《Current Issues in Molecular Biology》：One Diet Does Not Fit All: A Systematic Review and Meta-Analysis of Gene–Diet Interactions Affecting Blood Lipid Profiles
编辑推荐：
血液脂质对饮食的反应在个体间差异很大，限制了统一饮食建议的有效性，而遗传变异可能通过基因-饮食相互作用导致这种异质性。本系统综述和荟萃分析评估了影响血脂性状的营养遗传相互作用。于2026年4月检索了Web of Science核心合集和MEDLINE，以识别测
血液脂质对饮食的反应在个体间差异很大，限制了统一饮食建议的有效性，而遗传变异可能通过基因-饮食相互作用导致这种异质性。本系统综述和荟萃分析评估了影响血脂性状的营养遗传相互作用。于2026年4月检索了Web of Science核心合集和MEDLINE，以识别测试饮食暴露（包括宏量营养素组成、脂肪含量、脂肪类型[多不饱和脂肪酸（PUFA）、单不饱和脂肪酸（MUFA）和饱和脂肪酸（SFA）]、碳水化合物和蛋白质）与脂质相关基因之间相互作用的人类研究。使用加权Stouffer's Z方法并结合Benjamini-Hochberg错误发现率校正来合成相互作用的p值。共20项研究（n = 20），包含约9800名参与者，符合纳入标准。在CETP、APOE和APOB中观察到最一致的证据，特别是与更广泛的宏量营养素组成和脂肪相关暴露有关，而ABCA1和APOA5显示出显著但较为有限的证据。PUFA是最一致的特异性饮食暴露。相比之下，ABCG5、ABCG8和CYP7A1缺乏足够的数据进行荟萃分析，突出了当前文献中的主要空白。总体而言，研究结果支持饮食对脂质的反应部分依赖于基因型的观点，同时也强调需要更大规模、更协调的研究来阐明和扩展当前的证据基础。
**1. Introduction**
引言指出，血脂异常是心血管疾病的主要可改变风险因素，饮食干预是一线治疗手段。然而，个体对饮食干预的反应存在显著差异，这种异质性日益被认为与基因-饮食相互作用（即营养遗传学）有关。为填补这一空白，研究人员进行了系统综述和荟萃分析，评估基因-饮食相互作用对血脂谱[低密度脂蛋白胆固醇（LDL-C）、高密度脂蛋白胆固醇（HDL-C）、总胆固醇（TC）和甘油三酯（TAG）]的影响，聚焦于八种脂质转运和代谢相关基因[APOA5、APOB、APOE、ABCA1、ABCG5、ABCG8、CETP和CYP7A1]，并考察多种饮食暴露下的相互作用。
**2. Materials and Methods**
研究方法包括系统综述和荟萃分析两部分。系统综述部分涵盖文献检索、筛选、资格评估、数据提取和偏倚风险评估；荟萃分析部分仅纳入有可提取相互作用p值的合格基因-饮食-脂质组合。报告遵循PRISMA 2020声明。
**2.1. Eligibility Criteria**
使用PICOS框架制定纳入和排除标准。合格研究包括任何年龄或祖先的人类干预性或观察性研究，主要纳入标准是报告特定靶基因与饮食暴露相互作用对血脂水平影响的基因-饮食相互作用研究。
**2.2. Search Strategy and Data Extraction**
于2026年4月9日系统检索Web of Science核心合集和MEDLINE数据库。检索词组合靶基因、饮食暴露、基因-相互作用术语和血脂结局，使用布尔逻辑运算符，无日期或语言限制。三名研究人员独立筛选记录，使用Rayyan和Zotero管理。数据提取包括研究设计、人群、样本量、饮食暴露、分类暴露类别、干预持续时间、靶基因、脂质结局和相互作用统计量。对于荟萃分析，每个有报道相互作用p值的基因-饮食-脂质组合作为一个单独条目。一项研究中的两个队列p值使用Fisher's方法合并。
**2.3. Study Quality and Risk of Bias Assessment**
使用美国国家心肺血液研究所（NHLBI）研究质量评估工具评估偏倚风险和研究质量，根据研究设计选择相应工具。记录单个项目，由评审员根据基因-饮食相互作用证据相关领域判断总体评级为良好、一般或较差。
