揭示白芸豆α-淀粉酶抑制剂的抗肥胖潜力：从酶动力学到肠道菌群调控的双重机制解析

本综述系统阐述了白芸豆α-淀粉酶抑制剂（α-AI）通过非竞争性抑制机制有效阻断淀粉消化，并结合临床实验证实其显著降低体重、BMI及腰臀围（p<0.05）。研究进一步通过16S rRNA测序揭示其通过富产短链脂肪酸（SCFAs）的菌群（如双歧杆菌/Bifidobacterium）调控微生物脂代谢通路，为开发靶向碳水化合物吸收与肠道微生态的标准化营养制剂提供新策略。

　　

1 引言

全球肥胖症的流行已成为重大公共卫生挑战，高碳水化合物饮食被确导致热量摄入过剩和代谢紊乱的关键因素。研究表明，肥胖患病率的上升与碳水化合物消费增加存在显著相关性。在中国传统以米/面为主的高碳水饮食模式下，调整饮食结构降低碳水摄入可能是减少肥胖的有效策略。植物源生物活性化合物因其在功能生物材料和小分子治疗领域的应用潜力受到广泛关注，其中白芸豆（Phaseolus vulgaris L.）提取物作为α-淀粉酶抑制剂（α-AI）的有效来源，通过抑制淀粉酶解为可吸收葡萄糖而凸显其价值。白芸豆抑制剂的含量和活性与原料密切相关，因此筛选高活性原料成为本研究核心。临床证据表明，白芸豆抑制剂可通过抑制α-淀粉酶活性减缓淀粉分解，降低餐后血糖和总能量摄入。一项针对81名中国超重成年人的12周随机对照试验显示，每日摄入1000 mg白芸豆提取物可显著降低体重、脂肪量、BMI、腰围和臀围。机制上，这种减重不仅源于热量限制，还涉及胰岛素敏感性提升。

肠道菌群在肥胖发生发展中起关键作用，其组成和多样性与肥胖密切相关。通过调控肠道菌群可有效控制肥胖及相关代谢紊乱，其中膳食纤维可通过微生物发酵产生短链脂肪酸（SCFAs）改善菌群平衡。新兴动物证据表明白芸豆抑制剂具有代谢调控和肠道菌群调节的双重作用，但现有研究尚未从原料筛选、酶动力学到临床体重控制进行整合探索。

本研究旨在通过综合研究白芸豆α-AI填补这些空白，首先优化原料选择和α-AI活性定量方案，在体外机制性表征抑制类型和淀粉浓度依赖性效应，随后通过随机对照试验评估提取物对体重、脂代谢（甘油三酯/TG、低密度脂蛋白胆固醇/LDL-c、高密度脂蛋白胆固醇/HDL-c）和肠道菌群组成的影响，为α-AI的多靶点抗肥胖机制提供新见解，并为标准化开发营养制剂奠定基础。

2 材料与方法

2.1 材料

研究使用10种不同产地的白芸豆（编号A1-A10），来源包括云南、四川、贵州、安徽、宁夏、山西、甘肃、河北、山东和吉林。豆粒饱满、形状规则且无病虫害或机械损伤。主要试剂包括猪胰腺α-淀粉酶、牛胰蛋白酶、胃蛋白酶等（Sigma Aldrich公司），以及风味蛋白酶、中性蛋白酶等（诺维信生物技术有限公司），所有化学试剂均为分析纯。

2.2 白芸豆品种筛选

将10种白芸豆粉末过60目筛后，按1:5质量体积比与去离子水混合，室温提取1小时，离心取上清液并通过120目筛去除残留颗粒，获得白芸豆水提物。测定提取物中α-AI活性，并比较不同品种的提取效率（U/g）。一个α-淀粉酶抑制剂活性单位（U）定义为在反应体系含100 U α-淀粉酶条件下（37°C, pH 6.9），抑制1 μg麦芽糖生成每分钟所需的抑制剂量。

2.3 α-AI活性测定

根据Bernfeld法略作修改测定α-淀粉酶抑制活性。向0.5 mL PBS中加入0.25 mL α-淀粉酶溶液（1.5 U/mL）和0.25 mL样品，37°C水浴10分钟后加入0.5 mL可溶性淀粉溶液（1%），精确反应5分钟后加入1 mL DNS试剂终止反应。沸水浴加热10分钟后冰水冷却至室温，加入5 mL去离子水混匀，在540 nm波长测定吸光度。设置空白管、空白对照管和抑制对照管。抑制率（AR, %）计算公式为：

