2021年7月30日，中國科學院上海營養與健康研究所陳雁研究組和林旭研究組在國際學術期刊Molecular Nutrition & Food Research在線發表了題為“Gut Microbiota Composition is Associated with Responses to Peanut Intervention in Multiple Parameters Among Adults with Metabolic Syndrome Risk”的研究論文。該研究揭示了腸道菌群在指導精準營養干預改善代謝綜合征中的重要作用。
代謝綜合征（metabolic syndrome，MetS）是以胰島素抵抗和系統性炎癥反應為病理生理特征的、一組相互關聯危險因素的集合，以腹型肥胖為核心特征，糖脂代謝異常、高血壓等也是其重要的病理表現。MetS是發生2型糖尿病、非酒精性脂肪性肝病和動脈粥樣硬化等疾病的高危風險因素，由不合理的飲食習慣和不當的生活方式引發的MetS及相關疾病已經成為全球性的、威脅個人及家庭，乃至社會的重大公共衛生健康問題。最新數據表明中國成人中代謝綜合征患病率已達33.9%，估計全國約有4.54億成人患有代謝綜合征。
越來越多的研究表明，不同個體對同樣的食物可能會有非常不同的反應，體現在如餐后血糖、疾病干預和治療效果等方面。產生這種差異的一個重要原因來自于不同個體腸道中的微生物群。因此，人們在選擇食物或進行營養干預時，應將自己視作人和微生物的超級共生體，通過基于個性化的營養支持來優化健康或預防、管理、治療疾病，這一概念稱為精準營養（precision nutrition）或個體化營養（personalized nutrition）。近年研究證據表明腸道菌群是精準營養的一個關鍵特征。
2021年1月，林旭研究組在The American Journal of Clinical Nutrition發表了針對代謝綜合征及其高風險人群中進行了連續12周的飲食干預研究，利用花生替代等能量的精制谷物攝入，而對照組食用等熱量的精制谷物棒，發現花生替代等能量的精制谷物能顯著提高代謝綜合征的逆轉率。在該研究基礎上，我們對該項臨床干預研究進行了腸道菌群的采集與分析，并將菌群信息與臨床指標進行關聯研究。通過分析臨床指標，我們發現花生干預后各臨床檢驗指標和身體測量指標的變化呈現高度的個體差異性。同時我們分析了人群腸道菌群的組成，發現不論是組間比較還是組內前后比較，菌群結構也都具有高度的個體特異性，其組成變化的一致性規律較少。
鑒于人群對花生干預響應程度的差異，我們將花生干預組的人群根據每個代謝相關指標的前后改善情況，以及代謝綜合征風險的逆轉情況，將他們分為應答者（responders）與非應答者（non-responders）。我們應用機器學習的算法，利用干預前樣本的菌群測序數據特征建立了針對每個指標和代謝綜合征整體風險逆轉情況的響應預測模型。在我們檢測的9項臨床指標中，有6項指標的預測模型都取得了一定的預測效果（ROC曲線下面積AUC＞0.70），特別是在舒張壓（DBP）和體重的干預效果預測上達到了較高的準確度（ROC曲線下面積分別為AUC=0.91和AUC=0.8）；另外，代謝綜合征整體風險逆轉情況也可通過建立的模型達到較好的預測效果（ROC曲線下面積為AUC=0.71）。綜上，該研究結果表明腸道菌群在精準營養干預改善代謝和治療疾病策略中的關鍵地位，為后續以腸道菌群為功能性食物或藥物作用的靶點研究，或為開展更大規模精準營養干預和臨床應用提供新的思路和理論依據。
中國科學院上海營養與健康研究所陳雁研究員和林旭研究員為該論文的共同通訊作者，陳雁研究組王爍博士為該論文第一作者。該課題得到了科技部、國家自然科學基金委、及中國科學院等項目的資助，同時也得到了復旦大學附屬華東醫院的支持。
圖：利用腸道菌群和機器學習算法建立在花生干預代謝綜合征中各指標響應的預測模型
文章鏈接：https://onlinelibrary.wiley.com/doi/10.1002/mnfr.202001051
官方微信
