1. 神经科学
下载图标

用大数据方法来了解实验室小鼠的代谢率和对肥胖的反应

  1. 6月K克里甘
  2. Deepti拉马钱德兰
  3. 何玉臣
  4. 科林·J帕默
  5. 迈克尔·J Jurczak
  6. 鲁伊·陈
  7. 冰山李
  8. 兰德尔^ h Friedline
  9. 杰森K金
  10. 乔恩J拉姆齐
  11. 路易丝Lantier
  12. 欧文P麦吉尼斯
  13. 小鼠代谢表型中心能量平衡工作组
  14. 亚历山大年代银行 是一个通讯作者
  1. 内分泌,糖尿病和新陈代谢,贝彻以色列专业医疗中心和哈佛医学院,美国
  2. 美国耶鲁大学医学院内分泌科
  3. 美国范德比尔特大学医学院分子生理与生物物理学系
  4. 美国马萨诸塞大学医学院分子医学课程
  5. 美国马萨诸塞大学医学院医学系内分泌、代谢和糖尿病部
  6. 加利福尼亚大学动物医学院分子生物科学系,美国戴维斯
工具和资源
引用本文作为:188bet体育电竞eLife 2020; 9: e53560 doi:10.7554 188bet体育电竞/ eLife.53560

摘要

保持健康的体重需要在能量摄入和能量消耗之间达到微妙的平衡。要了解影响体重调节的遗传和环境因素,重要的第一步是确定代谢值的正常范围和导致变异性的主要来源。能量代谢是由强大而灵敏的间接量热仪测量的。对来自两项大规模实验的近10,000只野生型小鼠的分析显示,能量消耗的最大变化是由于身体成分、环境温度和实验机构的地点。我们还分析了2329株敲除菌株的变异,为代谢变化的大小提供参考。基于这些发现,我们提出了如何最好地设计和进行啮齿动物能量平衡实验的建议。这些建议将使我们更接近一个集中的生理知识库的目标,以促进代谢生理学实验的透明度、严谨性和可重复性。

188bet体育电竞eLife消化

维持健康的体重需要身体平衡能量的摄入和消耗。身体通过一个叫做能量代谢的过程把食物转化为能量。遗传和环境因素会影响能量代谢和能量平衡,从而导致肥胖等疾病。

为了更好地了解新陈代谢,科学家们经常在实验室里研究老鼠,但是不同实验室的老鼠似乎以不同的速度将食物转化为能量。这使得确定什么是老鼠新陈代谢的“正常”变得困难。这些差异可能是由于小鼠在不同实验室的饲养方式存在细微差异。例如,老鼠笼子的温度或老鼠的活跃程度可能取决于实验室。识别这些差异的影响至关重要,但这需要观察来自数百只老鼠的数据。

科里根等人研究了来自世界各地实验室的3万多只老鼠的数据,发现室温和老鼠体内肌肉和脂肪的数量对能量平衡的影响最大。这两个因素影响了典型小鼠和具有影响能量平衡突变的小鼠的新陈代谢。

这些结果表明,科学家在代谢研究中报告诸如室温、小鼠身体构成或动物活动水平等因素是很重要的。这有助于科学家比较结果和重复实验,从而加快对小鼠代谢的研究。Corrigan等人还发现,其他未知因素在不同的实验室中,n因子也会影响小鼠的新陈代谢。需要进一步的研究来确定这些因子。

介绍

小鼠是研究人类代谢的有益工具,因为它们可以反映人类对年龄相关和饮食引起的肥胖的反应,以及它们抵抗体重减轻的生理补偿(Speakman等人,2007年).间接量热法系统的引入,促进了利用实验动物研究遗传和环境因素影响能量平衡的研究(甚至和Nadkarni, 2012年).间接量热计使用气体传感器测量代谢率,以捕获o的变化率2消费与公司2一个开放的流动系统内的生产。身体活动通过记录红外光束中断或使用电磁接收器监测。食物摄入,使用敏感的质量平衡测量。当食物摄入量赶不上代谢率增重效果。反之,当食物摄入量低于代谢率,减肥随之而来。生理约束限制既奔放的体重增加和体重减轻。通过代谢率的增加或减少食物摄入量,以促进持久减肥的能力是现代致胖环境的背景下,主要的治疗目标。

能够比较研究新陈代谢的论文中的生理数据是很重要的。然而,由于分析技术的不一致应用,已发表的间接量热法研究的比较结果受到了阻碍。在肥胖的研究中,不同身体组成的小鼠的代谢率有时会受到不适当的正常化尝试(阿奇等人,2006Katch 1972享1932坦纳,1949).谴责这种情况的立场文件经常出现,但也经常被忽视。随着一篇措辞强烈的评论的发表,一个转折点出现了,该评论指责作者错误地表述了他们的代谢分析(巴特勒和科扎克,2010年).评论的结果是对间接量热实验和新工具(Mina等人,2018年).许多小组一致认为最佳的数据处理使用ANCOVA,一种以体重或身体组成作为协变量的方差分析(阿奇等人,2006Kaiyala 2020Kaiyala 2014凯亚拉等人,2010年Kaiyala和Schwartz, 2011年斯皮克曼等,2013年Tschöp等,2012).然而,这些建议的执行情况参差不齐(Fernández-Verdejo等人,2019年).为了解决这个问题,我们开发了CalR,通过自动化数据管理的许多常规步骤,预先定义统计显著性截止值,并允许用户自动执行交互效应的适当统计测试,方便研究人员上传和分析他们的量热测量数据(Mina等人,2018年).CalR是跨不同设备平台实现间接量热分析标准化的第一步。然而,我们意识到CalR包括统计意义的测量,但缺乏关键的生理背景。

为了建立标准化实验条件下代谢率的正常范围,我们分析了两个大的独立数据集。对于我们的初级训练模型,我们使用了小鼠代谢表型中心(MMPCs)的数据集,该数据集代表了来自美国四个站点的纵向数据,这些站点对雄性C57BL/6J小鼠组进行了为期12周的跟踪研究,这些小鼠组采用标准低脂饮食(LFD)或致肥高脂饮食(HFD)。我们从MMPC实验中得到的分析结果被应用到国际小鼠表型协会(International Mouse Phenotyping Consortium, IMPC)的一个更大的二级数据集上。IMPC是一个雄心勃勃的大规模项目,收集了3万多只小鼠的代谢数据,试图确定遗传对哺乳动物生理学的贡献。在这里,我们展示了我们对这两个数据集的分析结果,并提供了通用的建议,以促进创建集中式代谢数据存储库。

结果

影响小鼠代谢率的因素

为了了解影响小鼠代谢的不同成分,一组基因相同的小鼠被运送到4个独立的美国MMPCs中,在LFD或HFD的同时,在12周的时间里通过间接热量计进行纵向评估。在进行低脂饮食的小鼠中,各机构的每周体重相似,但在进行高脂饮食的小鼠中存在显著差异(图1A和B).24小时平均能量消耗(EE)与总体重的回归图显示出明显的部位特异性代谢率,这可能是由LFD或HFD小鼠体重差异造成的(图1C和D).在每个部位和总体上,小鼠的体重和情感表达之间存在正相关关系。这种质量效应反映了牛顿第二运动定律的生物学结果,即更大质量的运动需要更多的能量,引申而言,更大的动物在静止代谢和在标准条件下工作都需要更多的能量(享1932怀特和西摩,2005年).对于LFD的小鼠,每个机构的动物形成了不同的斜坡和截距,表明了住房温度、实验设备、微生物组和其他因素的位置特异性差异。对于患有高脂血症4周或11周的动物,我们观察到不同截距的相同斜坡(图1 d).这说明在基因相同的小鼠中,尽管不同部位的表达量存在绝对差异,但表达量与质量的关系是相似的。

MMPC实验:对低脂或高脂饮食反应的制度差异。

WT C57BL/6J小鼠的体重维持在LFD (一个)或HFD (B).在0 (ο), 4 (Δ),或11(□)周进行间接量热。使用LFD维持的小鼠的EE率与总体重的比值按位点绘制(C)或HFD (D),每一地点的坡度和截距以千焦/小时计。插图,MMPC站点的地理位置。进食11周小鼠的身体成分数据(E).被列出的每个因素解释的情感表达的百分比变化(F).其他未归属的制度差异(16%)(G).每组6-8只雄性。误差条代表SEM。

低脂肪和高脂肪饮食

尽管具有相同的遗传背景,所有小鼠的单一源群体,以及动物饮食的单一源,但在随机分配到HFD的30只小鼠中,通过位点观察发现了出乎意料的巨大体重变化。身体的质量和组成明显地分化,无论是在机构之间,还是在每个地点的群体内。在LFD小鼠中未观察到质量变异,表明C57BL/6小鼠中有很强的驱动肥胖的作用,而这不是由遗传变异编码的(图1 e).我们试图使用一种被广泛采用的方法(Gromping 2006).R272%反映了总的解释方差和良好的整体拟合。这一分析揭示了代谢率变化的最大来源是身体成分。其他来源包括活动、一天中的时间(光周期)、饮食和适应(图1 f).可影响这些因素的实验机构地点占这些生物因素无法解释的残留变异的16.3% (图1 g).

驯化对间接量热数据的作用

当受到新环境的挑战时,啮齿动物会做出行为反应(弓箭手1975).虽然没有坚定的指南,但是长期可能需要适应间接量热计,年龄,菌株和饮食可以影响适应时间的准则。在这里,我们将适应周期定义为前18小时或在热量计中的第一个完整光周期开始之前。对每个部位进行预加速度和驯化后暗光周期的分析。绘制来自所有四个地点的EE,能量摄入和呼吸交换比(RER)的每小时平均值都是绘制的VS时间。夹带至12小时光/暗光周期的强烈影响产生所有测量的所有参数的所有网站的差异。驯化的影响是高度可变的,差异地影响每个位置的小鼠。在四个地点之一,EE在适应后增加(图1 -图补充1A和B).同样,在未适应环境的小鼠中,只有一个部位的能量摄入增加(图1 -图补充1C和D).RER value, representing substrate oxidation, was significantly altered in three of four sites (图1 -图是对1E和F的补充).在本研究中,缺乏适应对运动活动没有显著影响(图1 -图补充1G和H).总的来说,缺乏适应增加了一个小但不可预测的噪音水平和变化的测量测试。

质量和身体组成在能量消耗中的作用

高脂饮食如何导致肥胖一直是一个详细调查的话题。雄性和雌性C57BL/6小鼠在高脂肪饮食(约翰斯顿等人,2007年West等人,1992年)然而,体重增加的程度是高度可变的,因此在涉及能量摄入、代谢率和吸收的潜在机制中存在相当大的异质性(Kohsaka等人,2007年林等人,2000年梅耶和亚诺尼,1956年Storlien等人,1986年杨等人,2014).在这里,我们比较了热量计测定的能量摄入和野生型雄性小鼠在四个不同位置对高脂饲料的EE反应。与之前一样,在使用LFD或HFD 11周后,所有小鼠在所有部位的EE都依赖于体重(kJ/hr vs克体重的斜率)。然而,除了一个中心外,HFD没有显著改变这种关系(图2一个).我们将每个位点的LFD小鼠数据拟合到一个包括体重和活动的模型中,以预测HFD小鼠的预期值。与期望值或此拟合的剩余值的差异表明,相对于预测的EE, HFD小鼠的EE总体下降(图2 b).我们同样研究了能量摄取率是如何随饮食而变化的,并发现在不同的地点(图2C和D).体重最终受能量平衡的长期差异的影响(能量摄入量减去EE)。当计算消耗的卡路里之间的差异和消耗卡路里的差异,如前所述,我们观察到对HFD的响应的大变化,包括能量平衡的正负变化(图2e和f).然而,能量摄入是能量平衡的主要驱动因素。这些发现强调了大的部位特异性影响,有助于代谢的可变性。为了评估身体组成对不同位点间观察到的可变代谢率的贡献,我们使用精益质量值作为协变量进行ANCOVA分析(图2 -图1A-1C补充).在四个位点中的三个,高脂饮食改变了EE对瘦体重的依赖性。在一个研究点,高脂饮食改变了能量摄入对瘦体重的依赖。我们还使用多元线性回归明确计算了脂肪质量对EE的相对贡献,发现脂肪质量贡献的范围出乎意料地大,从+33%到−19% (图2 -图补充1D).

