点击蓝字 关注我们
北京协和医院 邢宝迪、高琪、王雪晨、陈欣悦 翻译，李玉秀 审校
Source：Yaogan Luo, et al. Diabetes Care. 2023 Sep 1;46(9):1691-1699.
doi: 10.2337/dc23-0314.
目的：很少有试验研究不同饮食中的食物成分与其诱导的脂质组学变化和相关代谢结局。因此，我们通过一项试验和一项队列研究，调查了习惯性饮食的脂质组学特征和改变的糖尿病风险。
研究设计和方法：从2019年2月至9月，我们纳入了231例超重和糖尿病前期的中国患者，分别采用地中海饮食、传统饮食或过渡饮食（对照饮食）进行了一项随机干预研究。采用高通量靶向液相色谱-质谱法在基线、第3个月和第6个月测定血浆脂质组学特征。在另一个中国队列（n=1117）的脂质组学数据库中，我们研究了这些脂质与习惯性摄入食物的关联。通过试验中的个体脂质和相关模块，我们进一步研究了饮食诱导的脂质组学变化与糖尿病危险因素之间的关系。
结果：在364种脂质类别中，26种组间发生改变，包括12种甘油三酯（triglyceride，TAG）组分，9种缩醛磷脂，4种磷脂酰胆碱（phosphatidylcholine，PC）和1种磷脂酰乙醇胺。在队列中，TAG组分和PC与鱼肉习惯性摄入相关，缩醛磷脂与红肉摄入相关。在与饮食相关的脂质组学代谢物中，10个TAG组分和PC（16:0/22:6）与改善的Matsuda指数相关（β=0.12~0.42；PFDR<0.030）。两种缩醛磷脂与空腹血糖恶化相关（β=0.29~0.31；PFDR<0.014）。在TAG和醛缩磷脂相关模块中同样观察到类似的结果。
结论：这些与鱼肉和红肉相关的脂质组学特征敏感地反映了不同的饮食以及可改变的2型糖尿病危险因素，这对优化饮食模式至关重要。
2型糖尿病是一个主要的全球公共卫生问题[1]。众所周知，健康饮食模式如地中海饮食可减少心脏代谢风险，包括2型糖尿病[2]。类似地，在一些队列研究中，富含植物性食物的传统亚洲饮食也显示出对心脏代谢有益[3,4]。在我们先前为期6个月的等热量限制饮食干预试验[饮食模式和代谢健康（Dietary Pattern and Metabolic Health，DPMH）试验]，传统的江南饮食，一种源自中国东南方富含丰富的蔬菜、豆制品、淡水鱼和全谷物的饮食习惯，在减重和改善葡萄糖稳态方面的获益与地中海饮食相当；而以红肉（主要为猪肉）和精制谷物为特征的过渡饮食（对照饮食）可增加低血糖风险[5]。然而，在给定的饮食模式中通过相关代谢通路去阐明特定的食物或成分对于葡萄糖稳态的影响，这仍然是一个挑战[6]。因此，寻找一种创新的方式去捕捉食物相关的特征对未来饮食模式的优化至关重要。
通过先进的组学技术，脂质组学为确定可靠的膳食暴露生物标志物提供了强大的工具，而该生物标志物不容易出现与问卷调查相关的回忆偏倚和测量误差[7]。例如，我们之前发现4种与乳制品相关的鞘磷脂与空腹血糖的6年变化呈负相关[8]。事实上，根据许多纵向研究，脂质稳态紊乱与2型糖尿病的较高风险相关[9]。在我们早期的研究中，14种鞘脂类，8种甘油磷脂类和9种甘油脂类与新发2型糖尿病显著相关[10-13]。此外，在西方人群中，脂质组学物种具有特定的分子特征，如酰基链的长度和饱和度，被报道影响它们与2型糖尿病风险的关联[14]。综上所述，脂质组学有望成为揭示膳食摄入与2型糖尿病发病机制之间的脂质代谢联系的有效手段。
