美国营养学会 2019 现场快讯报道(一)丨《当营养遇上大数据:机遇还是挑战?》

文 / 中国临床营养网
2019-06-12 20:29

中国临床营养网(lcyycc)

当营养遇上大数据:机遇还是挑战?

文章整理:营养青年会

已授权《中国临床营养网》转载

北美时间2019年6月8日,美国营养学会(American Society for Nutrition, 简称ASN)2019 年会在美国巴尔的摩正式召开。营养青年会 (ICNYSN) 组建了现场报道小组,将在未来几天为大家传送回最热的第一手资讯。大会首日先为大家带回三大主题演讲,分别关于肠道微生物、大数据和营养不良。

大数据是2019年最热话题之一,而大数据与营养学研究也有着密不可分的关系。然而,当大数据带来新的研究工具与便利性的同时,也存在着许多质疑与争议。那么当营养遇上大数据,究竟是机遇还是挑战,还是二者兼而有之?让我们在今天的话题中共同思考答案吧。

The American Society for Nutrition (ASN) Annual Conference began yesterday on June 8th 2019 in Baltimore Maryland, and the International Chinese Nutrition Young Scholar Network (ICNYSN) is here on the ground-floor, providing daily updates on the most interesting and ground-breaking research from the conference. Today we'll be reporting on the three most prominent topics discussed at the conference of the first day, including the ASN's President Opening Ceremony Symposium "You Are What Your Microbes Eat", "Big Data and Innovative Trail Design for Global Nutrition Research", and "Nutrients, Foods, Diets: Promoting Healthy Eating".

One of the most widely discussed topics of the day was Big Data analysis and its increased utilization in nutritional research. Though there have been several technological innovations in Big Data analyses, increasing its popular in nutritional research, Big Data analyses still possess many limitations and controversies surrounding its utilization. Therefore, the question is, do Big Data analyses advance or hinder future nutritional research? Or is it both a blessing and a curse? Take a look and see what the current experts have to say.

主题 1

Opening Session and Presidential Symposium: You Are What Your Microbes Eat

大会开幕式暨主席研讨会:肠菌所食,汝亦如斯

-- 山无棱,天地合,才敢与”菌“绝!

Topic 话题 1

Effects of Diet and Migration on the Human Microbiome

饮食与移民行为对于肠道菌群的影响

Speaker 演讲者:Dan Knight 博士

Background 背景 >>>

肠道菌群与代谢性疾病紧密相关,尤其是在工业化国家。已有研究表明,肠道微生物多样性在发展中国家要显著高于美国。在美国,许多移民在移居美国后逐渐出现代谢性疾病,其原因仍不明确,而对移民行为对肠道微生物的影响的定量研究仍是空白。

Highlights 摘要 >>>

1. 研究者通过对美国本土居民、来美生活的一代移民、二代移民的饮食习惯和肠道菌群进行分析表明移民后的菌群结构与美国本土居民更相似。

  • 550名样本分别是来自泰国、老挝、泰国裔及老挝裔美国人。

  • 一代移民在定居美国6个月后,肠道菌群的多样性显著减少,同时他们体内分解特定碳水化合物的酶的表达也显著减少。

  • 二代移民在饮食习惯在与其祖辈并无区别的情况下,肠道菌群组成与普通美国人并无显著区别。

2. 饮食分析是一个十分复杂及繁杂的过程。

  • 饮食中的大多数成分是 “暗物质”,人们对大多数主要营养素以外的食物营养素或是化学成分的作用知之甚少。

  • 与人类不同,肠道菌群代谢酶的种类和数量远远超出宿主(人类),它们对这类 “暗物质” 的响应十分敏感。换句话说,关系肠道菌群代谢的物质,除了人类感兴趣的营养素外,还有非常多,且它们的种类远多于营养素。

