基于肠道微生物组的个性化营养Personalizing nutrition based on the gut microbiome | Drug Discovery News

环球医讯 / 硒与微生态来源:www.drugdiscoverynews.com美国 - 英语2026-03-01 10:17:57 - 阅读时长3分钟 - 1221字
科学家开发出新型微生物群落规模代谢模型,可基于个体肠道微生物组构成、日常饮食及益生元/益生菌摄入情况精准预测短链脂肪酸生成水平。研究证实相同食物在不同人体内代谢产物差异显著,例如十人食用香蕉后产生的化学物质各不相同;该模型通过整合细菌基因组代谢数据与个体微生物图谱,不仅能明确追踪丁酸盐等关键代谢物的产生路径,还发现预测值与炎症指标、胰岛素抵抗及血压等健康参数存在强关联,突破了传统黑箱算法的局限性;实验证明个性化饮食干预效果因人而异,高纤维饮食仅对部分人群提升丁酸盐产量有效,益生元补充亦无普适性方案,这为开发真正个体化的营养干预策略奠定了科学基础,未来将在临床试验中验证模型指导的精准营养方案是否优于常规营养建议。
肠道微生物组个性化营养短链脂肪酸SCFAs代谢模型丁酸盐健康膳食纤维代谢调节免疫调节个性化干预益生菌益生元
基于肠道微生物组的个性化营养

"人如其食"是一句描述饮食如何影响健康的流行语,但并非每个人对相同食物的反应都相同。系统生物学研究所的微生物组科学家肖恩·吉本斯表示:"如果让十个人吃香蕉,他们体内产生的化学物质会各不相同。"

这些化学物质就是短链脂肪酸(SCFAs)。吉本斯说:"肠道微生物组就像一台生产短链脂肪酸的机器,它摄入纤维并将其发酵成SCFAs。" 短链脂肪酸在调节新陈代谢和调节免疫反应方面具有重要作用,因此了解其产生过程有助于将饮食与健康联系起来。

为了在个体层面上预测SCFA的产生,吉本斯和他的团队最近设计并验证了一种微生物群落规模的代谢模型。该模型整合了现有细菌分类单元的基因组规模代谢模型与个体的微生物组和饮食输入,以预测个性化的SCFA产生。吉本斯说:"当我们做出预测时,我们实际上知道它是如何产生的。我们知道是哪种微生物以及哪种生化途径负责产生特定物质。" 这与现有的黑箱机器学习方法形成对比,在黑箱方法中很难理解算法为何做出该预测。

短链脂肪酸在体内难以测量,因为它们会被肠道快速吸收。因此,为了验证该模型,吉本斯的团队转向体外实验系统。研究人员发现,他们的代谢模型使用肠道微生物的体外共培养以及粪便样本,都能准确预测最常见SCFAs之一丁酸盐的产生。利用现有数据集,他们发现该代谢模型识别出SCFA产生与基于血液的生物标志物之间的预期相关性,包括与炎症、胰岛素抵抗和血压相关的标志物。

如果让十个人吃香蕉,他们体内产生的化学物质会各不相同。

——肖恩·吉本斯,系统生物学研究所

马斯特里赫特大学医学中心+研究肠道菌群与代谢疾病关系的人类生理学家埃马纽埃尔·坎福拉指出,观察SCFAs与代谢结果之间的相关性可能非常困难。未参与该研究的坎福拉表示:"在这项研究中真正令人印象深刻的是,[预测的SCFAs]与代谢结果的相关性或关联性比仅看血浆中的丁酸盐水平更强。"

为了探讨对个性化营养的影响,研究人员测试了是否可以使用他们的模型来设计个性化干预措施——包括饮食、益生元和/或益生菌——以优化SCFA的产生。当个体从低纤维饮食转向高纤维饮食时,研究人员发现并非每个人对饮食变化的反应都相同。有些人产生了更多的丁酸盐,而其他人则产生较少或没有变化。在益生菌或益生元补充方面,他们发现没有一种干预措施对所有人都有益。坎福拉说:"这为未来干预措施的个体化提供了非常好的思路。"

吉本斯补充道:"展望未来,我们希望在临床试验中实施这类模型,以证明使用该模型设计的精准干预优于营养师可能建议的标准护理或随机干预。"

参考文献

  1. Quinn-Bohmann, N. 等. 微生物群落规模代谢建模预测人类肠道中个性化的短链脂肪酸产生谱. 《自然·微生物学》 9, 1700–1712 (2024).

【全文结束】