Mathematical modeling in precision nutrition

Doctoral thesis, 2023

Människor är olika, och i takt med en snabb teknikutveckling har precisionsmedicin vunnit mark, dvs vård och medicinering mer anpassad utifrån individens biologi och behov. Det har även visats att människor reagerar olika på kost. Detta beror på skillnader i såväl ämnesomsättning som andra faktorer. I nuläget utnyttjas inte kunskapen om detta i någon större utsträckning, varken för behandling eller förebyggande av sjukdom. Precisionsnutrition är ett ungt forskningsfält som söker svaret på vilken kost som är optimal för att främja hälsa och förhindra framtida sjukdomar hos enskilda individer.

Skräddarsydda kostråd kan ges på individnivå eller gruppnivå, där grupperna representerar så kallade metabotyper – personer med liknande ämnesomsättning och som kan gynnas av liknade kost. För att precisionsnutrition ska bli verklighet behövs effektiva sätt att identifiera de olika metabotyperna. Det behövs även bättre metoder för att förutsäga hur individer reagerar på olika typer av kost. I den här avhandlingen ingår fyra vetenskapliga arbeten som adresserar både fastställandet av metabotyper och förutsägande (prediktion) av kostrespons. Sammantaget kan dessa ta fältet ett steg närmare förverkligandet av precisionsnutrition.

I det första arbetet visades hur man kan utnyttja en enskild mätning av metaboliter, dvs ämnen som ingår i ämnesomsättningen, tillsammans med data om individers tarmbakterier och riskmarkörer i blodet, för att identifiera olika metabotyper. Studien identifierade flera olika metabotyper och visade att dessa har ett samband med individers kostintag.

I två av avhandlingens studier användes olika beräkningsmetoder och modeller för att identifiera metabotyper utifrån skillnader i förändringen av individers metabolitmönster över tid efter en måltid. Den ena metoden identifierar delar av data med störst variation medan den andra metoden beskriver dynamiken i mätningarna. Utöver att identifiera metabotyper lyckades den här dynamiska metoden, där metabolitförändringar följs över tid, även med att prediktera kostrespons för ett stort antal metaboliter. Detta är ett stort och viktigt framsteg eftersom metoden, i förlängning, skulle kunna användas för att ge systematiska kostråd till individer baserat på kunskap om hur de har regerat på måltider de har ätit tidigare. Båda dessa metoder har därmed stor potential att kunna användas inom precisionsnutrition.

I det sista arbetet användes en metod för att särskilja två grupper med olika risk för att utveckla typ-2-diabetes med hjälp av deras blodsockersvar efter att ha ätit en måltid. Ett slående resultat var att högriskgruppen uppvisade en ohälsosam blodsockerrespons på så kallad låg GI-kost, trots att sådan mat, enligt rådande kunskap, borde ge en mer hälsosam respons. Detta visar att det finns en stor variation i hur individer reagerar på kost och betonar vikten av att kunna skräddarsy kostråd till individens respons.

Sammantaget bidrar den här avhandlingen med ny kunskap kring metabotypning, särskilt med avseende på hur vi kan använda komplexa analysdata. Avhandlingen bidrar också med kunskap kring prediktion av hur människor svarar på kost. De nya verktyg som presenteras utgör därmed en grund för att kunna ta precisionsnutrition närmare praktisk applikation.