• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Identification of new candidate genes associated with metabolic traits applying a multiomics approach in the obese mouse model BFMI861

Delpero, Manuel 13 April 2023 (has links)
Hintergrund: Die Berlin Fat Mouse Inzuchtlinie (BFMI) ist ein Modell für Adipositas und das metabolische Syndrom. Diese Studie zielte darauf ab, genetische Varianten zu identifizieren, die mit dem gestörten Glukosestoffwechsel assoziiert sind, indem die fettleibigen Linien BFMI861-S1 und BFMI861-S2 verwendet wurden, die genetisch eng verwandt sind, sich aber in mehreren Merkmalen unterscheiden. BFMI861-S1 ist insulinresistent und speichert ektopisches Fett in der Leber, während BFMI861-S2 insulinsensitiv ist. Methoden: Die QTL-Analyse wurde in zwei fortgeschrittenen Intercross-Linien (AIL) in der Generation durchgeführt. Eine AIL wurde aus der Kreuzung BFMI861-S1 x BFMI861-S2 und die zweite AIL aus der Kreuzung BFMI861-S1 x BFMI861-B6N erhalten. Für beide AILs wurden Phänotypen über 25 bzw. 20 Wochen gesammelt. Zur Priorisierung von positionellen Kandidatengenen wurden Gesamtgenomsequenzierung und Genexpressionsdaten der Elternlinien verwendet. Ergebnisse: Für den AIL BFMI861-S1 x BFMI861-S2 wurden überlappende QTL für das Gonadenfettgewebegewicht und die Blutglukosekonzentration auf Chromosom (Chr) 3 (95,8–100,1 Mb) und für das Gonadenfettgewebegewicht, Lebergewicht und Blut nachgewiesen Glukosekonzentration auf Chr 17 (9,5–26,1 Mb). Für die AIL BFMI861-S1 x BFMI861-B6N zeigte ein hochsignifikanter QTL auf Chromosom (Chr) 1 (157–168 Mb) einen Zusammenhang mit dem Lebergewicht. Ein QTL für das Körpergewicht nach 20 Wochen wurde auf Chr 3 (34,1 – 40 Mb) gefunden, der sich mit einem QTL für das scAT-Gewicht überlappte. In einem multiplen QTL-Mapping-Ansatz wurde ein zusätzliches QTL, das das Körpergewicht bei 16 Wochen beeinflusste, auf Chr 6 (9,5–26,1 Mb) identifiziert. Schlussfolgerungen: Die QTL-Kartierung zusammen mit einem detaillierten Priorisierungsansatz ermöglichte es uns, Kandidatengene zu identifizieren, die mit Merkmalen des metabolischen Syndroms in beiden AILs assoziiert sind. / Background: The Berlin Fat Mouse Inbred line (BFMI) is a model for obesity and the metabolic syndrome. This study aimed to identify genetic variants associated with the impaired glucose metabolism using the obese lines BFMI861-S1 and BFMI861-S2, which are genetically closely related, but differ in several traits. BFMI861-S1 is insulin resistant and stores ectopic fat in the liver, whereas BFMI861-S2 is insulin sensitive. Methods: QTL-analysis was performed in two advanced intercross lines (AIL) in generation. One AIL obtained from the cross BFMI861-S1 x BFMI861-S2 and the second AIL from the cross BFMI861-S1 x BFMI861-B6N. For both AILs phenotypes were collected over 25 and 20 weeks, respectively. For prioritization of positional candidate genes whole genome sequencing and gene expression data of the parental lines were used. Results: For the AIL BFMI861-S1 x BFMI861-S2 overlapping QTL for gonadal adipose tissue weight and blood glucose concentration were detected on chromosome (Chr) 3 (95.8-100.1 Mb), and for gonadal adipose tissue weight, liver weight, and blood glucose concentration on Chr 17 (9.5-26.1 Mb). For the AIL BFMI861-S1 x BFMI861-B6N one highly significant QTL on chromosome (Chr) 1 (157–168 Mb) showed an association with liver weight. A QTL for body weight at 20 weeks was found on Chr 3 (34.1 – 40 Mb) overlapping with a QTL for scAT weight. In a multiple QTL mapping approach, an additional QTL affecting body weight at 16 weeks was identified on Chr 6 (9.5-26.1 Mb). Conclusions: QTL mapping together with a detailed prioritization approach allowed us to identify candidate genes associated with traits of the metabolic syndrome in both AILs.

Page generated in 0.0223 seconds