特别推荐：近期你应该更新的15000字肥胖知识
编者按：
肥胖已经成为现代人健康的头号公敌之一，然而摄入的不同宏量营养素（即碳水化合物、蛋白质和脂肪）对肥胖代谢的具体影响一直存在着争论。研究发现营养素的摄入与肥胖的相互影响涉及到食欲、产热和新陈代谢等机制，而这些机制还受到个体的基因型和微生物组差异的影响。
那么，宏量营养素与肥胖代谢之间究竟存在着怎样复杂的关系呢？今天，我们特别对近期发表在 Nature Reviews 杂志上关于三大宏量营养素对精准营养的意义的文章进行了全文翻译。希望该文能够为各位读者带来一些帮助。
不过请允许我们先插播一个非常值得关注的直播通知：
及时获得肠道领域的研究进展，你可以按以下方法申请加入我们的微信群哦：
下面是今天文章的主体内容：
肥胖的原因
肥胖的患病率正在逐渐增加，且与代谢紊乱发生率的上升呈正相关1。肥胖被定义为由于能量储备的非正常积累而造成的超重2。脂肪组织的增多主要是由于摄入较高卡路里和/或能量消耗减少而造成的持续性能量失衡2。
机体脂肪长期过多，会打破能量平衡，同时也会导致血糖、血脂和蛋白质代谢出现紊乱，引发慢性低度炎症和心血管疾病4，还会造成心理压力、自卑和其他多种生理病理障碍5。
当今的全球化导致了社会文化的巨大转变，同时也改变了我们的饮食和生活方式6，比如我们摄入了更多的高能量食物，如方便食品、精加工食品和快餐等7,8。此外，城市化进程导致了久坐的生活习惯，而这种生活习惯会造成能量消耗的减少9,10。
但是，一些研究人员表示，体育活动的减少并不是肥胖盛行的唯一原因。例如，很多人在体育活动上消耗的能量相同，但是一些人肥胖，一些人精瘦。这些发现表明除了要关注运动带来的能量消耗，还需要重视食物摄入和食物组成。
锻炼以及其与饮食的共同作用维持了能量平衡，这对肥胖和维持体重的重要性不言而喻12。比如，针对特定个体的食物摄入量应该参考他们的能量消耗，因此，如果体力活动增加了，相应地也要增加能量摄入。
饮食和体力活动对能量平衡和体重管理的影响是相互联系的，因此，能量通量，也就是食物中的能量用于代谢或组织储存的速率12，会改变机体的动态能量平衡13。基于此，体力活动的种类和强度的差异可以调节能量代谢机制，不只是通过被动的能量平衡，还可以通过改变机体对底物的利用情况14或是改变能量摄入的信号传导来实现15。
考虑到这些数据，一些学者（不是全部）猜测，相比于摄入大量的加工食品，久坐可能会增加个体发展成肥胖的机率16。
此外，虽然肥胖个体可以通过不同的方式达到和纤瘦的人同样程度的能量消耗（同样的能量消耗，他们需要的锻炼更少），但他们仍然很胖11。事实上，这种通过锻炼实现的能量消耗，并不足以调动脂肪组织并实现减重。
久坐的生活方式，加上不健康的饮食习惯，已经被认为是超重和肥胖最重要的成因之一17,18。较低社会经济地位的人们会摄入更多便宜的食物，这些食物中往往富含脂肪和常见的碳水化合物19，所以这些不健康的饮食习惯给低经济收入人群带来的不利影响更加显著。因此，在当今流行的“食品体系”中，找到能够减少肥胖及相关并发症的饮食方案很重要19。
这些解决方案包括推行健康的饮食习惯：采取富含全谷物、豆类、坚果、蔬果、不饱和脂肪酸的的饮食，减少精制谷物、含糖食品、加工肉类及饱和脂肪酸的摄入19。目前，许多政府正在采取立法措施来帮助人们获取更健康的食品产品20,21，并且正在利用税收来阻止单糖、饱和脂肪酸和反式脂肪酸的摄入21。
当前，预防和阻止不健康增重的措施主要依赖于饮食能量的限制，而且往往配合特定的锻炼计划22。但是，饮食摄入和锻炼之间的互作需要更为深入的研究，以理解它们彼此之间的影响对体重管理的重要性23。在此背景下，与消费主义、唯物主义和享乐主义相关的社会文化因素似乎是全球肥胖盛行的重要决定性因素（也就是，“根本原因中的根本原因”）7。
此外，流行病学研究表明，除了热量，饮食和宏量营养素的质量对于控制肥胖也很重要24。
除了饮食，个体的肥胖倾向也与其他因素有关，包括基因型、表观遗传、微生物组、围产期喂养、睡眠缺乏、内分泌失调、治疗的副作用、环境和肥胖驱动的临床病史等25。
另外，肥胖或心血管疾病进程存在个体差异，这可能是由基因型、肠道菌群组成和饮食习惯的差异造成的。比如，一些肥胖的人可能被描述为“代谢健康的肥胖”，而一些纤瘦的人可能是“代谢不健康”的25。这些发现为个体化营养建议和营养干预的进一步研究指明了道路26。
本综述中，我们总结了宏量营养素（碳水化合物、脂肪和蛋白）代谢的过程，主要关注了生理学和神经内分泌学两个方面。我们在讨论基因型和肠道菌群组成等影响因素的同时，也进一步讨论了宏量营养素与肥胖之间的联系。
图 1. 体重管理的关键代谢机制：食物摄入诱发一系列信号的产生，包括肠道激素、多肽、代谢物和食物中的营养素，这会影响大脑中不同的机制在体内激活过程，比如食欲控制、产热和其他重要功能如呼吸或维持代谢等，这些过程会利用营养素和食物摄入诱导发酵来合成产生代谢物，如短链脂肪酸（SCFAs）。
体重与宏量营养素
控制能量代谢与体重调节的生理学通路，一直是被广泛研究和讨论的主题（图1）。研究人员提出了许多理论，来描述宏量营养素或宏量营养素衍生物（包括葡萄糖、氨基酸和脂肪酸）对体重调节的影响。这些理论揭示了在食物摄入和肥胖发生过程中的一些调控因子27。
其中一个理论是葡萄糖恒定理论28，该理论认为饥饿感和饱腹感的调节有赖于特定大脑区域对葡萄糖的可获性和利用率。这一理念是短期食欲调节的基础。相反地，长期的能量平衡和体重控制，则会涉及到恒脂机制28。
其中，碳水化合物的整体质量是由它们的固液状态、加工程度、纤维含量和血糖生成指数来定义的，与甜味感知、血糖反应和饥饿抑制高度相关。所有的这些特性都会影响营养的随机对照实验29和流行病学研究30~33中肥胖及心血管疾病患病风险的结果。
另一些营养学研究表明，饮食中的一些特定脂肪酸和氨基酸可能在能量平衡中起到作用34~36。
体内的能量平衡涉及一个完整而复杂的肠道-神经内分泌网络，该网络减少了短期的能量平衡变化对于脂肪量的影响。
考虑到这一点，有一个研究小组强调了血浆中葡萄糖动力学的重要性，包括葡萄糖水平的升降会调节饥饿感40。一项分析了长期体重调节的研究支持了这一理论，他们发现了正常的血糖控制、体重增加和能量限制后体重反弹之间的关系41。
然而，这样理论仍然存在争议，因为其他研究者提出了不同的模型来阐述能量平衡和体重调节。比如，有人已经探索了血浆中的氨基酸（与能够通过促进饱腹感和增加饮食诱导产热来降低食欲的激素相关）在饥饿感和饱腹感调节中的作用36。
其他研究则聚焦于脂肪组织囤积在体重调节中的作用42。瘦素的发现支持了这一理论，瘦素为脂肪组织与调控饱腹感的下丘脑之间的交流提供了一种内分泌机制43。
此外，据推测，体重和身体的组成是由相互联系的的稳态通路调控的44，这些通路涉及到由中枢和周围神经系统调节的能量摄入，肌肉、肝脏和脂肪储备中的营养素转化和产能44。其中，到达脑干的相关输入信号，还有内分泌和神经传出信号，都被用来维持能量平衡以实现对机体组分的生理学控制（图1）。
除了此类行为学模型之外45，关于体重调节的一些新观点也革新了“fat-stat”理论，有观点提出，人们会积累一定量的脂肪，并摄入足够维持脂肪水平的食物，而这个脂肪水平取决于一个假想的“设定点”机制46。
由于涉及到社会、环境和其他享乐主义等造成的饮食习惯，上述理论中关于能量摄入和消耗的反馈控制仍然存在争议47。现在，高度加工的美味食物越来越多48（含有较高的能量密度），人们的遗传因素和后天选择影响了机体对味道的反应、食物的偏好以及大脑的奖赏回路50，这进一步导致了促进摄食过量49和机体能量平衡的食物奖赏信号的调节失常。
同样地，食物中的糖分和脂肪在奖赏通路中也有着重要的作用51。然而，要说明特定糖的组成和来源造成的影响，还需要更多的研究52~54。此外，特定脂肪酸可以作为内源性大麻素的前体及相关的结构衍生物，并通过神经内分泌的传导帮助调节饮食行为55，而蛋白质会参与涉及食物摄入和利用的饱腹感和能量的产生过程36,56。
另一个缺乏研究的方向是能量稳态的的时间生物学57。饮食来源的脂肪和碳水化合物会与生物钟互作。特定的脂肪酸和葡萄糖可以影响行为和分子机制的昼夜节律，从而通过改变能量状态感受器影响中枢神经系统、非中枢神经系统和周围的器官58。
这种假设与葡萄糖恒定理论具有一致性。摄入大量简单的碳水化合物和饱和脂肪酸会破坏负责监控大脑外围区中糖和脂肪贮存的区域的分子的可塑性和神经形成，从而导致肥胖59,60。
日常饮食模式和能量利用会影响新陈代谢中的昼夜节律波动，也会影响内分泌系统（瘦素、胰岛素或饥饿激素的分泌）与睡眠模式之间的昼夜节律一致性58。类似地，睡眠的变化（比如睡眠不足）会通过不同宏量营养素的相关机制改变内分泌的生理节律，继而影响对饱腹感和/或饥饿感的感知，甚至会涉及与自身幸福感相关的多巴胺和其他神经递质等61。
另外，在某些情况下，新陈代谢的弹性范围，也就是机体在骨骼肌和脂肪组织中的葡萄糖和脂肪酸之间转换选择燃料的能力，似乎也会造成脂肪累积62。
此外，人们发现，体育活动对提高肥胖人群的代谢弹性具有重要的作用。研究人员报道说，饮食中的脂肪增加之后，肥胖个体的肌肉中脂肪酸的氧化增强，这一现象在锻炼开始之前并未出现63。
而且胆汁酸信号传递和肠道菌群的组成可能也在体重管理中发挥作用64，和回肠制动一样，会通过消耗饮食中的脂肪、碳水化合物和蛋白质来影响代谢平衡和食欲控制65。
肠道中的多肽和迷走传入神经元的信号传导，同样也与调节葡萄糖代谢和饮食摄入有所关联66。依据食物（也就是能量）的丰富性和稀缺性，营养感应路径和线粒体的活性受宏量营养素和相关衍生物（包括糖、脂肪和氨基酸）影响，这种影响主要通过参与合成贮存或分解利用过程的荷尔蒙信号而各有不同67。
有趣的是，了解“个人”特征，比如基因型和肠道微生物的组成，可以帮助我们了解由饮食来源的宏量营养素造成的体重增加在个体间的差异。
在肥胖流行病中，膳食中脂肪和碳水化合物的精确作用仍有争议，目前的数据结果并不一致。这是因为已有试验缺乏特殊设计68，以及宏量营养素供应69或纳入的志愿者中存在肥胖遗传倾向70会造成补偿性相互作用。
