行业报告分享|个体化减重新突破:你属于“易瘦体质”还是“反弹体质”?
超重和肥胖问题已经成为全球公共卫生领域的重要挑战,许多国家已将其视为健康管理的优先事项。尽管各种体重管理方法,如膳食干预和运动计划,得到了不断的改进和发展,但不同个体对相同干预措施的反应却存在显著差异。近期,华中科技大学公共卫生学院刘刚教授团队在国际权威期刊《Diabetes Care》上发表了一项名为《Prediction of Weight Loss and Regain Based on Multiomic and Phenotypic Features》的研究成果,为我们提供了一个全新的视角来理解个体差异如何影响减重过程。研究表明,减重效果与反弹风险与多种因素密切相关,尤其是肠道菌群和粪便代谢物等生物特征,这些因素可能成为预测减重成功与体重反弹的关键依据。本次研究通过对96名超重或肥胖成人进行为期12周的膳食干预试验,并随访28周,发现不同个体在减重过程中的表现差异非常大。部分参与者在干预期间减重成功,体重减少了超过10公斤,而另一些人则几乎没有变化,甚至出现了轻微的体重增加。反弹期的变化也同样明显,有些人干预结束后体重有所增加,甚至超过了原始体重,而另一些人则能较好地维持减重成果。这种差异的根本原因,可能在于个体的基线特征,尤其是肠道菌群、粪便代谢物以及一些临床代谢指标的差异。例如,研究发现,受试者体内Parabacteroides merdae和dimethylglycine水平较高时,减重效果通常更好;而那些基线水平较高的hyocholic acid和vanillic acid则会使减重效果变差。更为关键的是,某些肠道菌群,如Ruminococcus bicirculans的丰度较高时,这些个体在减重后体重反弹的风险较小。为了更准确地预测个体的减重效果和体重反弹风险,研究团队结合了多组学数据和机器学习技术,构建了一个高效的预测模型。通过对宏基因组、粪便代谢组等多维数据的综合分析,研究人员成功地开发出一个可以精准预测减重成功与否的模型。与传统的预测方法相比,这一多组学模型的预测性能显著提高。例如,研究表明,基于多组学数据的模型可以有效区分哪些个体能够实现至少5%的体重减少(这一标准通常被视为临床上有意义的减重)。该模型的预测准确度较高,其灵敏度为94.12%,特异度为86.79%,显著高于传统模型的表现。对于体重反弹的预测,多组学模型同样展现出了强大的能力。它能够准确预测体重、体脂量和瘦体重等变化,帮助医生和营养专家为不同的个体制定更为个性化的体重管理方案。肠道菌群和粪便代谢物在减重和体重反弹中的作用,已成为近年来研究的热点。研究表明,肠道菌群不仅影响食物的消化吸收,还与宿主的代谢过程、免疫反应等多方面功能密切相关。在减重过程中,肠道菌群的变化可能会直接影响个体对膳食干预的反应。而粪便代谢物,则反映了体内微生物活动的具体表现,能够为个体化减重策略提供进一步的指导。例如,Ruminococcus callidus和Bifidobacterium adolescentis等特定菌种在减重和反弹的预测模型中表现为稳定的预测因子。通过对这些生物标志物的监测,未来的减重干预方案可能会更加精准,帮助个体在减少体重的同时减少反弹的风险。总的来说,精准的减重管理已经不再是“千人一方”的时代。随着多组学技术的发展,个体化的膳食干预和减重策略将成为未来肥胖治疗的核心。通过深入分析个体的基因组、肠道菌群、代谢组等生物学特征,我们不仅可以预测哪些人易于减重,还可以提前识别出哪些人更可能经历体重反弹,从而采取更加个性化、精准的干预手段。这一研究成果为精准营养干预和体重管理提供了新的思路,也为肥胖防控和治疗提供了科学依据。
2025第七届全球医美前沿产业大会暨了不起的先行医美人魔力星尚大赏颁奖盛典