MMPC实验:代谢率的机构变异性。

每个MMPC位点与质量的回归图(左)。建立了适合于LFD小鼠的位点、质量和运动活动的回归模型;预测值的偏差显示为残差(右)。EE(a - b).能量摄入(光盘).能量平衡(E-F).加州大学戴维斯分校11周高脂饮食(包括EE)后的时间依赖性地块G),雷尔(H),每小时摄取的能量()、累积能量摄入量(J)、能量平衡(K)和运动活动(l).值为每小时平均值(G-L).*, p < 0.05。每组6-8只雄性。误差条代表SEM。阴影区域表示从18:00到6:00的黑暗光周期。

当我们检查所有中心的量热数据的时间过程时,他们显示了在3天期间,在LFD的动物中,EE、活性和RER的特征昼夜节律模式(图2G, L和H).此外,在HFD时,EE升高,RER降低。高脂饮食增加了总能量摄入和累积能量摄入,但饮食没有改变能量平衡,反映出中性能量平衡和体重稳定(图2 k),而在量热计中。我们还绘制了第一次量热实验第0周开始和结束时的能量平衡与体重变化(图2 -图2A).在这些小鼠中观察到的正常昼夜节律模式,以及它们的能量平衡和质量平衡之间的正线性关系(即,处于正能量平衡的动物往往会增加体重),说明了获取数据的质量。

大规模数据集的应用。位置,温度,质量和性别的作用

为了理解初始分析的相关性,我们将此方法应用于IMPC数据集(Rozman等人,2018年).我们同样绘制了在IMPC量热实验的开始和结束之间能量平衡和重量变化的变化。如预期的正线性关系所示,数据似乎是高质量的。此外,处于正能量平衡状态的小鼠表现出与碳水化合物氧化一致的较高的RER,而体重减轻的小鼠表现出与氧化内源性脂肪储存一致的较低的RER (图2 -图补充2B).

IMPC数据显示了明显的质量效应,表明较大的雄性和雌性动物在标准的饲养条件下消耗更多的能量。IMPC数据包括32748只不同的动物(包括10-11周龄的9358只WT C57BL/6N小鼠)的间接热量测定结果。这些小鼠中69%为雄性。平均体重雌性小鼠的s值低于雄性小鼠(分别为21.7g和27.4g;图3一).在本分析中,WT雄性和雌性小鼠的EE与体重的关系斜率存在微小但显著的差异(图3 b图3 -源数据).

IMPC实验:代谢率的制度变异性。

来自IMPC数据库10.0版本的野生型C57BL/6N雄性和雌性小鼠体重分布(一个)雌性和雄性WT小鼠的EE与总体重的关系(B).在每10个IMPC位点检测的雄性野生型小鼠的数量(C).插图:IMPC地点的地理位置。在10个IMPC位点上,雄性WT小鼠的EE与总体重的关系(D).在每个地点进行的实验报告的环境温度(E).温度对WT男性EE与总体重的关系(F)季节(G).野生型小鼠(n = 3886雄性)EE与活动活动的关系(H).此处未计算的机构贡献约为10% (J).被列出的每个因素解释的情感表达的百分比变化().WT雄性按部位划分的脂肪质量对EE的贡献百分比(K).N =男6469名,女2889名,另有说明者除外。

接下来,我们试图了解比较不同体重的小鼠是否合适。为了做到这一点,我们在比较大范围体重(图3-figure补充1a).我们根据体重将所有雄性和雌性WT小鼠分为四分位(小,14.00-20.75克;中等,20.75-27.50克;大,27.50-34.25克;最大,34.25-41.00克),并发现四组之间EE和体重之间的关系斜率存在显著差异。令人惊讶的是,最大的老鼠与其他任何一组都没有显著差异,这可能是因为重量最大的组中老鼠最少。我们的主要发现ing显示,与中小型小鼠相比,“大型”小鼠在体重和EE之间的关系上具有明显较浅的斜率。这一发现与MMPC队列中观察到的LFD和HFD之间的关系相似(图2一个).这是由于瘦肉和脂肪质量对EE的贡献不同,在体重较大的小鼠中积累的EE并不相同。事实上,当只检验瘦体重作为协变量时,通过ANCOVA (图3 -图补充1B)这一发现表明,当比较体重差异超过20%的小鼠时,必须将身体成分数据添加到ANCOVA模型中,以避免产生虚假的显著结果。

WT雌性小鼠代谢率的变异性

没有迹象表明雌性小鼠的代谢率比雄性小鼠的代谢率变化更大;这是代谢研究中的一个长期假设,尽管最近的证据相互矛盾(Prendergast et al., 2014).在七个IMPC机构中对两性小鼠进行了研究;三间机构只检测雄性老鼠(图3 -图补充2A和B).为了确定代谢率的变异性,我们将EE与每个机构和两性的可用数据相匹配。r.2该拟合的值代表拟合的质量,具有更大的表示更好的拟合,具有较低的无法解释的可变性。r.2不同地点的数值差异很大,可能是因为有六个地点报告了运动活动值,只有三个地点报告了准确的环境温度数据,而所有地点都报告了体重26个地点的男性和女性的值相似(+/- 7.3%的差异)。剩下的地方有一个女性的R2小于0.001,这是一个很差的拟合,因为在质量上变化很小的小鼠数量很少,这是该模型中唯一的预测因子,因此不是一个有指导意义的例子。加拿大站点报告了质量、温度和活动,尽管样本量第三小,但与R的拟合最好2= 0.507, R2男性= 0.468。将来自本网站的两性的数据相结合进一步改善了0.581的拟合,表明女性和男性年轻人的代谢率较小差异,味道喂养的WT小鼠。显然,报告的协变量信息越准确,模型的解释性值越好。随着两种性别的样本尺寸在这些地点不平等(2889名女性和6469名男性)中,我们还研究了具有改性的分位式 - 分位式(Q-Q)图的雄性和雌性小鼠的差异分布。这里,蓝色和粉红色线的斜率表示每种性别的ee的理论标准偏差(SD)。平行线表示类似的变化;虽然不落在线路上的点表示正态分布的变化。雄性小鼠的较大斜率表示数据中的更大可变性。总体而言,这种代表表明,女性小鼠具有定性更好的合适和较低的整体变化(图3位数的补充2C).

制度变化

由于显著差异在EE观察到由于性在所有WT IMPC老鼠,随后分析控制和实验小鼠,今后我们报告结果只对雄性老鼠,但我们发现定性相似的代谢结果WT雄性和雌性老鼠在IMPC数据集分别进行了分析。在IMPC数据中代表的10个位点分别报告了240至1367只雄性WT小鼠(图3 c).我们观察到代谢率斜率差异超过三倍(1.18–5.32×10−2kJ/hr与克体重)的对比,尽管在相似年龄和相似饮食的小鼠上进行了标准化实验(图3 d图3 -源数据).为了进一步了解这些差异,我们研究了其他影响代谢率的因素,包括质量、温度、季节和运动活动。小鼠实验的环境温度因地点而异。在加拿大、德国和英国牛津郡进行了一系列环境温度的实验。然而,大多数站点报告的单一名义温度(例如21.0°C)可能不能准确反映室温的日变化,也不能准确反映笼子的实际温度,并可能是无法解释的变化的主要来源(图3 e).低温饲养的野生型小鼠EE最高,而高温饲养的野生型小鼠EE最低(图3 f).接下来,我们检查了可能的代谢率是具有一年(即季节)的时间的影响。在野外,哺乳动物具有代谢率的季节差异。有证据表明,尽管一个动物饲养气候控制气氛,实验室老鼠可以同样检出季节变化(Drickamer 1977).所有提供数据的站点(加拿大、中国、法国、德国、日本、韩国、英国和美国)都位于北半球,并经历季节性差异(图3 c插图)。在这些数据中,不同季节的EE没有显著差异,表明季节变化不是实验变异性的显著贡献者(图3 g).运动活动的差异可以促进全身EE,但在非热中性温度下,其影响通常可以忽略不计(美德等,2012).我们发现,在6个报告运动数据的地方(加拿大、英国牛津郡、日本、法国、韩国和英国剑桥郡),行走运动活动和情感表达之间存在很强的正相关(图3 h).我们研究了这些影响对预测情感表达率(图3我).如同MMPC数据集,瘦肉质量是变异性的顶部预测之一,尽管温度(不是在MMPC数据包括)有助于最高到解释EE率。不像MMPC数据集,在IMPC数据的变化超过60%去向不明通过检查只有这些报道的变量,这表明我们的模型是尚未完成。剩余方差的仅9.6%可以归因于下落不明体制差异(图3 j).我们还检查了脂肪质量对总体EE的贡献,发现从+55%到−69%的网站(图3 k).这种差异可能是由于它们的低脂肪,因为这些动物都是吃松狮犬粮。总的来说,我们对9358只WT小鼠的分析确定了住房温度、身体组成、运动活动和性别作为情感表达的贡献变量。

为了测试我们的分析对IMPC数据集的适用性,我们选择了三个站点的数据,这三个站点报告了身体成分和0.1°C以内的环境温度:多伦多表型中心(加拿大)、Helmhotlz Munchen(德国)和MRC Harwell(英国牛津郡)。我们检测了总体重对情感表达的贡献。在1996年雄性小鼠和1153只雌性小鼠的子集中,我们重新检验了性别作为质量依赖的协变量。我们发现雄性和雌性小鼠之间的情感表达率没有显著差异(图4一).使用总体重作为协变量,我们观察到每个机构的EE与体重几乎相同的斜率(图4 b).当在这些部位检测温度效应时,保持在较高温度(22-29°C)的小鼠的EE率明显低于保持在较低温度(图4 c图3 -源数据).我们找到了一个改进的R2这个3149只老鼠的数据集的67% (图4 d).这个例子只说明了三个地点,但是现在对所有动物都有准确的环境温度、质量、性别和季节。这些数据不包括运动活动。这种更大的契合度提高了对没有准确温度记录的站点的预测能力。在这里,只有0.078%的剩余变异是由制度(图4 e).

IMPC实验:比较三个部位的性别和温度。

雄性和雌性WT小鼠EE与总体重的回归图(一个).雄性和雌性小鼠对EE与总质量回归图的制度效应(B).环境温度对雄性和雌性小鼠EE与总质量回归曲线的影响(蓝色,冷回归线<22°C;黄色,22日至26日进行的中期°C;red, hot >26°C) (C).被列出的每个因素解释的情感表达的百分比变化(D).未计入的制度差异小于1%(E)*p<0.05。n=1996名男性和1153名女性。

KO表型的变异性

在观察WT小鼠的大位点间变异后,我们接下来研究了由于遗传调节而导致的表型差异是否可以在多个位点重复观察。在IMPC数据集中,至少在4个地点检测了6个菌株,Ap4e1-/-Dbn1+/-Dnase1l2-/-Nxn+/-,Prkab1-/-AMPKβ1-/-),Rnf10-/-.我们还比较了结果Cdkal1-/-基因从两个IMPC位点与我们的结果(马萨诸塞州,美国)。我们在每个位点绘制了雄性小鼠的EE与体重的对比图,以检查表型变异性(图5一个).这种表示在每个位点绘制每只小鼠,但不传达与本地WT种群的差异,因此很难进行直接比较。为了提供这些表型的大小、质量、活性(如果可用)和温度的背景,对WT雄性小鼠采用多元线性回归模型。我们计算了每个地点与模型的偏差,并绘制了这些残差值(图5 b).其中四种菌株以前没有发表过,因此预期的表型还不知道。唯一表型一致的菌株是Cdkal1-/-,在测试的所有三个部位均观察到与WT相似的小鼠EE值(Palmer等人,2017年).为四种菌株观察到单向表型。观察到ee显着增加Ap4e1-/-Dbn1+/-,Rnf10-/-分别在9个地点中的4个,7个地点中的3个,4个地点中的2个。Nxn+/-小鼠在8个部位中的3个部位的情感表达显著降低。其余两株呈双向变化。Dnase1l2-/-小鼠在六个部位与WT对照组相似,其中两个部位的EE显著改变,一个高一个低。Prkab1-/-在5个位点上与对照小鼠相似,这与独立产生的AMPKβ1缺陷株的结果一致,该菌株没有发现显著的EE表型(Dzamko等人,2010年).然而在两个地点Prkab1-/-老鼠在统计上是不同的,在一个地方比对照组高或低。一致地,最大的残差值来自那些没有报告准确的温度值或运动活动的地点,指向这些地点的不完整建模。这些结果表明,在不同位置观察到具有相同遗传扰动的小鼠之间存在很大的表型变异性。

