《Frontiers in Nutrition》：Proteomic profiling in personalized nutrition: a systematic review and methodological frameworks of randomized controlled trials
背景：个性化营养（Personalized Nutrition, PN）旨在通过考虑个体间差异来定制膳食建议。然而，蛋白质组学分析在膳食干预研究中的应用与整合尚未得到系统性梳理。方法：研究者开展了一项符合PRISMA（Preferred Reporting Items for Systematic Reviews and Meta-Analyses）标准的系统评价（PROSPERO注册号：CRD420251011886），检索PubMed、Embase和Scopus数据库中的随机对照试验（Randomized Controlled Trials, RCTs）。纳入标准为：具有基因型和/或表型个性化成分的膳食干预，并使用高通量或多重检测平台（包括基于质谱[Mass Spectrometry, MS]、适配体[Aptamer]和多重免疫分析）进行蛋白质谱分析的RCTs。结果：共纳入26项试验，样本量范围为14至805名参与者。大多数干预为补充剂型干预（n=19），7项试验评估了食物型干预。个性化策略主要为表型驱动（n=17），基因型驱动较少（n=7），仅有一项试验实施了完全个体化膳食干预。蛋白质组学分析主要在血液来源基质中进行（n=24）。靶向蛋白质组学方法占主导（n=20），最常用多重免疫分析，而非靶向MS方法使用较少（n=6）。由于研究设计、分析平台和结局定义存在显著异质性，无法进行定量综合。多数试验被判定为高偏倚风险，主要驱动因素为结局数据缺失和选择性报告，尤其在探索性和亚组分析中。结论：在个性化营养RCTs中，蛋白质组学分析目前主要作为靶向性、次要结局使用，用于描述亚组特异性分子反应，而作为分层工具或干预设计指导的应用有限。未来研究应优先开展具有足够统计学效能、预先设定蛋白质组学结局的试验，并整合标准化蛋白质组学工作流程以提高结果可解释性和临床转化价值。
1 引言
传统营养指南和建议在群体水平上制定，主要目标是预防营养素缺乏和降低慢性病负担。尽管该方法带来了显著的公共卫生效益，但其假设群体反应相对同质，未能充分考虑遗传、生理、环境和行为方面的个体间差异。在此背景下，个性化营养（PN）领域应运而生，旨在将膳食干预个体化定制。PN涵盖不同个体化水平的方法：分层营养（Stratified Nutrition）针对共享特定特征的亚组提供建议；量身营养（Tailored Nutrition）基于选定个体特征调整膳食建议；精准营养（Precision Nutrition）通常指多维度数据的更全面整合；而个性化营养则代表最个体化的层次，旨在整合遗传、表型、临床、生活方式和环境信息以优化健康结局。PN的生物学基础在于基因型与表型的相互作用。遗传变异性，通过单核苷酸多态性（Single Nucleotide Polymorphisms, SNPs）或聚合为遗传风险评分（Genetic Risk Scores, GRS），影响营养素代谢、膳食反应性和疾病易感性。表型包括临床特征（年龄、性别、体重指数、体成分、健康状况）和分子特征（代谢物、蛋白质表达、微生物组组成），反映遗传倾向与环境暴露之间的动态相互作用，并调节膳食反应。组学技术（即基因组学、转录组学、蛋白质组学和代谢组学）能够表征个体对膳食反应的分子机制。营养组学（Nutriomics）定义为实现营养研究与组学平台整合的学科，有助于识别膳食暴露的个体分子特征。多组学方法结合机器学习和高通量数据采集，能够管理和解释大规模数据集，促进识别代谢亚型和预测标志物，为个性化膳食建议提供依据。