飲食與健康密不可分，科學合理的膳食攝入是維持健康狀態的關鍵因素之一。當前的膳食指南在群體水平上有很重要的參考意義，但無法在個體水平上提供更為精準的營養指導。此外，關于飲食中不同比例的脂肪與碳水化合物的攝入量對健康的作用一直是營養研究領域的熱點，但截至目前也尚未達成一致結論，造成研究結果不一致的原因，便可能是不同個體對營養攝入的個性化應答。如何描繪并解析不同個體對膳食的個性化應答，是精準營養領域當前面臨的一大挑戰。
2021年7月13日，西湖大學鄭鉅圣課題組在具有百年歷史的經典營養學雜志The Journal of Nutrition上發表了關于個性化營養干預的最新成果，該研究首次將單病例隨機對照試驗（N-of-1 trial）的設計應用于精準營養領域，重點在個體水平揭示了不同宏量營養素比例的飲食對不同個體所產生的個性化的餐后血糖反應，并通過貝葉斯后驗概率分析模型分別鑒別出對高碳水飲食敏感和對高脂肪飲食敏感的個體。該項研究開啟了營養干預的新模式，對指導個體對膳食模式的選擇具有重要意義，為將來的營養學精準干預提供了模板。。
西湖大學博士后馬越、付元慶、2019級博士生田韻儀為論文共同第一作者，西湖大學鄭鉅圣博士是本文的通訊作者。論文鏈接：https://academic.oup.com/jn/advance-article/doi/10.1093/jn/nxab227/6320060
近年來人們一直在爭論高脂肪、低碳水化合物（high fat，low carbohydrate diet，HF-LC）飲食或低脂肪、高碳水化合物飲食（low fat，high carbohydrate diet，LF-HC）哪一中模式更利于改善糖代謝以及預防心腦血管相關代謝疾病。然而目前尚不能得出一致性的結論，來自于觀察性研究的結果也往往與臨床試驗的結果相悖。造成這些不一致的原因，一方面有研究設計、研究人群和樣本量差異的因素，另一方面也可能是不同個體對營養素有個性化應答。那么，如何基于個人特征制定有針對性的營養建議？便引出了“個性化營養”或者“精準營養”的概念。與傳統假設中每個人都可以通過遵循相同的飲食指導進而一致性地獲益不同，精準營養側重對不同個體提供量身定制的膳食和生活方式干預和指導。
傳統的營養學干預主要基于隨機對照試驗來探索食物或營養素對健康狀態或疾病風險因子的影響，在對數據進行分析與解讀過程中，往往是對干預組和對照組進行組間比較，重點關注組間差異的統計學意義與臨床意義。值得注意的是，基于組間差異得到的結論，對于單一的個體而言，并不一定能提供最優參考。本研究所使用的單病例隨機對照試驗（N-of-1 trial）將對每一個個體的干預作為一個獨立的試驗，可結合隨機與盲法的設計，進行多輪次試驗期與對照期的交叉，同時配合可穿戴設備（如連續血糖監測、運動手環等），對機體代謝指標進行長時間、連續性地采集，從而獲得個體水平上的數據積累?；诖?，進一步運用貝葉斯后驗概率模型，對每個個體的結局指標進行獨立分析，探究各干預方案造成該個體某種特異定應答的概率，最終可以判定所測試的干預方案是否適合該個體。
西湖N-of-1營養干預研究（Westlake N-of-1 Trials for Macronutrient Intake，WE-MACNUTR）所使用的單病例隨機對照試驗，是N-of-1臨床試驗方法在營養學領域探索餐后血糖個性化應答的首次嘗試，為精準營養研究領域提供了方法學的創新與參考。鄭鉅圣團隊后續還將基于該試驗所產出的微生物組、代謝組、蛋白組等多組學大數據與人工智能算法結合進一步解析腸道菌群在機體對膳食營養產生的個性化應答中所扮演的角色，以及探究其背后的機理。本研究感謝國家自然科學基金、西湖教育基金會的支持。
日期：2021-07-29
2021年7月13日，西湖大學鄭鉅圣課題組在具有百年歷史的經典營養學雜志The Journal of Nutrition上發表了關于個性化營養干預的最新成果，該研究首次將單病例隨機對照試驗（N-of-1 trial）的設計應用于精準營養領域，重點在個體水平揭示了不同宏量營養素比例的飲食對不同個體所產生的個性化的餐后血糖反應，并通過貝葉斯后驗概率分析模型分別鑒別出對高碳水飲食敏感和對高脂肪飲食敏感的個體。該項研究開啟了營養干預的新模式，對指導個體對膳食模式的選擇具有重要意義，為將來的營養學精準干預提供了模板。。
西湖大學博士后馬越、付元慶、2019級博士生田韻儀為論文共同第一作者，西湖大學鄭鉅圣博士是本文的通訊作者。論文鏈接：https://academic.oup.com/jn/advance-article/doi/10.1093/jn/nxab227/6320060
近年來人們一直在爭論高脂肪、低碳水化合物（high fat，low carbohydrate diet，HF-LC）飲食或低脂肪、高碳水化合物飲食（low fat，high carbohydrate diet，LF-HC）哪一中模式更利于改善糖代謝以及預防心腦血管相關代謝疾病。然而目前尚不能得出一致性的結論，來自于觀察性研究的結果也往往與臨床試驗的結果相悖。造成這些不一致的原因，一方面有研究設計、研究人群和樣本量差異的因素，另一方面也可能是不同個體對營養素有個性化應答。那么，如何基于個人特征制定有針對性的營養建議？便引出了“個性化營養”或者“精準營養”的概念。與傳統假設中每個人都可以通過遵循相同的飲食指導進而一致性地獲益不同，精準營養側重對不同個體提供量身定制的膳食和生活方式干預和指導。
傳統的營養學干預主要基于隨機對照試驗來探索食物或營養素對健康狀態或疾病風險因子的影響，在對數據進行分析與解讀過程中，往往是對干預組和對照組進行組間比較，重點關注組間差異的統計學意義與臨床意義。值得注意的是，基于組間差異得到的結論，對于單一的個體而言，并不一定能提供最優參考。本研究所使用的單病例隨機對照試驗（N-of-1 trial）將對每一個個體的干預作為一個獨立的試驗，可結合隨機與盲法的設計，進行多輪次試驗期與對照期的交叉，同時配合可穿戴設備（如連續血糖監測、運動手環等），對機體代謝指標進行長時間、連續性地采集，從而獲得個體水平上的數據積累?；诖?，進一步運用貝葉斯后驗概率模型，對每個個體的結局指標進行獨立分析，探究各干預方案造成該個體某種特異定應答的概率，最終可以判定所測試的干預方案是否適合該個體。
西湖N-of-1營養干預研究（Westlake N-of-1 Trials for Macronutrient Intake，WE-MACNUTR）所使用的單病例隨機對照試驗，是N-of-1臨床試驗方法在營養學領域探索餐后血糖個性化應答的首次嘗試，為精準營養研究領域提供了方法學的創新與參考。鄭鉅圣團隊后續還將基于該試驗所產出的微生物組、代謝組、蛋白組等多組學大數據與人工智能算法結合進一步解析腸道菌群在機體對膳食營養產生的個性化應答中所扮演的角色，以及探究其背后的機理。本研究感謝國家自然科學基金、西湖教育基金會的支持。
日期：2021-07-29