KO表型的重现性。

在至少四个地点研究的菌株以及在两个IMPC地点和美国马萨诸塞州研究的Cdkal1菌株的EE与质量图,整体最佳拟合回归线以粗体显示(一个).回归模型显示在特定地点与对照者的差异的平均残差值(B).N =每组4-21只雄性。*, p < 0.05。

模型应用:已知对体重有影响的基因

我们的分析有助于量化部位、温度、质量和性别对WT小鼠代谢率的影响。然而,遗传变异也会影响代谢率。IMPC的目标之一是使用小鼠模型来了解遗传因素对表型变异的贡献。IMPC数据集包含2329株KO基因株的代谢分析。采用多元线性回归模型拟合野生雄性小鼠,检测所有KO菌株的表型。为了找到对代谢率影响最大的KO小鼠菌株,我们拟合了质量和环境温度的影响。在将每个KO菌株的平均EE与模型拟合后,我们绘制了无法解释的代谢效应,或EE残差。雄鼠的残量正态分布在0左右(图6)表明模型已适当拟合(图6 b)。该分析的结果包括在图6源数据为了验证该数据处理,我们绘制了EE与总体重的IMPC数据(图6 c)和回归模型的残差EE值与总体重(图6 d).利用IMPC数据,我们绘制了10种基因型的结果,这些基因型之前被证明会影响小鼠的体重。这些菌株通过不同的机制影响体重,包括增加食物摄入量、限制代谢率和影响能量吸收。食物摄入会导致黑色素皮质激素2受体附属蛋白2缺乏的菌株肥胖,Mrap2-/-Asai等人,2013年)、羧肽酶ECpe-/-Alsters等人,2015年Naggert等人。,1995年),前蛋白转化酶1,Pcsk1+/-O'Rahilly等人,1995年朱等人,2002,或生长分化因子15,Gdf15-/-蔡等,2013).低代谢率驱动缺乏生长激素的小鼠肥胖,“大酒店”-/-Meyer等人,2004年).与此相关,在标准室温下,缺乏产热解耦蛋白1的小鼠代谢率降低,但未观察到肥胖Ucp1-/-小鼠直到在热中性条件下居住(Enerbäck等人,1997年).缺乏肌酸生物合成酶的小鼠,Gatm-/-,代谢率也降低,类似于脂肪细胞特异性敲除小鼠(哈萨克等人,2017年).我们还绘制了由于高代谢率而促进瘦的菌株的代谢率,Pparg+/-Fgfr4+/-Fgfr4-/-,Acer1-/-过氧化物酶体增殖物激活受体-γ,Pparg杂合子小鼠的代谢率增加,这是由中枢神经系统(Lu et al., 2011).成纤维细胞生长因子受体4的小鼠代谢率升高,Fgfr4基因敲除和反义抑制可能由于FGF19和FGF21水平升高而提高代谢率(Ge等,2014Yu等人,2013年).碱性ceramidase 1,Acer1-缺陷小鼠有皮肤屏障缺损和渐进性脱发,可能是代谢率代偿性增加的原因(Liakath-Ali等人,2016年).IMPC的统一表型标准允许对相对表型大小进行全面比较。制度对情感表达的影响会使对照菌株和实验菌株之间的真正影响程度难以在情感表达与质量的回归图中辨别(图6 c).相反,当针对残差值绘图时,很明显,这些基因中的4个具有适度的表型,位于预测平均值的1个标准差内,Cpe-/-,Mrap2-/-Gdf15-/-, Ucp1-/-图6 d)。而EE的适度降低可能会导致老年人肥胖Cpe-/-Mrap2-/-据报道,小鼠、食物摄入和其他因素可能是主要的驱动因素。未见情感表达改变Gdf15-/-与正在出现的体重表型改变需要Gdf15诱导的报道一致(Coll等人,2020年).−1.0 SD表型观察Pcks1+/-小鼠对情感表达有很大影响,导致肥胖倾向(O'Rahilly等人,1995年朱等人,2002).这两个“大酒店”-/-Gatm-/-组的体重低于对照小鼠的体重,但由于这些菌株中的肥胖症中的重要贡献者具有低于预测的EE。超代谢2 SD和3 SD效果Fgfr4+/-Fgfr4-/-,Acer1-/-有助于抵抗肥胖,同时Pparg杂合度适中,仅略高于1个标准差。EE效应已经与皮肤屏障功能或HFD挑战等其他试验相结合来解释这些表型。与综合表型一致,IMPC数据证实了这些先前发表的发现,并证明了IMPC实验的稳健性和实用性。

基因对情感表达的贡献。

与2329株雄性的现场适当对照相比,EE的残余变化(一个).所有KO菌株EE残留变化分布,KO菌株数量达到1SD(绿色)、2SD(橙色)或3SD(红色)。EE与质量的回归图(C)或具有已知代谢表型的小鼠品系小鼠的残余EE与质量(D).显示EE的标准偏差范围的线是重叠的。与肥胖相关GWAS鉴定的基因和表型大于1个标准差的IMPC菌株的相似图(E, F).N = 23309名男性。

模型应用:未知基因

接下来,我们通过全基因组关联研究(GWAS)检查了与肥胖风险增加和体重相关性状相关的人类基因位点。基因位于肥胖位点(n = 42)的IMPC菌株,表型与平均值(n = 7)的比值为+/- 1 (n = 7)。图6E和F).我们发现四种代谢率较低的菌株可能预测肥胖易感性,Pax5+/-Melka等人。,2012年),Chst8-/-Tachmazidou et al., 2017),Tfap2b+/-Lindgren等,2009),Pald1-/-Cotsapas等人,2009年).我们还发现了三种可能预防肥胖的KO菌株,Pepd.-/-Shungin et al., 2015),Klf12+/-江等人,2018),Pacs1+/-惠勒等人,2013).对这些菌株的进一步表征,包括暴露于HFD,可能会揭示导致常见人类肥胖的表型效应。

生理环境

不考虑部位、质量和温度的EE变化正态分布较窄,2/3 (1 SD)菌株间差异不大,为+/- 0.161 kJ/hr。为了将这些值置于生理环境中,我们比较了年龄、自愿运动、肾上腺素能激活和温度对C57BL/6小鼠代谢的影响(图7).年龄对基础代谢率的影响,如hooutkooper等(2011)的差异不大,15、55和94周龄的差异平均小于0.04 kJ/hr,均小于1 SD (图7 b).在自愿车轮运行中,奥尼尔等人,2017年报告在一周后产生强烈的(3 SD) EE,在运动2周和3周后下降为2 SD效应(图7 c)在温度中性的小鼠中,给予β3肾上腺素能激动剂CL316243在3小时内产生大于3 SD的效应(图7 d).我们还绘制了环境温度从6°C到30°C的代谢率(图7 e).使用22°C作为比较器,仅将温度增加3度,产生2 SD效应。类似地,将温度降低4度会产生接近3 SD的效果。较大的温度变化对EE产生较大的影响,但从28°C到30°C的转变除外,这可能反映了偏离真实的热中性。这些图有助于为MMPC和IMPC数据集中观察到的效应幅度提供参考框架。

选择对情感表达的生理作用。

生理挑战中EE的变化,包括年龄、自愿轮跑运动、β3肾上腺素能疼痛、温暖和寒冷温度,与中所见的相对基因变化相比图6 b一个).每个干预的回归图。周龄(每组n = 5) (B),数周的锻炼(n = 7) (C),单剂量β3肾上腺素能激动剂CL316,243在小鼠30℃(n = 10) (D),温度(n = 9) (E).

讨论

小规模数据、大规模数据和数据共享

过去的十年见证了我们对哺乳动物新陈代谢理解的转变。新的遗传工具、对大规模实验的更多承诺以及更多的数据共享都是值得欢迎的发展。像IMPC这样的大规模系统实验为研究控制哺乳动物能量平衡的遗传途径提供了前所未有的视角。然而,尽管每年有成千上万只老鼠的信息被存入IMPC,来自更多数量的实验动物的数据却是在世界各地的机构中产生的。这些较小的数据集仍然被孤立和不共享,对科学界造成了巨大的损失。如果我们想弄清楚关于肥胖驱动因素的经常相互矛盾的信息,就需要建立关于新陈代谢的集中数据存储库,这是一个关键的未被满足的需求。观察到的表型差异很可能是由于环境差异,包括温度和饮食。模型生物的临床前研究应该为更深入地理解遗传变异、饮食、运动、大量营养成分、年龄和肥胖对人类代谢的作用铺平道路。考虑到这些进展,代谢数据存储库显然是下一步。实现这一现实的必要先决条件是:1)实验和分析的标准化,2)数据格式的标准化,3)基本元数据收集的共识方法。 The results of experiments in mice vary by strain, age, diet, temperature, site, intervention protocols, and other factors, and there can be useful covariates in explaining variance among experiments. The absence of this information can turn an attempt at experimental replication into part of an ongoing replication crisis in biomedical research.

需要报告的基本数据

本研究的目的是了解使代谢率的体内研究具有广泛可比性所必需的关键变量。在小规模的MMPC试验中观察到的最大变化来源是质量,包括身体成分数据。运动、光周期、饮食和适应是较小的影响因素。在IMPC数据集中,温度和质量是变化的最大贡献者。由于缺乏准确的温度信息,许多地点即使报告平均日温度也会有好处,因此IMPC数据的效用降低了。其他细节包括间接量热计的类型或身体组成方法(如DEXA或MRI)也将有助于解释。我们建议在未来的出版物中,比较和解释代谢研究的最低必要信息(表1)应包括在内。

表1
报道间接量热法研究的必要信息。
位置
身体质量
身体成分
年龄
准确的环境温度
运动活动
饮食名称和组成
品系/基因型
干预的细节
量热计模型/参数
身体成分的方法

变异源

在本项目开始时,我们设想确定WT小鼠在LFD或HFD下观察到的代谢率范围。我们预测,由于经验,卓越的声誉和参与站点的代谢表型的专门知识,站点之间的高度一致性。MMPC和IMPC实验都是特意设计的,通过标准化实验方案和研究年龄和饮食匹配的动物,尽量减少不同地点之间的差异。尽管有这些保障措施,我们在每次实验中都看到了代谢率的巨大差异(图13.).对于MMPC,这些小规模研究(每组n = 6-8只小鼠)是典型的,可以具有指导意义。在这种情况下,这些小鼠对HFD的反应是高度不同的,其中一个部位的小鼠增加的脂肪量是另一个部位小鼠的三倍。尽管在表型上存在巨大差异,但这四个MMPC位点在体重、运动活动、光周期、饮食和适应方面产生了高质量的数据,占变异的80%。表型没有对错之分,只有机构反应中的表型差异,我们已经量化了这些差异,但尚未完全阐明。在这里,温度和身体组成是变化的最大来源。

IMPC数据提供了迄今为止所描述的非遗传和遗传变异来源的最大评估。这个数据集非常庞大,但仍然局限于单一年龄和基因背景,在标准的鼠粮饮食。扩大MMPC和IMPC研究之外的实验类型、菌株和协变量,对于更深入的了解至关重要。我们的分析有助于量化众所周知的环境变量的相对贡献,包括质量、温度、活动、性别和季节。9358只野生型小鼠(图3 b),并比较多达九间不同机构的KO菌株(图5).我们在一些地方观察到特定KO菌株的表型差异,但在其他地方没有。然而,对于大多数菌株,我们观察到良好的一致性。了解这种变化的驱动因素有助于提高再现性。汇集多个站点的数据也有助于达成共识。场地之间的变化或差异是再现性危机的一个组成部分(德鲁克,2016)并且了解制度变异性是提高代谢数据的再现性的关键。

我们目前对关键协变量的理解如下

在IMPC实验中,我们发现野生型雌性小鼠与雄性小鼠的变异性相似。事实上,我们对性对代谢率的微小贡献感到惊讶。雌性和雄性老鼠之间的差异很大程度上是由于前者的体重较小,而不是性别本身。据预测,这些影响在HFD中会更加明显,因为雄性和雌性小鼠的体重会进一步分化,雌激素和雄激素水平改变的代谢影响可能会更加显著。

体重:在两个实验数据集上最一致的结果是体重和情感表达之间的正相关。在足够的样本量和质量范围变化的情况下,可以观察到这种正相关关系,这是实验成功的标志之一(Tschöp等,2012).

