対象となった人々は、欧米・アジア・アフリカなど幅広い地域の祖先を持ち、多様な遺伝情報を代表しています。

研究者は、この大規模なデータからBMI（体格指数）や腹囲、ヒップサイズ、ウエストとヒップの比率（WHR）といった複数の体格指標を集め、これらの指標をひとつの総合的なデータとしてまとめました。

このデータに対して、まず行われたのはゲノム全体をくまなく調べる「ゲノムワイド関連解析（GWAS）」という手法です。

この解析は膨大なゲノム情報の中から、肥満との関連性が強い遺伝子領域（遺伝子座）を探し出すものです。

その結果として743箇所もの肥満に関連する遺伝子領域が見つかり、さらにその中の86箇所は、今回の研究で初めて明らかになった新しい領域でした。

つまり、これまで知られていなかった肥満の原因を遺伝子レベルで約13%も多く見つけ出すことに成功したのです。

しかし、これだけ多くの遺伝子領域が関与しているとなると、肥満のメカニズムはかなり複雑であることが予想されます。

そこで研究者たちは次に、見つかった膨大な遺伝子情報を整理して、肥満を引き起こす原因ごとに分類する作業に取りかかりました。

この段階で活躍したのが機械学習という人工知能（AI）の技術です。イギリスのバイオバンクの約40万人分のデータを使い、遺伝的な特徴が似ているグループを自動的に見つけ出す手法を適用しました。

その結果、驚くことに肥満は遺伝的に11個の明確に異なるグループ（肥満クラスター、エンドタイプ）に分類できることが明らかになりました。

これはつまり、私たちが普段「肥満」とひとことで片付けていた現象が、実際には遺伝的にまったく異なる複数のメカニズムによって引き起こされていることを意味します。

11種類のエンドタイプのうち2つは、実は以前から医療現場でもよく知られていたものでした。

一つ目が「代謝的に健康な肥満」というタイプで、体重は多いものの血糖値や血圧が正常で健康リスクが低い人たちです。