这是一篇2015年发表在cell上的文章，虽然有点老，但是研究的内容依然具有参考价值，这里仔细读了一遍，分享一下！
以色列科学家通过对800个健康个体的研究发现，不同的人对同一种食物的血糖水平响应是不一样的。也就是说，食物的GI值不是确定的，存在着个体差异，且这种差异与个体的肠道菌群是有关系的。包括中国在内的许多国家都发布过针对本国民众的膳食指南，这种指南显然没有考虑个体差异的情况，只是关注统计意义上的群体健康。而我们从以上的讨论来看，在实际生活中，每个人首先应该考虑自己的个性化健康需求。 亮点 – 1.在800人队列中观察到餐后血糖的高人际变异性 – 2.使用个人和微生物组功能可实现准确的葡萄糖反应预测 – 3.预测是准确的，并且优于独立队列中的常规实践 – 4.短期个性化饮食干预成功降低了餐后血糖
GI在1981年被加拿大临床内科医生Jenkins等学者提出来之后，一直作为医生和营养专家指导患者健康饮食的一个指标。
一般认为，不同的食物对人们的餐后血糖水平有着不同的影响，用“血糖指数”（glycemic index，GI）来标识，即含有碳水化合物的食物在一定时间内使血糖水平升高的相对能力。人们认为每种食物有着特定的GI值，食物的GI值越高对血糖控制越不利。因此，选择GI值低的食物通常是医生指导患者饮食的基本原则。GI值建立在这样一种假设上：同一种食物对不同个体的血糖效应是一样的。
实验设计： 非糖尿病的以色列人口，共募集了800名志愿者，通过健康调查问卷，测量身体参数、血液检测、血糖监测（间质液葡萄糖每5分钟一次，持续7天）、粪便采样（肠道菌群），以及借助app记录他们的生活方式以及食物的摄取情况（一共记录了46898顿饭），希望能够了解血糖水平与以上参数之间的关系。
图中显示了与中位数PPGRs相关的因子与标准化膳食的相关性以及移动平均线。
A.队列中BMI和糖化血红蛋白（HbA1c）的分布。 B,C 现在54% 超重（BMI >25 kg / m 2），22%肥胖（BMI > 30 kg / m2），前驱糖尿病（HbA1c> 5.7％）和TIIDM（>6.5％） D一个参与者在整个星期内的连续血糖监测（CGM）的实例。放大内的彩色区域显示葡萄糖曲线下的增量区域（iAUC），我们用它来量化膳食的PPGR。 E）能量摄入消耗的主要食物成分。 F）通过常量营养素含量分配膳食（点）。插图显示每个常量营养素的膳食直方图。 G）基于Bray-Curtis（基于物种分类的相对距离）的PCoA基于宏基因组的粪便样品的细菌丰度在我们的队列和美国HMP和欧洲MetaHIT队列中。插图显示添加来自其他HMP身体部位的样本时的PCoA。
由于现实膳食的数量不同，并且可能各自含有几种不同的食物成分，我们只检查含有20-40克碳水化合物的膳食，并且含有单一主要食物成分，其碳水化合物含量超过膳食碳水化合物含量的50％。
有个让人感到惊喜的例子。例如445号自愿者和644号自愿者对同一种食物的反应完全相反。445号自愿者在进食饼干之后，血糖一直保持稳定，但进食香蕉之后血糖突然升高；而644号自愿者恰恰相反，进食饼干血糖飙升，进食香蕉血糖平稳。这个有点儿极端的例子直观地说明，不同个体对食物的反应是不一样的。仅仅根据食物的GI是不足以预测食物对人体血糖影响。
显示了参与者的标准化膳食PPGR与参与者的血液参数，人体测量学，16S rRNA和宏基因组衍生丰度以及KEGG途径和模块的丰度之间发现的所有统计学上显着的关联（p <0.05，FDR校正）。黄色和蓝色分别表示显著的正面和负面关联。
机器算法组，“坏”饮食中的PPGR显着高于“良好”饮食中的PPGRs，预测成功率和专家系统相当。
我们观察到PPGR随着脂肪的增加而降低，而对于另一些参与者，仅基于膳食的碳水化合物含量，膳食脂肪含量并没有增加回归因子的解释能力
有趣的是，虽然膳食中的膳食纤维增加了预测的PPGR，但它们的长期影响是有益的，因为在餐前24小时中消耗的较高的纤维量降低了预测的PPGR 细胞分裂转运系统的KEGG模块（M00256）是无益的，并且在164个具有最高水平的参与者中，它与更高的PPGR相关联。 Parabacteroides distasonis的RA无益（图4F），并且该物种也被认为与肥胖有正相关 Bacteroides thetaiotaomicron是无益的（图S5B），它与肥胖有关，并被认为具有增加的能量收获能力 在Alistipes putredinis和Bacteroidetes门的情况下，我们的预测器分配给它们的非有益分类与之前发现它们与肥胖负相关的研究不一致，这可能反映了PDP分析的局限性，或者是这些特征，肥胖和PPGR之间更复杂的关系造成的。
--转载请注明: https://jiawen.zd200572.com/1227.html
