間接熱量測定データから自由に移動するマウスにおける活動関連のエネルギー消費と安静時代謝率の推定

身体活動（PA）は、総エネルギー消費（TEE）の主な決定要因であり、体重調節において重要な役割を果たすことが示唆されています。しかし、これまでのところ、自由に動いている被験者の活動に起因するエネルギーのどの部分がどのようなものかを判断することは困難でした。活動および間接熱量測定データからマウスの活動関連エネルギー消費（AEE）および安静時代謝率（RMR）を推定する計算方法を開発しました。この方法は、ペナルティされたスプライン回帰に基づいており、RMRの時間依存関係を考慮に入れます。さらに、AEEとRMRの推定値は、不正確なPA測定に起因する回帰希釈バイアスのために修正されます。500のシミュレートされた代謝チャンバーデータセットに基づいて、方法のパフォーマンスを評価し、従来の方法のパフォーマンスと比較しました。サンプル時間の10分間、ペナルティを受けたスプラインモデルが、カルマンフィルターの1.7倍の精度で、線形回帰よりも2.7倍高い精度で時間依存RMRを推定したことがわかりました。男性と雌のC57BL/6Jマウスを与えられた高脂肪食を含むケーススタディで、実験データに対する方法の適用性を評価しました。雄マウスがより活性であっても、両方のグループでAEEレベルが類似している一方で、雄マウスのティーはRMRの違いにより高くなることがわかりました。興味深いことに、雌マウスの活動コストが低かったため、より高い活動はAEEに違いをもたらしませんでした。結論として、ペナルティ化されたスプライン回帰によるTEE分解は、時間依存のAEEおよびRMRの堅牢な推定値を提供し、ジェネリック代謝チャンバーと間接熱量測定のセットアップで生成されたデータに適用できます。

Physical activity (PA) is a main determinant of total energy expenditure (TEE) and has been suggested to play a key role in body weight regulation. However, thus far it has been challenging to determine what part of the expended energy is due to activity in freely moving subjects. We developed a computational method to estimate activity related energy expenditure (AEE) and resting metabolic rate (RMR) in mice from activity and indirect calorimetry data. The method is based on penalised spline regression and takes the time dependency of the RMR into account. In addition, estimates of AEE and RMR are corrected for the regression dilution bias that results from inaccurate PA measurements. We evaluated the performance of our method based on 500 simulated metabolic chamber datasets and compared it to that of conventional methods. It was found that for a sample time of 10 minutes the penalised spline model estimated the time-dependent RMR with 1.7 times higher accuracy than the Kalman filter and with 2.7 times higher accuracy than linear regression. We assessed the applicability of our method on experimental data in a case study involving high fat diet fed male and female C57Bl/6J mice. We found that TEE in male mice was higher due to a difference in RMR while AEE levels were similar in both groups, even though female mice were more active. Interestingly, the higher activity did not result in a difference in AEE because female mice had a lower caloric cost of activity, which was likely due to their lower body weight. In conclusion, TEE decomposition by means of penalised spline regression provides robust estimates of the time-dependent AEE and RMR and can be applied to data generated with generic metabolic chamber and indirect calorimetry set-ups.