Journal of Advanced Research：你真的会选食物吗？浙大开发出适用于国人的食物炎症指数

去年，由中国抗癌协会肿瘤营养专业委员会、中国营养学会社区营养与健康管理分会、中国营养学会临床营养分会共同发布了《抗炎饮食预防肿瘤的专家共识》，其中提到的抗炎饮食不仅可以为肿瘤患者提供预防和辅助治疗策略，也为健康人群提供了科学饮食的指导和建议。

现在被广泛使用的工具是膳食炎症指数（DII），专门用来评估饮食的炎症潜力的，但并不能量化食物的炎症影响。此外，同一食物组中，食物之间炎症作用的差异经常被忽视。

近日，浙江大学相关研究团队在Journal of Advanced Research杂志发表了研究成果，通过多个公共数据库，在膳食炎症指数（DII）基础上构建了一个新的评估指标——食物炎症指数（FII），并提供了一种量化食物炎症影响的方法。FII能有效地揭示食物组内的异质性，为饮食指南的修订和更健康饮食的科学研究提供了参考。

一、研究内容与思路

1、FII的建立与验证

为了建立一个用于分析食品成分的可用数据库，研究人员选择美国农业部（USDA）的膳食研究食品和营养数据库（FNDDS）用于分析食物成分，包含了9229种食物项目。在食物成分选择时，排除了如茶、洋葱和胡椒等不属于食物成分的项目，最终包含39种食物成分。

为了关联摄入量对结果的影响，将根据2020-2025年美国人膳食指南（DGA）的营养素每日营养目标或全球平均每日成分摄入量作为中国食品标签营养素参考值（NRV）。

使用基于饮食炎症指数（DII）的加权方法，为每个食物成分分配权重，考虑它们的含量和推荐摄入量，得出FII。考虑相对摄入偏差进行扩展分析，并推导出了其他公式FIIM2（内容物被修改为NRV的两倍）和FIIM5（内容物被修改为NRV的五倍）。进一步转化为FISI以量化个体的炎症水平，通过将FII值转换为1到100的范围内，其中1表示最强的促炎症作用，100表示最强的抗炎症作用。

使用美国国家健康与营养检查调查（NHANES）队列进行测试和验证，最后纳入21982名参与者进行分析。通过Spearman相关性分析显示，FISI模型和DII模型之间显示出极显著性，表明FISI模型可以用作预测炎症的新模型。FISI1（基于FII）与高敏感性C反应蛋白（HSCRP）水平强烈相关，经过一系列影响因素调整后，依然呈现强烈正相关，表明FISI1在反映炎症水平方面的重要作用。

研究思路1：

膳食炎症指数（DII）计算方法为：先获得膳食资料，将45个食物或营养素组分对应的摄入量减去全球人均摄入量除标准差，转化为百分位数得分后，×2-1，再乘以其各自的炎症效应评分，最后相加就是DII了。但DII纳入的食物类型较少，且并没有量化食物炎症影响，存在着一定的弊端。

对此，这项研究构建了FII。通过FNDDS数据库获得多种食物成分，在DII基础上加入食物成分含量，明确定位到食物成分带来的炎症影响，从而精准量化。此外，还根据NRV情况推导出来了其他公式FIIM2和FIIM5。最后，通过在NHANES数据库中进行验证，明确了FII的实用性及精确性。

2、食物组内的异质性反映了当前饮食模式的脆弱性

世界各地的各种饮食模式已成为研究饮食和慢性炎症的重要手段。研究人员考虑到不同食物之间的差异，分析了基于不同FII分数的各种饮食模式的FISI结果，发现地中海饮食模式比其他模式具有更强的抗炎功能。其中，植物性食物，尤其是蔬菜和谷物的抗炎作用非常显著。

根据 NHANES 2015-2018 参与者的五分位数结果，可以直观地观察到所有饮食模式的FISI超出了Q1的界限，进一步证明了FII模型在饮食模式分析中的有效性；在选择平均FII时，只有地中海饮食模式显示出良好的效果。

研究思路2：

验证了FII的实用性之后，接下来分析了不同食物或者饮食模式带来的炎症影响，经过一系列模型划分以及影响因素调整后，地中海饮食模式带来的抗炎效果最显著，与以往研究里地中海饮食拥有很多好处不谋而合。

3、FII的应用：食物对炎症的影响分析、食物分类和指南

FII被应用于分析FNDDS中的9229种食物和饮料，重新计算FII分数并按百分比进行转换。

不同食用油对炎症的影响差异很大，这表明传统的食物组推荐可能不合适。油的FII结果是双面的，抗炎效果特别突出，促炎效果也比较强：从几种抗炎成分来看，PUFAs，尤其是C18:3n3和维生素E，贡献了主要的抗炎作用，这与食用油的关键营养素一致。