迄今为止，只有少数在西方人群中进行的干预试验探讨了饮食诱导的脂质物种变化，包括磷脂酰胆碱也称卵磷脂（phosphatidylcholines，PC）、胆固醇酯和溶血磷脂[15,16]。值得注意的是，遗传多样性和饮食调整可能导致具有独特结构脂质种类和不同的健康结局[11]。精心设计的饮食干预无疑为在具有不同饮食和遗传背景的人群中发现可靠的饮食相关脂质组学标志物提供了独特的机会。
因此，通过在控制良好的6个月DPMH饮食干预试验中反复测定的脂质组学特征，以及来自中国老龄化人口营养与健康（Nutrition and Health of Aging Population in China，NHAPC）队列的脂质组学数据库，我们旨在探索：1）在DPMH试验中，地中海饮食、传统江南饮食和对照饮食导致的脂质组学特征改变；2）在NHAPC 队列南方亚群中发现的脂质组学特征与习惯性食物摄入之间的联系；3）DPMH 试验中食物相关脂质组学特征与改变的糖尿病危险因素之间的关联。
如之前所报道，DPMH 是一项平行组随机对照试验， 比较了地中海饮食、传统江南饮食和对照饮食对体重和葡萄糖稳态的影响（ClinicalTrials.gov:NCT03856762）[5]。简而言之，DPMH研究在2019年纳入了来自上海上汽大众汽车公司253名年龄在25~60岁、体质指数（bodymass index,BMI）≥24 kg/m2、空腹血糖≥5.6 mmol/L 的研究对象。参与者被随机分配到地中海饮食组（n=84）、传统江南饮食组（n=85）或对照饮食组（n=84），为期6个月。排除3个月内退出试验的参与者后，共231例参与者被纳入本分析。
利用NHAPC研究（在2005年中招募3289名来自北京和上海地区50~70岁的居民）中1117例能量摄入合理（男性800~4000千卡/天，女性500~3500 千卡/天）的上海居民的基线脂质组学数据探索DMPH特定的脂质类别，以进一步确定与之相关的习惯性食物组[17]。两项研究的方案均获得了中国科学院上海营养与健康研究所（中国上海）机构审查委员会的批准，所有参与者均提供了书面知情同意书。
在DPMH试验中， 研究者对每周5天的饮食方案进行了6个月随访，其中包括3种等热量限制饮食，分别为男性1600千卡/天，女性1300 千卡/天。除了蔬菜、水果和全谷物的摄入外，地中海饮食更多地采用特级初榨橄榄油、海鱼和坚果等地中海食材，而传统的江南饮食则根据中国东南地区传统的菜系富含豆制品和淡水鱼。对照饮食以相对更高比例的红肉（主要是猪肉）和精制谷物（主要是白米）为主，代表了上海等特大城市的过渡饮食。干预期间饮食摄入的具体信息在之前已经报道过[5]。
NHAPC的基线膳食摄入量采用经过改良和验证的74项食物频率问卷[18]进行评估，营养素摄入量采用中国食物成分表[19]计算。两项研究的体力活动水平均采用改良的国际体力活动问题简表[20]进行评估。
在DPMH试验中，人体测量和血液采样由经过培训的工作人员在基线、第3个月和第6个月进行。采集过夜空腹血样及2小时口服葡萄糖耐量试验30、60和120分钟血样。血浆葡萄糖和胰岛素浓度由全自动分析仪（Hitachi 7080）测定，使用Wako纯药株式会社生产的商业试剂盒。采用Matsuda指数[21]评估胰岛素敏感性。采用胰岛素分泌指数和葡萄糖处置指数[22,23]评估胰岛β细胞功能。