身体成分

通常,包含身体成分可以提高回归图的质量,特别是随着年龄增长或肥胖而积累的脂肪(凯亚拉等人,2010年).在IMPC实验中,小鼠被维持在标准的鼠粮中,并有少量的体脂。使用身体组成数据而不是整个身体质量作为协变量可以帮助减少组间的差异。有人提出,瘦肉量+ 20%脂肪量可作为代谢分析的协变量(甚至和Nadkarni, 2012年),一个已经看过限制的计算(Coyne等人,2019年Ivry del Moral等。,2016年Dorfman等人,2017年Montgomery等人,2013年Piattini等人,2019年Schöttl等人,2015年Seyfarth等人,2015年赵等,2016).我们发现脂肪质量对全身EE的贡献是高度可变的,并依赖于研究组的特殊特征。在我们的研究中,瘦肉质量+ 20%脂肪质量不是一个合适的质量协变量,我们认为它不太可能是一个可推广的解决方案。此外,在肥胖小鼠的研究中,使用瘦体重作为协变量未能捕捉到脂肪组织传递的代谢贡献;应谨慎对待的方法(Tschöp等,2012图3-图补编1).

温度

添加善意的实验温度改善了我们在此信息可用的三个站点进行代谢率的变化的能力。温度影响ee的强大作用是很好的建立(abru - vieira et al., 2015芒特和威尔莫特,1967年).因此,提供准确的记录温度将是一种简单而有效的方法,以提高间接量热法在IMPC和其他地方的效用。

运动活动

在过去10年里开发的大多数间接量热计将包括记录运动活动的能力,这种能力可以通过计算红外光束的间断来计算行走的距离,或者通过追踪植入动物体内的设备。令人惊讶的是,标准化的缺乏使得直接比较仪器具有挑战性。然而,运动活动对情感表达的变化有微小但重要的贡献,这些值应该尽可能地纳入。

适应环境

在MMPC数据集中,对间接量热测定笼的适应只有适度的影响。在适应之前,小鼠往往比适应后吃更多的食物。因此,对于高碳水化合物低脂肪饮食的小鼠,RER往往更高。大多数IMPC站点没有包括适应期;数据只记录了21小时。对MMPC实验的分析表明,这对所呈现的结果只有很小的影响。然而,适应时间快可能是由于这些动物的幼龄和其他实验菌株或条件可能会极大地影响适应时间。

样本大小

使用ANCOVA发现组间具有统计学意义的差异需要相对较多的受试者,特别是在体重或代谢参数的小差异(阿奇等人,2006甚至和Nadkarni, 2012年Fernández-Verdejo等人,2019年Tschöp等,2012).在加州大学戴维斯分校的MMPC中,LFD和HFD对小鼠的巨大影响很好地说明了这一点,促进脂肪量在11周内从5克变化到14克。然而,尽管存在明显的表型差异,但ANCOVA对每组8只野生型小鼠的EE和能量摄入均无显著差异,表明这些研究动力不足。同时,记录和应用这些协变量可以最大限度地提高实验的重现性。

遗传学

IMPC管道的标准化是重新评估已知对能量平衡有影响的基因的表型效应的无与伦比的资源。在对所有小鼠基因敲除株进行标准化表型的范围内,几个特征明确的遗传实验已由IMPC联盟成员复制。这些基因包括调节食物摄入的基因:CpeMrap2,Gdf15;代谢率和生热作用:Ucp1PPARg“大酒店”Gatm,Fgfr4;皮肤屏障功能:Acer1,以及肠道吸收Pcsk1

人类GWAS

我们对肥胖相关GWAS结果的分析特别关注可能影响情感表达的菌株。用这些方法确定的遗传变异通常在蛋白质编码序列之外,并可能影响正或负基因调节(Buniello et al., 2019)因此,我们的分析预测KO菌株可增加和降低代谢率,这一点很有意义。代谢数据存储库所赋予的最大优势之一是研究人员有机会调查特定等位基因或干预措施的表型。在描述来自在IMPC中,作者选择了基于多元线性回归残差的比率报告系统(Rozman等人,2018年).我们已经报告了残差以及离均值的标准差。这两种方法是相似的,但我们发现报告KO菌株的平均质量和偏差可以为结果增加一个背景维度。我们鉴定的菌株在代谢途径中的作用还没有很好地描述,这表明后续研究是有必要的。

可能导致肥胖的代谢率较低的菌株包括Chst8Pax5Pald1, Tfap2b。Chst8,碳水化合物硫转移酶8介导性激素LH的碳水化合物结构的硫酸化;缺失Chst8产生黄体生成素水平升高的小鼠。Chst8也在下丘脑和垂体中表达,预计将改变ProOpioMelanocortin(POMC),前体涉及控制应力和体重调节的几个键激素(米等人,2008).高通量IMPC分析显示小鼠的运动活性降低Chst8-/-老鼠。Pald1,含有Paladin 1的磷酸酶结构域,是血管生成和血管功能的调节剂。女性Pald1-/-表现出肺气肿样的肺疾病(Egaña等,2017).然而,细胞培养研究表明,Pald1通过负调控胰岛素受体表达和磷酸化在胰岛素信号转导中发挥作用(黄等,2009).Pax5,配对框5,是控制B细胞发育的转录因子(纳特等人,1999年).IMPC分析证实低白细胞计数和还发现在提高心肺表型的心脏射血分数提示Pax5+/-老鼠。Tfap2b,转录因子AP-2 β, KO小鼠表现出一种未闭的动脉导管(Satoda等人,2000年).然而Tfap2b杂合子小鼠基本上不受影响(赵等,2011),结果在IMPC分析中得到证实。

代谢率增加的菌株包括Pepd.Klf12,PACS1。Pepd.肽酶D(或前驱酶)是一种切割包括胶原蛋白在内的二肽的酶。有突变的病人PEPD有皮肤溃疡(谢菲尔德等人,1977年).Pepd.KO小鼠揭示了该蛋白在骨和造血发育中的重要作用。这些小鼠有缺陷,包括骨骼和免疫发育的改变(贝西奥等人,2015年).的Pepd.基因影响皮肤色素沉着,提示与黑素皮质激素信号通路相互作用(Cota等人,2008年).IMPC分析还揭示了许多行为和发展缺陷。Klf12, kruppel样因子12是一种通过GWAS连接到EE的转录抑制因子(江等人,2018).Klf12是小鼠NK细胞增殖的必要条件(Lam等人,2019年)和IMPC研究显示运动活动水平较低。Pacs1,磷酸糠醛酸性簇分选蛋白1是一种在跨高尔基体网络膜蛋白的定位中具有假定作用的蛋白质,并且已被证明对POMC的囊泡运输到神经内分泌细胞中的致密分泌颗粒是重要的,这是其下游裂解为其活性肽激素所必需的途径。Pacs1也可能影响纤毛的功能,这种结构的改变与肥胖的发展有关(Schermer等人,2005).Pacs1纯合子缺失小鼠胚胎致死,而杂合子小鼠在未受挑战的条件下未发现提示的病理。

总之,这7个基因可能通过在POMC或黑素皮质激素信号、皮肤屏障功能、肺缺损、造血和骨形成等方面的作用来影响EE。后续研究将有助于阐明这些蛋白质在小鼠生物学中的作用。对小鼠的更深入的了解将为将人类的因果遗传变异分配到临床表型提供可测试的假设。

限制

当前研究的几个关键限制包括用于分析的目前公认的方法,它需要减少数百个数据测量值的采集每只动物的下调至ANCOVA或多元线性回归分析的统计分析的单个值。所述IMPC数据提供每只动物每代谢可变一个数据点(例如氧消耗或EE)。在时间序列进一步的研究可能会提取这些丢弃的值有意义的信息。站点之间的不明原因的变化的一个可能的来源是使用间接测热系统的不同型号。这项研究无法直接比较不同的间接量热仪制造商的疗效因EE甚至站点之间使用相同的仪器仪表的大型机构的差异。然而,从小鼠的结果有两个不同的系统在同一房间内的直接比较,最近有报道(Soto等人。,2019年).不同的量热计参数和校准,如单个气体分析仪有多少个室,以及气体的湿度、压力和流量,都可能影响结果,在报告数据时应包括在内(表1).对于研究者来说,校准整个小鼠量热系统(通过气体分析仪的量热室)是不常见的做法。然而,整个系统校准可以通过将已知成分的标准气体以受控的流速引入每个室并测量二氧化碳和氧气的回收率来完成。可采用适当的软件模块,确保校准的准确性和数据的准确性。应鼓励使用这种校准系统,以便于间接量热仪的比较。在间接热量计中观察小鼠的过程可能会影响它们的行为,并不能准确反映正常的食物摄入、运动和情感表达。MMPC实验计算的能量平衡与HFD 11周期间的体重增加不一致。这一发现强调了在几天内准确测定能量平衡的难度,长时间的测量可能会更好。也有可能是量热法环境改变了能量平衡比家庭笼条件。精确测量能量摄入可能是一项挑战,而设计成最大限度减少能量溢出的系统也会影响食物摄入,因为它会让老鼠更难以进食。 Observing serial measurements of body weight can help to mitigate interpretation of experiments where data unexpectedly reflects weight loss (as in图1).无论是深度表型还是大规模群体表型,都揭示了制度变异的大效应量。这些数据集中有两个可能但未经测试的变异来源,包括肠道微生物群的变化和/或由不同环境触发因素引起的表观遗传变化。老鼠体内有特定的微生物群,它们会随时间变化,影响能量平衡(Turnbaugh等人,2006年).微生物组很可能是一种地方性的制度现象,会影响代谢率;事实上,在波士顿、纽约、日内瓦和北京(Chevalier et al., 2015Krisko等人,2020年Li et al., 2019).与EE相关的微生物种群的知识可能有助于完善未来的代谢研究。通过微生物组重建来挽救表型变异的尝试可能是卓有成效的。类似地,可能很快就可以询问控制代谢率的基因的表观遗传修饰集,并帮助预测或相应地修改代谢率。

结论

在小鼠能量消耗中观察到令人惊讶的大量表型变异。分析的两种实验范式被刻意旨在创造一致,可重复的结果。与我们的预测相反,在WT动物的响应中仍然没有差异 - 在WT动物的响应中差异增长体重或由于环境温度等因素而导致的能量消耗的内在差异。这种变异足够大,以防止由相同的遗传干预引起的一致表型结论。实验位置变异性强烈影响,WT和遗传修饰的菌株均产生强烈影响。这些研究结果表明,报告的实验条件包括体组成,精确的温度和活性,对复制和比较量热数据来说是必不可少的,并且可以解释大多数制度差异。识别位点之间的尚未试验变异性的尚未证明的实验变异来源,也应该成为促进多个机构之间实验结果中的一致性和再现性的优先事项。但是,在任何一个机构中,我们可以相信使用Ancova进行比较使用Ancova进行分析的结果对这些条件进行实验有效。然而,调查人员专注于他们的实验模型在其他网站上的再现性,需要报告对间接量热法的解释的基本信息(表1).使用这个模型,单个实验室或中心可以利用大数据方法来理解表型,通过精心创建非窝居对照小鼠的数据集(如在IMPC数据中,图6).一旦验证成功,这些数据可以用于对较小的实验小鼠群体的回归,以及在每个实例中验证该方法的对照。这一策略表明,间接量热法仍然是了解代谢表型的有用工具。

材料和方法

MMPC实验描述

请求一个详细的协议

来自nih资助的MMPCs的数据(RRID:SCR_008997)代表了位于加州大学戴维斯分校(UC Davis)、马萨诸塞大学(UMass)、耶鲁大学(Yale)和范德比尔特大学(Vanderbilt University)的4个地点的纵向测量。对每只小鼠进行至少4天的间接量热测量,以便分析适应前(前18小时)和适应后(18 - 96小时)。除非另有说明,我们的分析使用的是适应后的数据。这4个地理位置不同的MMPC站点使用的热量计来自3个不同的制造商(加州大学戴维斯分校的哥伦布仪器和康涅狄格州的耶鲁大学;马萨诸塞州马萨诸塞州的TSE系统;位于田纳西州范德比尔特的Sable系统国际公司)。来自杰克逊实验室同一房间的基因相同的C57BL/6J雄性小鼠(n = 60, 6-7周龄)被分为四组,每组运到一个地点。到达后,小鼠在LFD上维持一周,然后随机分成两组进行所有进一步的实验(n = 6-8只小鼠每个饮食每个部位)。为了控制从群体到单个住房的过渡,所有的动物在研究期间都保持单独住房。对所有小鼠的每个部位进行间接热量测定(第0周),其中一组给予高脂饮食12周,另一组维持低脂饮食。 All mice were returned to the calorimeters at 4 and 11 weeks post-diet randomization. Mouse diets were purchased as a uniform lot from a singular production stream for all sites from Research Diets (LFD: D12450B, 10% energy derived from fat, 15.69 kJ/g; HFD: D12452, 60% energy derived from fat, 21.92 kJ/g) and were delivered to each site simultaneously. Energy intake was calculated by taking the product of food intake in grams with the energy density of the diet in kJ. UC Davis used a PIXIMus DEXA scanner under anesthesia for body composition measurements. Other sites used an NMR-based Bruker minispec without anesthesia. Reported room temperatures for the UC Davis, UMass, Yale, and Vanderbilt MMPC sites were 22.0, 21.1, 21.5°C and 22.5°C respectively. For indirect calorimetry, the Vanderbilt site used a temperature-controlled environment of 24°C. Beam breaks reported from Columbus Instruments, Sable Systems International, and TSE Systems correspond to different distances. Accordingly, locomotor activity was calculated as beam breaks as a percent of the global maximum per site.