AR = [1 - (A3 - A4)/(A1 - A2)] × 100%

其中A1、A2、A3、A4分别代表空白管、空白对照管、抑制管和抑制对照管在540 nm的吸光度值。

α-AI活性（U）计算公式为：

活性 = (AR × 1.5 × N × V)/100

其中1.5表示α-淀粉酶溶液活性（U/mL），N为样品稀释因子，V为样品总体积（mL）。

2.4 白芸豆α-AI抑制类型测定

根据Shamim等方法略作修改。用PBS（pH 6.9）制备10 mg/mL白芸豆α-AI提取物抑制剂溶液，将不同浓度α-淀粉酶溶液（0.0125、0.025和0.05 mg/mL）与抑制剂溶液或PBS在37°C孵育10分钟后，测定被抑制和未抑制α-淀粉酶催化10 mg/mL可溶性淀粉的反应速率（mg/min）。以α-淀粉酶浓度为x轴，反应速率为y轴绘制酶反应动力学图。

将0.025 mg/mL α-淀粉酶溶液与抑制剂溶液和PBS在37°C孵育10分钟后，测定被抑制和未抑制α-淀粉酶催化不同浓度可溶性淀粉溶液（5、10、15、20 mg/mL）的反应速率。以1/S为横轴，1/V为纵轴绘制Lineweaver-Burk曲线。

2.5 淀粉浓度对白芸豆α-AI抑制的影响

根据Ma等方法。用PBS（pH 6.9）制备2 mg/mL白芸豆α-AI提取物抑制剂溶液，在测定抑制活性过程中加入不同浓度可溶性淀粉溶液（0.25%、0.5%、1%、1.5%、2%，m/v），其他条件保持不变，测定不同淀粉浓度下白芸豆α-AI对α-淀粉酶的抑制率。

2.6 淀粉类型对白芸豆α-AI抑制的影响

分别用水溶解马铃薯淀粉、大米淀粉、小麦淀粉和玉米淀粉制备1%（m/v）淀粉溶液。在测定抑制活性过程中，用这些淀粉溶液代替可溶性淀粉溶液，其他条件不变，测定不同淀粉类型下白芸豆α-AI对α-淀粉酶的抑制率。

2.7 临床试验设计与参与者

这项为期8周的平行对照试验于2018年1月至11月在南通大学第三附属医院（后更名为江南大学附属医院）进行。试验经南通大学第三附属医院伦理审查委员会批准（ID: IEC201711001）并在中国临床试验注册中心注册（ChiCTR-IOR-17013656）。所有参与者在干预前签署书面知情同意书。使用SAS软件中的PLAN程序实施随机化，参与者、医疗提供者和结果评估者对分组分配不知情。外观相同的α-AI提取物和安慰剂（麦芽糊精）由独立公司生产和包装。盲码由不参与招募或干预的医生保管，直到所有数据分析完成后才揭盲。

本研究是一项大型临床试验的组成部分，旨在研究α-AI干预对2型糖尿病肥胖参与者体重管理的效果。招募26名35-65岁患有2型糖尿病和肥胖（BMI≥24）的志愿者评估白芸豆提取物对体重控制的影响。入选标准包括汉族、当地居住5年以上、BMI≥24、HbA1c水平在6.5%-13.0%之间。除磺酰脲类和胰岛素外，大多数降糖药已被报道可调节肠道菌群，因此本研究仅纳入接受磺酰脲类或胰岛素治疗的患者。排除标准包括1型糖尿病、恶性高血压、严重心脏病、肾衰竭（eGFR<15）、肾脏替代治疗、炎症性肠病、胃肠道溃疡、自身免疫性疾病、甲状腺/垂体功能障碍、严重腹泻或癌症。3个月内接受减肥药物或手术、1个月内使用抗生素、接受胃肠道手术、孕期或准备怀孕和哺乳期患者也被排除。依从性差、违反方案或不愿继续临床试验的受试者被要求退出研究。参与者在研究期间保持日常饮食和运动习惯。最终24名参与者符合条件并决定参与本研究。