采用电喷雾电离的高通量靶向液相色谱串联质谱在正极和负极模式下测定DPMH试验基线、第3个月和第6个月时的血浆脂质组学，以及同一平台的NHAPC试验基线时的血浆脂质组学。关于样品制备和数据采集的详细信息已在其他地方报道[11]。为监测数据的重复性，在每日序列开始和结束时以及每10个样本之间插入质控样本并进行分析。具有相同数量的碳原子和双键但不同脂肪酰基的甘油三酯（triglyceride，TAG）被鉴定为单独的脂质物种。在剔除缺失值大于20%和（或）变异系数大于30%的脂质后，最终分析包括DPMH中的364种血脂和NHAPC中的649种血脂。
参与者在基线时的描述性数据以及干预期间的变化，连续变量表示为平均值±标准差，分类变量表示为数量（%）。脂质组学中的缺失值用最小检测值的一半进行代替。每个脂质组学的基线值经过自然对数变换，标度为1。通过自然对数变换计算脂质组学值的变化，时间差按比例进行计算。对饮食、脂质特征和糖尿病危险因素之间的关系分三个步骤进行了统计分析（补充材料图1）。
采用探索性加权基因共表达网络分析，确定3个饮食模式组之间高度相关的脂质代谢物类型。为了确定3种饮食模式的脂质组学特征，我们采用了线性混合效应模型来评估3个饮食模式下的脂质变化，该模型采用非结构化协方差矩阵，并校正参与者的年龄、性别、基线BMI、体力活动和脂质代谢物的基线值。组别、时间及其交互作用被视为固定效应，而参与者则被视为一种随机效应。脂质代谢物在单独的模型中进行分析，估计的边际平均值为上述模型的校正值。
为了研究不同饮食模式下的食物相关脂质组学特征，我们分析了个体脂质种类与8个食物组（即蔬菜、水果、乳制品、鱼类、坚果和豆类、红肉、加工类肉制品和精制谷物）习惯摄入量之间的横断面关联，这些食物组来源于NHAPC研究中常用的中国食物选择分类[24]。在某一特定的食物组中，调整年龄、性别、基线BMI、身体活动和其他7种食物组后进行多元线性回归分析。
为了评估在DPMH试验期间，脂质代谢物的变化与糖尿病危险因素改善之间的关联，多元线性回归被用于脂质模块，并对年龄、性别、基线BMI（BMI作为因变量时除外）、体力活动、其他因变量基线值和其他相关模块进行校正。在校正了年龄、性别、基线BMI（将BMI作为因变量时除外）、体力活动、其他因变量的基线值及其所属的脂质亚类后，对个体脂质采用线性混合效应模型进行分析。应用校正的错误发现率（false discovery rate，FDR）定义统计学差异的显著性。所有分析均采用R 3.5.3版进行，应用Cytoscape（3.7.1版）绘制脂质模块网络图。
来自DPMH研究和NHAPC队列的参与者的基线特征见表1。与DPMH研究相比，NHAPC研究中纳入了更多的女性（DPMH：15%vs.NHAPC：60%）和老年人（DPMH：平均38岁vs.NHAPC：平均59岁），体力活动更多（高体力活动百分比，DPMH：15%vs.NHAPC：49%）但总能量摄入量更低（DPMH：2346 千卡/天vs.NHAPC：2154 千卡/天）。
表1 DPMH研究和NHAPC研究上海地区的受试者基线特征
数据表示为平均值± 标准差或n（%）。CD，对照组饮食；MD，地中海饮食；MUFA，单不饱和脂肪酸；PUFA，多不饱和脂肪酸；SFA，饱和脂肪酸；TJD，传统江南饮食。†体力活动水平根据国际体力活动问卷进行计算和分类。‡饮食信息根据食物频率问卷计算得出。
在DPMH研究中， 共鉴定和量化了19种脂质亚类中的364种脂质， 其中283种（77.7%）在NHAPC队列中也可见。在DPMH试验的基线阶段，这364种脂质在3个饮食组之间未发现显著的统计学差异（补充材料表1）。
