Identifying variations in DNA that increase susceptibility to disease is one of the primary aims of genetic studies using a forward genetics approach. However, identification of disease-susceptibility genes by means of such studies provides limited functional information on how genes lead to disease. In fact, in most cases there is an absence of functional information altogether, preventing a definitive identification of the susceptibility gene or genes. Here we develop an alternative to the classic forward genetics approach for dissecting complex disease traits where, instead of identifying susceptibility genes directly affected by variations in DNA, we identify gene networks that are perturbed by susceptibility loci and that in turn lead to disease. Application of this method to liver and adipose gene expression data generated from a segregating mouse population results in the identification of a macrophage-enriched network supported as having a causal relationship with disease traits associated with metabolic syndrome. Three genes in this network, lipoprotein lipase (Lpl), lactamase β (Lactb) and protein phosphatase 1-like (Ppm1l), are validated as previously unknown obesity genes, strengthening the association between this network and metabolic disease traits. Our analysis provides direct experimental support that complex traits such as obesity are emergent properties of molecular networks that are modulated by complex genetic loci and environmental factors. Complex human diseases result from the interplay of many genetic and environmental factors. To build up a picture of the factors contributing to one such disease, obesity, gene expression was evaluated as a quantitative trait in blood and adipose tissue samples from hundreds of Icelandic subjects aged 18 to 85. The results reveal a tendency to certain characteristic patterns of gene activation in the fatty tissues — though to a much lesser extent in the blood — of people with a higher body mass index. A transcriptional network constructed from the adipose tissue data has significant overlap with a network based on mouse adipose tissue data. Experimental support for the idea that complex diseases are emergent properties of molecular networks influenced by genes and environment comes from a study in mice. Mice were examined for disturbances in genetic expression networks that correlate with metabolic traits associated with obesity, diabetes and atherosclerosis. Three genes — Lpl, Lactb and Ppm1l — were identified as previously unknown obesity genes. This 'molecular network' approach raises the prospect that therapies might be directed at whole 'disease networks', rather than at one or two specific genes. Standard approaches to identify the genetic changes that lead to disease are reversed by examination of genetic networks for perturbations that are associated with disease states, and following up candidate genes from there. This begins with three genes in mice that lead to obesity when mutated, demonstrating that complex genetic–environmental traits can be dissected with this new approach.

The mouse inbred line C57BL/6J is widely used in mouse genetics and its genome has been incorporated into many genetic reference populations. More recently large initiatives such as the International Knockout Mouse Consortium (IKMC) are using the C57BL/6N mouse strain to generate null alleles for all mouse genes. Hence both strains are now widely used in mouse genetics studies. Here we perform a comprehensive genomic and phenotypic analysis of the two strains to identify differences that may influence their underlying genetic mechanisms.We undertake genome sequence comparisons of C57BL/6J and C57BL/6N to identify SNPs, indels and structural variants, with a focus on identifying all coding variants. We annotate 34 SNPs and 2 indels that distinguish C57BL/6J and C57BL/6N coding sequences, as well as 15 structural variants that overlap a gene. In parallel we assess the comparative phenotypes of the two inbred lines utilizing the EMPReSSslim phenotyping pipeline, a broad based assessment encompassing diverse biological systems. We perform additional secondary phenotyping assessments to explore other phenotype domains and to elaborate phenotype differences identified in the primary assessment. We uncover significant phenotypic differences between the two lines, replicated across multiple centers, in a number of physiological, biochemical and behavioral systems.Comparison of C57BL/6J and C57BL/6N demonstrates a range of phenotypic differences that have the potential to impact upon penetrance and expressivity of mutational effects in these strains. Moreover, the sequence variants we identify provide a set of candidate genes for the phenotypic differences observed between the two strains.

Abstract

 We have explored the effects of two members of the p160 coregulator family on energy homeostasis. TIF2−/− mice are protected against obesity and display enhanced adaptive thermogenesis, whereas SRC-1−/− mice are prone to obesity due to reduced energy expenditure. In white adipose tissue, lack of TIF2 decreases PPARγ activity and reduces fat accumulation, whereas in brown adipose tissue it facilitates the interaction between SRC-1 and PGC-1α, which induces PGC-1α's thermogenic activity. Interestingly, a high-fat diet increases the TIF2/SRC-1 expression ratio, which may contribute to weight gain. These results reveal that the relative level of TIF2/SRC-1 can modulate energy metabolism.

