预测新北欧饮食的减肥成功:一个无针对性的多平台代谢学和机器学习方法
Kristina Pigsborg1, Valdemar Stentoft-Larsen2, Samuel Demharter2
1Department of Nutrition, Exercise and Sports, University of Copenhagen, Frederiksberg, Denmark.
Frontiers in nutrition
|August 21, 2023
概括
机器学习确定了特定的尿液代谢物,脂肪酸和氨酸酸,这些代谢物预测了新北欧饮食 (NND) 的减肥成功. 这种精确的方法有助于个性化肥胖治疗,以获得更好的结果.
科学领域:
- 代谢学 代谢学 代谢学
- 机器学习 机器学习
- 肥胖问题研究研究
背景情况:
- 对减肥饮食的个人反应有很大的不同.
- 没有一种单一的饮食对所有肥胖个体具有普遍有效性.
- 为了有效的体重管理,需要个性化的饮食策略.
研究的目的:
- 使用机器学习开发一个用于减肥成功的预测模型.
- 确定与新北欧饮食 (NND) 减肥相关的生物标志物.
- 为了探索用于治疗肥胖的精密营养.
主要方法:
- 91名超重/肥胖的受试者在26周内接受了NND.
- 被试被分为反应者 (≥5%的体重减轻) 或不反应者 (<2%的体重减轻).
- 用符号回归 (QLattice) 分析了临床数据和非向的尿液/血代谢量.
主要成果:
- 一个预测模型在减肥反应者中确定了尿液中较低水平的酸和氨酸.
- 该模型在训练组中达到0.88的AUC,在测试组中达到0.81.
- 在12个月的随访期间,受访者保持了4.3%的体重减轻.
结论:
- 一个两种代谢物模型 (酸,酸) 可以预测NND上的减肥概率.
- 未定位的代谢学可以指导针对肥胖的精确饮食干预措施.
- 个性化的营养策略显示出有效的体重管理的前景.