在这些技术中，蛋白质组学提供功能分子反应的直接洞察，因为蛋白质是生物过程的主要效应分子。与静态的基因组信息不同，蛋白质组具有动态性，可对膳食和环境刺激作出反应，反映蛋白质表达、翻译后修饰和分子相互作用的变化。蛋白质组学已从低通量生化技术发展至高通量平台，包括质谱和其他多重及亲和性分析。这些技术允许对各种生物基质中的蛋白质进行全面分析，提供定性和定量蛋白质谱分析，从而促进阐明将膳食暴露与健康结局相联系的分子机制。营养蛋白质组学（Nutritional Proteomics, Nutriproteomics）应用这些工具研究膳食-蛋白质相互作用，贡献于生物标志物发现，并可能支持由个体蛋白质组特征指导的个性化营养策略设计。尽管有这些技术进步，高通量蛋白质组学（High-Throughput Proteomics, HTP）在PN干预中的整合在随机对照试验中仍相对探索不足。现有研究和叙述性或组学聚焦的综述主要检查了膳食与蛋白质组学特征之间的关联或讨论了技术潜力，但对蛋白质组学数据如何操作性地融入干预设计和实施关注有限。迄今为止，尚无系统性综合研究考察蛋白质组学分析如何操作性地嵌入个性化营养RCTs，其是作为干预设计的驱动因素还是主要作为次要结局测量，以及这些不同应用如何影响方法学严谨性和转化就绪性。
本系统评价提供了个性化营养RCTs中蛋白质组学分析方法学图谱。具体而言，其总结了蛋白质组学如何在干预设计和评估中实现操作化，包括是否指导个性化策略或主要作为结局测量。通过系统性表征这些方面，本综述旨在识别当前的方法学局限性，并为未来蛋白质组学驱动的个性化营养试验设计提供参考。
2 方法
本系统评价按照PRISMA标准进行，并前瞻性注册于PROSPERO（注册号：CRD420251011886）。纳入标准使用PICOS框架（Population, Intervention, Comparison, Outcome, Study design）定义。鉴于个性化营养定义的不断演变，膳食干预研究被认为符合纳入条件的情况包括：（i）先验性个体化膳食干预，根据参与者特征定制，或招募基于特定基因型选择的群体，即使所有参与者接受相同干预；（ii）事后分析，所有参与者接受相同干预，但结局按基线或干预后出现的基因型或表型特征分层分析。研究排除标准为：仅在运动员群体中开展、未报告干预相关的特定蛋白质或蛋白质组变化（即蛋白质组学结局未在蛋白质水平呈现）、或非英文发表的研究。基因型选择的研究即使干预相同也被纳入，因为基因型变异是固有且稳定的，能够评估归因于遗传差异的差异性反应。相比之下，表型选择的研究仅在研究设计能够实现表型分层间有意义比较时才被纳入。仅基于表型特征招募而无评估差异结局能力的研究被认为不符合纳入条件。运动员聚焦的研究被排除，因为这些群体的膳食干预通常设计用于解决运动专项绩效目标，而非个体化健康相关营养需求。被认定为使用高通量蛋白质组学的研究需使用质谱、蛋白质芯片或多重技术等平台测量蛋白质，无论定量蛋白质数量多少，均未设定最小阈值。蛋白质组学方法按分析途径描述分为靶向或非靶向。仅报告干预调节哪些蛋白质或蛋白质成分的研究才被排除。仅纳入随机对照试验以确保干预效应的高证据水平，排除观察性研究、病例报告、研究方案和其他非随机设计，以减少混杂并增强纳入研究间的方法学可比性。纳入范围进一步限制为2010年1月至2025年5月期间发表的英文文献，以捕捉个性化营养和高通量蛋白质组学分析的最新进展。文献检索在PubMed、Embase和Scopus数据库中进行，初始检索获得5,447条记录。