  • 结合计算机,研究人员将含有相同或相近营养素或是化学成分的食物归类来进行研究后发现饮食与肠道菌群的联系是高度个性化的。

Summary 总结 >>>

研究表明虽然移民在移居美国后保持相似的饮食习惯,其肠道菌群结构仍迅速西化。肠道菌群与酶相互作用如同一个生态系统,牵一发而动全身,并非单一营养素只对应改变某单一或个别肠道细菌。同时肠道微生物能够利用除营养素标签之外的更多成分,而我们对其还知之甚少。Knight 博士提议在未来的研究中,通过结合大样本量的饮食研究与计算营养(computational nutrition)来探究肠道菌群与饮食的关系以及做更多相关的研究,同时也呼吁数据科学家、微生物科学家和营养科学家之间更加紧密的合作。

Topic 话题 2

Eating for Two Trillion: Pros and Cons of Diet-induced Shifts in the Gut microbiome

给两万亿细菌喂食:饮食结构变化引发的肠道菌群转变,是好是坏?

Speaker 演讲者:Peter James Turnbaugh 博士

早在1909年, Dr. Arthur Kendall 对饮食对肠道菌群的影响就有研究,并且提出肠道菌群的组成有很大部分取决于饮食,而菌群与饮食之间的关系却遭忽略。哺乳动物肠道菌群进化模型、无菌小鼠动物模型和人群临床试验均已经证明宿主的肠道菌群结构主要取决于宿主的饮食组成。同时给无菌小鼠接种肥胖小鼠肠道菌群后引起的肥胖,证明了肠道菌群在肥胖发生发展中的关键作用。生酮饮食,作为一种特殊的饮食方式,其脂肪含量远远高于传统的西方膳食,而其与肠道菌群之间的关系仍有许多未知。

  • 研究者通过在肥胖个体中进行饮食干预实验探究生酮饮食与菌群的关系。

  • 实验分为4周基线饮食(35%脂肪,50%碳水化合物和15%蛋白质)和4周生酮饮食(80%脂肪,5%碳水化合物和15%蛋白质)两个阶段。分别收集每个阶段末期的粪便样品进行菌群分析。结果显示生酮饮食改变了肠道菌群组成,主要是造成了双歧杆菌(Bifidobacteria)的减少。

  • 前人的研究已经表明双歧杆菌,作为一种重要的益生菌,其减少能够导致Th17 细胞的减少,从而影响免疫功能。另外,饮食诱导的脂肪组织中Th17细胞变化也证明其可能与代谢综合征相关。

  • 生酮饮食对菌群的改变有别于高脂饮食所带来的菌群变化。

  • 生酮饮食对肠粘膜与胆汁酸合成量与高脂饮食相比,并无差异。这表明酮体本身可能是造成菌群改变的重要因素。

  • 口服酮酯即能够引起肠道菌群的改变,这很有可能是由于直接的抗菌效果。

  • 近来的研究结果表明,肠道局部也能合成酮体,从而影响菌群结构。隔夜禁食引起的生酮作用即能够引起双歧杆菌的减少。

Summary 总结 >>>

研究发现,生酮饮食能够改变人类和小鼠肠道菌群;这种改变与高脂饮食对菌群的改变不同,表明了酮体本身即可对肠道菌群结构产生影响。酮体能够引起主要的益生菌种类双歧杆菌的减少,从而影响免疫功能。因此,饮食的改变对肠道菌群所带来的影响,也需要纳入评估范围。

主题 2

Big Data and Innovative Trial Design for Global Nutrition Research--大数据就是原力?May the FORCE be with you!

Topic 话题

"Heterogeneity" in "dirty data": a blessing in disguise for accelerating translational medicine

转化医学中数据的异质性:水至清则无鱼。

现今的生物医学研究存在一个普遍的误区:研究者在设计研究的时候尽可能地控制研究变量,如在临床上减少样本之间的异质性(heterogeneity)、减少变量的异质性、且在数据内部进行数据统一性的确认,以保证数据看起来“干净整洁”。这会带来什么问题呢?