干预研究难以明确阐明脂肪或碳水化合物的摄入对体重管理影响的差别。一些研究表明，饮食中脂肪含量的减少会促进适度的体重减轻71，另一些研究则表明低碳水化合物的饮食对于减轻体重更为有效，同时还对血糖和血脂有特定的益处72。
但是，有研究表明不同宏量营养素来源的能量对能量管理和体重管理的作用并不相同，而且脂肪、碳水化合物和蛋白质之间的相互作用增加了解释单一能量来源的作用的难度72~74。
无论如何，越来越多的证据表明，相比于饮食中各种营养素的数量，饮食中脂肪的质量（天然不饱和脂肪优于反式脂肪和饱和脂肪）73和碳水化合物的质量（更倾向于固态、高纤维、低血糖生成指数和全谷物食物）33更能决定饮食对体重的影响74。
不过，研究人员普遍认为，富含低血糖生成指数和高纤维量的高质量碳水化合物的饮食，可以降低肥胖的发生74。相反地，由于葡萄糖和果糖对瘦素合成的潜在影响，富含单一碳水化合物的食物（比如加糖的饮料）往往与肥胖风险增加相关。
目前为止，人们已经提出了关于果糖导致肥胖的两种相关机制：一种是通过能量摄入的增加与能量消耗的减少造成76，另一种可能机制是存在“肥胖开关”，这个开关造成了脂肪的囤积、胰岛素抵抗和代谢综合征77。
饮食中的脂肪和体内脂肪之间的关系，同样也是一个有争议的论题34,78。相比于其他营养素，脂肪具有更高的能量密度，这让人们认为脂肪的摄入是体重增加的主要原因。但是，有证据表明，用糖取代膳食中的饱和脂肪，与过度肥胖和一些相关的代谢并发症也有相关性79。
除此之外，也有一些研究表明，不饱和油脂的摄入可能不会导致肥胖80,81，这说明油脂的品质比数量更重要（就像我们在那些遵循地中海饮食82或食用坚果的人群83中观察到的一样）。有人提出，依赖于饮食脂肪、蛋白和碳水化合物组成的肠道菌群定植或许是造成这种结果的部分原因84。
宏量营养素稳态与食欲调节之间的联系，对能量消耗、不同的氧化底物（脂肪、碳水和蛋白）以及脂肪组织的囤积都有着重要的作用。此外，膳食中蛋白质的占比影响着食欲调节和饱腹感。比如，干预研究已经显示出高蛋白饮食对于食欲抑制方面的作用56,85。富含蛋白质的饮食会降低饥饿感，增加能量消耗，并提高能够降低食欲的 β-羟基丁酸的水平56,85。
此外，这些学者分析了在通过体育活动消耗糖原后，呼吸腔中是否存在碳水化合物以及高蛋白饮食的共同影响，结果发现了饥饿熵和呼吸熵出现统计学显著的下降，也就是脂肪氧化的增加。
在该研究中，受试者在完成血样采集后进入到呼吸室，在这里他们可以依据之前的分组（普通蛋白含量和高蛋白含量）得到所有必需的食物，并对摄入量进行控制。高蛋白饮食不含有任何碳水化合物，而普通蛋白饮食含有一些精制或未精制的碳水化合物。
但是，另一些长期纵向分析表明，动物蛋白的摄入对于预后 5 年体重的维持有一些不太好的影响86。事实上，相比于含肉量更少的相同能量的饮食，每天吃 250g 肉会造成每年多增加 422g 体重86。
因此，减少动物蛋白和糖类的摄入并增加植物蛋白的摄入，可能是大部分人应对超重和肥胖的一种方法24。这些结果强调宏量营养素比例的重要性，但是更深入的关于体重管理的研究应当聚焦于蛋白质来源和血糖生成指数87,88。
血糖生成指数、蛋白质和脂肪含量在减脂餐中的应用会造成不同的结果，一些研究表明，能量限制可能是驱动体重减轻的主要因素71,89，而在另一些研究中，低摄入量的脂质47或者高摄入量的蛋白质对于减肥和保持体重有着更多益处90。
减肥之后的反弹体现出了个体之间的差异性，这主要取决于宏量营养素的摄入，其中蛋白质和纤维对炎症过程、肥胖因子分泌、胞内压力、细胞外机制重塑以及其他相关现象都有影响91,92。
事实上，对照试验和流行病学分析表明，单糖比脂肪更易造成肥胖中的不良作用。但是，我们仍然需要更深入的研究，来了解液体糖或固体糖、血糖负荷或果糖含量，以及饱和或不饱和脂肪酸摄入量的不同具体是如何参与这一过程的76,79,93。特别是，由于月桂酸、肉豆蔻酸和其他脂肪酸，以及一些特定的蛋白质和氨基酸，可能会引起能量稳态中的差异信号，所以更需要进一步研究94。
表1.遗传背景、宏量营养素摄入与肥胖性状之间的关系
稳态的调节
体重和身体的组成成分取决于来自宏量营养素（碳水、脂肪和蛋白）的热量摄入与能量消耗（基础代谢、体育活动以及饮食相关的产热）之间的平衡。在这个平衡过程中，包含了饮食中宏量营养素的作用以及身体活动和/或运动模式（详见表 1），但也包括了每个个体能量代谢的具体效率，这是由他们的基因和/或表观遗传以及肠道菌群相关机制控制的2,47。
除了个体特有的能量反馈和产热过程，以及因人而异的能量利用和维稳的代谢特征，体重和肥胖的产生也与营养素和酒精带来的能量输入有关95。
通常来说，我们一般认为蛋白质、碳水化合物和脂质的生理燃烧热分别为 4kcal/g，4kcal/g 和 9kcal/g，也就是单位量的热值和尿液粪便的损失值加上尿素合成的消耗96,97。ATP 使用效率（KJ-ATP）范围从蛋白质的 99~153KJ-ATP 到一些脂肪酸的 96 KJ-ATP，再到葡萄糖的 91KJ-ATP，预计饮食引起的产热分别是：蛋白质20~30%，碳水化合物 5~10%，脂肪 0~3%96。
食物中宏量营养素的营养值与能量值测定依赖于近邻分析技术，这种技术在 Weende 法中已经应用很久。其他的测量方法包括涉及复杂或者单一糖类、单个氨基酸或脂肪酸的化学分析法，还有用来评估如血糖生成指数、蛋白质质量和脂肪摄入量等生物学指标的动物实验97。
过去几十年中，宏量营养素具体是如何造成体重增加和机体脂肪囤积，一直是一个有着诸多争议的话题。目前，已经一些实验和流行病学研究对宏量营养素质量的进行了评估，并且确认了碳水化合物（BOX 1）、脂肪（BOX 2）和蛋白质（BOX 3）在稳态维持中的不同作用。
BOX1：碳水化合物代谢
碳水化合物包含了不同类型的分子，从复杂的多糖、淀粉到简单糖类如单糖或双糖，再到能量值和消化性各异的多种纤维191。这些结构上的差异造成了它们在物理性质、消化率和功能上的多样性97。
碳水化合物对食物摄入量和饱腹感的影响是由不同的肠-脑神经内分泌信号传导、肠道中的发酵过程（由短链脂肪酸和其他代谢物诱导）、碳水化合物的物理和/或化学性质（比如膨胀率和粘度）以及胰岛素敏感度共同调节的192~194。
与血糖水平平衡相关的食欲和饱腹感调节，是由胰岛分泌的胰岛素和胰高血糖素调节的，分别对应糖原生成和分解。事实上，研究已经证明，碳水化合物包括纤维，会影响餐后饱腹感相关的胃肠道多肽（CCK，胃饥饿素，GLP1，PYY 和 GIP）的释放38。
单糖和多糖，比如葡萄糖、果糖和乳糖，是人类最常摄入的糖类，它们在食欲和食物奖励中的作用与甜味接收器相关195,196。
纤维和淀粉是饮食中存在的最复杂的碳水化合物结构。纤维对与维持体重相关的饱腹感和食欲的作用已经被深入研究。纤维具有较低的能量密度（2kal/g），它可以影响肠道中机械刺激感受器的纤维粘度和膨胀率来刺激肠道蠕动，还可以作为肠道菌群利用的主要底物161,193,194,197。
研究人员也探究了高摄入量的糖对降低胰岛素敏感性的作用76，但是关于低摄入量的碳水化合物对能量消耗的影响仍然存在争议47。不过，在过去几年中，血糖生成指数和/或血糖负荷已经被用于测定摄入碳水化合物的质量和对胰岛素反应的诱导作用30，解释了食物摄入过程和体重调节与血糖生成指数之间的关系198~200。
BOX2：脂肪代谢
脂肪具有很高的能量密度，摄入后可能会直接影响食物摄入量和能量消耗，并通过影响肥胖和相关紊乱的间接机制202影响能量代谢。脂肪在能量累积中发挥着核心作用，也在内分泌系统中发挥着重要的功能203。肥胖对食欲和饱腹感的调节过程包含了通过感官接收器和化学感受器获得的愉悦感和良好风味203。
目前，研究正聚焦于脂肪质量和脂肪酸饱和程度之间的关联，而不是摄入脂肪的数量82。饮食中 ω-6/ω-4 的脂肪酸比例增加，与通过脂肪生成、脂肪组织平衡、脂肪和便和炎症反应等相关机制造成的增重和肥胖的风险增加相关，这种增加是由脑-肠-脂肪轴通过类二十烷酸代谢物和大麻素系统调节的204。
高摄入量的脂肪对负责脂肪分解胃肠道相关通路的调控作用影响了脂肪的吸收和利用，削弱了饱腹感的信号，造成了体重的额外增加，其中，CCK、胃饥饿素、GLP1 和其它多肽与食欲和/或饱腹感相关205。
另外，中链甘油三酯、共轭亚油酸和单一不饱和脂肪酸会引起不同程度的饱腹感和胃排空效应203。
此外，单一不饱和脂肪酸对机体组分的调节有着重要作用，它们会导致能量摄入、能量消耗的直接变化，并会改变脂肪的代谢和生成，这些变化除了受到食欲和饱腹感调节，还受到神经内分泌系统调节206。而且，一些膳食脂肪可能会通过棕色脂肪或褐色脂肪的生成来刺激产热功能202。
脂肪同样影响着食物的质地，会让食物更诱人。但是脂肪也可能表现出不佳的口味特性和不良风味，这会造成人们对食物的抗拒，并因此干扰能量摄入而非餐后的代谢机制207。与脂肪摄入量相关的肥胖与食物的偏好208、底物氧化过程的减少、酮体有限的葡萄糖代谢机制以及脂肪分解和/或脂肪合成或炎症通路之间的转化减少有关203,209。
BOX3：蛋白质代谢
蛋白质（含氮的宏量营养素）主要起到结构性功能，但是它们也负责发挥酶的功能并具有内分泌调节作用。
饮食中的蛋白质和相关分子展示出促进食欲和抑制食欲的作用，这种作用主要是由不同的神经肽和激素所介导的，如胃饥饿素、CCK、GLP1、PYY、瘦素、胰岛素和特定氨基酸210。
除此之外，蛋白质有助于非脂肪组织和骨骼肌的保持，并促进能量消耗的平衡211。而且，蛋白质具有意义明确的产热特性，主要由氧化磷酸化过程、尿素合成、糖异生和能量产生的中间代谢通路所介导96,212。
然而，在抑制食欲方面，存在关于特定蛋白质（如明胶）的不同作用的报道213。
单一的氨基酸可能也有一些特定的作用214。例如，亮氨酸可能会在以下机制中发挥作用：雷帕霉素-AMPK 信号、阿片类物质-GABA 受体活性和能量平衡相关的肾上腺素能神经元和/或去肾上腺素能神经等机制215。
此外，蛋白质引起的饱腹感的相关机制已被归因于与氨基酸（如酪氨酸、色氨酸和组氨酸）相关的钙敏感受体216、影响迷走神经传入的鲜味物质（包括味精）217或甜味剂来源的阿斯巴甜（Asp-Phe）氨基酸218。
