Abstract Image-based profiling has emerged as a powerful technology for various steps in basic biological and pharmaceutical discovery, but the community has lacked a large, public reference set of data from chemical and genetic perturbations. Here we present data generated by the Joint Undertaking for Morphological Profiling (JUMP)-Cell Painting Consortium, a collaboration between 10 pharmaceutical companies, six supporting technology companies, and two non-profit partners. When completed, the dataset will contain images and profiles from the Cell Painting assay for over 116,750 unique compounds, over-expression of 12,602 genes, and knockout of 7,975 genes using CRISPR-Cas9, all in human osteosarcoma cells (U2OS). The dataset is estimated to be 115 TB in size and capturing 1.6 billion cells and their single-cell profiles. File quality control and upload is underway and will be completed over the coming months at the Cell Painting Gallery: https://registry.opendata.aws/cellpainting-gallery . A portal to visualize a subset of the data is available at https://phenaid.ardigen.com/jumpcpexplorer/ .

Abstract In image-based profiling, software extracts thousands of morphological features of cells from multi-channel fluorescence microscopy images, yielding single-cell profiles that can be used for basic research and drug discovery. Powerful applications have been proven, including clustering chemical and genetic perturbations based on their similar morphological impact, identifying disease phenotypes by observing differences in profiles between healthy and diseased cells, and predicting assay outcomes using machine learning, among many others. Here we provide an updated protocol for the most popular assay for image-based profiling, Cell Painting. Introduced in 2013, it uses six stains imaged in five channels and labels eight diverse components of the cell: DNA, cytoplasmic RNA, nucleoli, actin, Golgi apparatus, plasma membrane, endoplasmic reticulum, and mitochondria. The original protocol was updated in 2016 based on several years’ experience running it at two sites, after optimizing it by visual stain quality. Here we describe the work of the Joint Undertaking for Morphological Profiling (JUMP) Cell Painting Consortium, aiming to improve upon the assay via quantitative optimization, based on the measured ability of the assay to detect morphological phenotypes and group similar perturbations together. We find that the assay gives very robust outputs despite a variety of changes to the protocol and that two vendors’ dyes work equivalently well. We present Cell Painting version 3, in which some steps are simplified and several stain concentrations can be reduced, saving costs. Cell culture and image acquisition take 1–2 weeks for a typically sized batch of 20 or fewer plates; feature extraction and data analysis take an additional 1–2 weeks. Key references using this protocol Virtual screening for small-molecule pathway regulators by image-profile matching ( https://doi.org/10.1016/j.cels.2022.08.003 ) - recent work examining the ability to use collected Cell Painting profiles to screen for regulators of a number of diverse biological pathways. JUMP Cell Painting dataset: images and profiles from two billion cells perturbed by 140,000 chemical and genetic perturbations (DOI) - the description of the main JUMP master public data set, using this protocol in the production of >200 TB of image data and >200 TB of measured profiles. Key data used in this protocol Cell Painting, a high-content image-based assay for morphological profiling using multiplexed fluorescent dyes ( https://doi.org/10.1038/nprot.2016.105 ) - this paper provides the first step-by-step Cell Painting protocol ever released.

Summary PROTACs (PROteolysis TArgeting Chimeras) use the ubiquitin-proteasome system to degrade a protein of interest for therapeutic benefit. Advances in targeted protein degradation technology have been remarkable with several molecules moving into clinical studies. However, robust routes to assess and better understand the safety risks of PROTACs need to be identified, which is an essential step towards delivering efficacious and safe compounds to patients. In this work, we used Cell Painting, an unbiased high content imaging method, to identify phenotypic signatures of PROTACs. Chemical clustering and model prediction allowed the identification of a mitotoxicity signature that could not be expected by screening the individual PROTAC components. The data highlighted the benefit of unbiased phenotypic methods for identifying toxic signatures and the potential to impact drug design. Highlights Morphological profiling detects various PROTACs’ phenotypic signatures Phenotypic signatures can be attributed to diverse biological responses Chemical clustering from phenotypic signatures separates on drug selection Trained in-silico machine learning models to predict PROTACs’ mitochondrial toxicity

KRAS is the most frequently mutated driver oncogene in human adenocarcinoma of the lung. There are presently no clinically proven strategies for treatment of KRAS-driven lung cancer. Activating mutations in KRAS are thought to confer independence from upstream signaling, however recent data suggest that this independence may not be absolute. Here we show that initiation and progression of KRAS-driven lung tumors requires input from ERBB family RTKs: Multiple ERBB RTKs are expressed and active from the earliest stages of KRAS driven lung tumor development, and treatment with a multi-ERBB inhibitor suppresses formation of KRasG12D-driven lung tumors. We present evidence that ERBB activity amplifies signaling through the core RAS pathway, supporting proliferation of KRAS mutant tumor cells in culture and progression to invasive disease in vivo. Importantly, brief pharmacological inhibition of the ERBB network significantly enhances the therapeutic benefit of MEK inhibition in an autochthonous tumor setting. Our data suggest that lung cancer patients with KRAS-driven disease may benefit from inclusion of multi-ERBB inhibitors in rationally designed treatment strategies.

ABSTRACT Hypothesis Asbestos-driven inflammation contributes to malignant pleural mesothelioma beyond the acquisition of rate-limiting mutations. Methods Genetically modified conditional allelic mice that were previously shown to develop mesothelioma in the absence of exposure to asbestos were induced with lentiviral vector expressing Cre recombinase with and without intrapleural injection of amosite asbestos and monitored until symptoms required euthanasia. Resulting tumours were examined histologically and by immunohistochemistry for expression of lineage markers and immune cell infiltration. Results Injection of asbestos dramatically accelerated disease onset and end-stage tumour burden. Tumours initiated in the presence of asbestos showed increased macrophage infiltration. Single-agent suppression of macrophages in mice with established tumours failed to extend survival. Conclusion Asbestos-driven inflammation contributes to the severity of mesothelioma beyond the acquisition of rate-limiting mutations, however, targeted suppression of macrophages alone in established disease showed no therapeutic benefit.

The NanoBiT Biochemical Assay (NBBA) was designed as a biochemical format of the NanoBiT cellular assay, aiming to screen weak protein-protein interactions (PPIs) in mammalian cell lysates. Here we present a High Throughput Screening (HTS) application of the NBBA to screen small molecule and fragment libraries to identify compounds that block the interaction of KRAS-G12D with phosphatidylinositol 3-kinase (PI3K) p110α. This interaction promotes PI3K activity, resulting in the promotion of cell growth, proliferation and survival, and is required for tumour initiation and growth in mouse lung cancer models, whilst having little effect on the health of normal adult mice, establishing the significance of the p110α/KRAS interaction as an oncology drug target. Despite the weak binding affinity of the p110α/KRAS interaction (K