Cancer cells in poorly vascularized tumor regions need to adapt to an unfavorable metabolic microenvironment. As distance from supplying blood vessels increases, oxygen and nutrient concentrations decrease and cancer cells react by stopping cell cycle progression and becoming dormant. As cytostatic drugs mainly target proliferating cells, cancer cell dormancy is considered as a major resistance mechanism to this class of anti-cancer drugs. Therefore, substances that target cancer cells in poorly vascularized tumor regions have the potential to enhance cytostatic-based chemotherapy of solid tumors. With three-dimensional growth conditions, multicellular tumor spheroids (MCTS) reproduce several parameters of the tumor microenvironment, including oxygen and nutrient gradients as well as the development of dormant tumor regions. We here report the setup of a 3D cell culture compatible high-content screening system and the identification of nine substances from two commercially available drug libraries that specifically target cells in inner MCTS core regions, while cells in outer MCTS regions or in 2D cell culture remain unaffected. We elucidated the mode of action of the identified compounds as inhibitors of the respiratory chain and show that induction of cell death in inner MCTS core regions critically depends on extracellular glucose concentrations. Finally, combinational treatment with cytostatics showed increased induction of cell death in MCTS. The data presented here shows for the first time a high-content based screening setup on 3D tumor spheroids for the identification of substances that specifically induce cell death in inner tumor spheroid core regions. This validates the approach to use 3D cell culture screening systems to identify substances that would not be detectable by 2D based screening in otherwise similar culture conditions.

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 Morphological profiling is a powerful technology that enables unbiased characterization of cellular states through image-based screening. Inspired by recent progress in self-supervised learning (SSL), we sought to explore the potential benefits of using SSL in this domain and conducted a comprehensive benchmark study of recent SSL methods for learning representations from Cell Painting images without segmentation. We trained DINO, MAE, and SimCLR on subsets of the JUMP-CP consortium data, one of the largest publicly available Cell Painting image sets, and observed improved model performance with larger and more heterogeneous training sets. Our best model (DINO) surpassed the widely used profiling tool CellProfiler by 29% in mean average precision (mAP) on classifying chemical perturbations and significantly accelerated feature extraction by 50x, at a lower cost. Moreover, DINO outperformed CellProfiler in clustering gene families on an independent gene overexpression dataset. Our findings indicate that SSL methods can improve the efficiency and performance of morphological profiling, offering the potential to expedite drug discovery and reduce compute costs.

The "Cell Painting" technology utilizes multiplexed fluorescent staining of various cell organelles, to produce high-content microscopy images of cells for multidimensional phenotype assessment. The phenotypic profiles extracted from those images can be analyzed upon perturbations with biologically active molecules to annotate the mode of action or biological activity by comparison with reference profiles of already known mechanisms of action, ultimately enabling the determination of on-target and off-target effects. This approach is already described in various human cell cultures, the most commonly used being the U2OS cell line, yet allows broad applications in additional areas of chemical-biological research. Here we describe for the first time the application and adaptation of Cell Painting to an insect cell line, the Sf9 cells from Spodoptera frugiperda. By adjusting image acquisition and analysis models, specific phenotypic profiles were obtained in a dose-dependent manner for 20 reference compounds, including representatives for the most relevant insecticidal modes of action categories (nerve & muscle, respiration and growth & development). Through a dimensionality-reduction method, both calculations of phenotypic half maximal inhibition concentration (IC