**2.4. Dietary Classification and Data Handling**
将研究分为宏量营养素和脂肪类型等饮食类别。当单独分析时，进一步细分脂肪量、碳水化合物、蛋白质和多不饱和脂肪酸（PUFA）、单不饱和脂肪酸（MUFA）和饱和脂肪酸（SFA）。当研究在同一分类中贡献多个估计值时，仅保留每个研究每个分类一个条目。若无直接广类估计值，保留子类估计值中最低p值作为信号检测指标。
**2.5. Statistical Analysis**
使用加权Stouffer's Z方法对基因-饮食-脂质相互作用进行荟萃分析，根据样本量加权，并应用Benjamini-Hochberg错误发现率（FDR）校正，校正后p < 0.05视为显著。当未报告确切p值时，基于报告显著性阈值赋近似值。因研究间异质性大，未进行传统效应量荟萃分析、置信区间和异质性统计，而是将定量综合解释为基因-饮食相互作用信号的统计证据综合。
**3. Results**
**3.1. Search and Screening**
检索共识别1118条记录，去重后筛选1075篇，最终纳入20项研究进行系统综述和荟萃分析。
**3.2. Coverage**
不同饮食暴露的覆盖情况各异：宏量营养素摄入来自14项研究的57个条目，脂肪类型暴露来自10项研究的61个条目，PUFA、MUFA和SFA分别来自4项（28条目）、5项（15条目）和3项（6条目）研究。ABCG5、ABCG8和CYP7A1因数据不足未纳入荟萃分析。
**3.3. Study Quality and Risk of Bias Findings**
20项研究的偏倚风险评估显示，大多数研究评级为一般，主要问题包括横断面或二次/事后设计、自我报告饮食暴露、小样本基因型或饮食分层亚组、有限的相互作用特异性统计效力、以及对祖先或相关混杂因素调整不充分。总体而言，3项评级为良好，14项为一般，3项为较差。
**3.4. Genes**
总体基因-饮食相互作用模式显示，CETP在脂质结局中具有最大数量的显著相互作用。CETP变异与宏量营养素摄入在HDL-C、TAG和TC上存在显著相互作用，总脂肪与HDL-C和TAG显著相关，PUFA摄入在所有四种脂质结局（HDL-C、LDL-C、TC、TAG）上均显著。APOE是研究最广泛的基因（13项研究，6207名参与者），宏量营养素摄入与LDL-C显著相互作用，总脂肪未达显著，脂肪类型与LDL-C和TC显著相互作用。APOB荟萃分析（6项研究，2150名参与者）显示，TC-宏量营养素、TC-脂肪量、TC-脂肪类型和TAG-宏量营养素交互作用显著。ABCA1（5项研究，2698名参与者）的碳水化合物量与HDL-C显著相互作用，宏量营养素与HDL-C也显著。APOA5（2项研究，654名参与者）的PUFA摄入与LDL-C和HDL-C显著相互作用。
**4. Discussion**
讨论指出，在八个预设基因中，CETP、APOE和APOB的汇总信号最清晰，ABCA1和APOA5在特定暴露-结局组合中表现出有限但显著的相互作用，而ABCG5、ABCG8和CYP7A1数据不足。CETP相关发现与其在胆固醇酯和甘油三酯交换中的核心作用一致，HDL-C的突出结果符合CETP活性对HDL代谢的影响。APOE相关发现与其在脂蛋白清除中的作用相符，但宽泛脂肪类型与具体脂肪酸亚组结果差异需谨慎解释。APOB的信号集中在TC和TAG分析，ABCA1的HDL-C相关结果与其在新生HDL形成中的角色一致，APOA5与PUFA的相互作用具有生物学合理性。在更具体的饮食暴露中，PUFA显示出最清晰一致的信号。讨论强调文献分布不均、研究间异质性大、多数研究存在方法学局限等不足，结论应视为重复相互作用信号而非确切效应量估计。
**5. Conclusions**
系统综述和荟萃分析支持饮食对血脂的影响部分依赖于基因型的观点。CETP、APOE和APOB证据最一致，ABCA1和APOA5为有前景但研究较少的位点。在饮食层面，重复信号出现在宏量营养素组成和脂肪相关暴露尤其是多不饱和脂肪酸（PUFA）上。同时，现有证据基础存在重要局限，包括候选位点覆盖不均和饮食定义、研究设计及相互作用指标的显著变异。这些发现应视为指导未来研究的证据生成趋势，在转化为个性化营养前需更大规模、更标准化和更协调的研究。