研究筛选由两位评审员独立完成，分歧由第三位评审员解决。去除重复记录后，按标题和摘要筛选，剩余记录进行全文评估以确认符合性。数据由两位研究者使用标准化Excel表格独立提取，包括：文章标题、发表年份、国家来源、人群特征（样本量、年龄、性别分布、体重指数和基线健康状况）、研究设计（干预持续时间、干预类型、膳食与补充剂对比）、对照条件、个性化策略分类（表型驱动或基因型驱动）、分析平台（如质谱、蛋白质通路芯片、多重方法或Olink）、靶向或非靶向方法、生物基质以及蛋白质组学结局。偏倚风险使用Cochrane偏倚风险2工具（Risk of Bias 2, RoB-2）独立评估。鉴于干预、个性化框架、平台和结局定义的异质性，未进行荟萃分析，结果采用描述性综合，按个性化策略类型（基因型驱动、表型驱动、联合）和蛋白质组学方法（靶向与非靶向）结构化呈现。
3 结果
3.1 研究筛选
研究筛选流程符合PRISMA 2020指南。经去重后3,379条记录进行标题和摘要筛选，排除1,600篇；1,779篇全文评估中，40篇无法获取，1,713篇因缺乏高通量蛋白质组学分析、无膳食干预或个性化策略、非随机设计或非英文发表等原因被排除（排除原因非互斥）。最终26项RCTs纳入系统评价。
3.2 纳入研究的一般特征
纳入试验发表于2011年至2025年间，涵盖美国（n=5）、西班牙（n=3）、挪威（n=2）等多样地理设置。26项试验中，11项报告主要RCT发现，15项为既往RCTs的二次分析。19项研究报告试验注册。19项采用平行组设计，7项采用交叉设计。营养干预异质性较大，主要为补充剂型（n=19），包括ω-3脂肪酸、益生菌、微量营养素和生物活性化合物；剩余7项评估膳食或食物型干预，如宏量营养素调整、特定膳食模式或个体化膳食方法。样本量从14至805名参与者不等，干预持续时间从4周至36个月。4项研究在儿童群体中开展，其余纳入成人，包括性别特异性队列。研究人群从健康个体到具有代谢或临床状况的参与者，涵盖肥胖、2型糖尿病、冠心病、肝硬化、贫血和过敏等。5项研究基于特定基因型特征选择参与者，包括家族性高胆固醇血症、β
0-地中海贫血/Hb E、杜氏肌营养不良相关缺失或1型糖尿病遗传易感性。所有试验均纳入至少一种层次的个性化策略，仅有一项研究实施完全个体化膳食干预。蛋白质组学分析主要在血液基质中进行（n=24），仅两项研究分析替代生物基质（鼻腔液和粪便样本）。
3.3 个性化方法
所有纳入试验均纳入至少一种层次的个性化策略。个性化策略在生物学基础（表型驱动、基因型驱动或联合）和实施时机（基线或膳食干预后）方面均存在异质性。
表型驱动的个性化是最常采用的方法，17项研究报告了该方法。其中8项试验在基线时根据个体特征（包括代谢、生化、生理或临床特征）实施分层，使用的分层标准差异较大，反映了个性化的不同概念框架。9项研究通过探索性分析应用表型驱动个性化，在干预完成后将参与者分层；其中5项研究按对共同膳食干预的差异反应进行事后分层，参与者通常基于临床或生物学结局变化被分类为应答者或无应答者，一项研究按体重维持成功度分类。
基因型驱动的个性化应用于7项研究。所有情况下，遗传特征被先验性用于定义研究人群或在基线时分层参与者。尽管少数情况下部分参与者基于表型或家族标准而非直接基因分型分类，但个性化策略主要由遗传因素驱动。
两项研究在同一试验中联合多种个性化方法，包括基因型驱动招募联合表型驱动分层，以及基线和事后表型驱动个性化的整合。仅有一项研究实施完全个体化膳食干预，根据个体白细胞活化试验结果调整营养建议，代表表型驱动个性化在个体层面的极端形式。
3.4 蛋白质组学方法与研究通路
蛋白质组学分析主要以靶向方法为基础。20项试验采用靶向蛋白质组学，6项采用非靶向策略。靶向研究中，评估的蛋白质数量差异较大，从单一生物标志物到包含超过1,000种蛋白质的大型多重组合。仅有一项研究进行元蛋白质组学分析，聚焦微生物蛋白质谱分析。靶向蛋白质组学分析最常使用多重免疫分析（n=17），这些平台主要基于微珠或电化学发光技术。基于MS的蛋白质组学构成第二常用策略（n=9），分析深度变异较大，涵盖靶向和发现驱动工作流程。一项研究使用适配体分析。蛋白质组目标主要为参与炎症、代谢调节和铁代谢的循环蛋白质，反映了血液来源基质（即血浆和血清）的主要使用。炎症通路代表最 frequently 研究的生物学领域，细胞因子是最常评估的标志物，常与其他炎症介质联合分析。脂肪因子在较少数研究中评估。铁代谢相关蛋白质在聚焦铁补充的研究中调查，脂质代谢相关蛋白质仅在涉及家族性高胆固醇血症参与者的一项试验中评估。六项研究采用探索性或发现驱动的蛋白质组学策略，未预先定义特定蛋白质目标。
