Smadar Shilo

搜索
登录

Smadar Shilo

文章数：5篇

1型糖尿病成人患者的肠道菌群变化及其与血糖控制的关联

Diabetes Care上发表的一项前瞻性队列研究结果，对比了1型糖尿病患者与健康对照的肠道菌群组成及功能差异，并鉴定出了与血糖控制指标相关的肠道菌群组成及功能特征。

1型糖尿病研究论文前瞻性队列研究血糖控制

通过整合临床和菌群数据，预测1型糖尿病患者的餐后血糖反应

作者通过对1型糖尿病(T1D)患者为期两周的餐后血糖反应(PPGR)的分析开发了T1D患者PPGR的预测模型,其算法整合了大量的参数，数据，该模型在不同的亚群中是稳健的，其能够更准确地预测PPGR，因此可以更好地调整膳食所需的胰岛素剂量，它可以在闭环系统中进一步实施，并可能基于预期低血糖反应的膳食为T1D患者量身定制合理设计的营养干预措施。

预测模型机器学习算法血糖反应胰岛素剂量

个性化饮食干预

饮食改善血糖，个体化干预比地中海饮食更有效

2015年，以色列魏茨曼科学研究所的两位Eran带领团队开发了一种机器学习算法，能基于临床和菌群数据预测个人的餐后血糖反应，将机器学习与精准营养结合起来，是当年的Cell十佳论文之一（https://www.mr-gut.cn/papers/read/1053870848）。近期他们在Diabetes Care发表了后续研究的新进展，探索了针对预测餐后血糖的靶向性饮食干预对前驱糖尿病患者血糖控制的改善作用，并将其与公认的健康饮食——地中海饮食的干预效果进行了对比，为个性化的精准营养研究迈出了重要的一步。

个性化饮食干预餐后血糖血糖控制前驱糖尿病

妊娠期糖尿病

Nature子刊：妊娠期糖尿病发病预测不是梦

本研究利用全国登记数据库，利用机器学习算法，进行妊娠期糖尿病预测模型的构建，并在此基础上进行了问卷信息的简化，使其具有可推广性和无创性。该研究给妊娠期糖尿病的预防和控制提供了重要借鉴。尤其是9条简明问卷，值得临床上确认其推广价值。

妊娠期糖尿病孕妇预测模型机器学习算法简明量表

遗传关联研究

Nature：对菌群的影响，环境大于宿主基因！

# Nature再发菌群分析强文！# 宿主的遗传背景对人类肠道菌群的影响程度一直不甚明了。Nature杂志（IF:40.137）最新发布了以色列魏茨曼科学研究所Eran Elinav & Eran Sega课题组的研究成果，通过一系列遗传学和统计学相关性分析，指出环境因素比宿主基因对肠道菌群结构的影响更加显著，开创性地将“菌群相关性系数（microbiome-association index）”纳入计算模型，利用肠道菌群数据提高对血糖、肥胖等体质特征的预测精度。作者还鲜明提出，通过菌群来改善治疗效果，无须考虑太多宿主遗传背景，可针对人群特征推动。这篇文献具有较强的研究和应用参考价值，非常值得认真看看，特别推荐给大家。

遗传关联研究人类遗传学人肠道菌群 Genetic association study Genetics