based readouts with a polygenic risk score for LDL-c explained hypercholesterolemia better than the genetic risk score alone. This platform provides functional insights into cellular lipid trafficking from a few ml’s of blood and is applicable to dissect metabolic disorders, such as hypercholesterolemia. Motivation We have limited information on how cellular lipid uptake and processing differ between individuals and influence the development of metabolic diseases, such as hypercholesterolemia. Available assays are labor intensive, require skilled personnel and are difficult to scale to higher throughput, making it challenging to obtain systematic functional cell-based data from individuals. To overcome this problem, we established a scalable automated analysis pipeline enabling reliable quantification of multiple cellular readouts, including lipid uptake, storage and mobilization, from different white blood cell populations. This approach provides new personalized insights into the cellular basis of hypercholesterolemia and obesity. Graphical Abstract