Frost 和其他研究人员试图从更广义的饮食习惯的角度,来衡量饮食的整体健康程度。在一项由英国国家卫生研究院(NIHR)和 Wellcome 信托帝国临床研究机构于伦敦展开的研究中9,Frost 和他的团队为受试者提供了四种不同的饮食计划:饮食 1 包括多种被世界卫生组织(WHO)视为健康的食物,如全麦谷物,蒸三文鱼和葡萄。饮食 4 则是另一个极端,包括糖衣麦片,炸猪肉香肠和牛奶巧克力。而饮食 2 和 3 介于这两者之间。短短几天,研究者们就能从受试者们的代谢组学分析中检测出这些食物的影响。食用营养丰富的饮食 1 的人群中,尿液中 19 种代谢物浓度高于食用大量垃圾食品(饮食 4)的人群。例如,其中一种代谢物马尿酸盐,是食用水果和蔬菜的标志物。相反,不健康的饮食 4 人群中有 9 种代谢物的浓度高于饮食 1 人群。其中一个是肉碱——红肉的生物标志物。为了将这些单独的信号纳入到更广泛的评估当中,数据科学家 Joram Posma 应用了机器学习。他使用饮食 1 或饮食 4 参与者的生物标志物水平来训练模型,旨在通过分析一个人的尿液来预测他们的饮食情况。然后,他的团队使用饮食 2 和 3 的数据测试了其模型。可以肯定的是,该模型正确地鉴定出了:饮食 2 的饮食者具有相对健康的代谢组,饮食 3 的饮食者更偏向不健康的饮食模式。该团队还从丹麦和英国的其他人群中验证了该模型。那些饮食更健康的人群的代谢组与研究中饮食 1 受试者的代谢组更相似。“这篇论文很有趣,因为它结合了干预试验和两个不同人群的观察性试验,”未参与研究的 Scalbert 说道,“这种研究通常是针对某种特定食物做的,针对全面饮食的很少。”该团队现在可以基于代谢物分析,来计算单独的饮食代谢型评分(DMS),以评估个体饮食习惯的健康程度。“我们可以知道您的饮食健康程度。”Frost 说道。很重要的一点是,这个分数是客观的,不会受到饮食者回忆错误的干扰。这个项目中的一位化学家 Isabel Garcia-Perez,正在将该算法付诸实践。在一项客户与营养师共同参与其中的试验中,Garcia-Perez 让营养师在与客户见面之前就先使用饮食评分了解客户的饮食习惯,并确定客户在多大程度上遵守或不遵守他们规定的饮食计划。她预测,如果客户的代谢组能够为人们遵守规定的情况提供频繁、可靠的反馈,那么他们会更有动力跟上推荐的饮食。McCullough 和同事正在寻找简单的血液标志物,以指示广泛的饮食模式。他们专门寻找更可能表征4种不同饮食策略(地中海饮食替代评分、健康饮食替代指数、DASH 饮食以及健康饮食指数)的代谢物,在这些预测中得分最高的预测因子,能反映出健康的饮食习惯,包括食用鱼的标志物 Omega-3 脂肪酸——DHA 和水果、蔬菜中的胡萝卜素。McCullough 指出,最终,这类研究可能会转变成人们负担得起的血液测试,以指示一个人真实的饮食习惯——这是临床上医生可以用来评估疾病风险并为患者提供建议的一种客观指标。“这很遥远,”她说道,“但潜力很大。”参考文献:1.Garcia-Perez, Isabel, et al. Objective Assessment of Dietary Patterns by Use of Metabolic Phenotyping: A Randomised, Controlled, Crossover trial[J]. The lancet Diabetes & endocrinology, 2017, 5(3): 184-195.2.Garcia-Perez I, Posma J M, Chambers E S, et al. Dietary Metabotype Modelling Predicts Individual Responses to Dietary Interventions[J]. Nature Food, 2020, 1(6): 355-364.3.Brouwer-Brolsma E M, Brennan L, Drevon C A, et al. Combining Traditional Dietary Assessment Methods with Novel Metabolomics Techniques: Present Efforts by the Food Biomarker Alliance[J]. Proc Nutr Soc, 2017.4.Alessia T, Münger Linda, Gianfranco P, et al. GC-MS Based Metabolomics and NMR Spectroscopy Investigation of Food Intake Biomarkers for Milk and Cheese in Serum of Healthy Humans[J]. Metabolites, 2018, 8(2): 26.5.Rothwell JA, Keski-Rahkonen P, Robinot N, et al. A Metabolomic Study of Biomarkers of Habitual Coffee Intake in Four European Countries. Mol Nutr Food Res. 2019;63(22): e1900659. doi:10.1002/mnfr.2019006596.Edmands William M B, Pietro F, Rothwell J A, et al. Polyphenol Metabolome in Human Urine and Its Association with Intake of Polyphenol-rich Foods across European Countries[J]. American Journal of Clinical Nutrition,2015(4): 905.7.Ying W, Gapstur S M, Carter B D, et al. Untargeted Metabolomics Identifies Novel Potential Biomarkers of Habitual Food Intake in a Cross-Sectional Study of Postmenopausal Women[J]. Journal of Nutrition, 2018(6): 6.8.Erikka L, Rothwell J A, Rashmi S, et al. Prospective Investigation of Serum Metabolites, Coffee Drinking, Liver Cancer Incidence, and Liver Disease Mortality[J]. Journal of the National Cancer Institute (3): 3.9.Hu, Frank B. Dietary pattern analysis: a new direction in nutritional epidemiology.[J]. Curr.opin.lipidol, 2002, 13(1): 3.原文链接:https://www.the-scientist.com/features/nutrition-researchers-can-determine-what-youve-been-eating-68172作者 | Amber Dance编译 | 李嘉秋审校|617编辑|笑咲