[发明专利]一种利用神经网络模型预测低碳饮食减重干预效果的方法

说明书

本发明公开了一种利用神经网络模型预测低碳饮食减重干预效果的方法。获取待评估者减重前属水平上肠道菌群的相对丰度和减重指标，将相对丰度数据和减重指标作为神经网络模型的参数输入，利用神经网络模型预测低碳饮食减重干预效果。低碳饮食干预会导致体重明显减轻，某些肠道菌群会升高。利用先进的计算算法，例如随机森林和人工神经网络(ANNs)，我们发现在低碳饮食干预下，产生丁酸盐的细菌。我们证明了拟杆菌科细菌的相对丰度是低碳饮食干预后个体体重减轻的积极结果预测指标。此外，利用基线处这些独特的肠道微生物结构，我们建立了一个基于神经网络算法的预测模型，以评估每项临床试验的减肥潜力，目的是开发有效的减肥策略。

技术领域

本发明属于生物医药领域，具体涉及一种利用神经网络模型预测低碳饮食减重干预效果的方法。

背景技术

肥胖是一种由多种因素引起的慢性代谢性疾病，包括但不限于食用廉价且热量密集的食物，身体活动减少，胰岛素抵抗，抑郁和社交焦虑。肥胖症或与肥胖症有关的慢性病影响全球超过20亿人。根据《2020年中国居民慢性病与营养报告》，超重或肥胖困扰着一半以上的中国成年人。尽管在多个方面都取得了进步，但肥胖仍然是一系列慢性疾病(例如心血管疾病(CVD)，糖尿病和癌症)的高危因素，并且会对机体健康产生不利影响。在肥胖人群中，与BMI相关的CVD导致41％的死亡和34％的残疾，这是不良事件的主要原因。

肥胖症严重危害人民群众健康且大幅增加了医疗的支出。因此，寻找治疗肥胖的有效干预策略迫在眉睫，例如，生活方式干预，肥胖症药物治疗和减肥手术已被写入《肥胖症管理指南》。生活方式减肥的干预措施是肥胖治疗的首选方案。在所有生活方式干预中，饮食干预是促进减肥的最佳选择。据报道，有许多不同的饮食方法，例如低碳饮食，高蛋白饮食，低脂饮食，低血糖指数饮食，平衡饮食，素食，纯素食和地中海式饮食等。饮食限制治疗肥胖症近年已开始引起公众的关注，尽管尚未将大量营养素与低碳饮食的比例标准化。部分研究证实，碳水化合物的限制与血浆胰岛素水平的降低密切相关，随后是脂肪氧化，能量消耗和体重减轻的增加。此外，低碳饮食是一种有效且可行的减肥策略，尤其是对于那些与肥胖相关的慢性疾病(例如2型糖尿病)的人而言。然而，在其他临床研究中，低碳饮食干预后的体重减轻并不那么显着。因此，在不同的研究中，低碳饮食干预对体重管理的功效是不一致的。

尽管在不同的临床试验中已经报道了与低碳饮食干预相关的减肥方法，但是确切的益处和可持续性仍然存在诸多的挑战。缺乏足够的证据和有效的方法来评估低碳饮食干预下减肥有效性。

发明内容

本发明的第一个目的是提供Bacteroidaceae Bacteroides、PorphyromonadaceaeParabacteroides,Odoribacteraceae Butyricimonas或Ruminococcaceae Oscillospira作为评估和指导低碳饮食干预减重的菌群标志物的应用。

本发明的第二个目的是提供检测Bacteroidaceae Bacteroides、Porphyromonadaceae Parabacteroides,Odoribacteraceae Butyricimonas或Ruminococcaceae Oscillospira含量的试剂在制备评估和指导低碳饮食干预减重效果的试剂中的应用。

所述的检测Bacteroidaceae Bacteroides、PorphyromonadaceaeParabacteroides,Odoribacteraceae Butyricimonas或Ruminococcaceae Oscillospira含量的试剂是检测Bacteroidaceae Bacteroides、PorphyromonadaceaeParabacteroides,Odoribacteraceae Butyricimonas或Ruminococcaceae Oscillospira相对丰度的试剂。