所有受试者按1:1随机分为对照组（Group C，接受麦芽糊精干预，1.5 g/天）和T组（Group T，接受白芸豆提取的α-AI干预，1.5 g/天（α-AI活性30,000 U））。入组后记录所有受试者的人口统计学数据，包括性别、年龄、疾病史、用药和生活方式。收集人体测量数据包括体重指数（BMI）和体重。本研究的主要终点定义为从基线到第8周体重指数（BMI）的变化（Δ）。次要终点包括体重、腰围、血脂谱（包括TG、LDL-C和HDL-C）和其他代谢参数的变化。

主要结局指标BMI的变化在干预期间检测。次要结局包括脂代谢水平和粪便菌群的变化。代表脂代谢的结局包括甘油三酯（TG）、高密度脂蛋白胆固醇（HDL-c）和低密度脂蛋白胆固醇（LDL-c）水平的变化。

2.8 16S rRNA序列检测

粪便细菌DNA提取、NGS文库制备和测序由上海泓晟生物技术有限公司（上海，中国）完成。

2.8.1 DNA提取、PCR扩增和测序

使用E.Z.N.A.土壤DNA试剂盒（Omega Bio-tek）根据制造商方案从粪便样品中提取微生物DNA。使用NanoDrop 2000 UV-vis分光光度计（Thermo Scientific）测定最终DNA浓度和纯度，并通过1%琼脂糖凝胶电泳检查DNA质量。使用引物338F（5′-ACTCCTACGGGAGGCAGCAG-3′）和806R（5′-GGACTACHVGGGTWTCTAAT-3′）通过热循环PCR系统（GeneAmp 9700, ABI）扩增细菌16S rRNA基因的V3-V4高变区。PCR反应条件：95°C变性3分钟，27个循环的95°C变性30秒、55°C退火30秒、72°C延伸45秒，最后72°C延伸10分钟，结束于4°C。每个20 μL反应混合物含4 μL 5× TransStart FastPfu缓冲液、2 μL 2.5 mM dNTPs、各0.8 μL引物（5 μM）、0.4 μL TransStart FastPfu DNA聚合酶和10 ng模板DNA。PCR进行三次重复。从2%琼脂糖凝胶中提取PCR产物，并使用AxyPrep DNA凝胶提取试剂盒（Axygen Biosciences）根据制造商说明纯化，使用Qubit 4（Thermo Fisher）定量。纯化的扩增子等摩尔浓度混合，根据标准协议在Illumina MiSeq PE300平台（Illumina）上由泓晟生物技术有限公司进行配对末端测序。

2.8.2 生物信息学分析

使用fastp（版本0.21.0）对测序读段进行解复用和质量控制，并通过FLASH（版本1.2.7）合并。简要来说，修剪含适配器序列和低质量碱基（质量得分

将解复用的序列导入QIIME2（版本2022.8）。使用DADA2算法质量过滤和去噪序列，同时去除嵌合序列。接下来，使用RDP Classifier以最小置信得分0.7针对参考数据库SILVA138分配每个ASV代表序列的分类。通过随机选择序列子集将每个样本的序列数标准化至最低读段数。

2.9 统计分析

使用R（版本4.1.3）进行一般统计分析和通过vegan（v2.6-4）、phyloseq（v1.38.0）、tidyverse（v1.3.2）、ggpubr（v0.5.0）、ComplexHeatmap（v2.10.0）和corrplot（v0.92）包可视化结果。使用Sobs、ACE、Chao1、Shannon和Simpson指数估计α多样性。基于bray-curtis矩阵进行主坐标分析（PCoA），通过置换多元方差分析（PERMANOVA）确定统计显著性，以评估组间β多样性差异。对于比较组间不同分类群的相对丰度，执行线性判别分析（LDA）效应量（LEfSe）方法，Kruskal-Wallis检验p值<0.05且对数LDA得分 size-effect 阈值为2.0。使用Spearman等级相关分析进行相关性分析。

使用Prism 8（GraphPad Prism）统计软件分析数据。使用混合效应模型的双向重复测量方差分析（ANOVA）进行组内和组间比较。使用Shapiro-Wilk检验（p>0.05）确认所有连续数据的正态性。使用Levene检验（p>0.05）评估方差齐性。满足所有假设后，使用独立样本t检验分析连续变量的组间差异。统计检验为双侧，p值<0.05认为具有统计学显著性。