IMPC实验描述

请求一个详细的协议

IMPC (RRID:SCR_006158)资料按所述收集(Rozman等人,2018年).在此数据集的10.0版本中,来自超过30,000只小鼠的24小时平均代谢数据是公开可用的。IMPC数据在8个国家的10个站点上使用高度相似的间接量热法协议。所有间接量热法从11周龄小鼠收集,除了身体成分数据外。基于第14周收集的身体成分百分比,每只小鼠估计对应于第11周的瘦和脂肪质量。当要求时,提供了所使用的味道饮食的卡路里含量和常见营养素组成。IMPC 10.0位点均匀地提供报告的单个平均值,用于每只动物的氧消耗,二氧化碳释放,RER和EE,尽管通过其API可获得额外的小时数据。数据并不始终存在于男性和女性的所有地点,并且网站没有统一地报告机车活动,精确的住房温度或食物摄入数据。同样,仅在站点的子集中执行适应性,并且预先适应数据不容易获得。在初始可视化上,沉积的数据显示出几种异常。其中包括一个较大的动物矛盾的动物矛盾的氧气而不是较小的动物,证明了倒置质量效应(图3 -图3A补充).当与该网站联系时,迅速识别并纠正了其数据分析管道中的一个持久错误,该错误将在未来的IMPC数据发布中予以纠正。一个不同的网站报告了错误的食物摄入数据,每只动物每小时摄入0.05克食物,而不管体重或基因型。本网站亦提供校正食物摄取量的更新资料集(图3 -图补充3B).我们还观察到从间接量热法数据计算EE的方法的差异。使用Weir公式计算EE时(威尔,1949年),我们发现两个站点产生了不同的值,可能是由于其他公式的实施,包括Lusk方程(Lusk 1993图3 -图补充3C).最后,我们确定了多个提供热量测量实验数据的位点,这些数据比报道的最小持续时间21小时要短。在一个站点,完整的运行数据被错误地从IMPC数据库中排除,一旦联系上,就提供了完整的数据供分析使用。所有其他持续时间小于18小时的实验都被排除在我们的分析之外(图3 -图补充3D).为了提高一致性,我们使用Weir方程重新计算了所有小鼠的数据。如中所述,修正了错误的键控数据图3-图补编3.一株被排除在外,因为在一个小鼠子集中,基因型的值高度可变,Fbxl19.在某些情况下,描述IMPC站点的首字母缩略词发生了变化。为简单起见,以下地点以它们所在的国家表示。对于有两个地点的国家,州或县被指出(表2).

表2
IMPC站点和缩写。
在这项研究中的名字 位置 IMPC缩写
美国加州 加州大学戴维斯分校 加州大学戴维斯分校
英国剑桥郡 惠康信托桑格研究所 WTSI.
加拿大 多伦多表型基因组学中心,
表型基因组学中心
传输控制协议
中国 南京大学模型动物研究中心 马克
法国 苏里斯倩碧酚敏研究所 集成电路
德国 Helmholtz-Zentrum慕尼黑 HMGU
日本 里肯生物资源研究中心 RBRC
韩国 韩国小鼠表型协会 KMPC
英国牛津郡, 医学研究委员会,哈维尔 MRC哈维尔
德克萨斯州,美国 贝勒医学院 BCM

用于间接量热测量的其他数据来源

请求一个详细的协议

所有数据均用Columbus Instruments CLAMS间接热量计在雄性小鼠中收集。显示周粮喂养(Teklad 2018) C57BL/6J小鼠年龄影响的数据由hooutkooper等(2011).在22°C条件下,6个月大的周饲(Teklad 7022)C57BL/6雄性小鼠在自愿轮跑运动期间的EE值如奥尼尔等人(2017年).研究β3肾上腺素能刺激和温度变化的影响是在一个温度控制的室内进行的间接量热计。这两项研究都是在波士顿进行的。对于β3刺激,6.5个月的周粮喂养(LabDiet 5053) C57BL/6J全球Cdkal1-/-或WT同窝雄性小鼠在30°C下保持24小时。小鼠在光照5小时后接受1 mg/kg CL的IP给药。本分析使用注射后3小时内的平均EE。不同基因型之间的EE无显著差异;因此,收集了所有小鼠的数据。电子能量测量Cdkal1-/-或保持在23°C的WT窝伴对照雄性小鼠图5温度对EE影响的研究是在10周大的周粮喂养(LabDiet 5053)C57BL/6J雄性小鼠上进行的,温度逐渐降低。在28°C到6°C的每24小时温度挑战之间,将小鼠保持在30°C,间隔24小时。

CalR分析

请求一个详细的协议

CalR分析(RRID:SCR_015849)对MMPC数据集(图1 -图补充)如所述(Mina等人,2018年).“移除异常值”功能可以从瞬时开笼过程中记录的分析数据中排除。

动物实验

请求一个详细的协议

此前未发表的研究是严格按照美国国立卫生研究院(National Institutes of Health)《实验室动物护理和使用指南》(Guide for the Care and Use of Laboratory Animals)中的建议进行的。所有的动物都是按照被批准的机构动物护理和使用委员会(IACUC)在现场进行处理的。

统计方法

请求一个详细的协议

数据输入、清理、可视化和统计分析是用R编程语言(R开发核心团队,2019).协变量的相对贡献用relaimpo包计算(Gromping 2006) 11周后MMPC试验的多元线性回归模型和量化模型包括体成分、运动活动、光周期、饮食和适应。这些模型没有通过添加设备制造商或温度来改进,因为每个站点报告了一个单一的、独特的温度,只有两个站点使用了类似的间接量热计制造商。IMPC模型包括身体组成、运动活动、环境温度、性别和季节。这些型号没有增加设备制造商的改进。q-q图由geom_qq绘制,使用的是7个位点的WT小鼠的EE数据,雌雄均有(韦翰,2009).所有地块均用ggplot2或CalRMina等人,2018年韦翰,2009).除非另有说明,所有报告的数据都是基于每日EE (DEE), 24小时平均EE值。没有在热中性状态下进行实验,消除了在热中性状态下测定基础EE或静息代谢率的可能性(甚至和Nadkarni, 2012年Meyer等人,2015年).

