Identification of additional body weight QTLs in the Berlin Fat Mouse BFMI861 lines using time series data

Manuel Delpero; Paula Korkuć; Danny Arends; Gudrun A. Brockmann; Deike Hesse

doi:10.1038/s41598-024-56097-z

학술저널 cc-by Full-text

저자정보: Manuel Delpero Paula Korkuć Danny Arends Gudrun A. Brockmann Deike Hesse

출처: Springer Science and Business Media LLC Scientific Reports 14(1)

오류 신고하기

피인용 0

검색

초록·키워드

The Berlin Fat Mouse Inbred line (BFMI) is a model for obesity and metabolic syndrome. The sublines BFMI861-S1 and BFMI861-S2 differ in weight despite high genetic similarity and a shared obesity-related locus. This study focused on identifying additional body weight quantitative trait loci (QTLs) by analyzing weekly weight measurements in a male population of the advanced intercross line BFMI861-S1 x BFMI861-S2. QTL analysis, utilizing 200 selectively genotyped mice (GigaMUGA) and 197 males genotyped for top SNPs, revealed a genome-wide significant QTL on Chr 15 (68.46 to 81.40 Mb) for body weight between weeks 9 to 20. Notably, this QTL disappeared (weeks 21 to 23) and reappeared (weeks 24 and 25) coinciding with a diet change. Additionally, a significant body weight QTL on Chr 16 (3.89 to 22.79 Mb) was identified from weeks 6 to 25. Candidate genes, including Gpt, Cbx6, Apol6, Apol8, Sun2 (Chr 15) and Trap1, Rrn3, Mapk1 (Chr 16), were prioritized. This study unveiled two additional body weight QTLs, one of which is novel and responsive to diet changes. These findings illuminate genomic regions influencing weight in BFMI and emphasize the utility of time series data in uncovering novel genetic factors.

#Quantitative trait locus #Biology #Genetics #Obesity #Single-nucleotide polymorphism #Population #Locus (genetics) #Candidate gene #Genome-wide association study #Inbred strain #Body weight #Gene #Genotype #Medicine #Endocrinology

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)