3 结果与讨论

3.1 最佳白芸豆品种的确定

比较10种白芸豆的湿度含量和α-AI提取率显示，不同白芸豆类型的湿度含量无显著差异，范围在9.46%至13.91%之间。α-AI提取率的差异最为显著，白芸豆A5和A10的α-AI提取率最高，分别为25.05 U/g和24.58 U/g，显著高于其他白芸豆类型（p<0.05）。然而，A5的湿度含量高于A10，且宁夏省白芸豆产量相对有限。因此，考虑到白芸豆α-AI制剂的生理活性和生产可持续性，确定白芸豆A10为最佳白芸豆品种并用于后续实验。这一选择不仅基于高α-AI活性，还基于关键实际考虑。A10较低的湿度含量表明储存期间稳定性更好，降低降解风险。此外，其在吉林的优越产量特征确保了潜在未来放大规模时更可靠和可持续的供应链，这是生物加工研究中经常强调的关键因素。

3.2 白芸豆α-AI的抑制类型

酶抑制剂表现的抑制类型与其具体应用密切相关。白芸豆α-AI粗提物对α-淀粉酶的抑制动力学显示，未抑制和抑制α-淀粉酶的酶水解速率均以接近原点的方式表明白芸豆α-AI对α-淀粉酶的抑制作用是可逆的。Lineweaver-Burk图分析表明，未抑制和抑制α-淀粉酶的水平轴截距几乎相同，而抑制α-淀粉酶的垂直轴截距大于未抑制α-淀粉酶。这一观察表明，白芸豆α-AI粗提物抑制后α-淀粉酶水解反应的米氏常数（Km）保持不变，而最大反应速率（Vmax）降低。不变的Km表明抑制剂不与底物竞争活性位点，而是结合酶的另一个区域，改变其催化效率而不影响底物亲和力。因此，可以得出结论：白芸豆α-AI粗提物对α-淀粉酶的抑制表现为非竞争性抑制。

不同淀粉浓度（0.25%至2%）下白芸豆α-AI对α-淀粉酶的抑制率曲线显示，淀粉浓度的增加并未显著改变白芸豆α-AI对α-淀粉酶的抑制率（p>0.05）。实验数据进一步证实白芸豆α-AI对α-淀粉酶表现出经典的非竞争性抑制，其抑制功效不受底物浓度影响。在高底物条件下的稳定性能突显其在实际应用中的适用性，其中淀粉浓度可能变化很大，例如在餐后葡萄糖调节中。这种底物无关行为强调了其在淀粉丰富应用中的潜在效用，包括功能性食品生产和血糖管理，因为无论淀粉负荷如何，它都能保持一致的酶抑制，从而为其作为稳健天然淀粉酶抑制剂的转化发展奠定坚实基础。

3.3 淀粉类型对白芸豆α-AI抑制的影响

马铃薯淀粉、大米淀粉、小麦淀粉和玉米淀粉是日常饮食中广泛存在的淀粉类型。不同淀粉类型下白芸豆α-AI对α-淀粉酶的抑制效果显示，虽然当淀粉类型不同时白芸豆α-AI对α-淀粉酶的抑制效果存在显著差异（p<0.05），但这些变化并不极其显著（p>0.01）。观察到的抑制变化可能归因于淀粉类型结构特性的差异，如直链淀粉/支链淀粉比率、颗粒形态和结晶度，这些可能影响酶的可及性和结合效率。尽管存在这些微小变化，但在常见膳食淀粉来源中一致的抑制功效支持白芸豆α-AI作为通用淀粉酶抑制剂的广泛适用性，增强了其在多样化食品基质和血糖控制策略中的使用潜力。

3.4 α-AI对体重和脂代谢的影响

服用α-AI 8周后，实验组体重显著减少2.08±0.11 kg，而对照组较入组前增加0.55±0.22 kg，表明抑制剂能减少碳水化合物吸收并实现体重控制。结果强有力支持源自白芸豆的α-AI作为体重管理干预措施的功效。这种效果主要归因于抑制剂阻断α-淀粉酶酶促作用的能力，从而减少复杂碳水化合物水解为可吸收单糖。随后碳水化合物吸收的减少可能造成负能量平衡，促进体重减轻。这一机制与先前研究一致，表明α-AI补充可降低餐后血糖升高和总热量摄入，有助于体重控制。