参考文献

  1. 1
  2. 2
  3. 3.
  4. 4
  5. 5
  6. 6
  7. 7
  8. 8
  9. 9
  10. 10
  11. 11
  12. 12
  13. 13
  14. 14
  15. 15
  16. 16
  17. 17
  18. 18
  19. 19
  20. 20.
  21. 21
  22. 22
  23. 23
    线性回归的相对重要性在R:包relaimpo
    1. üGrömping
    (2006)
    统计软件杂志 17: 1-27。
  24. 24
  25. 25
  26. 26
  27. 27
  28. 28
  29. 29
  30. 30.
  31. 31
    MMPC能量消耗分析页面
    1. KJ Kaiyala
    (2020)
    国家MMPC。
  32. 32
  33. 33
  34. 34
  35. 35
  36. 36
  37. 37
  38. 38
  39. 39
  40. 40
  41. 41
  42. 42
    全基因组关联扫描荟萃分析确定了影响肥胖和脂肪分布的三个位点
    1. CM林格伦
    2. 我是海德
    3. JC兰德尔
    4. C板
    5. V Steinthorsdottir
    6. L气
    7. EK Speliotes
    8. G Thorleifsson
    9. CJ Willer
    10. BM Herrera
    11. 非盟杰克逊
    12. N Lim
    13. P Scheet
    14. 索兰佐酒店
    15. N阿明
    16. y Aulchenko
    17. JC钱伯斯
    18. 一个Drong
    19. J的菜肴
    20. HN里昂
    21. F Rivadeneira
    22. S桑纳
    23. 新泽西Timpson
    24. MC Zillikens
    25. JH赵
    26. 阿尔姆格伦酒店
    27. s bandinelli.
    28. AJ班纳特
    29. RN伯格曼
    30. ll bonnycastle.
    31. SJ Bumpstead.
    32. SJ Chanock
    33. L Cherkas
    34. P脊柱
    35. L硬币
    36. 库珀
    37. G克劳福德
    38. 一个林根
    39. 一个Dominiczak
    40. 当多尼
    41. 易卜拉欣
    42. P艾略特
    43. 鄂尔多斯先生
    44. 埃斯特拉达酒店
    45. L费鲁奇
    46. 菲舍尔
    47. 吴福瑞
    48. çGieger
    49. 格拉勒特酒店
    50. CJ园
    51. 年代心胸狭窄的人
    52. C Guiducci
    53. 维哈德利
    54. 一个Hamsten
    55. 作为Havulinna
    56. 霍夫曼
    57. 赫勒
    58. JW霍洛威学院
    59. T Illig
    60. 伊索马酒店
    61. LC雅各布斯
    62. K詹姆逊
    63. P Jousilahti
    64. F卡尔
    65. J Kuusisto
    66. Ĵ莱蒂宁
    67. 通用莱斯罗普
    68. 达拉勒
    69. M Mangino
    70. 麦卡德尔酒店
    71. T Meitinger
    72. 马Morken
    73. 美联社莫里斯
    74. 门罗酒店
    75. N Narisu
    76. 一个诺德斯特姆
    77. P Nordstrom
    78. 英航Oostra
    79. CN帕默
    80. F佩恩
    81. 摩根富林明Peden
    82. 我普罗科普恩科
    83. F Renstrom
    84. 一个Ruokonen
    85. V Salomaa
    86. Sandhu女士
    87. LJ斯科特
    88. 一个Scuteri
    89. K Silander
    90. k歌
    91. X元
    92. 斯特林汉姆酒店
    93. AJ迅速
    94. 托米
    95. M Uda
    96. P Vollenweider
    97. 韦伯
    98. C华莱士
    99. GB沃尔特斯
    100. MN威登
    101. 威特曼
    102. C张
    103. 张伟
    104. MJ考尔菲尔德
    105. FS柯林斯
    106. G戴维史密斯
    107. 在天
    108. PW弗兰克斯
    109. 在·哈特斯利
    110. FB胡
    111. Jarvelin先生
    112. 一个香港
    113. JS官
    114. M Laakso
    115. e lakatta.
    116. V驼鹿
    117. 广告莫里斯
    118. L Peltonen
    119. 新泽西州萨马尼
    120. TD斯佩克特
    121. DP Strachan
    122. T田中
    123. J Tuomilehto
    124. AG Uitterlinden
    125. CM范名女警
    126. 新泽西Wareham
    127. H沃特金斯
    128. DM Waterworth
    129. M Boehnke
    130. P Deloukas
    131. 格罗普
    132. DJ猎人
    133. U Thorsteinsdottir
    134. d schlessinger
    135. 他Wichmann
    136. TM Frayling
    137. GR Abecasis
    138. 希施霍恩酒店
    139. RJ厕所
    140. K Stefansson
    141. KL Mohlke
    142. 我巴罗佐
    143. 麦卡锡小姐
    144. 惠康信托病例控制联盟
    145. Procardis财团
    146. 大财团
    (2009)
    公共科学图书馆遗传学 5: e1000508。
    https://doi.org/10.1371/journal.pgen.1000508
  43. 43
  44. 44
    代谢在发烧。1928
    1. G Lusk
    (1993)
    营养 9: 282 - 296。
  45. 45
  46. 46
  47. 47
  48. 48
  49. 49
  50. 50
  51. 51
  52. 52
  53. 53
  54. 54
  55. 55
  56. 56
  57. 57
  58. 58
  59. 59
  60. 60
    R:统计计算的语言和环境
    1. R开发核心团队
    (2019)
    统计计算基础,维也纳,奥地利。
  61. 61
  62. 62
  63. 63
  64. 64
  65. 65
  66. 66
  67. 67
    新的基因位点将脂肪和胰岛素生物学与身体脂肪分布联系起来
    1. D Shungin
    2. TW温克勒
    3. 直流Croteau-Chonka
    4. T费雷拉
    5. AE洛克
    6. R麦琪
    7. RJ Strawbridge
    8. TH珀耳斯
    9. ķ菲舍尔
    10. AE正义
    11. T Workalemahu
    12. JMW吴
    13. 毫升Buchkovich
    14. 问Heard-Costa
    15. 罗马
    16. AW Drong
    17. C的歌
    18. 年代Gustafsson
    19. FR天
    20. 特斯科
    21. T下降
    22. Z Kutalik
    23. J的菜肴
    24. JC兰德尔
    25. 先令
    26. 年代Vedantam
    27. 基于“增大化现实”技术的木材
    28. J陈
    29. R Fehrmann
    30. J Karjalainen
    31. B Kahali
    32. CT刘
    33. EM施密特
    34. D带来厄运
    35. N阿明
    36. D安德森
    37. M Beekman.
    38. JL Bragg-Gresham
    39. 年代Buyske
    40. 一个Demirkan
    41. GB埃雷特
    42. MF Feitosa
    43. 一个高尔
    44. 非盟杰克逊
    45. T约翰逊
    46. 我克利伯
    47. k克里斯蒂安森
    48. M Mangino
    49. 我浸出
    50. C Medina-Gomez
    51. CD帕默
    52. D Pasko
    53. 年代Pechlivanis
    54. 乔丹彼得斯
    55. 我普罗科普恩科
    56. 一个斯坦čakova
    57. 宋英杰
    58. T田中
    59. 一盏铜
    60. 合资车Vliet-Ostaptchouk
    61. 林戈
    62. 张伟
    63. 阿尔布雷希特酒店
    64. 阿勒夫J
    65. 阿尔斯科特总经理
    66. s bandinelli.
    67. 一个巴雷特
    68. 贝利斯
    69. AJ班纳特
    70. C伯尔尼
    71. M繁茂吧
    72. 斯伯林格
    73. F发动机罩
    74. Y Bottcher
    75. 布鲁因伯格
    76. DB Carba
    77. IH已
    78. 克拉克
    79. 电子战寒鸦
    80. j deelen.
    81. 迪尔曼
    82. G Delgado
    83. 当多尼
    84. N埃克伦
    85. 鄂尔多斯先生
    86. 埃斯特拉达酒店
    87. 埃里
    88. N弗里德里希
    89. 我加西亚
    90. V Giedraitis
    91. B Gigante
    92. 随着去
    93. 果酱
    94. 格拉勒特酒店
    95. 结核病格拉默
    96. J草ßl
    97. J Grewal编写
    98. CJ园
    99. T哈勒
    100. G Hallmans
    101. CA哈特曼
    102. M Hassinen
    103. C海沃德
    104. K么
    105. KH赫齐格
    106. 问赫尔默
    107. HL Hillege.
    108. O小岛
    109. SC狩猎
    110. 一个isaacs.
    111. T Ittermann
    112. 艾尔·詹姆斯
    113. 我约翰逊
    114. 朱利叶斯多蒂尔酒店
    115. 伊普卡拉法蒂
    116. L Kinnunen
    117. W Koenig
    118. 本土知识官
    119. W Kratzer
    120. C板
    121. K利安得
    122. NR李
    123. P Lichtner
    124. L林德
    125. Ĵ林斯特龙
    126. 年代Lobbens
    127. M Lorentzon
    128. F Mach.
    129. PK Magnusson.
    130. 一个Mahajan
    131. 麦卡德尔酒店
    132. C Menni
    133. 年代合并
    134. E Mihailov
    135. L米拉尼
    136. R米尔斯
    137. 一个Moayyeri
    138. KL Monda
    139. SP Mooijaart
    140. TW Muhleisen
    141. 一个穆勒
    142. 穆勒
    143. M Muller-Nurasyid
    144. R Nagaraja
    145. 玛纳尔
    146. N Narisu
    147. ñ格洛里厄斯
    148. IM诺尔特
    149. 米变老
    150. 西北雷纳
    151. F Renstrom
    152. 杰斯里德
    153. 罗伯逊天然气公司
    154. LM玫瑰
    155. S桑纳
    156. H Scharnagl
    157. 斯克尔顿
    158. B Sennblad
    159. T Seufferlein
    160. CM Sitlani
    161. AV史密斯
    162. K箍筋
    163. 斯特林汉姆酒店
    164. Ĵ松德斯特伦
    165. 马Swertz
    166. AJ迅速
    167. AC Syvanen
    168. BO Tayo
    169. B Thorand
    170. G Thorleifsson
    171. 一个Tomaschitz
    172. C Troffa
    173. 范奥尔特
    174. N Verweij
    175. JM Vonk
    176. 我韦特
    177. R Wennauer
    178. T Wilsgaard
    179. MK WOJCZYNSKI.
    180. 一个黄
    181. Q Zhang
    182. JH赵
    183. EP布伦南
    184. 米崔
    185. P埃里克森
    186. L Folkersen
    187. 佛朗哥干酪
    188. AG Gharavi
    189. 正义与发展党海德曼
    190. MF Hivert
    191. 黄杰
    192. 年代Kanoni
    193. F卡尔
    194. 凯尔森
    195. K Kiryluk
    196. L梁
    197. RP Lifton
    198. B马
    199. AJ麦克奈特
    200. 麦克弗森
    201. 一个Metspalu
    202. JL敏
    203. MF莫法特
    204. GW蒙哥马利
    205. JM Murabito
    206. G·尼科尔森
    207. Nyholt博士
    208. C奥尔森
    209. 小佩里
    210. E Reinmaa
    211. RM萨勒姆
    212. 桑德霍姆酒店
    213. EE斯凯特
    214. RA斯科特
    215. 大号施托尔克
    216. EE瓦列霍
    217. HJ Westra
    218. KT桑德凡
    219. P Amouyel
    220. D Arveiler
    221. SJ赞美上帝
    222. J拜尔比
    223. RN伯格曼
    224. J Blangero
    225. 乔丹布朗
    226. M磨光机
    227. 坎贝尔酒店
    228. 一个chakravarti.
    229. PS中文
    230. 年代Claudi-Boehm
    231. FS柯林斯
    232. 直流克劳福德
    233. J Danesh
    234. 你做
    235. EJ de Geus
    236. 马尔
    237. R埃贝尔说
    238. JG埃里克森
    239. M Farrall
    240. e Ferrannini.
    241. J兽医
    242. 吴福瑞
    243. T Forrester
    244. 哦,佛朗哥
    245. RT Gansevoort
    246. çGieger
    247. V Gudnason
    248. CA其
    249. TB Harris.
    250. 在·哈特斯利
    251. M Heliovaara
    252. AA希克斯
    253. 广告Hingorani
    254. w ^霍夫曼
    255. 霍夫曼
    256. G Homuth
    257. 汉菲斯
    258. E海波伦
    259. T Illig
    260. Jarvelin先生
    261. B约翰森
    262. P Jousilahti
    263. 我Jula
    264. J Kaprio
    265. ˚F记
    266. SM Keinanen-Kiukaanniemi
    267. JS官
    268. C Kooperberg
    269. P Kovacs
    270. 在Kraja
    271. M Kumari
    272. K Kuulasmaa
    273. J Kuusisto
    274. 助教Lakka
    275. C Langenberg
    276. L勒玛珊德
    277. tlehtimäki.
    278. V Lyssenko
    279. S Männistö
    280. 一个Marette
    281. 马蹄铁
    282. 卡麦肯齐酒店
    283. 麦克奈特酒店
    284. AW麝香
    285. 年代Mohlenkamp
    286. 广告莫里斯
    287. 梅内利斯
    288. C欧胜
    289. 奥德亨克尔酒店
    290. 王国庆
    291. 帕默
    292. BW Penninx
    293. 一个彼得斯
    294. PP Pramstaller
    295. raitakari.
    296. T Rankinen
    297. 直流饶
    298. TK大米
    299. PM里奇
    300. MD里奇
    301. 我喜欢鲁丹
    302. V Salomaa
    303. 新泽西州萨马尼
    304. 萨拉米斯
    305. 马Sarzynski
    306. PE施瓦兹
    307. 阿尔舒尔迪纳酒店
    308. 晶澳斯泰森
    309. V Steinthorsdottir
    310. RP Stolk
    311. K斯特拉赫
    312. 一个Tonjes
    313. 一个加拿大
    314. E Tremoli
    315. MC Vohl
    316. U Volker
    317. P Vollenweider
    318. 摩根富林明威尔逊
    319. 威特曼
    320. LS阿戴尔
    321. M Bochud
    322. 博波姆
    323. sr angorstein
    324. 布查德酒店
    325. 斯考基酒店
    326. MJ考尔菲尔德
    327. JC钱伯斯
    328. 迪查斯曼
    329. 库珀酒店
    330. G Dedoussis
    331. L费鲁奇
    332. P Froguel
    333. HJ Grabe.
    334. 一个Hamsten
    335. J回族
    336. k hveem.
    337. 克约克尔
    338. M Kivimaki
    339. D栏项目
    340. M Laakso
    341. Y刘
    342. W Marz
    343. PB Munroe.
    344. 我Njølstad
    345. 英航Oostra
    346. CN帕默
    347. 问他
    348. 米佩罗拉
    349. L Perusse
    350. U彼得斯
    351. C权力
    352. T Quertermous
    353. 拉乌拉马酒店
    354. F Rivadeneira
    355. TE Saaristo
    356. D Saleheen
    357. J Sinisalo
    358. PE Slagboom
    359. H Snieder
    360. TD斯佩克特
    361. K Stefansson
    362. M Stumvoll
    363. J Tuomilehto
    364. AG Uitterlinden
    365. 乌西图帕支原体
    366. P van der Harst
    367. 维罗内西酒店
    368. 米沃克
    369. 新泽西Wareham
    370. H沃特金斯
    371. 他Wichmann
    372. GR Abecasis
    373. TL相互矛盾
    374. 斯伯恩特
    375. M Boehnke
    376. IB Borecki
    377. P Deloukas
    378. 勒芒克
    379. TM Frayling
    380. LC国内
    381. DJ猎人
    382. RC Kaplan.
    383. 小奥康奈尔
    384. L气
    385. d schlessinger
    386. DP Strachan
    387. U Thorsteinsdottir
    388. CM范名女警
    389. CJ Willer
    390. 点维斯
    391. J杨
    392. 希施霍恩酒店
    393. MC Zillikens
    394. 麦卡锡小姐
    395. EK Speliotes
    396. 柯北
    397. CS福克斯
    398. 我巴罗佐
    399. PW弗兰克斯
    400. E Ingelsson
    401. 我是海德
    402. RJ厕所
    403. 拉普拉斯酒店
    404. 美联社莫里斯
    405. CM林格伦
    406. KL Mohlke
    407. adipogen联盟
    408. CardioGrampluc4D联盟
    409. CKDGen财团
    410. GEFOS财团
    411. 精灵的财团
    412. GLGC
    413. ICBP
    414. 国际内生财团
    415. 生命线队列研究
    416. 神奇的调查人员
    417. MuTHER财团
    418. Page Consortium.
    419. 复制联盟
    (2015)
    自然 518:187–196.
    https://doi.org/10.1038/nature14132
  68. 68
  69. 69
  70. 70
  71. 71
  72. 72
    全基因组测序与归化结合发现人体测量特征的遗传信号
    1. 我Tachmazidou
    2. D Suveges
    3. JL敏
    4. 里奇
    5. J斯坦伯格
    6. k沃尔特
    7. V Iotchkova
    8. J瓦尔兹特鲁布
    9. 黄杰
    10. Y Memari
    11. 麦卡锡
    12. AA克劳福德
    13. C Bombieri
    14. M Cocca.
    15. AE Farmaki
    16. TR憔悴
    17. P Jousilahti
    18. MN Kooijman
    19. B Lehne
    20. G Malerba
    21. S Männistö
    22. 一个Matchan
    23. C Medina-Gomez
    24. SJ Metrustry
    25. 一个唠叨
    26. 我Ntalla
    27. L符咒
    28. 西北雷纳
    29. C萨拉
    30. 或者说是斯科特
    31. HA Shihab
    32. L生意
    33. B圣Pourcain
    34. M Traglia
    35. K Trajanoska
    36. G Zaza公司
    37. 张伟
    38. artigas女士
    39. N邦萨尔
    40. M Benn
    41. Z陈
    42. 丹尼塞克酒店
    43. 王寅林
    44. 一个洛克
    45. J的菜肴
    46. 正义与发展党曼宁
    47. 一个穆勒
    48. C Sidore
    49. 一个Tybjaerg汉森
    50. 一个Varbo
    51. M Zoledziewska
    52. C菲南
    53. K Hatzikotoulas
    54. AE亨德里克斯
    55. 摩根大通坎普
    56. 一个Moayyeri
    57. K Panoutsopoulou
    58. M Szpak
    59. SG威尔逊
    60. M Boehnke
    61. ˚FCucca
    62. E Di Angelantonio
    63. C Langenberg
    64. C林格伦
    65. 麦卡锡小姐
    66. 美联社莫里斯
    67. BG Nordestgaard
    68. RA斯科特
    69. 托宾医学博士
    70. 新泽西Wareham
    71. P波顿
    72. JC钱伯斯
    73. GD史密斯
    74. G Dedoussis
    75. jf felix.
    76. 哦,佛朗哥
    77. 甘巴罗酒店
    78. P Gasparini
    79. CJ哈蒙德
    80. 霍夫曼
    81. 变水量Jaddoe
    82. M克莱伯
    83. JS官
    84. 米佩罗拉
    85. C Relton
    86. SM环
    87. F Rivadeneira
    88. V Salomaa
    89. TD斯佩克特
    90. O Stegle
    91. D Toniolo
    92. AG Uitterlinden
    93. 我巴罗佐
    94. CMT格林伍德
    95. JRB佩里
    96. BR沃克
    97. 如巴特沃斯
    98. Y雪
    99. R杜宾
    100. KS小
    101. 索兰佐酒店
    102. 新泽西Timpson
    103. E Zeggini
    104. SpiroMeta财团
    105. GoT2D联合体
    106. Arcogen Consortium.
    107. 理解社会科学小组
    108. UK10K联盟
    (2017)
    美国人类遗传学杂志 100.:865-884。
    https://doi.org/10.1016/j.ajhg.2017.04.014
  73. 73
  74. 74
  75. 75
  76. 76
  77. 77
  78. 78
  79. 79
  80. 80
  81. 81
  82. 82
    GGPLOT2:用于数据分析的优雅图形
    1. H韦翰
    (2009)
    施普林格出版公司
  83. 83
  84. 84
  85. 85
  86. 86
  87. 87

