《Applied Food Research》：Predicting the effects of mulberry leaf extracts on glycemic index and glycemic load of food and beverages
编辑推荐：
血糖生成指数(GI)与血糖负荷(GL)是基于食物对血糖反应影响评估宏量营养素质量的重要指标。现有体外(in silico)模型主要通过宏量营养素的数量与质量估算GI与GL，但无法预测生物活性成分通过调节碳水化合物消化降低血糖反应的效应。本研究旨在改进现有体外预
血糖生成指数(GI)与血糖负荷(GL)是基于食物对血糖反应影响评估宏量营养素质量的重要指标。现有体外(in silico)模型主要通过宏量营养素的数量与质量估算GI与GL，但无法预测生物活性成分通过调节碳水化合物消化降低血糖反应的效应。本研究旨在改进现有体外预测模型，整合桑叶提取物(MLE)的作用，该成分可通过抑制α-葡萄糖苷酶降低餐后血糖。研究人员分析了47种添加不同来源及剂量MLE产品的体内(in vivo)GI测试数据，采用约束回归模型估算MLE对不同碳水化合物的特异性抑制率，分别为乳糖48%、淀粉33%、蔗糖25%、麦芽糖19%，其余测试碳水化合物抑制率低于5%。整合MLE对碳水化合物消化的特异性效应后，改进后的体外模型可准确估算固体食品与饮料的GI与GL，其中91%的食品被正确归类为低、中、高GI类别，GL估算相关性达r=0.96。此外，GI与GL估算结果不受MLE来源或剂量的影响。该更新后的体外模型提升了含降糖活性物质食品的预测精度，可为开发低GI与低GL产品提供指导，并为2型糖尿病风险人群提供营养解决方案。
该研究由Jia Liu、Andreas Rytz、Qing Wang等研究人员完成，发表于《Applied Food Research》。研究背景显示，血糖生成指数(GI)与血糖负荷(GL)是衡量碳水化合物食品对餐后2小时血糖影响的核心指标，其中GI反映碳水化合物质量，GL结合质量与数量评估总血糖效应，长期证据表明低GI/GL饮食有助于血糖控制、胰岛素敏感性改善及相关慢性病风险降低。然而，现有体外预测模型仅基于宏量营养素组成，无法纳入生物活性成分（如桑叶提取物MLE）通过抑制α-葡萄糖苷酶延缓碳水化合物消化的作用，导致对含此类成分产品的GI/GL预测偏差。因此，研究人员旨在构建整合MLE效应的改进预测模型，以提升功能性低GI食品的开发效率。
关键技术方法包括：基于中国食品发酵工业研究院的47种含MLE产品（36种固体食品、11种饮料）的宏量营养素数据与体内GI测试结果，采用约束回归模型估算MLE对不同碳水化合物的抑制率；通过广义约化梯度算法(GRG2)优化模型参数，确保抑制率在0-1范围内；结合已发表的5项随机对照试验数据验证模型外部适用性。
研究结果分为四部分：
3.1 MLE的GI降低效应分析显示，47种含MLE产品的实测GI均值为48，而未考虑MLE的原模型预测值均值为69，平均降低21个单位，仅2种坚果蛋白棒的实测值低于预测值，表明MLE普遍具有显著降糖效应。
3.2 模型调整后，MLE对不同碳水化合物的抑制率确定为乳糖48%、淀粉与麦芽糊精33%、蔗糖25%、麦芽糖19%，单糖、异麦芽酮糖及多元醇无显著抑制。改进模型的GI预测值与实测值相关系数为r=0.44(p<0.01)，91%的产品GI分类正确；GL预测值与实测值相关性达r=0.96，中位绝对偏差仅0.75g/份。
3.3 DNJ剂量影响分析表明，GI/GL预测偏差与1-脱氧野尻霉素(1-DNJ)剂量无关，但高剂量组预测精度更高，可能与高GI碳水化合物饮料中MLE的稳定性有关。
3.4 外部验证结果显示，模型对5项独立研究的MLE降糖效应预测误差在±3%以内，与实测iAUC降低幅度（均值30%）高度一致。
讨论部分指出，本研究首次将MLE的差异化碳水抑制效应整合至GI/GL预测模型，突破了传统模型仅依赖宏量营养素组成的局限。MLE抑制谱与体外酶实验的差异可能源于食品基质效应，如液态饮料与固态食品的营养素相互作用。研究未发现MLE剂量效应，可能与多数产品已超有效剂量阈值（12.8mg 1-DNJ/100g碳水化合物）有关。模型在GL预测上的高准确性（r=0.96）使其更适用于实际产品的血糖效应评估。
结论部分强调，该体外模型可精准预测含MLE食品的GI与GL，为低GI功能性食品的开发提供高效工具，尤其适用于2型糖尿病风险人群的营养干预方案设计。未来需扩大样本数据库以提升模型在不同食品类别中的适用性，并探索对其他降糖活性成分（如白芸豆提取物）的扩展应用。
