超加工食品的代谢组学特征与心血管疾病发病率和死亡率

Metabolomic signature of ultra-processed foods and cardiovascular morbidity and mortality

作者信息Lei Wang, Jiaqi Yang, Jingsha Chen, Casey M Rebholz, Xiao-Ou Shu, Martha J Shrubsole, Deepak K Gupta, Loren Lipworth, Siyuan Ma, Qi Dai, Wei Zheng, Danxia Yu
PMID42217336
期刊Clin Nutr
发布时间2026-07
DOI10.1016/j.clnu.2026.106691

实验完整度

包含三个独立前瞻性队列(SCCS、PLCO、ARIC),涵盖发现和验证阶段,运用非靶向代谢组学、线性回归、Cox回归、弹性网络和中介分析,并进行了亚组分析。

主要模型

SCCS队列(N=1688) PLCO队列(N=2315) ARIC队列(N=3682)

重点核对

UPF摄入量的量化方法在各队列中不同(SCCS和PLCO为重量百分比,ARIC为份/天) 代谢物检测平台(Metabolon DiscoveryHD4)及代谢物可用性差异 模型调整的协变量在各队列中有所不同 事件定义和随访时间在不同队列中有所差异

摘要

背景与目的:高摄入超加工食品(UPFs)会增加心血管疾病(CVD)风险,但潜在机制尚不清楚。利用三个前瞻性队列的非靶向血液代谢组学,我们旨在识别并验证与UPF摄入和CVD风险及死亡率相关的循环代谢物。方法:这项两阶段代谢组学研究包括在南方社区队列研究(SCCS;N = 1688)中进行的发现阶段,以及在前列腺、肺、结直肠和卵巢癌筛查试验(PLCO;N = 2315)和社区动脉粥样硬化风险研究(ARIC;N = 3682)中进行的验证阶段。UPF摄入量(按Nova分类)根据队列基线时进行的食物频率问卷量化为重量百分比或每日份数。对没有癌症或CVD的选定参与者进行了基线血液代谢物的非靶向分析。在发现阶段,使用线性回归评估UPF摄入量与1100种代谢物的关联,并使用条件逻辑回归和Cox回归模型进一步检验UPF相关代谢物和代谢物特征(MetSig)与偶发冠心病(CHD)、CVD死亡率和总死亡率的关联。显著发现(FDR<0.1)使用类似方法进行验证。结果:我们确定了(n = 142)并验证了(n = 43)与UPF摄入相关的代谢物,其中一些代谢物进一步与偶发冠心病(n = 5;例如N2,N2-二甲基鸟苷和甘露醇/山梨醇)、CVD死亡率(n = 2;例如N-乙酰氨基葡萄糖/N-乙酰半乳糖胺)和总死亡率(n = 20;例如嘌呤/嘧啶代谢相关的核苷)相关。重要的是,我们开发了UPF摄入的MetSig,其与这些结局的关联比UPF摄入更强(CHD发病率:OR = 1.46 vs 1.10;CVD死亡率:HR = 1.27 vs 1.16;总死亡率:HR = 1.25 vs 1.12,每增加1个标准差)。此外,该MetSig解释了UPF-疾病关联的59-77%,并在各亚群中显示出一致的 adverse 关联。结论:我们在三个前瞻性队列中识别并验证了与UPF摄入和CVD风险及死亡率相关的循环代谢物。这些发现可能增进对UPF如何影响人类健康的评估和机制理解。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
超加工食品摄入与心血管疾病风险及死亡率之间的关联是否由循环代谢物介导?
核心机制
UPF摄入与多种代谢物相关,涉及嘌呤代谢、色氨酸代谢、脂质代谢等通路,这些代谢物可能介导UPF对心血管疾病和死亡的影响。
主要证据
在SCCS中发现142种UPF相关代谢物,并在PLCO和ARIC中验证了43种;其中5种与CHD发病率相关,2种与CVD死亡率相关,20种与总死亡率相关;构建的MetSig(84种代谢物)与CHD、CVD死亡和总死亡显著相关,并介导了59-77%的关联。
研究意义
代谢组学特征可能提供客观的生物学见解,支持精准营养和针对性干预,以减少心血管代谢风险并改善人群健康。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

发现阶段:SCCS队列中鉴定UPF相关代谢物

鉴定与UPF摄入相关的循环代谢物

对SCCS中1688名参与者的基线血浆进行非靶向代谢组学分析,并使用线性回归评估UPF摄入量(重量百分比)与1110种代谢物的关联(FDR<0.1)。

2

发现阶段:SCCS中UPF相关代谢物与结局的关联

评估UPF相关代谢物与CHD、CVD死亡和总死亡的关联

使用条件逻辑回归评估CHD发病率,Cox回归评估CVD死亡和总死亡,并识别显著关联的代谢物(FDR<0.1)。

3

验证阶段:PLCO和ARIC中验证UPF相关代谢物

验证SCCS中发现的UPF相关代谢物及其与结局的关联

在PLCO(N=2315)和ARIC(N=3682)中评估了目标代谢物与UPF摄入量和结局的关联,使用线性回归和Cox回归,并采用固定效应meta分析合并结果。

4

构建UPF摄入的代谢物特征(MetSig)

构建代表UPF整体代谢谱的特征并评估其与结局的关联

在SCCS中,利用142种UPF相关代谢物通过弹性网络回归构建MetSig(84种代谢物),并评估其与CHD、CVD死亡和总死亡的关联,及其中介效应。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
DiscoveryHD4Metabolon, Inc.--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
UPF摄入量评估
UPF摄入量的量化方法和权重(SCCS和PLCO为重量百分比,ARIC为份/天;各队列中UPF食品项目权重不同)
阅读提示:方法学2.2节
代谢物检测
检测平台(Metabolon DiscoveryHD4)、样本类型(SCCS和PLCO为血浆,ARIC为血清)及代谢物标准化方法
阅读提示:方法学2.3节
结果评估
事件定义(CHD、CVD死亡、总死亡)和随访时间各队列不同
阅读提示:方法学2.4节
统计分析
模型调整的协变量不同于各队列:SCCS调整了空腹状态、批次、社会人口学、生活方式、代谢健康条件等;PLCO调整了研究批次、病例对照状态等;ARIC调整了年龄、性别、种族-中心等
阅读提示:方法学2.5节