9万人数据分析表明：“太宅”还得怪基因( 二 ) 缺乏身体活动

机器学习在分析大量活动监测数据时展现了强大的实力。“我们精心开发了机器学习模型，来教会机器分析诸如身体活动的复杂功能。” 该研究的主要分析员之一Karl Smith-Byrne博士说。这些模型让机器可以自动识别出哪些数据是活动时间、哪些数据是久坐时间等。

为了帮助机器判断腕带记录数据中的活动类型，研究人员让200名志愿受试者佩戴上特制摄像头，在两天时间里每隔20秒拍照记录他们进行的活动。图像和腕带记录的数据相结合，为阐释数据提供指导。

▲一名参与者的身体活动类型（图片来源：参考资料[2]）

然后，研究人员把这些参与者的身体活动数据与他们在英国生物样本库中的遗传信息相结合，找到14个与所测身体活动量和睡眠特征相关的基因位点，其中有7个基因位点是首次发现。分析显示，身体活动和睡眠时长受到一些共同的遗传变异影响。整体活动和久坐行为上，女性比男性受到的遗传影响大；但睡眠、行走和中等强度的活动时间等，男女所受遗传影响没有差异。

▲全基因组中与睡眠时长和身体活动显著相关的14个基因位点