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.

Abstract Intestinal fibrosis is a common complication of several enteropathies with inflammatory bowel disease being the major cause. The progression of intestinal fibrosis may lead to intestinal stenosis and obstruction. Even with an increased understanding of tissue fibrogenesis, there are no approved treatments for intestinal fibrosis. Historically, drug discovery for diseases like intestinal fibrosis has been impeded by a lack of screenable cellular phenotypes. Here we applied Cell Painting, a scalable image-based morphology assay, augmented with machine learning algorithms to identify small molecules that were able to morphologically reverse the activated fibrotic phenotype of intestinal myofibroblasts under pro-fibrotic TNFα stimulus. In combination with measuring CXCL10, a common pro-inflammatory cytokine in intestinal fibrosis, we carried out a high-throughput small molecule chemogenomics screen of approximately 5000 compounds with known targets or mechanisms, which have achieved clinical stage or approval by the FDA. Through the use of two divergent analytical methods, we identified several compounds and target classes that are potentially able to treat intestinal fibrosis. The phenotypic screening platform described here represents significant improvements in identifying a wide range of drug targets over conventional methods by integrating morphological analyses and artificial intelligence using pathologically-relevant cells and disease-relevant stimuli.

Abstract Background Recent analysis of the human proteome via proteogenomics and ribosome profiling of the transcriptome revealed the existence of thousands of previously unannotated microprotein-coding small open reading frames (smORFs). Most functional microproteins were chosen for characterization because of their evolutionary conservation. However, one example of a non-conserved immunomodulatory microprotein in mice suggests that strict sequence conservation misses some intriguing microproteins. Results We examine the ability of gene regulation to identify human microproteins with potential roles in inflammation or fibrosis of the intestine. To do this, we collected ribosome profiling data of intestinal cell lines and peripheral blood mononuclear cells and used gene expression of microprotein-encoding transcripts to identify strongly regulated microproteins, including several examples of microproteins that are only conserved with primates. Conclusion This approach reveals a number of new microproteins worthy of additional functional characterization and provides a dataset that can be queried in different ways to find additional gut microproteins of interest.