營養(yǎng)基因組學(xué)是一門新興學(xué)科，有著廣闊的研究前景。最新證據(jù)顯示，食物與人類的基因組“對話”?；蚪M是人體的遺傳藍(lán)圖，可在細(xì)胞層面上引導(dǎo)身體機(jī)能。

        食物和基因之間的這種交流有可能影響人的健康、生理和壽命。“食物可向動物的某個(gè)基因組傳遞重要信息”，這已成為營養(yǎng)基因組學(xué)（nutrigenomics）的研究焦點(diǎn)。

        以維生素D為例：

圖片來源：Nutrients 2019, 11, 676 ; doi:10.3390/nu11030676

一、發(fā)展歷程

1、1908年英國科學(xué)家Archibald E. Garrod首次提出“先天性代謝缺陷”的概念，指出某些疾病的發(fā)生與營養(yǎng)素的代謝和吸收異常相關(guān)。

2、隨后的幾十年間（1917-1970），與基因異常相關(guān)的遺傳代謝疾?。ㄈ绨肴樘茄Y、丙酮尿癥、糖原積累癥、戎糖尿癥等）逐漸被發(fā)現(xiàn)。

3、1986年美國科學(xué)家Thomas Roderick提出了基因組學(xué)，包括以全基因組測序?yàn)槟繕?biāo)的結(jié)構(gòu)基因組學(xué)和以基因功能鑒定為目標(biāo)的功能基因組學(xué)，成為營養(yǎng)基因組學(xué)的基礎(chǔ)。

4、1990年人類基因組計(jì)劃開展，基因密碼的破譯也使得營養(yǎng)學(xué)有了突飛猛進(jìn)的發(fā)展，研究飲食與基因之間交互作用成為營養(yǎng)學(xué)的新興領(lǐng)域，營養(yǎng)基因組學(xué)由此出現(xiàn)。

5、21世紀(jì)，高通量測序技術(shù)的進(jìn)步，蛋白質(zhì)組學(xué)、轉(zhuǎn)錄組學(xué)、代謝組學(xué)等的發(fā)展，使得營養(yǎng)基因組學(xué)的研究逐漸成熟。

二、個(gè)體化精準(zhǔn)營養(yǎng)

        個(gè)體對營養(yǎng)素的需求隨著年齡、性別、生理特點(diǎn)、勞動狀況等多種因素的變化而不同，同時(shí)還與遺傳因素有關(guān)，隨著對人類基因組認(rèn)識的不斷深入, 其目標(biāo)就是基于個(gè)體的基因型特征, 預(yù)測其對營養(yǎng)素的反應(yīng), 以提供個(gè)性化膳食營養(yǎng)建議, 而非基于群體做出一般建議, 最終達(dá)到基因干預(yù)的目的。

        營養(yǎng)基因組學(xué)的目的不是改變用于消費(fèi)的各種食品以提高它們的營養(yǎng)成分, 而是在于食用那些食品, 如何讓基因更好地適應(yīng), 如何改變基因的作用和結(jié)構(gòu)。同時(shí), 如何根據(jù)每個(gè)人自己的基因特點(diǎn)制定食譜, 補(bǔ)充特定的營養(yǎng)成分, 以彌補(bǔ)由于基因變異造成對健康的影響。有的還可以防止某些基因突變或改變基因的活動情況, 從而達(dá)到預(yù)防疾病、延緩衰老、促進(jìn)健康的目的。

圖片來源：網(wǎng)絡(luò)

三、營養(yǎng)吸收能力評估

        華測艾普緊跟營養(yǎng)基因組學(xué)研究前沿，全新推出營養(yǎng)吸收能力評估項(xiàng)目。

        本項(xiàng)目可幫助了解先天的葉酸代謝能力、鐵吸收能力以及高同型半胱氨酸血癥、缺鐵性貧血的遺傳風(fēng)險(xiǎn)，指導(dǎo)針對性干預(yù)，預(yù)防疾病。（其中葉酸代謝能力相關(guān)的 MTHFR 基因缺陷型在中國人群中占比 20%，這類人群很難通過常規(guī)飲食獲得足夠的葉酸，從而易患高同型半胱氨酸血癥及高血壓。）

項(xiàng)目優(yōu)勢

本項(xiàng)目可幫助了解：

?基因營養(yǎng)代謝特點(diǎn)

?健康需求

?食物選擇

?膳食安排

適用人群

?追求健康生活的人群

?不良生活習(xí)慣人群（抽煙、酗酒等）

?壓力大、易焦慮的亞健康人群

?有某些特定疾病家族史的人群

樣本要求

● 血液

● 拭子

參考文獻(xiàn)

1. Jiang, C.; Wang, X.; Li, X.; Inlora, J.; Wang, T.; Liu, Q.; Snyder, M. Dynamic human environmental exposome revealed by longitudinal personal monitoring. Cell 2018, 175, 277–291 e31.
2. Price, N.D.; Magis, A.T.; Earls, J.C.; Glusman, G.; Levy, R.; Lausted, C.; McDonald, D.T.; Kusebauch, U.; Moss, C.L.; Zhou, Y.; et al. A wellness study of 108 individuals using personal, dense, dynamic data clouds. Nat. Biotechnol. 2017, 35, 747–756.