一个工具包,用于量化在代谢和炎症应激中对草本提取物的个体反应
Soo-Yeon Park1, Oran Kwon2,3, Tim van den Broek4
1Department of Food Science and Biotechnology, Seoul National University of Science and Technology, Seoul, Republic of Korea.
NPJ science of food
|February 3, 2025
概括
这项研究引入了一种新的健康评估工具,使用健康空间模型和机器学习来评估草本提取物的疗效. 该工具量化了个人应激反应和弹性,通过特定的草药干预来证明改善了健康.
科学领域:
- 营养科学 营养科学
- 生物技术是生物技术.
- 个性化医疗是个性化的医疗.
背景情况:
- 评估动态应激反应和个体性对于个性化健康至关重要.
- 现有的方法可能无法完全捕捉干预措施对代谢和炎症健康的细微影响.
- 现型灵活性 (PhenFlex) 挑战提供了一种标准化的方法来评估这些反应.
研究的目的:
- 开发和验证一个新的健康评估工具,整合健康空间模型和机器学习.
- 量化和可视化草本提取物对个人炎症和代谢健康的影响.
- 证明该工具在评估个性化营养和健康优化方面的实用性.
主要方法:
- 进行了两项随机,双盲,安慰剂控制的交叉试验.
- 在夜间禁食后利用了PhenFlex挑战.
- 采集血液样本并应用机器学习算法来根据代谢和炎症标志物预测健康估计得分.
- 开发了一种2D健康空间模型,用于可视化个人健康状况.
主要成果:
- 健康空间模型成功地可视化了个人的健康状况.
- 使用草本提取物干预,特别是Angelica keiskei (AK) 和Capsosiphon fulvescens (CF),导致健康得分显著提高.
- 这些较高的分数表明参与者的炎症和代谢健康状况有所改善.
- 机器学习模型准确地预测了健康估计得分.
结论:
- 开发的健康评估工具有效量化了动态应激反应和弹性.
- 这项研究证实了特定植物提取物在改善健康标志物的有效性.
- 这种方法为个性化营养提供了有价值的工具包,并通过经过验证的草药干预来优化健康结果.
