為什么有人減重明顯，有人容易反彈？華科大劉剛教授團(tuán)隊揭示預(yù)測因素

超重和肥胖已成為全球性公共衛(wèi)生挑戰(zhàn)。盡管膳食干預(yù)等體重管理手段日益完善，但是不同個體對同一干預(yù)措施的反應(yīng)存在顯著差異。例如，部分人減重效果顯著，而部分人減重困難。另外，干預(yù)后體重反彈也存在較大個體差異。因此，深入探索影響體重管理個體差異的關(guān)鍵因素，建立減重效果及體重反彈風(fēng)險的預(yù)測模型，對于實現(xiàn)精準(zhǔn)減重具有重要意義。

近期，國際權(quán)威期刊

Diabetes Care

Diabetes Care

截圖來源：Diabetes Care

研究團(tuán)隊前期開展了一項2×2析因設(shè)計的（LEAN-TIME），共納入96名超重或肥胖成人，實施為期12周的等能量膳食干預(yù)（提供一日三餐），并在干預(yù)后隨訪28周。研究發(fā)現(xiàn)，健康型低碳水化合物膳食和限時飲食干預(yù)這兩種膳食模式在能量限制25%的基礎(chǔ)上仍有額外的減重效果，并顯著影響腸道微生物的組成。在干預(yù)結(jié)束28周后，健康型低碳水化合物膳食降低體脂的效果仍然顯著（

Cell Reports Medicine

本研究在此基礎(chǔ)上，結(jié)合機(jī)器學(xué)習(xí)算法和表型、糞便代謝組等數(shù)據(jù)，構(gòu)建了減重效果和體重反彈的高性能預(yù)測模型，建立了個體化膳食減重策略。具體發(fā)現(xiàn)包括：

• 膳食干預(yù)后的效果存在顯著個體差異：減重期體重變化范圍為-10.2 kg至+1.6 kg；反彈期變化范圍達(dá)-2.0 kg至+14.2 kg。

• 基線腸道菌群、糞便代謝物、膳食因素、臨床代謝特征與個體減重效果及體重反彈密切相關(guān)。例如，受試者基線腸道微生物

  Parabacteroides merdae

  、糞便代謝物dimethylglycine的水平越高，膳食干預(yù)的減重效果越好；而基線糞便代謝物hyocholic acid、vanillic acid的水平越高，減重效果越差。另外，受試者基線腸道微生物

  Ruminococcus bicirculans

  的豐度越高，膳食干預(yù)后體重反彈越少。

• 與傳統(tǒng)預(yù)測模型相比，基于多組學(xué)數(shù)據(jù)構(gòu)建的減重和體重反彈預(yù)測模型的性能顯著提升。包括：1）更有效區(qū)分受試者可否實現(xiàn)具有臨床意義的減重（即體重降低≥初始體重的5%），其預(yù)測性能表現(xiàn)優(yōu)異，AUC從0.58提升到0.95，靈敏度為94.12%，特異度為86.79%。同時，該模型對減重期間體重、體脂量、瘦體重變化的連續(xù)值預(yù)測同樣具有較高準(zhǔn)確性。2）對體重、體脂量、瘦體重的反彈預(yù)測能力顯著提升，R2分別達(dá)到0.72、0.73和0.66。

▲針對體重、體脂率（BFM）和骨骼肌量（SLM）的減重干預(yù)效果的預(yù)測模型構(gòu)建。A、E和H為瀑布圖，柱狀圖中每個柱子代表1名參與者；B、F和I：火山圖，描繪個體基線特征與各指標(biāo)變化的關(guān)聯(lián)；D：ROC曲線，評估模型的減重預(yù)測性能；C、G和J：累積擬合圖，顯示隨著預(yù)測因子的依次添加，各指標(biāo)的估計變化。（圖片來源：參考資料[1]）

• 部分腸道菌群、糞便代謝物在減重和體重反彈的預(yù)測模型中為穩(wěn)定的預(yù)測因子。例如

  Ruminococcus callidus

  Bifidobacterium adolescentis

  、N-乙酰-L-天冬氨酸。

▲減重和體重反彈的共同預(yù)測因子的網(wǎng)絡(luò)圖（圖片來源：參考資料[1]）

上述研究表明，腸道菌群、糞便代謝物在預(yù)測個體減重效果和體重反彈風(fēng)險方面具有重要應(yīng)用潛力。研究成果為肥胖人群的精準(zhǔn)減重干預(yù)提供了新思路。

華中科技大學(xué)公共衛(wèi)生學(xué)院博士研究生李琳為第一作者，劉剛教授為唯一通訊作者。研究得到中國國家重點(diǎn)研發(fā)計劃項目、國家自然科學(xué)基金等資助。

題圖來源：123RF

參考資料

[1] Lin Li, Ruyi Li, Zixin Qiu, Kai Zhu, Rui Li, Shiyu Zhao, Jiajing Che, Tianyu Guo, Kun Xu, Tingting Geng, Yunfei Liao, An Pan, Gang Liu; Prediction of Weight Loss and Regain Based on Multiomic and Phenotypic Features: Results From a Calorie-Restricted Feeding Trial. Diabetes Care 2 January 2026; 49 (1): 68–77. https://doi.org/10.2337/dc25-0728

[2] Danielle E. Haslam, Frank B. Hu; Multiomics to Predict Individual Responses to Weight Loss Interventions: A Promising Strategy to Enable Precision Nutrition. Diabetes Care 2 January 2026; 49 (1): 63–65. https://doi.org/10.2337/dci25-0075

免責(zé)聲明：本文僅作信息交流之目的，文中觀點(diǎn)不代表藥明康德立場，亦不代表藥明康德支持或反對文中觀點(diǎn)。本文也不是治療方案推薦。如需獲得治療方案指導(dǎo)，請前往正規(guī)醫(yī)院就診。

版權(quán)說明：歡迎個人轉(zhuǎn)發(fā)至朋友圈，謝絕媒體或機(jī)構(gòu)未經(jīng)授權(quán)以任何形式轉(zhuǎn)載至其他平臺。轉(zhuǎn)載授權(quán)請在「醫(yī)學(xué)新視點(diǎn)」微信公眾號留言聯(lián)系。