因此，为了更好地了解蛋白质在能量平衡中的潜在作用，人们对饮食中蛋白含量的评价进行了广泛的定量（通过血浆中尿氮、酮体和氨基酸的含量）和定性（通过蛋白质、必需氨基酸或植物和/或动物蛋白的生物价）研究。
遗传变异与营养素利用
基于个体独特的遗传学背景的营养遗传学为提出精准的饮食建议提供了支持98。掌握这些知识可以让我们更好地理解膳食干预所造成的差异反应，并帮助我们分辨具有不同营养素需求的人群99。
筛选和分析个体中特殊的遗传变异可以为找寻最合适的宏量营养素配比提供参考，这会让研究人员更好地理解人们对碳水、脂肪和蛋白摄入的个体化反应，也使得健康保健的专业人士能够提供更好的营养咨询建议（表 1）100。
目前，大多数肥胖相关的遗传变异对肥胖的预测价值很低。但是，有意思的是，也有些研究发现基因之间的协同作用以及它们与环境（比如营养摄入）的交互作用可能能够调节肥胖和相关表型，虽然目前我们难以解释这一现象101。
我们还需要更深入的研究和新技术的应用，以提高我们在表型营养遗传方面的知识102，实现利用基因和组合分数103来筛选并分类那些有可能会变为肥胖的个体104。事实上，个体的体重增加和肥胖易感性，甚至在能量限制干预后的减重与反弹，都被认为是其遗传学背景所驱动的。
虽然我们需要更多的实验验证这一结论，不过，目前已经发表了一些有价值的研究，这些研究描述了携带不同单核苷酸多态性的个体中的宏量营养素的相互作用，这些单核苷酸基因与调节食欲、产热和脂质代谢等过程有关100。
有研究阐明了特定多态性与食欲之间的关系，在 BMI 超重的男性中发现LEP和 FTO 变异与摄入脂肪、糖类和蛋白质之后感知到的饱腹感相关，因此这些遗传变异可能在控制食物和能量摄入的过程中有一定作用105。
另一项研究与上述结果一致，该研究表明，相比于没有风险等位基因的个体，FTO 基因中的 rs99399609 风险等位基因个体展现出较低的主观饱腹感，会摄入更多的高能量食物，摄入量比推荐能量值多 350kcal，这表明这些个体的中枢神经系统产生饱腹感的过程受损。
然而一项荟萃分析的结果与上述结果相反，这项荟萃分析表明 FTO 风险基因每复制一次都会出现总能量摄入的显著减少108。
另外，一些 GWAS 研究表明，MC4R 的 rs17782313 和 rs17700633 变体与膳食脂肪和总能量的摄入增加相关，相较于非携带者，携带者十年间的 BMI 增加量更大108。
总体来说，这些研究为遗传对能量摄入的影响提供了重要的依据。但是，一篇综述提出缺少关于体重管理中 FTO 和 MC4R 基因型与具体宏量营养素（碳水化合物或脂肪）和总能量摄入之间联系的一致性的观点109，这说明这一方向仍然需要更深入的研究。
事实上，碳水化合物摄入造成的肥胖反应因人而异，这依赖于基因型，也可能受摄入的糖类的种类和质量影响。在 rs1042714 变体携带者中高摄入量的碳水化合物（>每天摄食量的 40%），与 BMI 增加相关110。而另一项涉及碳水化合物摄入量的研究表明，肥胖的机率与 PPARG 中的 Pro12Ala 变体相关111。
除此之外，也有确定的证据表明了纤维摄入量与编码脂肪酸酶基因的 rs1800588 的多态性之间存在基因型-营养素交互作用112。还有另一项研究，探究了遗传易感性得分（基于 32 个与 BMI 相关位点计算获得）与机体脂肪量之间的联系，该研究表明 BMI 的风险与添加糖的饮料摄入量以及遗传学风险成正相关113。
相反地，有一项研究表明了 AMY1（编码淀粉酶的基因）的拷贝数和淀粉摄入量之间的联系114，与之前的发现相反，这项研究显示拷贝数的减少与 BMI 值的增加呈正相关115。
这些结果凸显了评估碳水化合物质量和数量的重要性，特别是对于那些遗传学上更易肥胖且摄入碳水化合物的类型可能影响其肥胖风险的人群而言100。
不同的研究表明了在不同人群中，总脂肪占比、调节食物摄入的基因（如FTO）116,117、脂肪代谢相关基因（如 APOA5）118,119，与脂肪细胞分化相关的基因（如 PPARG）120四者之间的关系。
相较于不携带 FTO 相关风险基因的人群，携带者摄入等量脂肪后表现出的肥胖风险急剧升高107,116,117。相反地，APOA5 中 rs662799 变体 C 型携带者若摄入较多脂肪，也不会造成肥胖118,119。
此外，有研究分析了三个病例对照研究，发现了 PPARG 中基因变体 rs1801282 的调节作用。在纯合子个体（Pro/Pro）中，脂肪摄入量与 BMI 有直接关联，而携带 12Ala 的个体并未显示出 BMI 与脂肪摄入之间的联系120。
除此之外，这项研究还发现了单一不饱和脂肪摄入与 BMI 之间的联系，强调了脂肪的重要性，不只是脂肪总量的重要性，还包括不同遗传学背景影响的差异性120。在地中海饮食人群中进行的研究证实了上述结果，研究表明脂肪负荷与脂肪氧化呈负相关。
与这些结果一致的是，其他实验表明携带 FTO 变体 rs9939609 风险基因的人，特别是那些本身患由代谢综合征的人，在摄入大量的饱和脂肪酸（多不饱和脂肪酸/饱和脂肪酸比例较低）后，腹部开始囤积脂肪123。
另外的一些发现进一步证实了膳食中饱和脂肪酸对肥胖风险的重要性。有研究发现，在饱和脂肪酸摄入增加的情况下，APOA2 风险等位基因能够通过调节支链氨基酸和色胺酸代谢，增加肥胖的风险124 ,125。
此外，有一些研究者利用针对肥胖的遗传学风险评分，探究了脂肪摄入与遗传学背景之间的相互影响。研究者在比较摄入少量和大量总饱和脂肪酸的人群时，发现了肥胖风险的差异126，这证实了之前的研究结论。
这些研究显示，由于能量密度和对食物风味的影响，饮食中的脂肪和相关的营养物质会与基因和脂肪代谢相关的通路互作。而且，与调节饱腹感相关的基因会改变脂肪摄入在肥胖发展过程中的影响126,127，但是这方面需要更深入的研究。
一些研究人员报道了基因-蛋白质摄入与肥胖特征的互作。
例如，一项纳入 40 个研究的多人群大范围分析发现与肥胖相关的 FTO 基因变体与蛋白质摄入量增加之间存在显著联系，且携带风险基因的个体的肥胖风险增加128。研究者表示，FTO 中肥胖风险基因的存在与蛋白摄入量在脂肪囤积中有着潜在联系128。
另外的研究发现，与脂肪量129和血液中蛋白含量130相关的 CTSS 与蛋白质摄入的比例存在互作，回归分析表明携带风险基因的人群若蛋白摄入量高则会有体重增加的风险131。而在东亚人群中，摄入同样的蛋白比例较低的饮食， FTO 风险基因携带者 BMI 和腰围数值更高132。
尽管如此，一些研究者强调了蛋白质的来源在肥胖风险和遗传组合中的重要性。比如，研究人员在比较针对肥胖的基因风险评分值高和低的人群时，发现了总蛋白、动物蛋白和植物蛋白的不同相互作用103。
因此，蛋白质和具体的氨基酸会在机体体重调节过程中相互影响，而遗传学背景可以解释与肥胖相关的个体间差异。
遗传信息可以帮助确定最佳的饮食干预方案以预防和治疗肥胖及其并发症100。为了获得更多关于基因-营养素互作和在不同人群中表现出的交互联系，我们应该进行进一步的研究。从这些研究中获得的知识可以进一步整合到临床实践中，并为处方单提供信息，即依据个人的基因型进行宏量营养素配比134~136。
此外，越来越多的研究也开始研究宏量营养素组成、热量限制或特定食物的摄入对特定表观遗传标记的影响，以及它们是如何调节那些与宏量营养素代谢或肥胖风险相关的代谢通路的137~139。
表2.人类宏量营养素摄入、肠道菌群和肥胖之间的关系
肠道菌群对肥胖的影响
在整个生命周期中，肠道菌群受到多种因素的影响，如出生方式（顺产或剖腹产）、围产期及生命早期的喂养、抗生素的使用140和饮食的摄入141（表 2）。这些因素支持每个个体应使用“个性化”药物疗法，就像对待不同的遗传特性一样142。
有一些研究人员将肠道菌群描述为：与宿主代谢密切相关的附加环境特征143。尽管有了这些证据，但肠道菌群在肥胖中的作用仍然是一个相当新颖的概念，需要进一步的研究来确定肠道菌群在肥胖发展和治疗策略中的作用。
肠道菌群似乎反映了一个人的生活方式；然而，肠道菌群的变化究竟是肥胖的原因还是结果，还需要更深入的研究。
有趣的是，碳水化合物（即纤维）、蛋白质和脂肪的摄入会影响粪便微生物，这一现象说明宏量营养素与微生物之间存在互作144。尽管有了这些数据，但是每个个体的微生物组组成都是独特的，是个体代谢和体重状态的代表性特征144,145。
开创性的研究已经描述了微生物组与肥胖之间的关系。具体地说，数据显示肥胖小鼠的厚壁菌（Firmicutes）增多，拟杆菌（Bacteroidetes）减少，这表明这些微生物对宿主代谢可能有影响146。另一项人类研究的研究人员比较了来自体型纤瘦者和肥胖者的微生物样本，证实了上述结果145。
一些研究人员发现，肥胖者从食物中获得的能量增加，并且这些人的粪便样本中普氏菌（Prevotellaceae）和古细菌（Archaea）增多147。此外，细菌丰度和多样性与肥胖呈负相关，即细菌丰度低的个体会出现更严重的肥胖、胰岛素抵抗和血脂异常，以及轻度的全身炎症144。其他的研究也揭示了肠道细菌，如 Akkermansia muciniphila，对内源性大麻素系统以及体重、食物摄入的调节148。
然而，肥胖者的肠道微生物群特征显示出广泛的差异性，这是由多个因素调节的，包括宏量营养素的摄入。例如，一项人类研究报告了与肥胖相关的肠道菌群存在性别差异149。此外，其他研究人员也提出，肠道菌群的差异取决于遗传差异150。然而，肠道菌群的组成已被证明主要受饮食中营养成分（表 2）的调节151。
考虑到这一点，独特微生物群落（被称为“肠型”）的鉴定及其与健康和疾病的关系表明，肠道菌群在临床常规检验中的应用具有重要作用。通过研究这些特性，研究人员可以更好地了解糖和纤维在肠道微生态平衡和失调中的不同作用，以及这些作用如何影响患者预后和微生物组的功能152。
能量回收的差异似乎是由细菌产生的短链脂肪酸引起的，它提高了消化废物（习惯性消化的残余物）的能量利用率153。同样，短链脂肪酸对宿主的影响也与能量消耗有关，它可以调节产热相关基因（如 PPARG 或 UCP2）的表达和增强脂质氧化154。
