个性化饮食的代谢轮廓分析

目前，在发达国家，糖尿病、心血管疾病和癌症等非传染性疾病已成为主要的“死亡杀手”。此外，这些疾病对中低收入国家的影响也在增强。主要诱因是现代生活方式的转变，表现为活动量少、饮食不健康，肥胖症人群迅速增加。目前全球 30% 的人口存在超重或肥胖情况，预计本世纪中叶将达到 50%。

要扭转这一趋势，研究人员和公共政策制定者需要了解人们的饮食习惯，并据此制定健康政策。然而，由于现有的饮食数据收集方法尚不成熟，误差范围较大，从而阻碍了这一目标的实现。饮食日志是收集此类数据的主要方法，但事实证明，该方法的错误率在 33% 至 88% 之间。这些数据是制定公共卫生政策的依据，这意味着，没有可靠的数据收集方法，不仅公共政策制定所依据的数据可能存在缺陷，而且也很难评估政策实施后的影响。

为了克服这一难题，伦敦帝国理工学院的研究人员开发了一种对尿液样本进行代谢轮廓分析的方法，用于评估人的饮食情况。

健康评估

研究人员首先开展了一项试验，共有19名健康成年人参加了4次为期72小时的留院观察。每个受试者被分配4种饮食干预措施中的一种。每一种干预措施都是根据其符合世界卫生组织（WHO）膳食指南的程度，按比例逐步定制。WHO膳食指南建议增加水果、蔬菜、全谷类和膳食纤维的摄入量，同时减少脂肪、糖和盐的摄入量。分配的饮食包括一组与指南截然不同的饮食，一组高度符合指南的饮食以及两组中间饮食。

研究人员在整个研究过程中采集了多份尿样，并利用核磁共振采集了各个样本的代谢图谱，以表征在尿液中排泄的多种化合物。很多食物在食用后，会排泄出特定代谢物，从而提供近期食物摄入的情况。使用布鲁克 Avance IVDr 波谱仪，即全自动的核磁共振代谢分析系统，不到 10 分钟即可完成数据采集和分析。
通过主成分分析，研究人员发现，不同饮食干预的受试者具有差异显著的代谢轮廓。连续多天采集尿样后，研究人员发现，经过一段时间后，通过遵循特定的饮食习惯，代谢轮廓之间的差异变得更加明显。其中，两组中间饮食的代谢轮廓聚集在两组极端饮食之间。

真实测试

之后，研究人员以该模型为基础，在临床试验环境之外对个体进行了测试。营养师招募“饮食健康者”作为受试者，并根据“终止高血压膳食疗法”（DASH）饮食量表为受试者打分，以此评估受试者饮食的健康程度。这些分数之后与通过尿液测试获得的代谢轮廓进行关联。研究小组发现，大多数受试者均产生了较好的关联，表明他们的饮食确实是健康的，但仍有很多人虽然根据 DASH 评分被归为健康类别，但根据代谢轮廓分析的结果却属于不健康的类别。DASH 评分取决于受试者自我报告的食物摄入情况，研究小组表示，这可能是结果不一致的原因。

个性化饮食

目前，研究团队希望扩大模型的使用范围，即不仅可以用来测定饮食建议的遵从程度，还可用于提供符合个人需求的理想饮食建议。

研究团队还指出，食用了某种食物后排出的代谢物情况可因人而异，这表明个体之间的代谢存在差异。这些反应可以在食用后的急性期进行有效测量。

为了探索是否可以对长期摄入量进行建模，研究团队采用了最初的 19 人研究中得出的数据，并研究从最健康的饮食到最不健康的饮食有哪些代谢物发生了变化。研究团队利用这些数据创建了一个代谢网络，将不同代谢物之间的关联可视化，显示出代谢途径。通过该网络，他们可以看到哪些受试者在代谢活性方面对特定饮食产生了强烈或微弱的反应。将来，这些数据可以用于指导个人选择在代谢活性方面引起最强反应的饮食。研究团队的工作表明，可以通过快速的、无创的方法对个人的饮食模式进行更准确的分析，而该方法不再依赖于受试者的自我报告。