Applications of Metabolomics to Precision Nutrition
Notice bibliographique
Résumé
BACKGROUND: For thousands of years, disabilities due to nutrient deficiencies have plagued humanity. Rickets, scurvy, anemia, stunted growth, blindness, and mental handicaps due to nutrient deficiencies affected up to 1/10 of the world's population prior to 1900. The discovery of essential amino acids, vitamins, and minerals, in the early 1900s, led to a fundamental change in our understanding of food and a revolution in human health. Widespread vitamin and mineral supplementation, the development of recommended dietary allowances, and the implementation of food labeling and testing along with significant improvements in food production and food quality have meant that nutrient-related disorders have almost vanished in the developed world. The success of nutritional science in preventing disease at a population-wide level is one of the great scientific triumphs of the 20th century. The challenge for nutritional science in the 21st century is to understand how to use nutrients and other food constituents to enhance human health or prevent disease at a more personal level. This is the primary goal of precision nutrition. SUMMARY: Precision nutrition is an emerging branch of nutrition science that aims to use modern omics technologies (genomics, proteomics, and metabolomics) to assess an individual's response to specific foods or dietary patterns and thereby determine the most effective diet or lifestyle interventions to prevent or treat specific diseases in that individual. Metabolomics is vital to nearly every aspect of precision nutrition. It can be used to comprehensively characterize the thousands of chemicals in foods, to identify food byproducts in human biofluids or tissues, to characterize nutrient deficiencies or excesses, to monitor biochemical responses to dietary interventions, to track long-term or short-term dietary habits, and to guide the development of nutritional therapies. In this review, we will describe how metabolomics has been used to advance the field of precision nutrition by providing some notable examples or use cases. First, we will describe how metabolomics helped launch the field of precision nutrition through the diagnosis and dietary therapy of individuals with inborn errors of metabolism. Next, we will describe how metabolomics is being used to comprehensively characterize the full chemical complexity of many key foods, and how this is revealing much more about nutrients than ever imagined. Third, we will describe how metabolomics is being used to identify food consumption biomarkers and how this opens the door to a more objective and quantitative assessments of an individual's diet and their response to certain foods. Finally, we will describe how metabolomics is being coupled with other omics technologies to develop custom diets and lifestyle interventions that are leading to positive health benefits. Key Message: Metabolomics is vital to the advancement of nutritional science and in making the dream of precision nutrition a reality.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».