此外，短链脂肪酸也会影响超重人群的食欲，调控食物摄入相关的短期通路；给结肠输注短链脂肪酸混合物，会增加血浆 PYY 水平，这是由上皮 G 蛋白偶联受体（GPR41 和 GPR43）激活所触发的155。然而，短链脂肪酸含量与粪便中细菌丰度之间的关系仍不清楚。未来的人类干预研究将有助于确定：微生物的发酵和能源利用对控制体重和肥胖症的长期效益。
饮食中宏量营养素发酵产生的代谢产物对肥胖及并发症的影响已被广泛研究158。碳水化合物的摄入被描述为调节肠道菌群的主要因素159,160。纤维通过调节食物在胃肠道中的转运、葡萄糖吸收和粪便膨胀发挥作用，从而影响血糖反应和饱腹感信号161,162。
此外，可发酵膳食纤维在调节肠道菌群中具有关键作用158。益生元，如低聚果糖，对肠道菌群的影响已经被一些研究证实，低聚果糖可以调节 Faecali bacteriumprausnitzii 和其他细菌的丰度，并与丁酸的产生相关，丁酸可以通过降低下丘脑神经肽Y的表达而减少食物的摄入163。
还有研究调查了富含糖和人工甜味剂的“西方”饮食对肠道菌群组成的影响7。不幸的是，甜味剂和肥胖者肠道菌群之间的联系仍然不清楚。其中一项小鼠研究表明，西方饮食模式更受厚壁菌（Firmicutes）的青睐，并且在小鼠体内，与果糖和甘露糖代谢、糖酵解和糖异生相关的基因表达增加164。
一项对人类的观察研究表明，肥胖人群中也存在小肠细菌的增长的现象，这些肥胖人群的饮食中富含碳水化合物和精制糖，但缺乏纤维165。
膳食蛋白质和碳水化合物对肠道菌群的调节作用改变了蛋白质消化的衍生物166。这些衍生物通过改变芳香族和支链氨基酸的发酵，以及作为短链脂肪酸的前体，影响能量代谢167。
例如，当肠道中的碳水化合物水平较低时，肠道细菌可以改变发酵的底物168。这种情况促进了蛋白质的发酵和分解代谢，从而改变肠道 pH 值、转运时间（大量食物从进入肠道到排泄的时间）和微生物组168。
在这方面，一项包括肥胖者的试验表明，在高蛋白饮食后，肠道中短链脂肪酸的浓度降低，Roseburia 和 Eubacteriumrectale 的丰度减少，支链氨基酸、苯乙酸和 N-亚硝基化合物的增加，从而可能会对宿主健康产生有害影响169。
而另一篇综述强调了特定氨基酸的抗炎作用，它们通过肠道菌群产生的色氨酸衍生物来增强肠道的屏障功能170。此外，该综述的作者还报道了 GLP1 对宿主代谢的调节作用，以及由色氨酸的肠道菌群代谢产物吲哚引起的饱足感170。
此外，其他研究人员认为，除了能量平衡外，其他因素也会改变膳食脂肪摄入对体重增加的影响171。高脂饮食可以通过抗菌作用影响肠道菌群，促使微生物组失调，这种失调与肥胖导致的全身促炎症状态相关171。
对健康人进行的横断面研究发现，拟杆菌（Bacteroidetes）和放线菌（Actinobacteria）与习惯性饮食中的脂肪摄入呈正相关172。此外，该研究还揭示了，与体重指数（BMI）相关的微生物也与饱和脂肪酸的热量摄入相关172。
另一项调查同卵双胞胎脂肪摄入质量的研究发现，单不饱和脂肪酸与双歧杆菌（Bifidobacterium）和拟杆菌（Bacteroidetes）的丰度正相关；n-3 多不饱和脂肪酸与乳酸杆菌（Lactobacillus）之间存在正相关关系；而 n-6 多不饱和脂肪酸与双歧杆菌（Bifidobacterium）之间则负相关173。
然而，一些研究人员认为，在饮食中添加益生菌可以减轻膳食脂肪对体重维持和脂肪积累的不利影响174,175。
肥胖的综合研究
精准营养与精准医学已成为体重维持与肥胖管理的重要课题。在精准营养与精准医学中，个性化不仅包括代谢表型、食物偏好、临床病史或生活方式，还包括新兴的个性化标准，其中基因型和肠道菌群的组成是定制疾病治疗方案的基础，特别是代谢紊乱。
因此，越来越多的研究人员开始对饮食模式感兴趣，开始研究食物营养素、肠道菌群的组成和遗传背景之间复杂的相互作用对肥胖的影响176。
一项对照饮食试验将健康人分为两组，一组食用高脂肪低纤维饮食，另一组食用低脂肪高纤维饮食，在饮食干预 24 小时后，研究人员发现参与者的肠道菌群组成发生了变化，这些变化在研究的 10 天内保持稳定172。
研究人员还报告了长期饮食模式和菌群之间的关系。具体地，他们报道了蛋白质、动物脂肪与拟杆菌（Bacteroidetes），碳水化合物与普氏菌（Prevotella）之间的关系172。
同样，其他营养干预研究也发现，大鼠高脂高糖或低脂高糖饮食后，细菌的多样性下降。这些饮食与肠道炎症的增加、迷走神经的肠-脑联系改变有关，从而使得身体脂肪沉积增加177。
一些研究人员强调了肠道微生物种群综合分析和代谢组学分析的应用前景，这些分析可以客观评估健康饮食模式的可循性，并帮助阐明这些模式（如地中海饮食模式）中的明确饮食成分，以及它们在心脏代谢紊乱发展的复杂相互作用中可能的影响178。
例如，一项试验报告了肥胖者肠道菌群组成与健康饮食状况相关的差异179。更具体地说，那些饮食摄入更健康的人，肠道微生物的丰度更高，炎症标志物的浓度更低179。同样，一些研究人员强调需要进一步调查，以确定细菌对特定饮食干预的反应，以及对宿主代谢的有益影响180,181。
然而，这需要新的代谢标志物或新技术，来帮助阐明特定饮食的营养摄入，以制定更具体的营养评估，并确定它们如何影响肠道菌群和遗传之间的互作。这样的技术将使我们能够更准确地确定：宏量营养素对与肥胖发展有关的代谢通路和内分泌信号的特定影响。
事实上，一些研究已经证实了，宿主基因型和肠道菌群与内脏脂肪的关系39,182。一个研究团队发现低热量高蛋白饮食对 BMI 超重组中有双歧杆菌相关 LCT 基因型变异（LCT 编码乳糖酶）的个体有益150。
在这些研究的基础上，数据表明饮食因素之间的相互作用与肥胖中发现的代谢损伤有关，如宏量营养素分布、肠道菌群组成和遗传背景25。对个体特征和肠道菌群代谢物相关敏感性的整体研究有助于制定新的营养评估策略，以提高肥胖的预防和治疗效果183。
对这一课题的进一步研究应旨在确定：依赖于特定肠型、人体健康代谢产物、能量平衡和体重控制158的筛选和检测工具，以增强预防和治疗肥胖的临床实践的个性化184。由于研究的最终目的是发展完善的精准营养咨询，所以需要开展进一步的研究，以更好地了解肥胖发展过程中所涉及的复杂相互作用。
这项研究在进行之前需要在整合所有的个体信息以及生物学数据，这些个体信息包括：生活方式及环境、文化、临床病史（包括药物、过敏和不耐受的不良影响）、体力活动水平、睡眠及饮食模式、食物偏好和行为因素（即暴露组）；这些生物学数据包括：昼夜节律、遗传学、表观遗传学、亚基因组学和代谢组学。
结论
在了解体脂沉积和体重稳定性方面，宏量营养素摄入分布和膳食组成正成为重要的研究领域。科学进展表明，为了对抗肥胖症流行，科学家不仅需要考虑碳水化合物、蛋白质和脂质的特殊贡献，还需要考虑单一氨基酸、脂肪酸和各种碳水化合物衍生的分子，以及它们与遗传背景和肠道菌群的相互作用——这是精准营养和医学的基础。
脂肪和糖，作为主要的产能营养素，它们的摄入被认为是肥胖症流行的主要驱动因素，因为两者都有助于能量的供应。然而，由于它们参与到共同的、与能量稳态相关的代谢通路51，想要从现有证据中阐明每种宏量营养素对肥胖的单独贡献是一项挑战。
这一问题甚至比想得更加复杂，因为能量代谢方面的复杂相互作用，以及每个个体综合代谢的灵活性，使得人类能够根据自身对营养素的可用性和需要，合理利用不同来源的能量62。换言之，很难说脂肪比糖更有害，因为整体的能量摄入与消耗，可能比使体重增加的特定能量来源更重要。
然而，特定脂肪酸和糖的作用可能解释了能量效率的一些差异，而蛋白质似乎可以减少食欲和促进产热，对体重维持有积极作用56。
过度的体重和脂肪组织的积累依赖于能量平衡，摄入的宏量营养素产能长期高于能量消耗就会导致上述现象，而这些又受到神经内分泌的调节。因为涉及碳水化合物、脂质和蛋白质利用的能量代谢相互作用非常复杂，这使得解释这些宏量营养素对能量需求和细胞需求的具体贡献又复杂化了。
此外，除了影响碳水化合物（葡萄糖）利用、脂质转换（脂肪生成和脂解）、蛋白质引起的产热与脂肪细胞生理的中间代谢通路外，能量平衡还通过复杂的相互关联的调节过程来维持，这些调节过程涉及神经内分泌信号介导的食欲和/或饱足控制。
经常食用一些单糖，如葡萄糖和果糖，以及摄入饱和脂肪和一些特定的脂肪酸，似乎是导致肥胖的主要原因1。膳食纤维的饱腹特性和膳食蛋白质的促饱特性有助于长期干预中的体重维持和能量摄入控制。
这种正相互作用可能是由无脂肪组织和静息代谢的维持所引起的，但过去 10 年的证据表明，特定的脂肪酸和氨基酸可能参与了肥胖过程，这可能涉及到 FTO 和其它基因的某些多态性100。然而，对于是否存在宏量营养素与 FTO 变异体的相互作用还没有达成普遍共识109，因此需要进一步研究。
总的来说，目前的证据表明，能量过剩是导致超重和肥胖的主要原因。假设来自不同宏量营养素的热量相等，那么精制糖和一些脂肪在体重增加中过程中是否存在互补作用，这仍然存在争议。
与基因组成和肠道菌群相关的个体特征，可以解释部分个体间差异：宏量营养素的摄入影响身高体重比和脂肪质量150。事实上，需要进一步的综合研究来了解个体的宏量营养素代谢网络及能量热力学的机制，并根据个体自身的精准营养标准来设计饮食策略。
参考文献：
1.Bluher, M. Obesity: global epidemiology andpathogenesis. Nat. Rev. Endocrinol. 15, 288–298 (2019).
2. Gonzalez-Muniesa, P. et al. Obesity. Nat.Rev. Dis. Primers 3, 17034 (2017).
3.Charakida, M. et al. Lifelong patterns ofBMI and cardiovascular phenotype in individuals aged 60–64 years in the 1946British birth cohort study: an epidemiological study. Lancet DiabetesEndocrinol. 2, 648–654 (2014).
