GUT：肠道微生物组调节个性化餐后靶向饮食对心脏代谢标志物的影响

饮食是心脏代谢健康的主要贡献者，在预防、管理甚至逆转许多慢性疾病方面发挥着根本性作用，包括但不限于糖尿病、心血管疾病（CVD）和脂肪肝疾病。越来越多的证据表明，复杂的营养-疾病关系与许多因素影响特定营养素对疾病风险的相对贡献，例如饱和脂肪酸（SFA）和CVD。这种理解最近导致国际卫生组织将饮食指南中营养建议的重点从宏观营养素成分转移到食物和饮食质量上模式。

然而，即使在通过特定食物或饮食模式而不是宏观营养素成分来评估营养摄入量时，对饮食干预的代谢反应也存在很高的人际变异性。这表明，虽然饮食指南是基于人口平均值，但更深入地了解导致个体之间对饮食修饰的代谢反应变化的因素，可能会为临床实践中的个人提供更有效和准确的饮食建议。

肠道微生物群由数万亿的细菌微生物组成，在人类健康和疾病中发挥着核心作用。具体来说，近年来，它在心脏代谢健康中的作用得到了广泛的研究，包括糖尿病、肥胖和 CVD肠道微生物组也与宿主饮食的双向关系密切相关。一方面，肠道微生物组显著影响宿主的代谢和对食物的反应。另一方面，肠道微生物成分对宿主饮食有反应，这可能对人类健康产生下游影响。

此外，由于肠道微生物组本质上是高度个性化的，因此可以合理地假设它在特定饮食干预对个人心脏代谢结果的高度可变影响中具有重要作用。然而，尽管认识到微生物组与心脏代谢健康和宿主饮食之间存在密切联系，但大多数探索人类中这三种元素之间相互作用的研究都是观察性的，只有少数在介入环境中正式测试了它。

2023年5月3日发表在GUT上文章，报告了糖尿病前成人随机对照试验（RCT）的临床结果，该试验显示了个性化餐后目标（PPT）饮食的有益效果，该饮食基于预测个人餐后葡萄糖反应（PPGR）的机器学习算法，除了地中海式饮食的既定代谢益处外，还基于初级血糖结果和其他二次代谢结果。

与MED干预相比，PPT干预诱导多种饮食特征发生更大的变化

在本文中，研究人员进行了临时分析，旨在评估6个月饮食干预的其他探索性结果，包括对两臂上观察到的饮食变化和微生物组组成变化的高分辨率评估。我们进一步探索了多个饮食特征、微生物组物种和整个队列的代谢读数变化之间的联系（无论手臂分配如何），并评估了微生物群物种在介导饮食变化对代谢结果的影响方面的作用。

最后，研究人员设计了基于饮食变化和基线临床数据的机器学习模型，以预测对饮食调整的个性化代谢反应，并评估在此RCT环境中对血脂、血糖控制和体重的心脏代谢标志物临床改善的重要性。

训练有素的饮食变化和基线临床数据机器学习模型预测临床结果

在6个月的饮食干预中，糖尿病前期的成年人被随机分配遵循MED或PPT饮食（基于预测餐后葡萄糖反应的机器学习算法）。在基线和6个月从完成干预的200名参与者那里收集的数据包括：使用智能手机应用程序自我记录记录的饮食数据，来自猎枪元基因组学粪便样本测序的肠道微生物组数据，以及来自连续葡萄糖监测、血液生物标志物和人体测量的临床数据。

与MED饮食相比，PPT饮食诱导了肠道微生物组组成更突出的变化，这与观察到的总体更大的饮食改变一致。特别是，微生物组α多样性在PPT中显著增加（p=0.007），但在MED组中没有显著增加（p=0.18）。对整个队列中多种饮食特征的变化（包括食物类别、营养素和PPT依从性评分）的后期分析表明，特定饮食变化与微生物组组成物种水平变化之间存在显著关联。

此外，使用因果中介分析，研究人员检测到九个微生物物种，这些物种部分介导了特定饮食变化和临床结果之间的联系，包括三个物种（来自Bacteroidales，Lachnospiraceae，Oscillospirales目），它们介于PPT粘附评分与血红蛋白A1c（HbA1c）、高密度脂蛋白胆固醇（HDL-C）和甘油三酯的临床结果之间的关联。

最后，使用受过饮食变化和基线临床数据训练的机器学习模型，研究人员预测对饮食修饰的个性化代谢反应，并评估血脂、血糖控制和体重的心脏代谢标志物临床改善的重要性。

总之，虽然对饮食和人类健康交集的肠道微生物群的研究主要基于观察性研究，但本文从这次为期6个月的饮食干预中得出的发现支持了饮食在塑造肠道微生物组组成方面的因果作用，反过来，对于肠道微生物群，在调节饮食对宿主心脏代谢标志物的影响方面起着作用。

本文的发现提出了具体的微生物群物种目标，这些目标可能构成未来关于它们在人类饮食和健康中的作用的机械实验的基础，以及在临床前和干预研究中评估的潜在治疗方向，以通过精确的营养策略改善心脏代谢健康。

原文出处

Ben-Yacov O, Godneva A, Rein M, et al Gut microbiome modulates the effects of a personalised postprandial-targeting (PPT) diet on cardiometabolic markers: a diet intervention in pre-diabetes Gut 2023;72:1486-1496.