National Science Review: 基于静态和动态稳态特征的二维健康状况图谱来定义代谢健康

关注

原创最新推荐文章于 2026-11-10 20:24:06 发布 1k 阅读 AI 写同款· GEO 优化 ›

地图打印与 GeoTIFF 导出：框选区域、矢量标绘、一键出图空间智能实验室 Vol.19：地图打印与 GeoTIFF 导出：框选区域、矢量标绘、一键出图「把这块区域导成一张带地理坐标的高清图」是个很朴素的需求，但朴素不等于简单。你要在浏览器里框一个框、画几个箭头标个文字、叠一层阅读详情

摘要

定义代谢健康对于早期逆转代谢功能障碍和疾病至关重要，基于禁食的诊断可能无法充分评估个体在应激下的代谢适应性。研究者构建了一个新的健康状况图谱（Health State Map, HSM），包括仅使用空腹特征的健康表型评分（Health Phenotype Score，HPS）和仅使用标准化混合宏观营养素耐受性测试（MMTT）后5个时间点特征的稳态弹性评分（Homeostatic Resilience Score，HRS）。在111名中国成年人中，使用与HSM相同的空腹和MMTT后数据集的混合评分与HPS高度相关。HRS与代谢综合征的发生率显著相关，独立于HPS和混合评分。此外，HRS能够区分HPS和混合评分无法区分的代谢特征。参与者中HRS越高，其代谢特征越好。在整体HRS相似的情况下，评估餐后对葡萄糖、脂质和氨基酸的体内稳态响应也存在很大的个体间差异。此外，HRS与体力活动水平和特定肠道微生物组结构呈正相关。总的来说，HSM模型可能提供了一种新的方法来精确定义个体的代谢健康和营养能力。

代谢健康不仅仅意味着没有疾病，它是一种全面的健康状态。由于缺乏具体的量化标准或手段，个体的代谢健康状况通常由临床疾病诊断来定义。然而，这种方法的缺点在于，它几乎完全基于空腹时的临床生物标志物，而现实生活中的人们大多数时间处于餐后状态。先前的研究表明，餐后生物标志物，如血糖和三酰甘油（TAG）水平，即使在正常空腹范围内，也是心血管疾病（CVD）和2型糖尿病（T2D）的独立风险因素。因此，迫切需要创新的概念和策略来重新定义代谢健康，以发现增加的代谢风险的早期轨迹，并提供更有针对性的营养干预。

参与者的基线特征在HSM组和两个参考组中进行了比较。与相似年龄的正常体重参与者相比，超重/肥胖参与者通常表现出更低的体力活动水平和更差的心血管代谢特征。两个参考组的基线特征也根据年龄、BMI和主要临床特征进行了展示。如预期，最佳健康组的参与者比亚最佳健康组的参与者在收缩压、空腹血糖、糖化血红蛋白和TAG水平上显著降低。

这是第一项显示HSM，一个二维模型，与混合评分系统相比，即使使用相同的特征集，也能为定义代谢健康提供更多信息的研究，尤其是在111名20-70岁的中国个体中。HRS能够区分HPS或混合评分无法区分的参与者的代谢特征，并揭示了在相同整体稳态弹性评分下，对葡萄糖、脂质和氨基酸的不同响应。HPS和HRS可能受到体力活动和特定肠道微生物组结构的影响。因此，我们的新型HSM可能提供了一种更全面、更早、更敏感的替代方法来定义代谢健康和营养能力，这对未来临床应用是有用的。

总体而言，这项概念验证研究的结果突出了HSM，特别是HRS，可能增强当前的诊断能力，以检测代谢功能障碍和受损个体对饮食挑战的适应性。虽然有待未来的更多验证和改进，但这种二维HSM可能提供了一种新的、非基于疾病的框架，用于精确定义代谢健康和营养功能，以便早期和针对性的疾病干预。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述