4.Bell, J. A. et al. Associations of body massand fat indexes with cardiometabolic traits. J. Am. Coll. Cardiol. 72,3142–3154 (2018).
5.Schwingshackl, L. & Hoffmann, G. Dietquality as assessed by the healthy eating index, the alternate healthy eatingindex, the dietary approaches to stop hypertension score, and health outcomes:a systematic review and meta-analysis of cohort studies. J. Acad. Nutr. Diet.115, 780–800.e5 (2015).
6.Malik, V. S., Willett, W. C. & Hu, F. B.Global obesity: trends, risk factors and policy implications. Nat. Rev.Endocrinol. 9, 13–27 (2013).
7.Vandevijvere, S., Chow, C. C., Hall, K. D.,Umali, E. & Swinburn, B. A. Increased food energy supply as a major driverof the obesity epidemic: a global analysis. Bull. World Health Organ. 93,446–456 (2015).
8.Rico-Campa, A. et al. Association betweenconsumption of ultra-processed foods and all cause mortality: SUN prospectivecohort study. BMJ 365, l1949 (2019). The main finding of this study is that ahigher consumption of ultra-processed foods (>4 servings daily) wasindependently associated with a 62% increased hazard for all-cause mortality.
9.Guthold, R., Stevens, G. A., Riley, L. M.& Bull, F. C. Worldwide trends in insufficient physical activity from 2001to 2016: a pooled analysis of 358 population-based surveys with 1.9 millionparticipants. Lancet Glob. Health 6, e1077–e1086 (2018). This study analysesdata from 358 surveys across 168 countries, including 1.9 million participants,and shows an increased prevalence of insufficient physical activity, which doesnot meet the 2025 target meaning a higher risk of morbidity and mortality.
10.Compernolle, S. et al. Mediating role ofenergy-balance related behaviors in the association of neighborhoodsocio-economic status and residential area density with BMI: the SPOTLIGHTstudy. Prev. Med. 86, 84–91 (2016).
11.Westerterp, K. R. & Speakman, J. R.Physical activity energy expenditure has not declined since the 1980s andmatches energy expenditures of wild mammals. Int. J. Obes. 32, 1256–1263(2008).
12.Hand, G. A., Shook, R. P., Hill, J. O.,Giacobbi, P. R. & Blair, S. N. Energy flux: staying in energy balance at ahigh level is necessary to prevent weight gain for most people. Expert. Rev.Endocrinol. Metab. 10, 599–605 (2015).
13.Manore, M. M., Larson-Meyer, D. E.,Lindsay, A. R., Hongu, N. & Houtkooper, L. Dynamic energy balance: anintegrated framework for discussing diet and physical activity in obesityprevention — is it more than eating less and exercising more? Nutrients 9, E905(2017). Five main issues are highlighted in this review: the meaning of dynamicversus static energy balance; the role of physical activity in weight control;the role of physical activity in appetite regulation; the concept of energyflux; and the integration of dynamic energy balance into obesity preventionprogrammes.
14.Romijn, J. A. et al. Regulation ofendogenous fat and carbohydrate metabolism in relation to exercise intensityand duration. Am. J. Physiol. 265, E380–E391 (1993).
15.Rarick, K. R. et al. Energy flux, more sothan energy balance, protein intake, or fitness level, influences insulin-likegrowth factor-I system responses during 7 days of increased physical activity.J. Appl. Physiol. 103, 1613–1621 (2007).
16.Beaulieu, K., Hopkins, M., Blundell, J.& Finlayson, G. Impact of physical activity level and dietary fat contenton passive overconsumption of energy in non-obese adults. Int. J. Behav. Nutr.Phys. Act. 14, 14 (2017).
17.Finucane, M. M. et al. National, regional,and global trends in body-mass index since 1980: systematic analysis of healthexamination surveys and epidemiological studies with 960 country-years and 9.1million participants. Lancet 377, 557–567 (2011).
18.San-Cristobal, R. et al. Analysis ofdietary pattern impact on weight status for personalised nutrition throughon-line advice: the Food4Me Spanish cohort. Nutrients 7, 9523–9537 (2015).
19.Anand, S. S. et al. Food consumption andits impact on cardiovascular disease: importance of solutions focused on theglobalized food system: a report from the workshop convened by the World HeartFederation. J. Am. Coll. Cardiol. 66, 1590–1614 (2015).
20.Huang, Y. et al. Adoption and design ofemerging dietary policies to improve cardiometabolic health in the US. Curr.Atheroscler. Rep. 20, 25 (2018).
21.Mozaffarian, D., Angell, S. Y., Lang, T.& Rivera, J. A. Role of government policy in nutrition — barriers to andopportunities for healthier eating. BMJ 361, k2426 (2018). The authors reviewthe different strategies governments can use to improve nutrition and health inorder to tackle the current nutritional problems, with a focus on obesity andcomorbidities.
22.Goodpaster, B. H. et al. Effects of dietand physical activity interventions on weight loss and cardiometabolic riskfactors in severely obese adults: a randomized trial. JAMA 304, 1795–1802 (2010).
23.Speakman, J. R. & Westerterp, K. R.Associations between energy demands, physical activity, and body composition inadult humans between 18 and 96y of age. Am. J. Clin. Nutr. 92, 826–834 (2010).
24.Navas-Carretero, S. et al. Higher vegetableprotein consumption, assessed by an isoenergetic macronutrient exchange model,is associated with a lower presence of overweight and obesity in the web-basedFood4me European study. Int. J. Food Sci. Nutr. 70, 240–253 (2019).
25.Cuevas-Sierra, A., Ramos-Lopez, O.,Riezu-Boj, J. I., Milagro, F. I. & Martinez, J. A. Diet, gut microbiota,and obesity: links with host genetics and epigenetics and potentialapplications. Adv. Nutr. 10, S17–S30 (2019).
26.Lavie, C. J., De Schutter, A. & Milani,R. V. Healthy obese versus unhealthy lean: the obesity paradox. Nat. Rev.Endocrinol. 11, 55–62 (2015).
27.Chaput, J. P. & Tremblay, A. Theglucostatic theory of appetite control and the risk of obesity and diabetes.Int. J. Obes. 33, 46–53 (2009).
28.Mayer, J. Glucostatic mechanism ofregulation of food intake. N. Engl. J. Med. 249, 13–16 (1953).
29.Melanson, K. J., Westerterp-Plantenga, M.S., Campfield, L. A. & Saris, W. H. Blood glucose and meal patterns intime-blinded males, after aspartame, carbohydrate, and fat consumption, inrelation to sweetness perception. Br. J. Nutr. 82, 437–446 (1999).
30.Augustin, L. S. et al. Glycemic index,glycemic load and glycemic response: an international scientific consensussummit from the International Carbohydrate Quality Consortium (ICQC). Nutr.Metab. Cardiovasc. Dis. 25, 795–815 (2015).
31.Santiago, S. et al. Carbohydrate quality,weight change and incident obesity in a Mediterranean cohort: the SUN project.Eur. J. Clin. Nutr. 69, 297–302 (2015).
32.Smith, J. D. et al. Changes in intake ofprotein foods, carbohydrate amount and quality, and long-term weight change:results from 3 prospective cohorts. Am. J. Clin. Nutr. 101, 1216–1224 (2015).
33.Reynolds, A. et al. Carbohydrate qualityand human health: a series of systematic reviews and meta-analyses. Lancet 393,434–445 (2019).
34.Willett, W. C. Dietary fat and obesity: anunconvincing relation. Am. J. Clin. Nutr. 68, 1149–1150 (1998).
35.Mellinkoff, S. M., Frankland, M., Boyle, D.& Greipel, M. Relationship between serum amino acid concentration andfluctuations in appetite. J. Appl. Physiol. 8, 535–538 (1956).
36.Drummen, M., Tischmann, L., Gatta-Cherifi,B., Adam, T. & Westerterp-Plantenga, M. Dietary protein and energy balancein relation to obesity and co-morbidities. Front. Endocrinol. 9, 443 (2018).
37.Woods, S. C., Seeley, R. J., Porte, D. Jr.& Schwartz, M. W. Signals that regulate food intake and energy homeostasis.Science 280, 1378–1383 (1998).
38.Karhunen, L. J., Juvonen, K. R., Huotari,A., Purhonen, A. K. & Herzig, K. H. Effect of protein, fat, carbohydrateand fibre on gastrointestinal peptide release in humans. Regul. Pept. 149,70–78 (2008).
39.Beaumont, M. et al. Heritable components ofthe human fecal microbiome are associated with visceral fat. Genome Biol. 17,189 (2016).
40.Bray, G. A. Static theories in a dynamicworld: a glucodynamic theory of food intake. Obes. Res. 4, 489–492 (1996).
41.Boule, N. G. et al. Glucose homeostasispredicts weight gain: prospective and clinical evidence. Diabetes Metab. Res.Rev. 24, 123–129 (2008).
42.Kennedy, G. C. The development with age ofhypothalamic restraint upon the appetite of the rat. J. Endocrinol. 16, 9–17 (1957).
43.Zhang, Y. et al. Positional cloning of themouse obese gene and its human homologue. Nature 372, 425–432 (1994).
44.Martinez, J. A. Body-weight regulation:causes of obesity. Proc. Nutr. Soc. 59, 337–345 (2000).
45.Hopkins, M. & Blundell, J. E. inAppetite and Food Intake: Central Control (ed. Harris, R. B. S.) 259–276 (CRCPress/Taylor & Francis, 2017).
46.Farias, M. M., Cuevas, A. M. &Rodriguez, F. Set-point theory and obesity. Metab. Syndr. Relat. Disord. 9,85–89 (2011).
47.Hall, K. D. & Guo, J. Obesityenergetics: body weight regulation and the effects of diet composition.Gastroenterology 152, 1718–1727.e3 (2017).
48.Mendonca, R. D. et al. Ultraprocessed foodconsumption and risk of overweight and obesity: the University of NavarraFollow-Up (SUN) cohort study. Am. J. Clin. Nutr. 104, 1433–1440 (2016).
49.Berthoud, H. R., Lenard, N. R. & Shin,A. C. Food reward, hyperphagia, and obesity. Am. J. Physiol. Regul. Integr.Comp. Physiol 300, R1266–R1277 (2011).
50.Berthoud, H. R. & Zheng, H. Modulationof taste responsiveness and food preference by obesity and weight loss.Physiol. Behav. 107, 527–532 (2012).
51.Francis, H. M. & Stevenson, R. J.Higher reported saturated fat and refined sugar intake is associated withreduced hippocampal-dependent memory and sensitivity to interoceptive signals.Behav. Neurosci. 125, 943–955 (2011).
52.Ochoa, M., Lalles, J. P., Malbert, C. H.& Val-Laillet, D. Dietary sugars: their detection by the gut-brain axis andtheir peripheral and central effects in health and diseases. Eur. J. Nutr. 54,1–24 (2015).
53.Lowette, K., Roosen, L., Tack, J. &Vanden Berghe, P. Effects of high-fructose diets on central appetite signalingand cognitive function. Front. Nutr. 2, 5 (2015).
54.Page, K. A. et al. Effects of fructose vsglucose on regional cerebral blood flow in brain regions involved with appetiteand reward pathways. JAMA 309, 63–70 (2013).
55.Witkamp, R. F. The role of fatty acids andtheir endocannabinoid-like derivatives in the molecular regulation of appetite.Mol. Asp. Med. 64, 45–67 (2018).
56.Veldhorst, M. A., Westerterp, K. R. &Westerterp-Plantenga, M. S. Gluconeogenesis and protein-induced satiety. Br. J.Nutr. 107, 595–600 (2012).
