仁荷大学10日表示,近期发现了与韩国人代谢综合征相关的新型生物标志物。食品营养学系教授申多妍研究团队发布了以韩国人基因组流行病学调查项目(KoGES)2306名参与者为对象的大规模研究成果。学界认为,在使用2000人以上数据的大规模研究中呈现出这样的准确度,令人期待今后仅通过简单的血液检查即可诊断代谢综合征。
研究团队对血浆中135种代谢物和23种营养素进行综合分析,确认了与代谢综合征密切相关的11种代谢物和3种营养素。
其中,作为葡萄糖等单糖的己糖显示出最突出的关联性,并与实际血糖数值呈强相关关系。
此次研究还查明,“精氨酸生物合成”与“精氨酸-脯氨酸代谢”通路与代谢综合征关联最为明显。精氨酸生物合成是生成作为血管扩张物质一氧化氮(NO)原料的精氨酸的过程,精氨酸-脯氨酸代谢则是能量代谢也参与血糖调节的氨基酸代谢通路。这些代谢通路出现异常时,血管功能可能下降。
事实上,此前的临床研究也曾报告,代谢综合征患者因精氨酸不足导致一氧化氮生成减少,直接关联血管扩张障碍、高血压、葡萄糖耐量下降、肥胖等典型症状。此次研究以系统化、客观的数据印证了临床研究层面得出的结果。
研究团队还查明了仅在代谢综合征患者身上出现的6种特有代谢物-营养素相互作用。尤其在“异亮氨酸-脂肪”“脯氨酸-脂肪”“亮氨酸-脂肪”等组合中,代谢综合征患者表现出与正常人完全不同的反应。
这种差异与支链氨基酸(BCAA)亮氨酸、异亮氨酸、缬氨酸密切相关。BCAA是肌肉蛋白合成和能量代谢所必需的氨基酸。但在代谢综合征患者身上,氨基酸与脂肪摄入呈现异常强烈的关联性。这是显示代谢综合征患者独特代谢紊乱状态的重要证据。
研究团队还基于此次成果确认了基于机器学习的早期诊断可能性。利用血液中代谢物数据,对支持向量机、随机森林、深度学习等8种机器学习算法进行比较分析,结果显示随机梯度下降模型的AUC达0.84,预测性能较高。AUC是医疗与机器学习领域评估预测模型性能的代表性指标。
此次研究获得韩国研究财团优秀新进研究支持,由食品营养学系教授申多妍研究团队所属临床营养师课程研究生(硕士在读)金旼英与北达科他大学医学院生物信息学领域研究团队开展国际合作研究,刊登于营养学领域国际学术期刊《Nutrition Journal》最新一期。
仁荷大学食品营养学系教授申多妍表示:“此次研究是科学地查明代谢综合征患者独特代谢特征的有意义成果”,“将成为根据个人代谢物图谱开发限制BCAA的膳食、糖类摄入调控、含烟酸蛋白质摄入管理等定制化营养疗法的基础。”