通过网络分析产生了7个脂质模块（补充材料图2），地中海饮食组和传统江南饮食组以烷基磷脂酰乙醇胺（alkylPhosphatidylethanolamines，PE(O)s） 和烯基磷脂酰乙醇胺（alkenyl-phosphatidylethanolamines，PE(P)s）为主的黄色模块水平较低（P=0.029），而以长链高度不饱和脂肪酰基的TAG 组分为主的棕色模块水平略高（P=0.053）（补充材料表2）。如补充材料表3所示，在6个月的干预期间，3个饮食组的大多数脂质代谢物水平均有所下降，并伴有热量限制引起的体重减轻，这在先前研究中已被报道[25]。在6个月的干预期间，3种饮食模式之间26种血脂的变化显著不同（PFDR<0.05）。变化方向和显著的时间效应如图1A所示。与对照饮食组相比，地中海饮食组和传统江南饮食组的12种长链高度不饱和脂肪酰基或奇数链的TAG组分减少程度较小，其中4种TAG组分在地中海饮食组的减少程度小于传统江南饮食组，而4种PE(O)s和5种PE(P)s 在地中海饮食组和传统江南饮食组的减少程度大于对照饮食组。另一方面，与其他两组相比，地中海饮食组的 4种 PC和1种磷脂酰乙醇胺（phosphatidylethanolamine，PE）显著增加。
图1—3个干预组之间的脂质谱显著变化及其与食物组的关联。（A）3个干预组第3个月和第6个月血脂差异的热图。通过校正年龄、性别、基线BMI和体力活动的线性混合模型来检验每组的变化。颜色代表每组第3或6个月变化的方向（红色：增加；蓝色：减少）。（B）NHAPC基线脂质与食物组相关性的热图。关联系数通过多元线性回归计算得出，表明每日摄入特定食物组每增加一个标准差脂质的变化。颜色代表关联的方向（红色：正；蓝色：反），颜色深度表示关联的强度（越深越强）。FDR校正后，*P<0.05、**P<0.01和***P<0.001。
在26种已鉴定的脂质中，地中海饮食和传统江南饮食组中的12种降低较少的TAG组分与鱼类食物的摄入量呈正相关（β=0.10~0.14；PFDR<0.001）（图1B）。地中海饮食组中PC（16:0/22:6）的增加也与鱼类摄入量有关（β=0.15；PFDR<0.001）。相比之下，9种PE(O)s和PE(P)s中的6种在地中海饮食和传统江南饮食组中下降更明显，并且与红肉摄入量呈正相关（β=0.09~0.16；PFDR<0.004），而PE（O-18:0/22:4）与鱼类摄入量呈负相关（β=−0.08；PFDR=0.024）。
棕色模块，主要包括含有长链高度不饱和脂肪酰类的TAG组分，与Matsuda 指数（β=0.23；PFDR=0.020） 和葡萄糖处置指数（β=0.25；PFDR=0.017）的改善呈正相关，而以PE(O) 和PE(P) 为主的黄色模块与空腹血糖恶化呈正相关（β=0.12；PFDR=0.035）（表2）。在确定的12种与鱼类摄入量相关的TAG组分中，3种与BMI变化呈负相关（β=−0.06~−0.07；PFDR=0.048），10种与Matsuda指数变化呈正相关（β=0.12~0.21；PFDR<0.030），5种与葡萄糖处置指数改善呈正相关的趋势（β=0.21~0.28；PFDR<0.10）（表3）。此外，PC（16:0/22:6）、PC（18:2/22:6）和PE（18:0/14:0）水平的升高与BMI 降低（β=−0.16~−0.25；PFDR<0.001）和Matsuda 指数改善（β=0.32~0.54；PFDR<0.001）相关（表3）。相反，在与红肉摄入量相关的脂质中，PE（P-18:0/20:3）和PE（P-18:1/20:3） 水平的升高与空腹血糖恶化（β=0.29~0.31；PFDR=0.014）和Matsuda指数恶化相关（β=−0.38~−0.54；PFDR=0.014）（表3）。PE（P-18:1/20:3）与葡萄糖处置指数恶化之间的关系不显著（β=−0.32；PFDR=0.080）（表3）。
