《The American Journal of Clinical Nutrition》：Biomarkers for dietary fatty acid densities among postmenopausal United States females derived using a habitual-diet human feeding study
编辑推荐：
为解决膳食脂肪酸(FA)密度客观评估手段匮乏的问题，本研究基于WHI队列开展代谢组学驱动生物标志物开发，通过血清磷脂FA与尿液代谢物构建多变量模型，显著提升特定FA密度预测精度(CV-R2>30%)，为营养流行病学提供抗测量误差工具。
在营养流行病学领域，膳食脂肪酸与慢性疾病风险关联研究长期受困于一个核心难题：自我报告饮食数据存在系统性误差。尽管血液和组织中脂肪酸浓度可直接测量，但如何精准评估膳食中各类脂肪酸的真实摄入密度（每千卡热量所含克数），仍是悬而未决的科学挑战。美国妇女健康倡议（WHI）的研究团队在《The American Journal of Clinical Nutrition》发表的最新研究，通过创新性整合血清与尿液代谢组学数据，构建出一套针对特定膳食脂肪酸密度的客观生物标志物体系，为破解这一难题提供了关键技术支持。
该研究设计基于WHI营养与体力活动评估研究-喂养研究（NPAAS-FS）队列，153名绝经后女性在严格控制的2周喂养期内摄入接近其习惯性饮食的餐食。研究人员采集了参与者的血清样本（通过靶向LC-MS/MS和脂质组学平台分析155种代谢物及664种脂质）和24小时尿液样本（通过NMR和GC-MS分析57种及275种代谢物），并额外检测了41种血清磷脂脂肪酸（PLFA）浓度。所有膳食密度和代谢物浓度均进行对数转换，采用LASSO回归筛选变量，并通过100次随机数据拆分计算交叉验证决定系数（CV-R2）评估模型性能。
结果部分显示，生物标志物模型在多个脂肪酸类别中表现优异：饱和脂肪酸（SFA）密度模型CV-R2达46.4%，其中棕榈酸（16:0）和硬脂酸（18:0）密度模型分别解释42.2%和34.2%的变异，主要关联血清反式16:1脂肪酸和特定甘油三酯（TAG）浓度。多不饱和脂肪酸（PUFA）密度模型表现更突出，亚油酸（18:2）和α-亚麻酸（18:3）密度模型CV-R2分别达51.7%和50.1%，前者与鞘脂HCER 22:0呈正相关，后者与血清游离18:3脂肪酸浓度密切相关。单不饱和脂肪酸（MUFA）中，仅油酸（18:1）密度模型达到31.3%的阈值，其预测因子包括TAG52:2和溶血磷脂酰乙醇胺（LPE 18:1）。值得注意的是，所有模型均排除了膳食补充剂摄入数据，确保仅反映饮食来源的脂肪酸密度。
结论与讨论强调该研究的双重突破：技术上，首次系统整合PLFA数据与多平台代谢组学，显著提升特定脂肪酸密度预测精度；应用上，为慢性疾病风险研究提供经校准的膳食暴露评估工具。模型满足Dragsted等人提出的生物标志物8项标准（包括生物学合理性、剂量反应关系等），且预测因子多为已知代谢通路相关分子（如CER 22:0、特定TAGs）。研究局限性包括样本量有限和人群同质性较高，但方法学框架具备向其他人群推广的潜力。该成果标志着营养流行病学从依赖主观报告向客观生物标志物评估的重要转型，为精准营养研究奠定新基石。