ABSTRACT Aims/hypothesis Beta-site amyloid precursor protein-cleaving enzyme 1 (BACE1) is required for the production of toxic amyloid peptides and is highly expressed in the brain, but also to a lesser extent in major peripheral organs such as muscle and liver. In contrast, BACE2 is mainly expressed in peripheral tissues and is enriched in pancreatic beta cells, where it regulates beta- cell function and mass. Previous reports demonstrated that loss of BACE1 function decreases body weight, protects against diet-induced obesity and enhances insulin sensitivity in mice, whereas mice lacking Bace2 exhibit reduced blood glucose levels, improved intraperitoneal glucose tolerance and increased beta-cell mass. Impaired glucose homeostasis and insulin resistance are hallmarks of type 2 diabetes and have been implicated in Alzheimer’s disease. Therefore, we tested the contribution of the individual BACE isoforms to those metabolic phenotypes by placing Bace1 knockout (KO), Bace2 KO, Bace1/2 double knockout (dKO) and wild-type (WT) mice on a high-fat high-cholesterol diet (HFD) for 16 weeks. Methods Bace1 KO ( n = 18), Bace2 KO ( n = 18), Bace1/2 dKO ( n = 18) and WT C57BL/6N mice ( n = 54) were fed a HFD for 16 weeks (age 9–25 weeks). Body composition was measured before initiation of the HFD and after 11 weeks of HFD. Oral glucose tolerance and insulin sensitivity tests were performed after 12 and 13 weeks of HFD, respectively, and full blood chemistry was analyzed after 16 weeks of HFD. The effects of subchronic BACE1/2 inhibition were assessed by administration of 10 mg/kg/day of the dual BACE1/2 inhibitor MBi-3 in a HFD fed to C57BL/6N mice for 3 weeks. Results Bace1 KO and Bace1/2 dKO mice showed decreased body weight and improved glucose tolerance and insulin resistance vs. WT mice. Conversely, Bace2 KO mice did not show any significant differences in body weight, glucose tolerance or insulin resistance under our experimental conditions. Finally, subchronic MBi-3–mediated BACE1/2 inhibition in mice in conjunction with a HFD resulted in a modest improvement of glucose tolerance. Conclusions/interpretation Our data indicate that lack of BACE1 – but not BACE2 – function contributes mainly to the metabolic phenotypic changes observed in Bace1/2 dKO mice, suggesting that inhibition of BACE1 has the greater role (vs. BACE2) in any potential improvements in metabolic homeostasis. HIGHLIGHTS Insulin resistance may develop in the brains of patients with Alzheimer’s disease (83/85 characters) BACE1 and BACE2 may play a role in glucose homeostasis and insulin sensitivity (80/85 characters) Body weight in mice decreased with Bace1 KO and Bace1/2 KO but not Bace2 KO alone (83/85 characters) Bace1 and Bace1/2, but not Bace2, KO improved glucose tolerance/insulin resistance (84/85 characters) Improved metabolic homeostasis may follow loss of BACE1 rather than BACE 2 activity (85/85 characters)

High-throughput phenomic projects typically generate complex data from small treatment and large control groups. These control groups increase the power of the analyses but introduce variation over time. A method is needed to locally select controls that maximise the analytic power while minimising the noise level from unspecified environmental factors. Here we introduce "soft windowing", a methodological approach that selects a window of time to accommodates the most appropriate controls for analysis. Using phenotype data from the International Mouse Phenotyping Consortium (IMPC), adaptive windows are applied so that control data collected locally to mutants are assigned the maximal weight, while data collected earlier or later has less weight. We apply this method to IMPC data and compare the results with those obtained by applying a standard non-windowed approach. Following a resampling approach in which samples of equal size and structure to that of mutants are drawn from control data, we demonstrate a 10% reduction of false positives from 2.5 million analyses. Further, we applied the method as part of the IMPC statistical pipeline that seeks to establish gene-phenotype associations by comparing mutants vs control data. We report an increase of 30% in the total significant p-values, as well as 106 vs 99 disease models with the soft-windowed and non-windowed approaches, respectively, from a set of 2,082 mutant mouse lines. Our method is generalisable and can benefit other large-scale phenomic projects such as the UK Biobank and the All of Us resources.