个性化营养
文章数:4篇
餐后血糖
Cell:通过精准预测血糖反应,实现个体化营养
2015年Cell十佳论文。以色列威兹曼科学院的研究人员发现即使吃相同的食物,不同的人餐后血糖水平会大不一样。他们开发了一套“机器学习”算法,将肠道菌群、血液检测、健康问卷、身体测量指标以及食物日志等数据相结合,结果准确的预测和改变了被试的血糖水平。
餐后血糖
肠道菌群
糖尿病
个体化营养
血糖水平
人体微生物组
Cell子刊:在健康和疾病中,如何个体化利用微生物组?
以色列魏兹曼科学研究所的Eran Segal、Eran Elinav和团队的重要综述:① 特别讨论:个性化了解每个人的微生物组成和功能,如何能促进个性化诊断、风险评估、疾病预防、疗法决策和患者随访;② 分析相关领域有什么局限性、误区和挑战;③ 探讨通过营养、益生元、益生菌、代谢产物的干预都有什么办法可以调控微生物组。
人体微生物组
个性化健康
个性化医疗
抗性淀粉
Microbiome:一样的益生元,不一样的菌群改变!
① 给20个健康年轻人补充2型抗性淀粉,测粪便丁酸浓度和菌群;② 丁酸浓度从平均8mmol/kg(湿便)升到12,但个体间差异很大;③ 根据干预前后丁酸浓度变化可划分出三组:增强组从9升到15,高组始终≥11,低组保持≤8;④ 增强组青春双歧杆菌和Bromii瘤胃球菌丰度从约2%升到9%,而低组保持约1.5%;⑤ 高组产丁酸直肠真杆菌丰度一直为约6%,另两组为3%。
抗性淀粉
2型抗性淀粉
丁酸
青春双歧杆菌
Bromii瘤胃球菌
糖尿病
TMM:一图读懂个体化营养学
① 监测个体临床指标/人体参数/生活方式/医疗背景,测定肠道菌群组成和功能对食物的响应,发现这些特性显著影响不同人对不同食物的血糖响应;② 利用这些数据,同时进行连续血糖监测并记录饮食细节,开发特殊算法,高精准预测每个人对食物的血糖响应;③ 可利用这种算法设计出低(“好”食物)或高(“坏”食物)血糖反应的食谱;④ “好”的饮食促进菌群朝更健康的组成发展,降低与糖尿病和/或肥胖有关的细菌丰度,提高与健康相关的细菌丰度。 【点击下图可看到高清图片】
糖尿病
血糖指数
餐后血糖
个体化营养
关闭

用微信扫描上面二维码,验证身份

提醒:您需要先关注微信公众号“热心肠先生”,才能验证通过!

 验证成功,3秒后跳转

已超时,请 重试