3.5 蛋白质组学发现与结局
蛋白质组学结局使用异质性平台、蛋白质组合和结局定义报告，因此无法进行定量综合。
基因型驱动个性化的研究（n=7）主要调查补充剂型干预，聚焦炎症或代谢蛋白质谱的靶向评估。多数试验评估ω-3或DHA补充后的细胞因子反应，少数研究调查脂肪因子、脂质代谢蛋白质或采用非靶向蛋白质组学方法。总体而言，这些研究表明遗传背景调节对膳食干预的炎症和代谢蛋白质组反应，但跨试验的直接可比性受限。
表型驱动个性化的研究（n=17）根据临床、生化或生理特征评估蛋白质组反应，8项在基线前分层，9项通过事后探索性分析分层。这些研究主要使用靶向多重平台调查炎症标志物、脂肪因子和较少频率的铁代谢蛋白质。跨试验观察到，根据基线表型，炎症细胞因子、黏附分子、脂肪因子或铁相关蛋白质的差异调节频繁出现，提示初始生理状态影响对膳食干预的分子反应。非靶向蛋白质组分析揭示了更广泛的通路水平差异，包括免疫反应、脂质代谢、凝血和微生物代谢活性的调节。事后表型驱动分层进一步展示了异质性干预中应答者与无应答者之间的不同蛋白质组模式。
两项研究联合基因型和表型驱动策略或应用多种表型分类，通常采用靶向蛋白质组学分析，报告按联合分层标准的差异分子反应。
3.6 偏倚风险评估
26项纳入随机对照试验的偏倚风险使用Cochrane RoB-2工具评估，对平行组和交叉试验应用设计特定算法，在可用时考虑意向性治疗（Intention-To-Treat, ITT）和符合方案（Per-Protocol, PP）分析。总体而言，多数研究被判定为高偏倚风险。
平行组RCTs中，偏离既定干预（D2）和结局测量（D4）的偏倚风险最低，反映了客观检测读数。随机化过程（D1）为中等风险，主要由于报告不完整和事后亚组分析；最高风险为缺失结局数据（D3）和选择性报告结局（D5），尤其在探索性分析和未预先指定的结局中。交叉RCTs显示类似模式，缺失结局数据（D3）、结局测量（D4）以及周期或残留效应的偏倚风险最低；随机化（D1）、偏离既定干预（D2）和选择性报告结局（D5）的风险较高。
4 讨论
本系统评价提供了整合蛋白质谱分析的个性化营养RCTs的方法学图谱。现有证据显示干预、人群、个性化框架和蛋白质组学方法存在显著异质性，排除了定量综合的可能性。纳入研究主要说明蛋白质组学分析目前在个性化营养研究中如何实现操作化，以及方法学就绪性在何处仍受限。
跨纳入试验，蛋白质组学分析最常被定位为辅助或次要终点，通常在二次分析中使用。多数情况下，其用于描述亚组特异性分子反应，而非驱动分层或干预逻辑。这与完全个体化个性化营养策略罕见、多数试验依赖基线表型分层或事后应答者分类的观察一致。因此，该文献主体中蛋白质组学的主要角色 appears 为描述性（表征个体间变异）而非操作性（指导分配、剂量或决策规则）。
平台选择进一步强化了这种解释。靶向多重组合占主导，主要聚焦炎症介质，而非靶向MS方法使用较少。靶向分析的 dominance 可能反映成本、通量、样本量和既定工作流程等务实考虑，但也限制了发现潜力并强化了对预先定义候选通路的依赖。跨研究可比性受限，鉴于蛋白质组合、结局定义和报告格式的异质性，以及对研究特异性亚组分析的频繁依赖。