57.Mirzaei, K. et al. Variants in glucose- andcircadian rhythm-related genes affect the response of energy expenditure toweight-loss diets: the POUNDS LOST Trial. Am. J. Clin. Nutr. 99, 392–399(2014).
58.Oosterman, J. E., Kalsbeek, A., la Fleur,S. E. & Belsham, D. D. Impact of nutrients on circadian rhythmicity. Am. J.Physiol. Regul. Integr. Comp. Physiol. 308, R337–R350 (2015).
59.Yon, M. A., Mauger, S. L. & Pickavance,L. C. Relationships between dietary macronutrients and adult neurogenesis in theregulation of energy metabolism. Br. J. Nutr. 109, 1573–1589 (2013).
60.Seeley, R. J. & Woods, S. C. Monitoringof stored and available fuel by the CNS: implications for obesity. Nat. Rev.Neurosci. 4, 901–909 (2003).
61.Westerterp-Plantenga, M. S. Sleep,circadian rhythm and body weight: parallel developments. Proc. Nutr. Soc. 75,431–439 (2016).
62.Goodpaster, B. H. & Sparks, L. M.Metabolic flexibility in health and disease. Cell Metab. 25, 1027–1036 (2017).
63.Battaglia, G. M., Zheng, D., Hickner, R. C.& Houmard, J. A. Effect of exercise training on metabolic flexibility inresponse to a high-fat diet in obese individuals. Am. J. Physiol. Endocrinol.Metab. 303, E1440–E1445 (2012).
64.Li, T. & Chiang, J. Y. Bile acidsignaling in metabolic disease and drug therapy. Pharmacol. Rev. 66, 948–983(2014).
65.Shin, H. S., Ingram, J. R., McGill, A. T.& Poppitt, S. D. Lipids, CHOs, proteins: can all macronutrients put a‘brake’ on eating? Physiol. Behav. 120, 114–123 (2013).
66.Ronveaux, C. C., Tome, D. & Raybould,H. E. Glucagon-like peptide 1 interacts with ghrelin and leptin to regulateglucose metabolism and food intake through vagal afferent neuron signaling. J.Nutr. 145, 672–680 (2015).
67.Efeyan, A., Comb, W. C. & Sabatini, D.M. Nutrient-sensing mechanisms and pathways. Nature 517, 302–310 (2015).
68.van Baak, M. A. & Astrup, A.Consumption of sugars and body weight. Obes. Rev. 10, 9–23 (2009).
69.Du, H. & Feskens, E. Dietarydeterminants of obesity. Acta Cardiol. 65, 377–386 (2010).
70.Bhardwaj, B., O’Keefe, E. L. & O’Keefe,J. H. Death by carbs: added sugars and refined carbohydrates cause diabetes andcardiovascular disease in Asian Indians. Mo. Med. 113, 395–400 (2016).
71.Saris, W. H. et al. Randomized controlledtrial of changes in dietary carbohydrate/fat ratio and simple vs complexcarbohydrates on body weight and blood lipids: the CARMEN study. Thecarbohydrate ratio management in European national diets. Int. J. Obes. Relat.Metab. Disord. 24, 1310–1318 (2000).
72.Brehm, B. J., Seeley, R. J., Daniels, S. R.& D’Alessio, D. A. A randomized trial comparing a very low carbohydratediet and a calorie-restricted low fat diet on body weight and cardiovascularrisk factors in healthy women. J. Clin. Endocrinol. Metab. 88, 1617–1623(2003).
73.Forouhi, N. G., Krauss, R. M., Taubes, G.& Willett, W. Dietary fat and cardiometabolic health: evidence,controversies, and consensus for guidance. BMJ 361, k2139 (2018).
74.Aller, E. E., Abete, I., Astrup, A.,Martinez, J. A. & van Baak, M. A. Starches, sugars and obesity. Nutrients3, 341–369 (2011).
75.Malik, V. S., Popkin, B. M., Bray, G. A.,Despres, J. P. & Hu, F. B. Sugar-sweetened beverages, obesity, type 2diabetes mellitus, and cardiovascular disease risk. Circulation 121, 1356–1364(2010).
76.Stanhope, K. L. Sugar consumption,metabolic disease and obesity: the state of the controversy. Crit. Rev. Clin.Lab. Sci. 53, 52–67 (2016).
77.Johnson, R. J., Sanchez-Lozada, L. G.,Andrews, P. & Lanaspa, M. A. Perspective: a historical and scientificperspective of sugar and its relation with obesity and diabetes. Adv. Nutr. 8,412–422 (2017).
78.Bray, G. A. & Popkin, B. M. Dietary fatintake does affect obesity! Am. J. Clin. Nutr. 68, 1157–1173 (1998).
79.Lawrence, G. D. Dietary fats and health:dietary recommendations in the context of scientific evidence. Adv. Nutr. 4,294–302 (2013).
80.Gulati, S. & Misra, A. Abdominalobesity and type 2 diabetes in Asian Indians: dietary strategies includingedible oils, cooking practices and sugar intake. Eur. J. Clin. Nutr. 71,850–857 (2017).
81.Bes-Rastrollo, M. et al. Olive oilconsumption and weight change: the SUN prospective cohort study. Lipids 41,249–256 (2006).
82.Beulen, Y. et al. Quality of dietary fatintake and body weight and obesity in a Mediterranean population: secondaryanalyses within the PREDIMED trial. Nutrients 10, 2011 (2018).
83.Martinez-Gonzalez, M. A. &Bes-Rastrollo, M. Nut consumption, weight gain and obesity: epidemiologicalevidence. Nutr. Metab. Cardiovasc. Dis. 21, S40–S45 (2011).
84.Martinez, K. B., Leone, V. & Chang, E.B. Western diets, gut dysbiosis, and metabolic diseases: are they linked? GutMicrobes 8, 130–142 (2017).
85.Veldhorst, M. A., Westerterp, K. R., vanVught, A. J. & Westerterp-Plantenga, M. S. Presence or absence ofcarbohydrates and the proportion of fat in a high-protein diet affect appetitesuppression but not energy expenditure in normal-weight human subjects fed inenergy balance. Br. J. Nutr. 104, 1395–1405 (2010).
86.Vergnaud, A. C. et al. Meat consumption andprospective weight change in participants of the EPIC-PANACEA study. Am. J.Clin. Nutr. 92, 398–407 (2010).
87.Fogelholm, M. et al. PREVIEW: prevention ofdiabetes through lifestyle intervention and population studies in Europe andaround the world. Design, methods, and baseline participant description of anadult cohort enrolled into a three-year randomised clinical trial. Nutrients 9,632 (2017).
88.Feskens, E. J., Sluik, D. & Du, H. Theassociation between diet and obesity in specific European cohorts: DiOGenes andEPIC-PANACEA. Curr. Obes. Rep. 3, 67–78 (2014).
89.Handjieva-Darlenska, T. et al. Clinicalcorrelates of weight loss and attrition during a 10-week dietary interventionstudy: results from the NUGENOB project. Obes. Facts 5, 928–936 (2012).
90.Abete, I., Astrup, A., Martinez, J. A.,Thorsdottir, I. & Zulet, M. A. Obesity and the metabolic syndrome: role ofdifferent dietary macronutrient distribution patterns and specific nutritionalcomponents on weight loss and maintenance. Nutr. Rev. 68, 214–231 (2010).
91.Larsen, T. M. et al. Diets with high or lowprotein content and glycemic index for weight-loss maintenance. N. Engl. J.Med. 363, 2102–2113 (2010). This is the main article from the DIOGenes study,which was a large European study, and results indicate that a modest increasein protein content and a modest reduction in the glycaemic index of diets leadsto an improvement in study completion and maintenance of weight loss.
92.van Baak, M. A. & Mariman, E. C. M.Mechanisms of weight regain after weight loss — the role of adipose tissue.Nat. Rev. Endocrinol. 15, 274–287 (2019). In this review, the authors try toshow how weight loss-induced variations in cellular stress, extracellularmatrix remodelling, inflammatory responses, adipokine secretion and lipolysisare associated with the weight regained after successful weight loss. Weightregain could, at least in part, depend on these factors.
93.Mozaffarian, D. Food and weight gain: timeto end our fear of fat. Lancet Diabetes Endocrinol. 4, 633–635 (2016).
94.Bray, G. A. et al. The influence ofdifferent fats and fatty acids on obesity, insulin resistance and inflammation.J. Nutr. 132, 2488–2491 (2002).
95.Ho, K. K. Y. Diet-induced thermogenesis:fake friend or foe? J. Endocrinol. 238, R185–R191 (2018).
96.Westerterp-Plantenga, M. S. Effects ofenergy density of daily food intake on long-term energy intake. Physiol. Behav.81, 765–771 (2004).
97.Astrup, A. & Tremblay, A. inIntroduction to Human Nutrition Ch. 3 (eds Gibney, M. J., Lanham-New, S. A.,Cassidy, A. & Vorster, H. H.) 31–48 (John Wiley & Sons, 2009).
98.Ferguson, L. R. et al. Guide and positionof the International Society of Nutrigenetics/Nutrigenomics on personalisednutrition: part 1 — fields of precision nutrition. J. Nutrigenet. Nutrigenomics9, 12–27 (2016).
99.Kohlmeier, M. et al. Guide and position ofthe International Society of Nutrigenetics/Nutrigenomics on personalizednutrition: part 2 — ethics, challenges and endeavors of precision nutrition. J.Nutrigenet. Nutrigenomics 9, 28–46 (2016).
100.Martinez, J. A., Navas-Carretero, S.,Saris, W. H. & Astrup, A. Personalized weight loss strategies — the role ofmacronutrient distribution. Nat. Rev. Endocrinol. 10, 749–760 (2014). Thisreview discusses all the available systematic reviews and meta-analyses, andsummarizes the main results of randomized controlled intervention trials thatassess the influence of macronutrient composition on weight management. One ofthe key points is that experts generally agree that weight-loss strategiesshould aim to achieve long-term maintenance of a healthy body weight.
101.El-Sayed Moustafa, J. S. & Froguel, P.From obesity genetics to the future of personalized obesity therapy. Nat. Rev.Endocrinol. 9, 402–413 (2013).
102.Tessier, F., Fontaine-Bisson, B.,Lefebvre, J. F., El-Sohemy, A. & Roy-Gagnon, M. H. Investigating gene-geneand gene-environment interactions in the association between overnutrition andobesity-related phenotypes. Front. Genet. 10, 151 (2019).
103.Goni, L., Cuervo, M., Milagro, F. I. &Martinez, J. A. A genetic risk tool for obesity predisposition assessment andpersonalized nutrition implementation based on macronutrient intake. GenesNutr. 10, 445 (2015).
104.Torkamani, A., Wineinger, N. E. &Topol, E. J. The personal and clinical utility of polygenic risk scores. Nat.Rev. Genet. 19, 581–590 (2018). This review tries to rationalize how theinitial promising results of DNA testing regarding personalized medicine hasresulted in no or little effect of associations with diseases. Nevertheless,efforts have begun to demonstrate the utility of polygenic risk profiling toidentify groups of individuals who could benefit from the knowledge of theirprobabilistic susceptibility to disease.
105.Dougkas, A., Yaqoob, P., Givens, D. I.,Reynolds, C. K. & Minihane, A. M. The impact of obesity-related SNP onappetite and energy intake. Br. J. Nutr. 110, 1151–1156 (2013).
106.Melhorn, S. J. et al. FTO genotype impactsfood intake and corticolimbic activation. Am. J. Clin. Nutr. 107, 145–154(2018).