表2 脂质模块变化与糖尿病危险因素变化的关系
脂质模块变化与BMI、空腹血糖、Matsuda指数、胰岛素分泌指数和葡萄糖处置指数之间的关联使用多元线性回归计算，并根据年龄、性别、基线BMI（BMI 作为反应变量时除外）、体力活动、反应变量的基线值以及其余模块进行校正。给出了从线性回归获得的β 系数和95% CI。PFDR是经过FDR校正后获得的。Cer，神经酰胺；CN，碳总数；DB，双键数量；PI，磷脂酰肌醇；SM，鞘磷脂。
表3 食物组相关的脂质改变与糖尿病危险因素的变化之间的关系
应用校正了年龄、性别、基线体质指数、运动强度、因变量基线值和脂质亚类的总和的线性混合模型计算脂质改变与体质指数，空腹血糖、Matsuda指数、胰岛素分泌指数和葡萄糖处置指数的相关性。结果通过线性混合模型获得的β系数和95%置信区间展示。PFDR经FDR校正后获得。
据我们所知，这是首个表明脂质组学特征的变化可以敏感地反映超重和糖尿病前期中国人地中海饮食、中国传统饮食以及过渡饮食的饮食调整试验。通过研究中确定的脂质组学特征进一步探索与习惯饮食/食物的联系，并在一个独立队列中发现了与鱼类相关的TAG组分和与红肉相关的缩醛磷脂，包括之前未报告的12种脂质。与鱼类相关的12种TAG组分和PC（16:0/22:6）对BMI、空腹血糖、胰岛素敏感性、β细胞功能有有利影响，而与红肉相关的6种PE(O)和PE(P)则有不利的影响，强调在健康饮食的背景下改变特定食物成分可能通过纠正脂质代谢紊乱来改变总体2型糖尿病风险。
我们的结果突出了在为期6个月的干预中，与对照饮食相比，地中海饮食和传统江南饮食干预后，12种与鱼类相关的TAG组分保持在相对较高的水平。值得注意的是，其中9种含有长链高度不饱和脂肪酰基22:6，这可能反映了TAG合成增强，并伴有大量的二十二碳六烯酸（docosahexaenoic acid，DHA；22:6 n-3）底物。事实上，在各种观察性研究中，DHA本身（而非22:6的TAG）被报告为鱼类相关生物标志物[26]。与我们的研究结果类似，另一项为期4周的交叉饮食干预试验也显示了19名肥胖参与者中含有C22:6或C20:5的TAG与富含脂肪的鱼类摄入量之间的关联[27]。然而，与众所周知的乳制品摄入生物标志物奇数链脂肪酸不同[28]，我们的NHAPC研究中的3个奇数链TAG组分显示出与鱼类摄入量的显著相关性，这与一项纳入超过3000名参与者的横断面研究的结果一致[29]。不同研究结果的差异可能是由于我们的研究人群中乳制品摄入量较低（每天69 g），这可能有助于揭示奇数链脂肪酸与鱼类摄入量之间的联系。此外，我们还发现了地中海饮食中PC（16:0/22:6）和PC（18:2/22:6）的水平相对高于其他两种饮食，尽管NHAPC 研究中经过多次校正后，只有PC（16:0/22:6）与鱼类摄入量显著相关。尽管如此，C22:6的PC与鱼类摄入量之间的关联也得到了之前地中海饮食或北欧饮食干预试验的支持[15,30]。总而言之，结合之前报道的PC，我们扩大了TAG组分的种类（早前未报道的12种中的6种）作为可能用于捕获饮食中鱼类摄入的迹象的有前景的生物标志物。