决定书

  1. Clifford J罗森
    美国缅因州医学中心研究所高级编辑
  2. 乔尔·K Elmquist
    检查编辑器;美国德克萨斯大学西南医学中心
  3. 约翰R Speakman
    审稿人;英国阿伯丁大学

在透明度,网上生活出版的最实质性修改请求和伴随的作者响应。188bet体育电竞

感谢您提交您的文章“了解实验室小鼠代谢率和肥胖反应的大数据方法”,供188bet体育电竞.您的文章已经由三位同行审稿人审阅过,其中一位是我们的评审编辑委员会的成员,资深编辑马克·麦卡锡负责监督评估工作。以下参与审核您的提交的个人同意透露他们的身份:John R Speakman(审核#3)。

审稿人相互讨论了这些评论,审稿人起草了这个决定,以帮助您准备修改后的提交。

总结:

Corrigan和他的同事们提供了一种大规模的、多位点的间接量热分析法,作为确定代谢率的工具。作者应该受到赞扬,因为他们试图为解释这类特定数据集提供系统和理性的指导。然而,有几个问题需要解决。尽管实验方法令人印象深刻的对细节的关注(与小鼠杰克逊从同一个房间里,饮食从相同的很多和装运,分析MMPC和IMPC数据集),最后的结论似乎更多的警示的过分依赖和深意间接量热法,而不是一套可供所有研究人员使用的有用指南。作者需要处理一个潜在的人为因素,有关多元回归分析的基本规则的分析方式。

必要的修正:

一个没有真正解决的大问题是这些制度变化是可解决的,还是这项研究对间接量热法的有用性提出了质疑?间接量热法为代谢率提供了有意义的见解?

图1F所示的模型依赖于一个多元回归分析,但这种分析的一个基本假设是,自变量是独立的-根据定义。在这种情况下,他们没有,因为在瘦肉和脂肪量上有制度上的差异,如图1E所示。这将趋向于减少可归因于位点内不同性状的差异。事实上,瘦体重和这里的体重只占EE变化的30%,而其他研究表明,这两个因素可以解释更大的变化(参见Kaiyala的工作)。因此,我认为最好先从分析中忽略制度——找出瘦体重、脂肪体重、运动活动等的影响,然后询问制度是否解释了这些生物因素后的任何残留变异。

最引人注目的发现是,在相同的实验之间,机构间存在着多大的差异。然而,关于如何克服这一问题,目前还没有任何建议。是否有一个所有系统都可以校准的标准?

尽管如此,它还是相当有价值的,因为它很好地比较了协变量(如性别、运动、体重、温度或体重和身体组成)对大量数据EE方差的影响。特别有趣的是,在GWAS分析中,KO小鼠的EE数据与肥胖有关。首先,相当初步的评估确实表明,这些基因参与了能量稳态的调节。这一发现将保证更全面地展示现有的IMPC数据。此外,作者是否尝试计算不同机构的个别因素,以使站点之间的数据标准化?这样的调整会使图6D,F中的一些ko的残差正常化吗?

由于预测因子的混杂共线性,显性制度效应实际上没有得到证明。制度显然不是独立于其他因素的,所以在分析中对待它的方式是关键。我强烈建议将生物学与数据相匹配,然后询问机构是否解释了剩余方差。这将更具有代表性地反映制度效应。

是否在每个房间测量湿度、亮度等环境测量?进行实验的时间是否相似?

马萨诸塞大学的小鼠在黑暗周期中始终显示出明显高于1的RER(图1 -图补充1E),这表明这是必要的。是否有一种方法可以独立于每个系统的分析算法来呈现原始数据?它们是否暗示了小鼠模型中未被认识到的生物复杂性,或该机构设置的系统性缺陷?

该资源没有报告体重/组成的巨大差异可能会影响数据(例如,比较非常肥胖的KO模型和瘦的WT)。如果动物体重的X %或瘦质量不同,同样的ANCOVA分析是否足够可靠?极限应该是多少?

作者认为,不同的环境触发因素会导致肠道微生物群和/或表观遗传变化。提供这样的数据对我们的领域来说可能是决定性的进步。然而,就像现在的情况,最好不要具体说明因素,而只是说“网站特定因素”。

这里的分析是有趣和醒酒对于我们这些试图对代谢基因型的辨别作用,但仍然存在线性多元回归(小标题“变异KO表型”)的预测的共线性问题。

https://doi.org/10.7554/188bet体育电竞eLife.53560.sa1

作者的反应

必要的修正:

一个没有真正解决的大问题是这些制度变化是可解决的,还是这项研究对间接量热法的有用性提出了质疑?间接量热法为代谢率提供了有意义的见解?

图1F所示的模型依赖于一个多元回归分析,但这种分析的一个基本假设是,自变量是独立的-根据定义。在这种情况下,他们没有,因为在瘦肉和脂肪量上有制度上的差异,如图1E所示。这将趋向于减少可归因于位点内不同性状的差异。事实上,瘦体重和这里的体重只占EE变化的30%,而其他研究表明,这两个因素可以解释更大的变化(参见Kaiyala的工作)。因此,我认为最好先从分析中忽略制度——找出瘦体重、脂肪体重、运动活动等的影响,然后询问制度是否解释了这些生物因素后的任何残留变异。

审稿人发现了我们在最初提交时忽略的一个关键点。我们完全同意,MMPC数据集的真正差异是在不同机构中观察到的体重方面的不同反应,这些体重方面的差异导致了能量消耗方面的机构差异。建议的方法更适合于考察制度差异的真正来源。我们已经从图1、3和4中使用的MMPC和IMPC模型中删除了“机构”。我们感谢审稿人提出了这一优秀的观点。

事实上,最初的MMPC模型表明,机构、瘦体重和脂肪体重与其他预测因素的相关性大于与情感表达的相关性。当将制度作为一个因子从模型中移除时,R2值为72.41%。模型中只有16.3%的残差被制度进一步解释。瘦肉和脂肪质量的变化现在占到EE变化的50%,这与Kaiyala的结果更加一致。

在IMPC实验中,尽管这些周食动物的质量范围较小,我们也在模型中检测到高水平的多重共线性。我们发现,制度和环境室温与其他预测因子的相关性大于与情感表达的相关性。与室温共线性可能是由于多个地点的不准确报告。去除制度使R2值降低到38.82%,温度现在占EE方差的23%。模型中9.6%的残差是由制度解释的。

比较报告准确温度的3个IMPC站点(图4),将机构从模型中移除后的R2值为67.20%。在此,机构仅解释了0.078%的残余变异,强调身体成分和环境温度是确定EE的关键协变量,因此可能是机构间变异性的主要影响因素。我们承认并赞赏审查者对于这些模型中制度差异的实际来源,他给出了正确的建议。

最引人注目的发现是,在相同的实验之间,机构间存在着多大的差异。然而,关于如何克服这一问题,目前还没有任何建议。是否有一个所有系统都可以校准的标准?

由于MMPC和IMPC实验的设计,我们不可能直接检验不同量热法系统的影响,或者它们是否经过了适当的校准。我们和其他人想了很多关于如何确保量热计系统被适当地校准,以及是否有某种方法可以做到这一点。理论上的解决方案包括硬件和软件。在硬件方面,仪器首先要根据制造商的规格对间接量热计进行标准校准。为了测试校准,我们将注入一个精确的已知量的O2和CO2到一个空的间接量热测定笼中(例如,足以模拟在基线读数上增加20毫升/小时)。可以从任何制造商的文件格式读取文件的软件可以使用这些读取来适当地调整试验运行的其余部分。这个测试适用于任何系统,并且可以在实验期间的任何时间执行。加州大学戴维斯分校也实现了一个类似的硬件系统。Drs。McGuiness, Lantier和Banks是MMPC重现性委员会的成员,他们正致力于更广泛地描述和实施这一解决方案。

尽管如此,它还是相当有价值的,因为它很好地比较了协变量(如性别、运动、体重、温度或体重和身体组成)对大量数据EE方差的影响。特别有趣的是,在GWAS分析中,KO小鼠的EE数据与肥胖有关。首先,相当初步的评估确实表明,这些基因参与了能量稳态的调节。这一发现将保证更全面地展示现有的IMPC数据。此外,作者是否尝试计算不同机构的个别因素,以使站点之间的数据标准化?这样的调整会使图6D,F中的一些ko的残差正常化吗?

我们感谢评审员对我们分析价值的评论。在原始模型中,我们确实将机构与体重、性别和环境温度一起纳入了图6所示的模型中。然而,鉴于机构与生物之间的深刻相互依赖性,评审员建议从我们的模型中删除机构由于逻辑因素,不适合为每个机构计算单独的系数。

由于预测因子的混杂共线性,显性制度效应实际上没有得到证明。制度显然不是独立于其他因素的,所以在分析中对待它的方式是关键。我强烈建议将生物学与数据相匹配,然后询问机构是否解释了剩余方差。这将更具有代表性地反映制度效应。

我们已经改变了这个分析和结论-请参阅早先的回应。

是否在每个房间测量湿度、亮度等环境测量?进行实验的时间是否相似?

我们感谢审稿人强调了这些因素在进行代谢研究中的重要性。在MMPC实验中,所有的跑步都记录在4天的过程中,所有的老鼠在光周期中被放置在热量计中,并适应至少18小时。湿度和亮度,以及其他环境措施,都是未知的。

对于IMPC实验,所有的运行都在暗周期开始前5小时开始,并在随后的光周期开始后至少4小时结束。关于湿度和亮度的细节已经被要求,但我们还没有收到关于这个和其他环境措施的回应。

马萨诸塞大学的小鼠在黑暗周期中始终显示出明显高于1的RER(图1 -图补充1E),这表明这是必要的。是否有一种方法可以独立于每个系统的分析算法来呈现原始数据?它们是否暗示了小鼠模型中未被认识到的生物复杂性,或该机构设置的系统性缺陷?