107.Livingstone, K. M. et al. Associationsbetween FTO genotype and total energy and macronutrient intake in adults: asystematic review and meta-analysis. Obes. Rev. 16, 666–678 (2015).
108.Qi, L., Kraft, P., Hunter, D. J. & Hu,F. B. The common obesity variant near MC4R gene is associated with higherintakes of total energy and dietary fat, weight change and diabetes risk inwomen. Hum. Mol. Genet. 17, 3502–3508 (2008).
109.Drabsch, T., Gatzemeier, J., Pfadenhauer,L., Hauner, H. & Holzapfel, C. Associations between single nucleotidepolymorphisms and total energy, carbohydrate, and fat intakes: a systematicreview. Adv. Nutr. 9, 425–453 (2018).
110.Martinez, J. A. et al. Obesity risk isassociated with carbohydrate intake in women carrying the Gln27Glubeta2-adrenoceptor polymorphism. J. Nutr. 133, 2549–2554 (2003).
111.Marti, A., Corbalan, M. S.,Martinez-Gonzalez, M. A., Forga, L. & Martinez, J. A. CHO intake altersobesity risk associated with Pro12Ala polymorphism of PPARgamma gene. J.Physiol. Biochem. 58, 219–220 (2002).
112.Santos, J. L. et al. Genotype-by-nutrientinteractions assessed in European obese women. A case-only study. Eur. J. Nutr.45, 454–462 (2006).
113.Qi, Q. et al. Sugar-sweetened beveragesand genetic risk of obesity. N. Engl. J. Med. 367, 1387–1396 (2012).
114.Rukh, G., Ericson, U.,Andersson-Assarsson, J., Orho-Melander, M. & Sonestedt, E. Dietary starchintake modifies the relation between copy number variation in the salivaryamylase gene and BMI. Am. J. Clin. Nutr. 106, 256–262 (2017).
115.Falchi, M. et al. Low copy number of thesalivary amylase gene predisposes to obesity. Nat. Genet. 46, 492–497 (2014).
116.Cyrus, C. et al. Analysis of the impact ofcommon polymorphisms of the FTO and MC4R genes with the risk of severe obesityin Saudi Arabian population. Genet. Test. Mol. Biomarkers 22, 170–177 (2018).
117.Labayen, I. et al. Dietary fat intakemodifies the influence of the FTO rs9939609 polymorphism on adiposity inadolescents: the HELENA cross-sectional study. Nutr. Metab. Cardiovasc. Dis.26, 937–943 (2016).
118.Corella, D. et al. APOA5 gene variationmodulates the effects of dietary fat intake on body mass index and obesity riskin the Framingham Heart Study. J. Mol. Med. 85, 119–128 (2007).
119.Sanchez-Moreno, C. et al. APOA5 genevariation interacts with dietary fat intake to modulate obesity and circulatingtriglycerides in a Mediterranean population. J. Nutr. 141, 380–385 (2011).
120.Memisoglu, A. et al. Interaction between aperoxisome proliferator-activated receptor gamma gene polymorphism and dietaryfat intake in relation to body mass. Hum. Mol. Genet. 12, 2923–2929 (2003).
121.Rosado, E. L., Bressan, J., Martinez, J.A. & Marques-Lopes, I. Interactions of the PPARgamma2 polymorphism with fatintake affecting energy metabolism and nutritional outcomes in obese women.Ann. Nutr. Metab. 57, 242–250 (2010).
122.Garaulet, M., Smith, C. E.,Hernandez-Gonzalez, T., Lee, Y. C. & Ordovas, J. M. PPARgamma Pro12Alainteracts with fat intake for obesity and weight loss in a behaviouraltreatment based on the Mediterranean diet. Mol. Nutr. Food Res. 55, 1771–1779 (2011).
123.Phillips, C. M. et al. High dietarysaturated fat intake accentuates obesity risk associated with the fat mass andobesity-associated gene in adults. J. Nutr. 142, 824–831 (2012).
124.Lai, C. Q. et al. Epigenomics andmetabolomics reveal the mechanism of the APOA2-saturated fat intake interactionaffecting obesity. Am. J. Clin. Nutr. 108, 188–200 (2018).
125.Corella, D. et al. Association between theAPOA2 promoter polymorphism and body weight in Mediterranean and Asianpopulations: replication of a gene-saturated fat interaction. Int. J. Obes. 35,666–675 (2011).
126.Celis-Morales, C. A. et al. Dietary fatand total energy intake modifies the association of genetic profile risk scoreon obesity: evidence from 48,170 UK Biobank participants. Int. J. Obes. 41,1761–1768 (2017). The aim of this cross-sectional study is to ascertain if avalidated genetic profile risk score for obesity associated to body mass indexor waist circumference is influenced by macronutrient intake; the authorsstudied a sample of 48,170 participants and suggest that body weight mightbenefit from a reduced fat and energy intake in those individuals with highergenetic risk scores.
127.Casas-Agustench, P. et al. Saturated fatintake modulates the association between an obesity genetic risk score and bodymass index in two US populations. J. Acad. Nutr. Diet. 114, 1954–1966 (2014).
128.Qi, Q. et al. FTO genetic variants,dietary intake and body mass index: insights from 177,330 individuals. Hum.Mol. Genet. 23, 6961–6972 (2014).
129.Pei, Y. F. et al. Meta-analysis ofgenome-wide association data identifies novel susceptibility loci for obesity.Hum. Mol. Genet. 23, 820–830 (2014).
130.Suhre, K. et al. Connecting genetic riskto disease end points through the human blood plasma proteome. Nat. Commun. 8,14357 (2017).
131.Hooton, H. et al. Dietary factors impacton the association between CTSS variants and obesity related traits. PLoS One7, e40394 (2012).
132.Merritt, D. C., Jamnik, J. &El-Sohemy, A. FTO genotype, dietary protein intake, and body weight in amultiethnic population of young adults: a cross-sectional study. Genes Nutr.13, 4 (2018).
133.Turcot, V. et al. Protein-alteringvariants associated with body mass index implicate pathways that control energyintake and expenditure in obesity. Nat. Genet. 50, 26–41 (2018).
134.Celis-Morales, C. et al. Effect ofpersonalized nutrition on health-related behaviour change: evidence from theFood4Me European randomized controlled trial. Int. J. Epidemiol. 46, 578–588(2017).
135.San-Cristobal, R. et al. Mediterraneandiet adherence and genetic background roles within a web-based nutritionalintervention: the Food4Me study. Nutrients 9, 1107 (2017). After analysing theadherence to a Mediterranean diet in the Food4Me cohort and associating theresults to genetic risk score, a higher adherence to a Mediterranean dietinduces beneficial effects on metabolic outcomes, which can be affected by thegenetic background in some specific markers.
136.Fallaize, R. et al. Association betweendiet-quality scores, adiposity, total cholesterol and markers of nutritionalstatus in European adults: findings from the Food4Me study. Nutrients 10, 49(2018).
137.Ramos-Lopez, O. et al. DNA methylationpatterns at sweet taste transducing genes are associated with BMI andcarbohydrate intake in an adult population. Appetite 120, 230–239 (2018).
138.Milagro, F. I., Mansego, M. L., De Miguel,C. & Martinez, J. A. Dietary factors, epigenetic modifications and obesityoutcomes: progresses and perspectives. Mol. Asp. Med. 34, 782–812 (2013).
139.Aronica, L. et al. A systematic review ofstudies of DNA methylation in the context of a weight loss intervention.Epigenomics 9, 769–787 (2017).
140.Mohammadkhah, A. I., Simpson, E. B., Patterson,S. G. & Ferguson, J. F. Development of the gut microbiome in children, andlifetime implications for obesity and cardiometabolic disease. Children 5, 160(2018).
141.Rampelli, S. et al. Pre-obese children’sdysbiotic gut microbiome and unhealthy diets may predict the development ofobesity. Commun. Biol. 1, 222 (2018).
142.Moreno-Indias, I., Cardona, F., Tinahones,F. J. & Queipo-Ortuno, M. I. Impact of the gut microbiota on thedevelopment of obesity and type 2 diabetes mellitus. Front. Microbiol. 5, 190(2014).
143.Backhed, F. et al. The gut microbiota asan environmental factor that regulates fat storage. Proc. Natl Acad. Sci. USA101, 15718–15723 (2004).
144.Le Chatelier, E. et al. Richness of humangut microbiome correlates with metabolic markers. Nature 500, 541–546 (2013).Individuals in a Danish population with a low bacterial richness (23% of thepopulation) were characterized by more marked overall adiposity, insulinresistance and dyslipidaemia and a more pronounced inflammatory phenotype thanindividuals with high bacterial richness.
145.Ley, R. E., Turnbaugh, P. J., Klein, S.& Gordon, J. I. Microbial ecology: human gut microbes associated withobesity. Nature 444, 1022–1023 (2006).
146.Ley, R. E. et al. Obesity alters gutmicrobial ecology. Proc. Natl Acad. Sci. USA 102, 11070–11075 (2005).
147.Zhang, H. et al. Human gut microbiota inobesity and after gastric bypass. Proc. Natl Acad. Sci. USA 106, 2365–2370(2009).
148.Cani, P. D. et al. Endocannabinoids — atthe crossroads between the gut microbiota and host metabolism. Nat. Rev.Endocrinol. 12, 133–143 (2016). In this review, the authors show that theendocannabinoid system and related bioactive lipids strongly contribute toseveral specific physiological processes and are a characteristic of obesity,type 2 diabetes mellitus and inflammation.
149.Gao, X. et al. Body mass index differencesin the gut microbiota are gender specific. Front. Microbiol. 9, 1250 (2018).
150.Heianza, Y. et al. Gut-microbiome-relatedLCT genotype and 2-year changes in body composition and fat distribution: thePOUNDS Lost Trial. Int. J. Obes. 42, 1565–1573 (2018). The authors hypothesizethat the gut microbiome regulates host energy metabolism and adiposity by studying2-year changes in adiposity measures according to the LCT genotype and assignedweight-loss diets.
151.David, L. A. et al. Diet rapidly andreproducibly alters the human gut microbiome. Nature 505, 559–563 (2014). Theauthors demonstrate that the gut microbiome can rapidly respond to altereddiet, potentially facilitating the diversity of human dietary lifestyles.
152.Arumugam, M. et al. Enterotypes of thehuman gut microbiome. Nature 473, 174–180 (2011).
153.Turnbaugh, P. J. et al. An obesity-associatedgut microbiome with increased capacity for energy harvest. Nature 444,1027–1031 (2006).
154.Chambers, E. S. et al. Acute oral sodiumpropionate supplementation raises resting energy expenditure and lipidoxidation in fasted humans. Diabetes Obes. Metab. 20, 1034–1039 (2018).
155.Canfora, E. E. et al. Colonic infusions ofshort-chain fatty acid mixtures promote energy metabolism in overweight/obesemen: a randomized crossover trial. Sci. Rep. 7, 2360 (2017).
156.Schwiertz, A. et al. Microbiota and SCFAin lean and overweight healthy subjects. Obesity 18, 190–195 (2010).
157.Rahat-Rozenbloom, S., Fernandes, J.,Gloor, G. B. & Wolever, T. M. Evidence for greater production of colonicshort-chain fatty acids in overweight than lean humans. Int. J. Obes. 38,1525–1531 (2014).
158.Canfora, E. E., Meex, R. C. R., Venema, K.& Blaak, E. E. Gut microbial metabolites in obesity, NAFLD and T2DM. Nat.Rev. Endocrinol. 15, 261–273 (2019). This review outlines the role of productsderived from microbial carbohydrate and protein fermentation in relation toobesity and obesity-associated insulin resistance, type 2 diabetes mellitus andnonalcoholic fatty liver disease, and discusses the mechanisms involved.
