个性化预测妊娠期糖尿病女性餐后血糖反应：肠道微生物群的关键作用

妊娠期糖尿病（GDM）影响众多孕妇，现有预测餐后血糖反应（PPGR）方法不足。研究人员开发预测模型，发现添加微生物组数据可提高模型准确性，该成果有助于优化个性化饮食建议，改善 GDM 患者血糖控制和妊娠结局。

　　在妊娠期，血糖控制对于孕妇和胎儿的健康至关重要。然而，妊娠期糖尿病（Gestational Diabetes Mellitus，GDM）却成为了许多孕妇面临的难题。GDM 的发病率较高，约 9 - 26% 的孕妇会受到影响。它不仅会导致剖宫产率上升、新生儿低血糖等短期并发症，还会增加母亲和孩子日后患肥胖、2 型糖尿病以及心血管疾病的风险。因此，维持孕期正常血糖水平，对减少不良妊娠结局、阻断代谢疾病遗传易感性的代际传递意义重大。

目前，GDM 最常见的治疗方法是饮食和生活方式的调整。虽然理论上这对 70 - 85% 的女性有效，但在实际生活中，许多 GDM 患者仍无法达到目标血糖水平，妊娠并发症的发生率依旧居高不下。在预测餐后血糖反应方面，传统方法主要依赖食物的碳水化合物含量，可越来越多的证据表明，这种方法并不准确。此外，血糖指数和血糖负荷等替代方法，也未能充分考虑个体差异。实际上，不同人对相同食物的餐后血糖反应存在显著差异，这受到生物特征（如肠道微生物组组成和基因变异）和生活方式因素的影响。

此前，虽有研究将肠道微生物特征纳入预测模型，但大多聚焦于健康个体或 1 型糖尿病患者，针对孕妇（尤其是 GDM 患者）的研究较少。而且，这些研究在评估微生物组对餐后血糖反应预测的影响时，方法并不完善，很少直接比较添加微生物数据前后模型的准确性。

为了解决这些问题，来自俄罗斯圣彼得堡的 Almazov 国家医学研究中心以及以色列 Bar - Ilan 大学 Azrieli 医学院等机构的研究人员开展了一项研究。他们致力于开发一种能预测孕妇（包括 GDM 患者和正常糖耐量孕妇）餐后血糖反应（Postprandial Glycemic Response，PPGR）的模型，并探究微生物数据对模型性能的影响。该研究成果发表在《npj Biofilms and Microbiomes》上。

研究人员开展此项研究时，用到了以下几个主要关键的技术方法：

1. 样本采集与数据收集：招募参与 “妊娠期糖尿病发生的遗传和表观遗传机制及其对胎儿的影响”（GEMGDM）随机对照试验的孕妇，收集其临床资料、生活方式问卷信息，通过连续葡萄糖监测（Continuous Glucose Monitoring，CGM）系统获取血糖数据，利用专有手机应用记录食物日记，并采集粪便样本。
2. 微生物组分析：对粪便样本的 DNA 进行提取，扩增 16S rRNA 基因的 V4 可变区，经测序后进行生物信息学分析，包括质量评估、序列处理、分类学注释等，确定微生物群落特征。
3. 模型构建与评估：以餐后 2 小时血糖曲线下增量面积（Incremental Area Under the Glucose Curve during 120 min after Meal，iAUC₁₂₀）和餐后 120 分钟内的峰值血糖水平（Peak Postprandial Glycemic Level，GLU_max）为指标，运用梯度提升算法（LightGBM）构建预测模型，并通过 Optuna 超参数优化和 3 折交叉验证评估模型性能。

下面来看具体的研究结果：

1. 参与者特征：研究共招募了 152 名孕妇，经过一系列筛选，最终 105 名孕妇（77 名 GDM 患者和 28 名健康孕妇）纳入分析。GDM 患者与健康孕妇在年龄、孕周上无显著差异，但 GDM 患者孕前体重指数（BMI）更高，孕期血浆葡萄糖水平和糖化血红蛋白（HbA₁C）也更高。饮食方面，GDM 患者每餐碳水化合物摄入量较低，蛋白质摄入量较高，不过两组的 iAUC₁₂₀和 GLU_max水平差异不显著。
2. 微生物特征与 PPGR 的关系：根据 iAUC₁₂₀和 GLU_max的中位数，将参与者分为高、低 PPGR 组。线性判别分析发现，高 iAUC₁₂₀组有 18 种细菌分类群得分显著较高，低 iAUC₁₂₀组有 21 种；高 GLU_max组有 7 种细菌分类群富集，低 GLU_max组有 8 种。
3. 模型预测能力：构建不同输入变量组合的预测模型，结果显示，仅基于碳水化合物含量的模型与 PPGR 相关性最低。加入临床可用参数后，模型相关性提高；再加入微生物组特征，GLU_max模型的决定系数从 34% 提升至 42%，iAUC₁₂₀模型的相关性也有所提高，且微生物组特征降低了 GLU_max预测模型的平均绝对误差（MAE）、均方误差（MSE）和均方根误差（RMSE）。
4. 影响预测准确性的因素：通过 SHapley Additive exPlanation（SHAP）方法分析，发现影响 iAUC₁₂₀预测的主要因素包括食物碳水化合物含量、血糖负荷等；影响 GLU_max预测的主要因素有进餐时血糖水平、食物碳水化合物含量等。在微生物组特征中，Intestinibacter bartlettii 等细菌分类群对 iAUC₁₂₀和 GLU_max的预测均有重要影响。

研究结论和讨论部分指出，该研究首次探索了肠道微生物组对孕妇餐后血糖反应的影响，发现微生物组特征是影响 GDM 孕妇 PPGR 预测的重要参数之一。虽然微生物组数据对模型性能的提升有限，但仍具有一定意义。研究还发现了一些与 PPGR 相关的细菌分类群，它们在 GDM 的发病机制中可能发挥着重要作用。不过，该研究存在样本量较小、无法准确分类细菌物种等局限性。未来需要进一步开展更大规模的研究，以确认这些发现，并深入探究肠道微生物群在调节餐后血糖水平中的作用机制，为开发基于微生物群的干预措施、优化 GDM 患者的血糖控制和妊娠结局提供科学依据。