经过8周干预，实验组BMI减少0.73±0.07，与对照组增加0.216±0.08形成鲜明对比，组间差异高度显著（p<0.0001）。值得注意的是，实验组腰围（-4.2±0.5 cm）和臀围（-3.1±0.3 cm）减少显著大于对照组测量值。这些发现表明α-AI不仅降低总体重，还可能改善中心性肥胖。中心性肥胖与内脏脂肪积累密切相关，其减少通常与改善胰岛素敏感性和减少炎症相关。尽管本研究未直接测量脂肪分布或代谢参数，但腰臀比的下降可能间接反映内脏脂肪减少，这可能与脂代谢改善相关。

尽管体重显著减轻，但对照组和实验组之间TG、HDL-c和LDL-c水平未见显著差异。这一局限性加之α-AI的作用机制，其主要减少葡萄糖吸收，但可能让其他营养素（如脂肪和蛋白质）的摄入不受影响，从而削弱其对血脂的整体影响。此外，个体变异性和缺乏严格饮食标准化带来额外挑战，因为饮食中其他脂质来源可能掩盖α-AI的效果，使其难以分离其对血脂变化的具体贡献。

值得注意的是，在比较干预前后测量时，实验组内HDL-c水平显著增加（p<0.05）。高密度脂蛋白胆固醇（HDL-C）水平是常见临床指标，因为HDL负责逆向胆固醇转运——将胆固醇从外周组织携带至肝脏进行代谢。通过这一有益机制，HDL-C有助于降低总体脂水平，其升高通常与较低心血管疾病风险相关。观察到的HDL-c升高可能通过多种途径介导。近期证据表明，饮食和药物干预可通过促进关键转运蛋白如ABCA1和ABCG1的表达增强HDL功能和浓度，这些蛋白促进细胞胆固醇流出。另一种潜在机制涉及调节肠道菌群和增加短链脂肪酸（SCFAs）如丙酸盐和丁酸盐的产生，这些已显示能上调肝脏HDL合成并促进逆向胆固醇转运。因此，本研究中观察到的HDL-c水平升高进一步支持α-AI补充 beyond 其 established 体重管理效果的心血管代谢益处潜力。

3.5 肠道菌群结构的变化

α-AI干预8周后，肥胖个体肠道菌群的β多样性发生显著改变，p值从0.398降至0.028。β多样性的显著转变表明α-AI干预显著重塑了肥胖个体的肠道微生物群落结构。β多样性是评估样本间微生物群落变异的关键指标，p值的显著降低表明干预后微生物群落结构的变化具有统计学意义。α-AI可能通过影响碳水化合物消化和吸收改变肠道营养环境，从而影响菌群的组成和功能。这些结构变化可能是肥胖相关代谢改善的基础，鉴于肠道菌群在能量收获和脂肪储存中的关键作用。

3.6 干预后肠道菌群结构中关键细菌的筛选

特定有益细菌的富集，如长双歧杆菌（Bifidobacterium longum）、卵形拟杆菌（Bacteroides ovatus）和戈氏副拟杆菌（Parabacteroides goldsteinii），表明α-AI具有靶向益生元样效应。长双歧杆菌是一种有充分文献记录的益生菌，有助于肠道完整性、减少炎症并通过SCFA产生调节宿主能量代谢。SCFAs既是结肠细胞的重要能量底物，也是系统脂代谢和胰岛素敏感性的关键调节因子。类似地，卵形拟杆菌和戈氏副拟杆菌丰度的增加可能通过促进复杂碳水化合物分解和参与支持微生物多样性和生态系统稳定的互养相互作用增强代谢结局。某些拟杆菌物种日益与改善体重控制和脂质稳态相关。然而，重要的是注意，当前关于这些细菌代谢功能的证据主要来自动物或体外模型；因此，它们在人类中的因果作用和机制需要进一步临床验证。

总之，α-AI似乎通过选择性促进如双歧杆菌和拟杆菌等有益属，积极重塑肥胖中的肠道菌群，从而有助于改善代谢健康。这种结构重塑可能通过增强SCFAs产生和加强肠道屏障功能介导。这些发现将α-AI定位为通过肠道微生物组调节宿主代谢的潜在调节剂，为肥胖和代谢紊乱提供新型治疗途径。然而，应承认诸如小样本量、短干预持续时间和缺乏精确靶点识别等局限性。具体而言，16S rRNA测序的使用将我们的分析限制在属级分类变化，并妨碍了对功能微生物途径的洞察。此外，在没有直接定量测量的情况下，SCFAs的推断作用仍然是假设性的。因此，未来研究应整合鸟枪法宏基因组学以阐明功能基因谱，和气相色谱-质谱联用（GC-MS）以定量评估SCFA浓度。这些方法与机制 assay 相结合，对于在α-AI-微生物群-宿主代谢轴内建立因果关系至关重要。

