在控制血糖这件事上，人类的努力从未停歇。

我们知道少糖、少油、少精制碳水有助于代谢健康，但即使吃同样的饭，有人血糖平稳，有人却剧烈上升。这种个体差异背后，是否藏着一个被忽视的变量——肠道菌群？

以色列魏茨曼科学研究所的 Eran Segal 团队 在 Gut 期刊发表的研究给出了令人信服的答案。他们在一项 6 个月的随机对照临床试验（NCT03222791） 中，对 200 名前驱糖尿病成年人进行了对比：

一组遵循经典的地中海饮食（MED），另一组则执行一种算法驱动的 “个性化餐后血糖反应靶向饮食（PPT diet）”——算法会根据每个人的体征、血糖监测与肠道菌群特征，预测每种食物可能引发的血糖反应，再实时调整餐单。

研究团队想回答一个关键问题：

当饮食方案精确到个体时，肠道微生物会不会成为决定疗效的关键？

图1｜个性化饮食（PPT diet）与地中海饮食（MED)的研究设计及饮食变化

包括营养素摄入、食物类别变化及 PPT 依从度评分（p < 0.001 显著提升)。

6 个月后，PPT 组的饮食变化远比 MED 组剧烈。算法推荐让他们显著减少碳水化合物摄入（约 −17%），增加优质脂肪（尤其是单不饱和与多不饱和脂肪酸），而地中海组则略微增加了全谷和膳食纤维。更有趣的是，PPT 组的饮食呈现高度个性化——几乎没有两个人的餐单完全相同。这种个体差异，正是研究想捕捉的真实世界特征。

当研究者分析粪便样本时，他们发现：

PPT 组的肠道菌群多样性和丰富度显著提升（p = 0.007 和 p = 0.00017），而地中海饮食组则无明显变化。

这意味着，算法定制的饮食方案，不仅调节了血糖，还重塑了肠道生态。

图2｜PPT 饮食显著提升肠道菌群多样性并改变特定菌种丰度

在 200 名受试者中，研究者鉴定出 PPT 组有 69 种菌的丰度发生显著改变，而 MED 组只有 33 种。部分菌种与特定食物呈明显对应关系。例如，Bifidobacterium adolescentis 在 MED 组上升，与膳食纤维摄入增加一致；而 Flavonifractor plautii 则只在 PPT 组上升，这种菌可分解可可与坚果中丰富的多酚类化合物儿茶素，被推测与抗炎代谢改善有关。

当研究者进一步将菌群变化与血糖、血脂、体重等临床指标匹配时，发现 22 种菌与代谢改善显著相关。

例如，Alistipes onderdonkii 的增加与 PPT 依从度正相关、与甘油三酯和 BMI 下降负相关；这意味着，某些菌的增多可能直接参与了代谢改善的因果链。

图3｜特定菌种在饮食变化与临床改善间发挥“中介作用”

团队利用因果中介分析揭示：

有 9 种菌在饮食调整与临床改善之间起“桥梁”作用。

其中三种（分别隶属于 Bacteroidales、Lachnospiraceae 与 Oscillospirales）解释了 PPT 饮食依从度与 HbA1c、HDL-C 及 甘油三酯改善之间的关系。

举例而言，Negativibacillus sp000435195 的增加可解释 13% 的 HDL-C 上升效应；另一种 Bacteroidales 成员则解释 38% 的 HbA1c 下降。

换句话说，算法定制的饮食并非直接改变血糖，而是通过改变肠道菌群再间接作用于代谢系统。

图4｜机器学习预测个体代谢反应，揭示饮食与微生物的共同作用

最后，研究者进一步使用机器学习模型（LightGBM）整合饮食变化与基线数据，预测 BMI、血脂、血糖等改善幅度。结果显示，同时输入个人特征与饮食变量的模型预测准确度最高。

在所有影响体重变化的特征中，最重要的不是“吃少了多少”，而是——精制谷物减少了多少。

此外，一种来自 Lachnospiraceae 家族的菌株（KLE1615 Unknown）在基线水平越高者，实际能量代谢改善幅度越大。这种菌此前在另一项大样本研究中也被发现与坚果摄入、体脂下降和 HDL 升高有关。

这项研究揭示了一个新格局：

饮食 → 肠道菌 → 代谢结果 的链条，并非一条单行线，而是一个反馈系统。算法个性化让饮食更加精准，而肠道菌群则在其中“放大”或“削弱”效果。

这意味着未来的饮食指导，可能不再依赖宏观的“低脂”“高纤维”等原则，而是基于个体微生态特征——真正的精准营养。

正如论文结语所言：“肠道微生物不仅响应饮食，也重塑饮食的意义。”

或许不久的将来，我们的健康餐单，将不再由营养师单独制定，而是由算法与体内的数万亿微生物共同决定。

参考文献

Ben-Yacov O, Godneva A, Rein M, et al.

Gut microbiome modulates the effects of a personalised postprandial-targeting (PPT) diet on cardiometabolic markers: a diet intervention in pre-diabetes.

Gut. 2023;72:1486–1496. doi:10.1136/gutjnl-2022-329201

来源: 合康谱精准医学科普基地