相反，地中海饮食组和传统江南饮食组中的9种PE(P)和PE(O)浓度均相对低于对照饮食组，并且其中6种已发现的脂质生物标志物显示出与红肉摄入量显著的相关性。事实上，早期的食物成分分析研究表明，红肉不仅是花生四烯酸（20:4n-6）的丰富来源，而且还含有大量缩醛磷脂，可以提供丰富的底物以促进特定PE(P)和PE(O)的合成[31]。然而，由于猪肉是我们研究人群摄入的主要红肉种类，因此这些缩醛磷脂与其他类型红肉之间的关系需要在其他人群中进行验证。有趣的是，PC（16:0/18:1） 和PC（18:1/18:1）在地中海饮食组中的增幅比其他两组更大，而这两种PC在NHAPC研究中与任何食物组都没有关联。DPMH研究和NHAPC队列中两种PC的结果不一致，可能是因为在为期6个月的干预期间，地中海饮食仅用橄榄油烹饪，而橄榄油富含油酸（18:1 n-9）[32]， 而传统的江南饮食仅使用葵花籽油。此外，一项试验也支持了我们的发现，该试验显示33名高胆固醇血症受试者在食用3周橄榄油后，含有C18:1的PC含量升高[33]。另一方面，NHAPC中未发现显著关联可能是因为没有参与者在基线时食用橄榄油。同样，地中海饮食和（或）传统江南饮食中红肉和（或）食用油类型改变导致的缩醛磷脂和PC的变化提示了给定饮食成分与特定脂质代谢途径之间的关联。当然，我们研究人群中这些主要与猪肉相关的缩醛磷脂是否也反映了其他种类红肉的摄入量需要进一步研究。
在6个月干预期间，除了对不同饮食模式的反应之外，我们发现的10种含有长链高度不饱和脂肪酰基类（如22:6或奇数链）的与鱼类相关的TAG成分，无论是单独还是整体，都与2型糖尿病危险因素如BMI 和（或）Matsuda指数等的改善相关，这与一些观察性研究的结果一致[14,34,35]。例如，在两项巢式病例对照研究中，具有较高碳数（>54）和双键（>4）的TAG与中国人群较低的糖尿病风险相关[34]；而根据Prevencióncon Dieta Mediterránea（PREDIMED）研究，奇数链TAG与3.8年后2型糖尿病风险呈负相关[35]。此外，我们的研究还记录了与鱼类相关的PC（16:0/22:6）与改善的BMI和Matsuda指数之间的良好关联，这与瑞典队列研究的结果一致，该研究表明，含有22:6的PC部分解释了鱼类摄入量对2型糖尿病危险因素的有益影响[36]。关于红肉的过量摄入，我们还证明，与红肉相关的20:3缩醛磷脂，无论是单独还是整体，都与空腹血糖升高相关，这在某种程度上与在44名超重参与者为期4周的干预试验中发现含有20:3的缩醛磷脂和估计的心血管风险评分呈正相关的结果类似[37]。因此，我们的饮食干预试验提供了更多的证据，TAG组分、PC和缩醛磷脂的改变提示在地中海饮食和传统江南饮食等健康饮食中，高鱼类/低红肉摄入量与糖尿病风险降低相关。
