一种新的机器学习方法可以帮助我们测量体内生物钟的时间，帮助我们做出更好的健康决定，包括什么时候睡觉，睡多久。

这项由萨里大学和格罗宁根大学联合开展的研究，使用机器学习程序分析血液中的代谢物，以预测我们体内昼夜节律系统的时间。

迄今为止，确定昼夜节律系统时间的标准方法是测量我们自然褪黑激素节律的时间，特别是当我们开始产生褪黑激素时，即昏暗的褪黑激素发作(DLMO)。

这项研究的合著者、萨里大学的黛布拉·斯基恩教授说:

“在从参与者身上采集了两份血液样本后，我们的方法能够预测个体的DLMO，其准确性与以前更具侵入性的估计方法相当或更好。”

研究小组收集了24个人(12名男性和12名女性)的血液样本。所有的参与者都是健康的，不吸烟，并且在他们访问大学临床研究机构的7天前有规律的睡眠时间表。研究小组随后使用靶向代谢组学方法测量了130多种代谢物的节律。这些代谢物数据随后被用于机器学习程序来预测昼夜节律。

斯基恩教授继续说道:

“我们对预测DLMO的新方法很兴奋，但也很谨慎，因为它比现有的工具更方便，需要更少的采样。虽然我们的方法需要在不同的人群中进行验证，但它可以为优化昼夜节律睡眠障碍和损伤恢复的治疗铺平道路。

“智能设备和可穿戴设备为睡眠模式提供了有用的指导，但我们的研究为真正个性化的睡眠和饮食计划开辟了道路，与我们的个人生物学保持一致，有可能优化健康，降低与睡眠不足和不合时宜的饮食相关的严重疾病的风险。”

来自格罗宁根大学的这项研究的合著者Roelof Hut教授说:

“我们的研究结果可以帮助开发一种经济实惠的方法来估计我们自己的昼夜节律，从而优化行为、诊断抽样和治疗的时间。”

这项研究发表在《美国国家科学院院刊》上

文章标题

Machine learning estimation of human body time using metabolomic profiling