Aggresomes are subcellular perinuclear structures where misfolded proteins accumulate by retrograde transport on microtubules. Different methods are available to monitor aggresome formation, but they are often laborious, time-consuming, and not quantitative. Proteostat is a red fluorescent molecular rotor dye, which becomes brightly fluorescent when it binds to protein aggregates. As this reagent was previously validated to detect aggresomes, we have miniaturized its use in 384-well plates and developed a method for high-throughput imaging and quantification of aggresomes. Two different image analysis methods, including one with machine learning, were evaluated. They lead to similar robust data to quantify cells having aggresome, with satisfactory Z' factor values and reproducible EC50 values for compounds known to induce aggresome formation, like proteasome inhibitors. We demonstrated the relevance of this phenotypic assay by screening a chemical library of 1280 compounds to find aggresome modulators. We obtained hits that present similarities in their structural and physicochemical properties. Interestingly, some of them were previously described to modulate autophagy, which could explain their effect on aggresome structures. In summary, we have optimized and validated the Proteostat detection reagent to easily measure aggresome formation in a miniaturized, automated, quantitative, and high-content assay. This assay can be used at low, middle, or high throughput to quantify changes in aggresome formation that could help in the understanding of chemical compound activity in pathologies such as protein misfolding disorders or cancer.

中文翻译：

---

高通量基于图像的聚合量化。

聚集体是亚细胞核周结构，其中错误折叠的蛋白质通过微管上的逆行运输积累。有不同的方法可用于监测聚集形成，但它们通常费力、耗时且不定量。Proteostat 是一种红色荧光分子转子染料，当它与蛋白质聚集体结合时会发出明亮的荧光。由于该试剂之前已被验证用于检测聚集体，我们已将其在 384 孔板中的使用小型化，并开发了一种用于高通量成像和定量聚集体的方法。评估了两种不同的图像分析方法，包括一种机器学习方法。它们产生了类似的可靠数据来量化具有聚集体的细胞，对于已知会诱导聚集体形成的化合物具有令人满意的 Z' 因子值和可重复的 EC50 值，像蛋白酶体抑制剂。我们通过筛选包含 1280 种化合物的化学文库来寻找侵袭性调节剂，证明了这种表型测定的相关性。我们获得了在结构和物理化学性质上具有相似性的命中。有趣的是，其中一些以前被描述为调节自噬，这可以解释它们对聚集结构的影响。总之，我们已经优化和验证了 Proteostat 检测试剂，以便在小型化、自动化、定量和高含量测定中轻松测量聚集体的形成。该测定可用于低、中或高通量，以量化聚集体形成的变化，这有助于理解蛋白质错误折叠障碍或癌症等病理中的化合物活性。我们通过筛选包含 1280 种化合物的化学文库来寻找侵袭性调节剂，证明了这种表型测定的相关性。我们获得了在结构和物理化学性质上具有相似性的命中。有趣的是，其中一些以前被描述为调节自噬，这可以解释它们对聚集结构的影响。总之，我们已经优化和验证了 Proteostat 检测试剂，以便在小型化、自动化、定量和高含量测定中轻松测量聚集体的形成。该测定可用于低、中或高通量，以量化聚集体形成的变化，这有助于理解蛋白质错误折叠障碍或癌症等病理中的化合物活性。我们通过筛选包含 1280 种化合物的化学文库来寻找侵袭性调节剂，证明了这种表型测定的相关性。我们获得了在结构和物理化学性质上具有相似性的命中。有趣的是，其中一些以前被描述为调节自噬，这可以解释它们对聚集结构的影响。总之，我们已经优化和验证了 Proteostat 检测试剂，以便在小型化、自动化、定量和高含量测定中轻松测量聚集体的形成。该测定可用于低、中或高通量，以量化聚集体形成的变化，这有助于理解蛋白质错误折叠障碍或癌症等病理中的化合物活性。