演讲者指出,这种传统的研究方法会有如下局限:

  • 这类研究将无法采集样本之间的重要差异,而这些差异本身就可能是生物学研究非常重要的因素

  • 因为上面这个原因,此类研究的可推广性将会存在很大的局限

演讲者同时给出了一种新的方案:拥抱这些异质性吧!存在高度异质性的大数据得出的结论将会更加可推广,一些出乎意外的结果的可信度也会更高。基于这种方法,我们也可以更好地预测一些疾病的发生。那么怎么实现呢?答案是使用机器学习的方法,基于多来源的公共数据分析,从而让数据存在更多临床特征的异质性、变量的异质性等。但是把不同来源的数据整合使用难度可不小。具体思路,讲者提供了他们团队的文献:Sweeney et al. Nucleic Acids Res 2016, 并提供了资源用大家参考使用:https://khatrilab.stanford.edu/tools/

Summary 总结 >>>

异质性(heterogeneity)是事物的两面性在研究中的重要体现。虽然控制变量是科学研究的重要方法,但是我们不得不认识到这种方法的局限性,过多的排斥这些“肮脏的数据”,可能反而会让我们偏离现实。基于大数据和其研究方法,我们可以更好拥抱异质性,让它为我们所用。

主题 3

Nutrients, Foods, Diets, People: Promoting Healthy Eating

--作为世界公民,“营养人权”该如何促进?

Topic 话题

Break Through Malnutrition: What are the Keys?

营养不良的破局之道

Speaker 演讲者:Jessica Fanzo 教授, Adam Drewnowski 博士, Jeffrey B. Blumberg 博士, Greg Miller 博士

联合国将2016年至2025年定为“联合国营养问题行动十年”,其战略目标之一是减少各种形式的营养不良,而推广健康饮食在其中扮演着至关重要的角色。话题首先介绍了最新的健康饮食概念,接下来的三个演讲围绕推广健康饮食的痛点与破局办法展开了讨论,重点强调政策的作用以及项目的确切应用和实行。

  • 营养不良是广泛且沉重的话题。随着全球气候变暖,农作物的产量、质量乃至食品的安全性均随之发生波动,而这一切都与营养不良息息相关。

  • 《EAT柳叶刀》委员会发布了一个期刊,题为《实现蔬果为主的健康饮食(Achieving Planetary Health Diet)》,以推广新的健康饮食。

  • 全球的肥胖问题主要是由高摄入的精致谷物,添加糖和脂肪所导致,但是很少有关于摄食量的数据能被参考。这是因为我们很难获得贫穷国家的食品供应,购买以及膳食摄入的相关信息。

  • 《柳叶刀》期刊报道:食品建模(food-level modeling)应该专注于整体饮食结构,而非专门去减少某一营养素的摄入。

  • 食物的热量密度,营养密度也和食品成本息息相关。通常,低成本食物的卡路里密度比高成本的食物高,但营养含量却偏低;营养丰富的食物消费成本高于营养含量低的食物。

  • 食品的营养商标会影响消费者的购买行为。研究发现,营养商标所反映的营养价值越高,消费者的购买意愿更强。很多食品公司都将包装的正面标签(front-of-pack)应用于产品分析(product profiling)。

  • 全球食品系统很复杂,在营养可持续性方面的四个主要领域为:健康、环境、经济和社会。

  • 营养充足和健康是可持续饮食系统(sustainable food system)的基本要求,而整个系统是被多个因素共同影响的。在环境因素中,生物多样性、水资源和陆地资源的使用以及温室气体的排放都是需要被列入考虑的。经济因素(包括对百姓的生计,食物的可购性和可及性)经常被忽略。另外,农业生产力是否能够跟上需求,对特定的膳食建议在一定地区的实行有至关重要的作用。

  • 对饮食行业的可持续性发展需要更加系统地研究,评估不同的可持续性领域和多样的膳食系统。

Summary 总结 >>>

营养不良一直是一项全球关注的焦点问题,而这一问题绝对不是仅仅因为“吃”这一单一因素所导致的。正如分析饮食结构不能仅分析单一营养素,而要从整体饮食结构角度出发一样,要解决营养不良的问题,还需要考虑政策因素、环境因素、经济因素以及社会因素。只有从多方面、系统性的角度看待整个问题,整合多个相关因素,才能发现不同情况下营养不良的破局之道。

ASN NUTRITION 2019 年会系列跟踪报道 >>>

ASN2019现场报道小组

ASN2019 Field Report Team

Draft |Jie Huang/ Shumao Ye/ Naiwen Ji/

Chen Du/ Christian Wright

Edit |Zhengqi Chen/ Ying Zhu/

Shumao Ye/ Yuanying Lou