在研究食物和饮食时，很难知道人们在吃什么，更不用说他们所吃的食物引起的疾病风险了。

医生和研究人员通常会要求人们填写一份长期的食物频率问卷，以估计卡路里摄入量、食物类别和营养素。这依赖于一个人的记忆，可能无法提供最准确的图像。

然而，由密歇根医学心脏病学家领导的研究小组发现了一种使用分子分析和机器学习的方法，可以开发基于血液的饮食特征，更准确地预测饮食和心血管疾病和2型糖尿病的风险。研究结果发表在《欧洲心脏杂志》上。

“饮食不是单一的;它在不断变化，而我们传统的评估方法并不完美，”资深作者Venkatesh Murthy医学博士说，他是密歇根大学健康弗兰克尔心血管中心的心脏病学家，密歇根大学医学院心脏病学副教授。

“我们需要更可靠、更精确的工具，同时对每个人来说都易于使用。利用代谢物特征和数据科学，我们可以更好地了解人们实际摄入了多少，以及他们可能导致影响数百万美国人的心脏代谢疾病的风险，”Murthy说。

在年轻人冠状动脉风险发展研究中，研究人员跟踪了2200多名白人和黑人成年人，使用血液样本和食物调查来确定25年来饮食的代谢物特征和随后的疾病风险。通过机器学习模型，研究人员能够创建一个基于血液的饮食特征，更准确地预测一个人在19种食物组中的整个饮食10-20%。

此外，基于血液的特征通常优于健康饮食指数，这是一种衡量饮食质量的标准指标，可以根据每种食物组来确定谁更有可能患糖尿病和心血管疾病。例如，当食物频率问卷显示吃红肉的人患糖尿病的风险增加18%时，基于血液的特征则发现风险增加55%。

“利用代谢物来了解食物暴露和营养是营养科学中一个不断扩大的领域，”范德比尔特大学医学中心心脏病学家、医学副教授、合著者拉维·沙阿说。“除了了解哪种类型的营养对我们的健康更好或更坏之外，这里的方法可以让那些研究食品科学的人对营养和饮食的代谢进行快照，以更好地了解它们对健康的影响。”

根据一份新闻稿，美国国立卫生研究院向全国的诊所和中心提供了1.7亿美元的奖励，用于“开发算法来预测个人对食物和饮食习惯的反应”。

研究人员说，这种基于血液的签名技术需要在不同饮食的前瞻性对照研究中进行测试。穆尔蒂说，利用基于血液的特征来准确了解人们坚持饮食的程度，将产生更有力的结果。

“饮食和营养研究真的很难，”Murthy说。“我们认为这是一个重要的步骤和一套工具，以更高的精度和效率进行营养研究。最终，这项工作可能会让我们更好地了解患者的最佳饮食。”

Journal Reference:

1. Ravi V Shah, Lyn M Steffen, Matthew Nayor, Jared P Reis, David R Jacobs, Norrina B Allen, Donald Lloyd-Jones, Katie Meyer, Joanne Cole, Paolo Piaggi, Ramachandran S Vasan, Clary B Clish, Venkatesh L Murthy. Dietary metabolic signatures and cardiometabolic risk. European Heart Journal, 2022; DOI: 10.1093/eurheartj/ehac446

闁瑰灚鎹佺粊锟�

濞戞挸顑堝ù鍥┾偓鐟邦槹瀹撳孩瀵奸敂鐐毄閻庢稒鍔掗崝鐔煎Υ婵犲洠鍋撳宕囩畺缂備礁妫滈崕顏呯閿濆牓妯嬮柟娲诲幘閵囨岸寮幍顔界暠闁肩瓔鍨虫晶鍧楁閸撲礁浠柕鍡楊儐鐢壆妲愰姀鐙€娲ゅù锝嗘礋閳ь剚淇虹换鍐╃閿濆牓妯嬮柛鎺戞閻庤姤绌遍崘顓犵闁诡喓鍔庡▓鎴︽嚒椤栨粌鈷栭柛娆愬灩楠炲洭鎯嶉弮鍌楁晙

10x Genomics闁哄倹婢橀幖顪渋sium HD 鐎殿喒鍋撻柛姘煎灠瀹曠喓绱掗崱姘姃闁告帒妫滄ご鎼佹偝閸モ晜鐣遍柛蹇嬪姀濞村棜銇愰弴鐘电煁缂佸本妞藉Λ鍧楀礆閸℃ḿ鈧粙鏁嶉敓锟�

婵炲棎鍨肩换瀣▔鐎ｎ厽绁癟wist闁靛棗锕ｇ粭澶愬棘椤撶偛缍侀柛鏍ㄧ墱濞堟厤RISPR缂佹稒鐩埀顒€顦伴悧鍝ヤ沪閳ь剟濡寸€ｎ剚鏆╅悗娑欏姃閸旓拷

闁告娲滅划蹇涙嚄閻愬銈撮幖鏉戠箰閸欏棝姊婚妸銉ｄ海閻犱焦褰冮悥锟� - 婵烇絽宕崣鍡樼閸℃鎺撶鎼达綆鍎戝☉鎾亾濞戞搩浜滃畷鐔虹磼閸℃艾鍔掗悗鍦仱閻涙瑧鎷嬮幑鎰靛悁闁告帞澧楅弳鐔煎箲椤斿灝绐涢柟璨夊倻鐟㈤柛娆樺灥椤宕犻弽顑帡寮搁敓锟�

濞戞挸顑堝ù鍥Υ婵犲嫮鐭庨柤宕囧仜閸炴挳鎽傜€ｎ剚顏ら悹鎰╁妺缁ㄧ増鎷呭⿰鍐ㄧ€婚柡瀣姈閺岀喎鈻旈弴鐘虫毄閻庢稒鍔掗崝鐔煎Υ閿燂拷