摘要:肥胖及其伴随疾病已成为全球主要的健康问题,目前肥胖是全球第五大死亡原因。复杂的环境和遗传因素是造成当前肥胖流行的原因。饮食、生活方式、化学物质暴露和其他混杂因素在人类中难以控制。小鼠模型有助于研究遗传性体重增加,因为小鼠的遗传和环境风险因素是可以控制的。对具有各种遗传背景和已建立遗传结构的小鼠品系进行研究,为发现和分析与性状相关的基因组位点提供了无与伦比的机会。在本研究中,我们使用了协作杂交 (CC),一种大型重组近交系小鼠品系,使用 CC 小鼠的杂合 Smad 4 敲除谱进行预测研究,以了解和有效识别体重增加的倾向。雄性 C57Bl/6J Smad4+/− 小鼠与来自 10 个不同 CC 品系的雌性小鼠交配,产生 F1 小鼠 (Smad4+/− x CC)。每周测量一次体重 (BW),直至第 16 周,然后每月测量一次,直至研究结束(第 48 周)。评估并呈现所评估特征的遗传力 (H2)。对用于预测小鼠体重变化和基因型的各种机器学习算法进行了比较分析。我们的数据显示,在实验过程中,不同 CC 品系的 F1 小鼠的体重记录在野生型和突变型 Smad4 小鼠之间有所不同。遗传背景会影响体重增加,在杂合 Smad4 敲除的情况下,一些品系体重增加更多,而其他品系体重增加较少,但总的来说,除了少数品系外,突变会导致小鼠超重。在对照组和突变组中,雌性 %BW 的遗传力 (H2) 值高于雄性。此外,具有野生型基因型的两种性别都比突变组表现出更高的遗传力值。逻辑回归使用机器学习提供最准确的小鼠基因型预测。我们计划在更多 CC 品系和每品系小鼠上验证所提出的方法,以扩大机器学习用于 BW 预测的文献。