映射的文献表明，蛋白质组学技术越来越多地整合入个性化营养RCTs，但仍很少嵌入作为试验设计的核心组成部分。随时间推移，纳入文献显示从早期探索性MS分析向近年靶向多重组合优势的转变。这一模式可能反映从广泛发现向监测预先定义蛋白质的转移，但该趋势应谨慎解释。若在未来的证据更新中得到确认，该趋势可能指示蛋白质组学整合向可行性和标准化发展，但可能以牺牲发现新型分层就绪分子特征的机会为代价。
具体而言，细胞因子聚焦的靶向多重组合已成为常用方法，可能由于高通量、可重复性和有限样本量要求等实际优势。然而，大多数蛋白质组学分析作为二级或辅助评估进行，确认预期生物学效应而非指导分层或个性化干预。例外包括应用高覆盖度适配体蛋白质组学于完全个体化干预框架的SomaScan试验，以及使用铁调素（Hepcidin）分层女性献血者对铁补充反应的试验。早期探索性研究也展示了非靶向蛋白质组学识别预测分子特征的潜力。
在个性化营养试验中，靶向蛋白质组学的优势强化了分子数据主要用于询问预先定义生物通路而非生成新分层框架的模式。SomaScan研究在将大规模蛋白质组数据整合用于个体化干预方面标志着概念性进步，但在多数试验中，蛋白质组学作为确认性工具，凸显了技术能力与概念应用之间的差距。
非靶向蛋白质组学虽应用较少，但实现了更广泛和更探索性的蛋白质组全反应评估。这些发现提示潜在的营养反应共享稳态机制，强化了代谢-免疫紧密整合网络的概念。这些研究的样本量通常较小（每组<30名参与者），反映其探索性目标和分析流程标准化的挑战。多数研究使用血浆或血清，限制了对组织特异性机制的洞察，而婴儿中唯一的元蛋白质组学研究为肠道微生物组与膳食补充的相互作用提供了功能视角。非靶向发现的验证有限，仅两项早期研究进行确认性蛋白免疫印迹分析，突出个性化营养研究中整合发现-验证流程的需求。
从个性化角度，综述的研究确认了蛋白质组反应因基因型或表型而异，为个性化营养核心原则——即个体可能对相同膳食干预产生不同反应——提供了经验支持。然而，大多数个性化方法仍为亚组基础，非完全个体化。这一过渡阶段代表关键阶段，为未来能够将分子谱分析与膳食干预结合以实现真正个性化营养策略的研究奠定基础。研究人群的广泛异质性，从婴儿到老年人，包括健康个体和临床队列，凸显了个性化营养的广泛适用性。
关于研究质量，多数RCTs被判定为高偏倚风险，平行和交叉设计中均如此。这主要由于探索性研究设计、对参与者亚组进行的二次分析、不完整结局报告和偏离意向性治疗原则。结局测量通常被评为相对低偏倚风险，反映了蛋白质组学分析读数的客观性质。但整体偏倚风险判断仍为高，主要由缺失结局数据和选择性报告的担忧驱动，尤其在探索性和亚组分析中。
展望未来，个性化营养向临床实施的进展将取决于具有标准化方案、整合蛋白质组学流程和验证蛋白质生物标志物作为膳食反应性可靠指标的充分效能RCTs。在此背景下，蛋白质组学工作流程的标准化和临床可操作生物标志物的验证代表了转化为实践和指南制定的关键先决条件。扩展蛋白质组覆盖度、整合蛋白质组学与其他组学层次、利用包括人工智能和机器学习在内的先进计算工具，对于实现预测性、通路导向的个性化至关重要。同时，伦理和实际考虑，包括数据隐私、公平获取和以用户为中心的设计，对于将分子洞察转化为可操作的膳食建议至关重要。蛋白质组学有望在阐明个体间变异背后的分子机制方面发挥关键作用，推动个性化营养从描述性观察向机制性和预测性应用发展。
5 结论
蛋白质组学分析越来越多地嵌入个性化营养RCTs。然而，其仍主要作为靶向性、次要结局使用，而非作为告知分层策略或指导干预决策的工具。方法学就绪性受限于预先设定和报告的局限性，这影响了可重复性和跨研究综合。未来研究应优先预先设定蛋白质组学终点和适当的多重性控制，确保结果的全面报告（包括阴性发现），并采用包含预先定义发现和验证阶段的透明、标准化分析工作流程。此类措施对于增强方法学严谨性和实现可扩展转化至关重要。此外，与蛋白质组学技术相关的高分析成本目前限制其在大规模研究中的可扩展性。因此，该领域的进展将取决于获得充足的财政支持和/或开发更具成本效益的分析策略。
