生物通报道  你有没有想过为什么节食不起作用（延伸阅读：Nature：节食怎么就这么难？）？一项来自以色列的研究在一周的时间内追踪了800人的血糖水平，显示即便我们都吃相同的食物，人与人之间代谢食物的方式也有所差异。这些发表在11月19日《细胞》（Cell）杂志上的研究结果表明了，个体化营养能够帮助人们鉴别出哪些食物有助或妨碍他们的健康目标。

血糖与糖尿病和肥胖等健康问题有着密切的联系，采用动态血糖检测仪可以很容易地对它进行检测。几十年前开发的一种叫做血糖指数(GI)的指标，现被用来基于食物对血糖水平的影响来对食物进行分级，医生和营养学家也利用GI来制定健康饮食。然而，，这一系统是基于一些研究计算小群体对各种食物反应的平均值。

由以色列Weizmann科学研究所的Eran Segal和Eran Elinav领导的这项新研究，发现任何指定食物的GI都并非固定值，而取决于个体。他们通过健康问卷、身体测量、血液测试、血糖监测、粪便样本和利用一个移动应用程序来报告生活方式及食物摄取（总共检测了46,898份膳食）收集了所有参与者的数据。此外，志愿者接受了一些标准化/相同的食物作为他们的早餐。

如预期的那样，研究人员发现年龄和身体质量指数(BMI)与餐后血糖水平相关。然而，数据也显示不同的人对相同食物的反应有很大的差异，即使他们的个体反应没有每天发生改变。

联川生物邀您最优价进行微生物群落多样性分析>> >

Segal说：“人们都是基于其中的一种分级系统来考虑大多数饮食建议；然而却没有强调，或他们没有充分认识到，个体之间有着显著的差异——在某些情况下，个体相互之间有着相反的反应，这确实是文献中的一个大漏洞。”

医生和营养专家一直告诉我们什么食物对我们的新陈代谢和健康有利或不利。但它对每个人都适用吗？Eran Segal和Eran Elinav为我们解释了每个人对相同食物的反应非常的不同。

Elinav说：“不带任何偏见测量大队列真正地启迪了我们，我们对于我们生活最基本的一个概念——我们吃什么及我们如何将营养学融入到我们的日常生活中，认识是多么的不准确。与我们当前的做法相反，为个体量身定制饮食或许可以让我们能够利用营养来作为一种手段，控制血糖水平升高及相关的疾病。”

走向个体化营养

合规可能是营养学研究的祸根。他们的结果远离实验室，依赖于志愿者严格遵从饮食并诚实地记录他们的食物摄入。在这项Cell研究中，志愿者被要求以两种方式打乱周计划：他们每天早上食用面包或葡萄糖作为标准早餐，也将他们所有的饮食输入到一个移动软件程序饮食日志中。转而，研究人员分析了志愿者对食物的个体化反应，这依赖于严格地遵循实验方案。Elinav和Segal说这是一种强大的动力，志愿者的膳食报告与从他们血糖检测仪处获得的生物测定数据密切匹配。

个体化反馈带来了许多惊喜。在一种情况下，一位肥胖且罹患前期糖尿病的中年女性曾在她的生活中尝试一系列的饮食却没有看到成果，她了解到她的“健康”饮食习惯实际上可能促成了健康问题。在吃西红柿后她的血糖水平迅速上升，在研究的这周内她曾多次食用西红柿。

Elinav 说：“对她而言，个体化定制饮食不会纳入西红柿，还会包括许多我们很多人不会认为健康的其他成分，但事实上却有利于她的健康。在这项研究完成之前，没有人有办法为她提供这样个体化的建议，医生在线答疑，这有可能会大大影响她的前期糖尿病进展。”

为了了解人们之间存在如此大差异的原因，研究人员对收集自每个研究参与者的粪便样本进行了微生物组分析。越来越多的证据表明肠道细菌与肥胖、葡萄糖耐受不良和糖尿病有关，这项研究证实一些特异的微生物确实与餐后血糖升高水平相关。通过对另外26位研究参与者进行个体化饮食干预，研究人员可以降低餐后血糖水平，改变他们的肠道菌群。有意思的是，尽管饮食个体化，因此在参与者之间有很大的差别，所有参与者间几种肠道菌群改变却是一致的。

Segal说：“在看到这些数据后，我认为有可能我们对于肥胖和糖尿病流行的看法在观念上是错误的。人们的直觉是我们知道如何治疗这些疾病，只是人们没有听取建议或是饮食失控——但或许人们实际上是依从的，但在很多情况下我们给予了他们错误的建议。”

“患者对指定饮食产生不同的反应，是营养学家和医生的一个常识。我们在这些数据中看到，相同的一般性建议并不总是帮助到人们，我最大的希望是我们可以移动这条船，朝不同的方向驾驶它。”

研究人员希望转化在这项基础研究项目中学习到的知识，通过进一步开发算法减少提供给人们个体化营养报告所需的输入信息量来让它适用于更广泛的受众。

（生物通：何嫱）

生物通推荐原文摘要：

Personalized Nutrition by Prediction of Glycemic Responses

Elevated postprandial blood glucose levels constitute a global epidemic and a major risk factor for prediabetes and type II diabetes, but existing dietary methods for controlling them have limited efficacy. Here, we continuously monitored week-long glucose levels in an 800-person cohort, measured responses to 46,898 meals, and found high variability in the response to identical meals, suggesting that universal dietary recommendations may have limited utility. We devised a machine-learning algorithm that integrates blood parameters, dietary habits, anthropometrics, physical activity, and gut microbiota measured in this cohort and showed that it accurately predicts personalized postprandial glycemic response to real-life meals. We validated these predictions in an independent 100-person cohort. Finally, a blinded randomized controlled dietary intervention based on this algorithm resulted in significantly lower postprandial responses and consistent alterations to gut microbiota configuration. Together, our results suggest that personalized diets may successfully modify elevated postprandial blood glucose and its metabolic consequences.