3.7 干预后代谢途径的动态变化

LEfSe差异分析显示实验组脂肪酸代谢发生显著改变。这些改变主要发生在与短链脂肪酸（SCFAs）和长链多不饱和脂肪酸（LC-PUFA）相关的代谢途径中。研究表明SCFAs的增加与肠道菌群的变化密切相关，特别是益生菌如双歧杆菌和乳杆菌丰度的增加。这些微生物群落的变化可能增强SCFAs的产生，从而影响宿主的能量代谢和脂肪储存。脂肪酸代谢与肥胖的关系复杂且多面。SCFAs，包括乙酸、丙酸和丁酸，通过膳食纤维的微生物发酵在肠道中产生。它们不仅是肠上皮细胞的重要能源，还在调节脂代谢和胰岛素敏感性方面发挥重要作用。

此外，长链多不饱和脂肪酸（LC-PUFAs）在调节炎症和脂代谢中起关键作用。研究表明LC-PUFAs可通过影响肝脏和脂肪组织中的基因表达改善脂代谢，降低肝脏脂肪含量和系统炎症水平。在肥胖个体中，LC-PUFAs的代谢可能受肠道菌群影响；特定细菌种群的变化，如拟杆菌和厚壁菌门，与LC-PUFAs的代谢密切相关。

因此，α-AI影响肠道菌群的组成和功能，从而改变脂肪酸代谢途径，可能是其减肥效果的重要机制。这一发现为进一步研究肠道菌群和脂肪酸代谢在肥胖中的作用提供了新视角。然而，确切的信号机制和从微生物变化到脂肪酸通量的因果链仍有待 fully 阐明。未来使用同位素示踪和宏基因组功能 assay 的研究可能有助于澄清这些联系。

4 结论

本研究系统性地确定白芸豆品种A10作为α-淀粉酶抑制剂（α-AI）的最有效来源，归因于其卓越的抑制活性和稳定性。提取的α-AI表现出非竞争性抑制机制，确保 across 一系列淀粉底物的有效活性，这强调了其广泛营养和治疗应用的潜力。在临床环境中，使用源自A10的α-AI进行8周干预导致肥胖个体体重、BMI、腰围和臀围显著减少。更重要的是，本研究揭示了α-AI作用 previously 未充分探索的维度：它显著调节肠道菌群组成，增加有益细菌如双歧杆菌和卵形拟杆菌的丰度。这些微生物变化与宿主脂肪酸代谢的转变相关，特别是在与短链和长链脂肪酸合成和利用相关的途径中。

α-AI的双重机制——直接酶抑制碳水化合物消化和间接调节肠道微生物组——突显了其在体重管理中的多因素作用。这些发现提供了对α-AI如何功能 beyond 单纯酶抑制的更深入科学理解，将其定位为整合代谢和宏生物调节的有前途剂。

然而，本研究有几个应承认的局限性。临床试验样本量相对较小且干预周期短，这可能影响结果的普遍性和长期适用性。尽管观察到微生物组成和代谢途径的变化，但连接α-AI摄入、特定细菌富集和宿主代谢改善的确切因果机制仍不清楚。此外，研究未探索基于饮食习惯、遗传背景或基线肠道菌群组成的潜在个体反应变异性。这些局限性指向未来研究的有价值方向。需要更大、更长期和更多样化的临床队列来验证α-AI干预的可持续性和安全性。使用无菌动物模型、宏基因组学和代谢组学方法的机制研究可能有助于阐明观察到的微生物群-代谢相互作用背后的因果途径。此外，考虑个体微生物组谱的个性化方法可能增强α-AI基于营养策略的功效。

本研究的意义相当重大。它不仅支持使用α-AI作为肥胖的有效自然干预，还为设计针对宿主代谢和肠道生态系统健康的个性化营养策略开辟了途径。未来研究应专注于阐明特定微生物变化与代谢结局之间的精确因果关系，以及在更大和更多样化人群中探索α-AI补充的长期功效和安全性。