此外，尽管属于同一组，但同一类别的食品仍然存在较大差异，例如，茶和甘蔗饮料都属于饮料，但因为成分差异导致FII评分存在差异。还有，虽然鱼和肉都属于动物产品，但两者得分也相差很大，在成分方面，鱼的脂肪酸组成优于肉类，因为它们含有更多的不饱和脂肪酸。

综上所述，基于食物成分的FII评价模型可为食物选择提供参考，与营养成分的常规认知要求一致。

研究思路3：

通过食物组验证FII的结果，接下来从单个食物角度出发，验证FII对于单个食物及其成分分析得到的炎症指数情况，结果发现虽然是同一种食物，但因为其中蕴含的食物成分不一致，以至于食物综合炎症指数影响也存在很大差异。这一点是DII的弊端，FII在DII的基础上完善了这一弊端。

4、不同食物成分对炎症特性的影响

为了进一步说明食物组内的异质性，研究人员对每个食物组中的主要炎症成分进行了分析。食品的质量取决于其成分。对此，研究人员参考了文献中每种食物成分的贡献分数，并根据食物成分表和膳食推荐摄入量转换了每种食物成分的贡献水平。

研究发现，C18:3n3（α-亚麻酸）在所有食物中显示出最高的抗炎作用。通过雷达图进一步分析抗炎和促炎成分，从雷达图的圆圈计数中可以明显看出同一食物类别内的异质性——类黄酮和 C18:3n3是主要的抗炎成分，饱和脂肪酸是主要的促炎成分；蛋白质食物的异质性最不显著，饮料组存在异质性。非碳酸水含有很少对炎症有益或有害的营养物质，同时这些饮料中的酒精、咖啡因和异黄酮存在显著差异。

研究思路4：

一步一步细化，从食物组到单个食物，再细化到食物中的主要组成成分以及每个成分的占比，一步一步的深入验证FII的实用性及适用性。

5、FII泛化能力的提高及其在中国的适用性

考虑到各国食物成分表的差异，研究人员试图根据不同国家使用食物成分表直接评估食物的炎症评分。将FII模型应用于中国食物成分表（China-FCT），并计算了每个食物项目的FII分数。

总体来说，China-FCT的分析结果与USDA-FCT的结果一致，表明与动物性食品相比，植物性食品表现出更好的抗炎作用。

研究思路5：

FII这一指标的建立是构建在USDA的FNDDS数据库，通过NHANES 数据库进行层层递进的验证。那么，这一指标是否适用于中国呢？对此，研究人员将其用于中国食物成分表进行验证，表明了FII同样适用，在USDA中得到的结果同样适用于我国人群。

6、食物组内的异质性，膳食指南忽略了什么？

慢性炎症是许多疾病的早期表现，饮食指南在一定程度上为预防慢性病提供了建议。根据《中国居民膳食指南》的分类，共涉及十类食物。研究人员通过总结膳食指南中的各种类型的食物，分析了它们对炎症的影响，而各组之间存在很大差异，表明饮食指南中仍然存在被忽视的方面，可能会导致饮食推荐出现偏差。

这强调了在考虑食物选择时承认食物组内异质性的重要性。利用FII可能有助于解决食物组内的异质性，并为饮食指南提供建议，以更好地预防慢性炎症和相关疾病。

研究思路6：

最后，研究人员落到实处，从《中国居民膳食指南》推荐饮食角度出发，探讨了其存在的可能弊端，强调了在考虑食物选择时承认食物组内异质性的重要性。

二、小结

这项研究构建了FII——FII是首个基于食物成分直接评估炎症效应的工具，通过计算及验证，表明较高的食物炎症评分（FISI）与高水平的高敏感性C反应蛋白（HSCRP）以及其他炎症相关，表明了FII的精准性。进一步，研究人员还跨数据库，通过将FII应用于USDA-FCT和China-FCT，展示了FII在全球不同地区食物成分数据库中的适用性和一致性。

这一研究为基于数字数据库的膳食营养指南的改进提供了建议，以讨论食物组内的异质性，也为消费者提供了直观的饮食炎症暴露风险评估。

参考文献：

[1] Wang Z, Yuan C, Zhang Y, et al. Food inflammation index reveals the key inflammatory components in foods and heterogeneity within food groups: How do we choose food?. J Adv Res. Published online October 12, 2024. doi:10.1016/j.jare.2024.10.010