159.Walker, A. W. et al. Dominant and diet-responsivegroups of bacteria within the human colonic microbiota. ISME J. 5, 220–230(2011).
160.Duncan, S. H. et al. Reduced dietaryintake of carbohydrates by obese subjects results in decreased concentrationsof butyrate and butyrate-producing bacteria in feces. Appl. Env. Microbiol. 73,1073–1078 (2007).
161.Wanders, A. J. et al. The effects ofbulking, viscous and gel-forming dietary fibres on satiation. Br. J. Nutr. 109,1330–1337 (2013).
162.Greenhill, C. Obesity: fermentablecarbohydrates increase satiety signals. Nat. Rev. Endocrinol. 13, 3 (2017).
163.Li, Z. et al. Butyrate reduces appetiteand activates brown adipose tissue via the gut-brain neural circuit. Gut 67,1269–1279 (2018).
164.Turnbaugh, P. J., Backhed, F., Fulton, L.& Gordon, J. I. Diet-induced obesity is linked to marked but reversiblealterations in the mouse distal gut microbiome. Cell Host Microbe 3, 213–223(2008).
165.Ierardi, E. et al. Macronutrient intakesin obese subjects with or without small intestinal bacterial overgrowth: analimentary survey. Scand. J. Gastroenterol. 51, 277–280 (2016).
166.Koh, A., De Vadder, F.,Kovatcheva-Datchary, P. & Backhed, F. From dietary fiber to hostphysiology: short-chain fatty acids as key bacterial metabolites. Cell 165,1332–1345 (2016).
167.Neis, E. P., Dejong, C. H. & Rensen,S. S. The role of microbial amino acid metabolism in host metabolism. Nutrients7, 2930–2946 (2015).
168.Roager, H. M. et al. Colonic transit timeis related to bacterial metabolism and mucosal turnover in the gut. Nat.Microbiol. 1, 16093 (2016).
169.Russell, W. R. et al. High-protein,reduced-carbohydrate weight-loss diets promote metabolite profiles likely to bedetrimental to colonic health. Am. J. Clin. Nutr. 93, 1062–1072 (2011).
170.Roager, H. M. & Licht, T. R. Microbialtryptophan catabolites in health and disease. Nat. Commun. 9, 3294 (2018).
171.Candido, F. G. et al. Impact of dietaryfat on gut microbiota and low-grade systemic inflammation: mechanisms andclinical implications on obesity. Int. J. Food Sci. Nutr. 69, 125–143 (2018).
172.Wu, G. D. et al. Linking long-term dietarypatterns with gut microbial enterotypes. Science 334, 105–108 (2011).
173.Simoes, C. D. et al. Habitual dietaryintake is associated with stool microbiota composition in monozygotic twins. J.Nutr. 143, 417–423 (2013).
174.Osterberg, K. L. et al. Probioticsupplementation attenuates increases in body mass and fat mass during high-fatdiet in healthy young adults. Obesity 23, 2364–2370 (2015).
175.Hulston, C. J., Churnside, A. A. &Venables, M. C. Probiotic supplementation prevents high-fat,overfeeding-induced insulin resistance in human subjects. Br. J. Nutr. 113,596–602 (2015).
176.Lang, J. M. et al. Impact of individualtraits, saturated fat, and protein source on the gut microbiome. mBio 9,1604–1618 (2018).
177.Sen, T. et al. Diet-driven microbiotadysbiosis is associated with vagal remodeling and obesity. Physiol. Behav. 173,305–317 (2017).
178.Jin, Q. et al. Metabolomics andmicrobiomes as potential tools to evaluate the effects of the Mediterraneandiet. Nutrients 11, 207 (2019).
179.Kong, L. C. et al. Dietary patternsdifferently associate with inflammation and gut microbiota in overweight andobese subjects. PLoS One 9, e109434 (2014).
180.Etxeberria, U. et al. Shifts in microbiotaspecies and fermentation products in a dietary model enriched in fat andsucrose. Benef. Microbes 6, 97–111 (2015).
181.Zhang, L. S. & Davies, S. S. Microbialmetabolism of dietary components to bioactive metabolites: opportunities fornew therapeutic interventions. Genome Med. 8, 46 (2016).
182.Le Roy, C. I. et al. Heritable componentsof the human fecal microbiome are associated with visceral fat. Gut Microbes 9,61–67 (2018).
183.Chua, K. J., Kwok, W. C., Aggarwal, N.,Sun, T. & Chang, M. W. Designer probiotics for the prevention and treatmentof human diseases. Curr. Opin. Chem. Biol. 40, 8–16 (2017).
184.Salonen, A. et al. Impact of diet andindividual variation on intestinal microbiota composition and fermentationproducts in obese men. ISME J. 8, 2218–2230 (2014).
185.Jumpertz, R. et al. Energy-balance studiesreveal associations between gut microbes, caloric load, and nutrient absorptionin humans. Am. J. Clin. Nutr. 94, 58–65 (2011).
186.Dao, M. C. et al. Akkermansia muciniphilaand improved metabolic health during a dietary intervention in obesity:relationship with gut microbiome richness and ecology. Gut 65, 426–436 (2016).
187.Menni, C. et al. Gut microbiome diversityand high-fibre intake are related to lower long-term weight gain. Int. J. Obes.41, 1099–1105 (2017).
188.Aguirre, M., Bussolo de Souza, C. &Venema, K. The gut microbiota from lean and obese subjects contributedifferently to the fermentation of arabinogalactan and inulin. PLoS One 11,e0159236 (2016).
189.Nicolucci, A. C. et al. Prebiotics reducebody fat and alter intestinal microbiota in children who are overweight or withobesity. Gastroenterology 153, 711–722 (2017).
190.Mayorga Reyes, L. et al. Correlationbetween diet and gut bacteria in a population of young adults. Int. J. FoodSci. Nutr. 67, 470–478 (2016).
191.Mazlan, N., Horgan, G., Whybrow, S. &Stubbs, J. Effects of increasing increments of fat- and sugar-rich snacks inthe diet on energy and macronutrient intake in lean and overweight men. Br. J.Nutr. 96, 596–606 (2006).
192.Rebello, C. J., Liu, A. G., Greenway, F.L. & Dhurandhar, N. V. Dietary strategies to increase satiety. Adv. FoodNutr. Res. 69, 105–182 (2013).
193.Torres-Fuentes, C., Schellekens, H.,Dinan, T. G. & Cryan, J. F. The microbiota-gut-brain axis in obesity.Lancet Gastroenterol. Hepatol. 2, 747–756 (2017).
194.Kristensen, M. & Jensen, M. G. Dietaryfibres in the regulation of appetite and food intake. Importance viscosity.Appetite 56, 65–70 (2011).
195.Han, P., Bagenna, B. & Fu, M. Thesweet taste signalling pathways in the oral cavity and the gastrointestinaltract affect human appetite and food intake: a review. Int. J. Food Sci. Nutr.70, 125–135 (2019).
196.Spector, A. C. & Schier, L. A.Behavioral evidence that select carbohydrate stimuli activate T1R-independentreceptor mechanisms. Appetite 122, 26–31 (2018).
197.Clark, M. J. & Slavin, J. L. Theeffect of fiber on satiety and food intake: a systematic review. J. Am. Coll.Nutr. 32, 200–211 (2013).
198.Bornet, F. R., Jardy-Gennetier, A. E.,Jacquet, N. & Stowell, J. Glycaemic response to foods: impact on satietyand long-term weight regulation. Appetite 49, 535–553 (2007).
199.Keogh, J., Atkinson, F., Eisenhauer, B.,Inamdar, A. & Brand-Miller, J. Food intake, postprandial glucose, insulinand subjective satiety responses to three different bread-based test meals.Appetite 57, 707–710 (2011).
200.Galarregui, C. et al. Interplay ofglycemic index, glycemic load, and dietary antioxidant capacity with insulinresistance in subjects with a cardiometabolic risk profile. Int. J. Mol. Sci.19, 3662 (2018).
201.Silva Figueiredo, P. et al. Fatty acidsconsumption: the role metabolic aspects involved in obesity and its associateddisorders. Nutrients 9, 1158 (2017).
202.Okla, M., Kim, J., Koehler, K. &Chung, S. Dietary factors promoting brown and beige fat development andthermogenesis. Adv. Nutr. 8, 473–483 (2017).
203.Maher, T. & Clegg, M. E. Dietarylipids with potential to affect satiety: mechanisms and evidence. Crit. Rev.Food Sci. Nutr. 59, 1619–1644 (2018).
204.Simopoulos, A. P. An increase in theomega-6/omega-3 fatty acid ratio increases the risk for obesity. Nutrients 8,128 (2016).
205.Duca, F. A., Sakar, Y. & Covasa, M.The modulatory role of high fat feeding on gastrointestinal signals in obesity.J. Nutr. Biochem. 24, 1663–1677 (2013).
206.Trigueros, L. et al. Food ingredients asanti-obesity agents: a review. Crit. Rev. Food Sci. Nutr. 53, 929–942 (2013).
207.Darzi, J., Frost, G. S. & Robertson,M. D. Effects of a novel propionate-rich sourdough bread on appetite and foodintake. Eur. J. Clin. Nutr. 66, 789–794 (2012).
208.Ichimura, A., Hara, T. & Hirasawa, A.Regulation of energy homeostasis via GPR120. Front. Endocrinol. 5, 111 (2014).
209.Lorente-Cebrian, S. et al. Role of omega-3fatty acids in obesity, metabolic syndrome, and cardiovascular diseases: areview of the evidence. J. Physiol. Biochem. 69, 633–651 (2013).
210.Hopkins, M. & Blundell, J. E. Energybalance, body composition, sedentariness and appetite regulation: pathways toobesity. Clin. Sci. 130, 1615–1628 (2016).
211.Leidy, H. J. et al. The role of protein inweight loss and maintenance. Am. J. Clin. Nutr. 101, 1320S–1329S (2015).
212.Gilbert, H. J. & Chandra, N. Editorialoverview: carbohydrate-protein interactions and glycosylation: integratingstructural biology, informatics and systems modelling to understand glycanstructure and glycan-protein interactions. Curr. Opin. Struct. Biol. 40, v–viii(2016).
213.Hochstenbach-Waelen, A.,Westerterp-Plantenga, M. S., Veldhorst, M. A. & Westerterp, K. R.Single-protein casein and gelatin diets affect energy expenditure similarly butsubstrate balance and appetite differently in adults. J. Nutr. 139, 2285–2292(2009).
214.Mars, M., Stafleu, A. & de Graaf, C.Use of satiety peptides in assessing the satiating capacity of foods. Physiol.Behav. 105, 483–488 (2012).
215.Martinez de Morentin, P. B., Urisarri, A.,Couce, M. L. & Lopez, M. Molecular mechanisms of appetite and obesity: arole for brain AMPK. Clin. Sci. 130, 1697–1709 (2016).
216.Ojha, U. Protein-induced satiation and thecalcium-sensing receptor. Diabetes Metab. Syndr. Obes. 11, 45–51 (2018).
217.Tsurugizawa, T., Uneyama, H. & Torii,K. Brain amino acid sensing. Diabetes Obes. Metab. 16, 41–48 (2014).
218.Fowler, S. P. G. Low-calorie sweetener useand energy balance: results from experimental studies in animals, andlarge-scale prospective studies in humans. Physiol. Behav. 164, 517–523 (2016).
作者｜Rodrigo San-Cristobal 等
编译｜储雪、赵婧
审校｜617
编辑｜笑咲