我们感谢审稿人在最初的观察(0周)中注意到,在马萨诸塞州,标准低脂饮食小鼠的RER值异常高。麻省使用TSE系统,不像其他3个MMPC站点,这可能会导致VO2和VCO2测量的差异,尽管我们没有系统校准或流量设置的信息。我们展示了作者回复图片1麻省大学的VO2、VCO2和RER与其他位点(上行)、分离(中)和小鼠个体(下)的时间图。这张图表明,观测到的RER并不是由异常值引起的。我们还想规定,没有气体交换测量被排除在马萨诸塞组之外,所有提供的数据都在给定光周期的3个标准偏差之内。这些高的RER读数可能是由于校准不当的系统或在马萨诸塞州观测到的其他机构变化造成的。

作者回复图片1

该资源没有报告体重/组成的巨大差异可能会影响数据(例如,比较非常肥胖的KO模型和瘦的WT)。如果动物体重的X %或瘦质量不同,同样的ANCOVA分析是否足够可靠?极限应该是多少?

这是一个很好的观点。之前的多篇文章表明,ANCOVA是比较不同体重小鼠的合适方法,Kaiyala等人专门讨论了身体组成的差异。庞大的IMPC数据集能够提供一个问题,即什么时候体重差异太大而无法进行适当的比较。

我们用IMPC数据来解决这个问题,包括所有雄性和雌性WT小鼠,分成四分之一组(Q1小,14.00-20.75 g;Q2培养基,20.75-27.50 g;Q3大,27.50-34.25 g;Q4最大,34.25 ~ 41.00 g),总质量与EE之间存在显著的交互作用(质量效应)。我们发现,情感表达与体重关系的斜率在四组之间存在显著差异。与小型和中型小鼠相比,“大”小鼠的体重和情感表达之间的关系斜率明显较浅。这一发现与MMPC队列中LFD和HFD的关系相似(图2A)。这是由于瘦肉和脂肪质量对EE的贡献不同,在体重较大的小鼠中积累的EE并不相同。这一发现表明,当比较体重差异超过20%的小鼠时,必须将身体组成数据添加到ANCOVA模型中,以解释这些身体组成的差异。有些令人惊讶的是,最大的老鼠与其他任何组的老鼠并没有显著的不同,这可能是由于在最大质量的组中,老鼠的数量最少。 These data are now included as Figure 3—figure supplement 2. We find no significant differences in EE vs body mass for male and female WT mice grouped into quartiles of lean mass.

作者认为,不同的环境触发因素会导致肠道微生物群和/或表观遗传变化。提供这样的数据对我们的领域来说可能是决定性的进步。然而,就像现在的情况,最好不要具体说明因素,而只是说“网站特定因素”。

我们同意关于微生物组在代谢中的作用的争论仍在继续。另一位评论者特别建议我们引用一项微生物组研究来强调这一点,Li等人在2019年发现,缺乏肠道微生物群的小鼠在寒冷环境中会损害产热能力。然而,Krisko等人(2020年)最近的一项研究发现,微生物组对产热没有影响。后一项研究的作者认为,微生物组组成的差异可能是造成这些不同因素的原因。由于关于微生物组和能量消耗之间的关系有相互矛盾的发现,我们认为重要的是要注意它在影响情感表达方面的可能作用。

这里的分析是有趣和醒酒对于我们这些试图对代谢基因型的辨别作用,但仍然存在线性多元回归(小标题“变异KO表型”)的预测的共线性问题。

再次感谢审稿人强调共线性问题,破坏了我们对制度效应的原始分析。请参阅上面的回复。

https://doi.org/10.7554/188bet体育电竞eLife.53560.sa2

文章和作者信息

作者详细信息

  1. 6月K克里甘

    美国波士顿,贝斯以色列女执事医学中心和哈佛医学院内分泌、糖尿病和代谢科
    贡献
    概念化,数据管理,软件,形式分析,调查,可视化
    利益争夺
    没有宣布相互竞争的利益
    ORCID图标 "此ORCID iD标识本文作者:"0000-0002-7514-0177
  2. Deepti拉马钱德兰

    美国波士顿,贝斯以色列女执事医学中心和哈佛医学院内分泌、糖尿病和代谢科
    贡献
    写作-初稿,写作-审查和编辑
    利益争夺
    没有宣布相互竞争的利益
    ORCID图标 "此ORCID iD标识本文作者:"0000-0003-1113-1295
  3. 何玉臣

    美国波士顿,贝斯以色列女执事医学中心和哈佛医学院内分泌、糖尿病和代谢科
    贡献
    调查
    利益争夺
    没有宣布相互竞争的利益
  4. 科林·J帕默

    美国波士顿,贝斯以色列女执事医学中心和哈佛医学院内分泌、糖尿病和代谢科
    贡献
    调查
    利益争夺
    没有宣布相互竞争的利益
  5. 迈克尔·J Jurczak

    美国纽黑文,耶鲁大学医学院内分泌科
    目前地址
    美国匹兹堡大学医学院内分泌与代谢学系
    贡献
    调查
    利益争夺
    没有宣布相互竞争的利益
  6. 鲁伊·陈

    美国纳什维尔范德比尔特大学医学院分子生理与生物物理学系
    贡献
    数据管理
    利益争夺
    没有宣布相互竞争的利益
  7. 冰山李

    美国纳什维尔范德比尔特大学医学院分子生理与生物物理学系
    贡献
    正式分析
    利益争夺
    没有宣布相互竞争的利益
  8. 兰德尔^ h Friedline

    美国,伍斯特,马萨诸塞大学医学院分子医学课程
    贡献
    调查
    利益争夺
    没有宣布相互竞争的利益
  9. 杰森K金

    1. 美国,伍斯特,马萨诸塞大学医学院分子医学课程
    2. 美国马萨诸塞大学医学院内分泌、代谢和糖尿病部
    贡献
    调查
    利益争夺
    没有宣布相互竞争的利益
  10. 乔恩J拉姆齐

    分子生物科学,兽医学院,美国加州大学戴维斯分校,戴维斯,美国系
    贡献
    调查
    利益争夺
    没有宣布相互竞争的利益
  11. 路易丝Lantier

    美国纳什维尔范德比尔特大学医学院分子生理与生物物理学系
    贡献
    概念化、调查
    利益争夺
    没有宣布相互竞争的利益
    ORCID图标 "此ORCID iD标识本文作者:"0000-0002-6620-4976
  12. 欧文P麦吉尼斯

    美国纳什维尔范德比尔特大学医学院分子生理与生物物理学系
    贡献
    概念化、资金获取
    利益争夺
    没有宣布相互竞争的利益
    ORCID图标 "此ORCID iD标识本文作者:"0000-0002-1778-3203
  13. 小鼠代谢表型中心能量平衡工作组

  14. 亚历山大年代银行

    美国波士顿,贝斯以色列女执事医学中心和哈佛医学院内分泌、糖尿病和代谢科
    贡献
    概念化,数据管理,形式分析,监督,资金获取,可视化
    对于通信
    asbanks@bidmc.harvard.edu
    利益争夺
    没有宣布相互竞争的利益
    ORCID图标 "此ORCID iD标识本文作者:"0000-0003-1787-6925

资金

美国国立卫生研究院(R01-DK107717)

  • 亚历山大年代银行

国家卫生研究院(U24-DK092993)

  • 乔恩J拉姆齐

国家健康研究院(U24-DK059635)

  • 迈克尔·J Jurczak

国家卫生研究院(U24-DK076174)

  • 欧文P麦吉尼斯

国立卫生研究院(U24-DK059637)

  • 欧文P麦吉尼斯

国家健康研究院(U24-DK059630)

  • 欧文P麦吉尼斯

国立卫生研究院(U24-DK093000)

  • 杰森K金

国家卫生研究院(U24-DK076169)

  • 亚历山大银行

瑞士国家科学基金(博士后流动基金)

  • Deepti拉马钱德兰

资助者在研究设计,数据收集和解释中没有作用,或决定提交出版物的工作。

致谢

NIDDK小鼠代谢表型中心(National MMPC, RRID:SCR_008997www.mmpc.org), U24-DK076169 (ASB)和R01DK107717 (ASB),以及瑞士国家科学基金会博士后流动资助。K C Kent劳埃德(国家糖尿病、消化和肾脏疾病研究所(NIDDK) U24-DK092993,杰拉尔德•舒尔曼(NIDDK U24-DK059635),和亨利Brunengraber (NIDDK U24-DK076174),大卫·H瓦瑟曼(U24-DK059637),帕特里克Tso (NIDDK U24-DK059630)、杰森·金(U24-DK093000)和理查德McIndoe (U24-DK076169)的支持这项工作。我们感谢Christopher Jacobs和Rachael Ivison对生物信息学方法的富有成果的讨论,感谢Jeff和Terry Flier对手稿的批判性阅读。

MMPC能量平衡工作组成员包括:Owen P McGuinness, Louise Lantier, Jon J Ramsey, Collen Croniger, Randall H Friedline, Sean Adams, Heni Brunengraber, Michael Jurczak, Li Kang, Jason K Kim, Kent Lloyd, Richard McIndoe, Silvana Obici, Jerry Shulman, Craig Warden, Thomas Gettys, David Wasserman, Trina A Knotts, Karl Kaiyala。

道德

动物实验:这些研究严格按照美国国立卫生研究院(National Institutes of Health)《实验室动物护理和使用指南》(Guide for the Care and Use of Laboratory Animals)中的建议进行。所有的动物都是根据被批准的机构动物护理和使用委员会(IACUC)在现场进行处理的。

高级编辑

  1. 克利福德·罗森,美国缅因州医学中心研究所

检查编辑器

  1. Joel K Elmquist,德克萨斯大学西南医学中心,美国

评论家

  1. 约翰·R·斯皮克曼,英国阿伯丁大学

出版的历史

  1. 收稿日期:二零一九年十一月十三日
  2. 录用日期:2020年4月30日
  3. 接受的手稿发表:2020年5月1日(版本1)
  4. 接受手稿更新:2020年5月4日(版本2)
  5. 出版版本:2020年6月5日(第3版)

版权

©2020,Corrigan等。

这篇文章是在创意公共归因许可证,在注明原作者和出处的情况下,允许无限制地使用和再发行。

指标

  • 2685年
    页面浏览量
  • 485
    下载
  • 2
    引用

文章引用计数由以下来源的最高计数轮询产生:公共医学中心十字架斯高帕斯

下载链接

两部分链接列表,以各种格式下载文章或部分文章。

下载(连结以PDF格式下载文章)

下载引用(链接以与各种参考管理器工具兼容的格式从本文下载引用)

开放的引用(在各种在线参考管理服务中打开本文引用的链接)

进一步的阅读

    1. 神经科学
    Claudia Böhm, Albert K Lee
    研究文章

    预先平面皮层(PFC)的功能被认为包括工作记忆,因为其活动可以反映必须暂时维护的信息以实现当前目标。我们设计了一种灵活的空间工作存储器任务,要求大鼠导航 - 在分散 - 来自不同起点和通过多个路由的多个可能的目标位置。这使得当前目标定位了要记住的键变量,而不是特定方向或目标路线。然而,在广泛的PFC神经元中,我们没有发现任何先前报告的表格中的当前目标特定记忆的证据。射击率,序列,阶段或协方差的差异。这表明,当必须灵活地使用信息时,这种模式在PFC中不保持工作存储器。相反,PFC分组代表行为上等同任务地点特征组合在一起,在编码任务结构的长期知识的作用一致。

    1. 神经科学
    Dirk Van Moorselaar等。
    研究文章 更新

    在视觉世界中,基于学习到的统计规律的预测已经被证明可以通过事先敏锐目标相关刺激的感觉表征来促进注意和目标导向行为。然而,我们还不清楚大脑是如何学会忽略与目标无关或分散注意力的可预测信息的。在这里,我们使用脑电图和视觉搜索任务,其中干扰物的位置和/或空间频率的可预测性被操纵,以确定空间和特征干扰物预期是如何在神经上实现的,并减少干扰物的干扰。我们发现,预期的干扰特征不仅可以在刺激前被解码,而且当目标部分被解码时,它们的表征也不同于该特征的表征。空间分心物预期没有引起准备神经活动的改变,但强烈降低Pd,一个ERP的抑制指数。这些结果表明,统计学习的神经效应严重依赖于任务的相关性和预测的维度(空间、特征)。