值得注意的是， 所有识别出22:6的TAG组分都包含在与Matsuda指数和葡萄糖处置指数改善呈正相关的模块中，这与所有确定的缩醛磷脂均包含在与空腹血糖水平恶化呈正相关的模块相反。先前的研究表明，Matsuda指数和葡萄糖处置指数提示改善的胰岛素敏感性和β细胞功能与较低的糖尿病风险相关[22,38]。例如，美国糖尿病预防研究的随访研究表明，通过膳食和生活方式干预，从糖尿病前期状态逆转为血糖正常状态可以将高危人群的糖尿病风险降低56%[38]。同时，经过干预后具有更好的胰岛素敏感性和β细胞功能的受试者与较低的糖尿病风险相关（HR=0.80~0.83）[38]。尽管潜在机制尚未完全了解，但动物模型的研究表明，鱼源DHA可以作为一种抗炎剂，与重要的炎症信号通路相互作用，如类二十烷酸生成、细胞因子生成和Toll样受体信号传导[39]。相反，源于红肉摄入的富含C20:3和C20:4的缩醛磷脂可以作为类二十烷酸和血小板活化因子生物合成途径的底物，从而加重氧化应激和炎症[32]。鉴于炎症增强与脂肪堆积和胰岛素抵抗之间的紧密联系，我们的研究结果强调，在饮食干预中应用脂质组学方法可以透彻了解如何通过改变特定食物成分的饮食来触发某些代谢途径的改变和2型糖尿病发病机制的改变，这可能在临床环境中对优化饮食模式以预防糖尿病十分重要。
在DPMH中确定的脂质组学特征对饮食模式的敏感性超过适度热量限制的降脂作用。先前的研究表明，热量限制和诱导的体重减轻可以改变整体脂质组学特征的水平[25]。例如，在瑞典进行的一项为期33周的针对血糖异常的干预试验表明，热量限制可降低大多数TAG组分和PC的浓度，但对于含有长链脂肪酰基的TAG组分则无效[25]。因此，限制热量可能会减少识别一些脂质组学特征的机会，例如含有短链高度饱和脂肪酰基的TAG组分，但对其他脂质组学种类的影响很小，这一点是合理的。值得注意的是，DPMH中所有3个等热量限制的饮食组均达成了相似的体重减轻[5]，并且这些确定的脂质可能反映了特定饮食模式中除热量限制本身之外的某些食物成分。事实上，已确定的脂质组学特征与习惯饮食摄入之间的关系在一个不限制热量的单独队列中得到了证明。当然，未来应当有研究系统地确定脂质组学特征是否以及在多大程度上受到等热量或无热量限制饮食的影响。
本研究的优势包括在对照良好的饮食干预试验中使用每周5天的饮食方案重复测量脂质组学。我们还纳入了另一个来自单独队列的脂质组数据库，以评估在同一地理位置的自由生活人群中，已确定的脂质组学特征与习惯饮食摄入量之间的关联。此外，与大多数早期的干预试验相比，我们的研究覆盖了更广泛的脂质组学图谱，这使我们能够发现更多与鱼类和红肉摄入量相关的新的生物标志物，以及相关的代谢益处。然而，本研究的局限性包括，6个月的干预时间并不能评估饮食相关的脂质组生物标志物与体重维持和新发2型糖尿病之间的长期相关性。即使我们在改变饮食模式后仍观察到脂质组学特征和糖尿病危险因素的共同变化，我们仍然不能完全确认它们之间的因果关系。我们的研究结果具有生物学探索性，不能完全排除所确定的脂质组学特征受到亚临床疾病进展（例如，体重减轻）而非单独饮食影响的可能性。在DPMH试验中，不同饮食分配中的某些脂质组学特征可能被热量限制和（或）诱导的体重减轻所掩盖。当对于饮食和每个结局或代谢物之间的关系采用线性混合模型分析时，我们不能完全排除可能的非线性关联。我们的发现可能不适用于其他人群，因为我们在DPMH试验中仅纳入了超重和糖尿病前期的受试者以及NHAPC研究中包括了中国中老年人。在DPMH试验中，可能存在对试验组的潜在错误分类。
综上所述，结合6个月的饮食干预试验和独立的自由生活队列的广泛覆盖的脂质组学，我们确定了许多新的特征，并证实了一些曾报道过的脂质组学特征，这些特征可以敏感地反映鱼类和红肉作为地中海饮食和（或）传统江南饮食的组成成分的不同，并与中国高危人群中2型糖尿病危险因素的改善有关。我们的发现需要在具有不同饮食习惯的不同研究人群中得到证实。
参考文献：略
