美国梅奥诊所（Mayo Clinic）的研究人员开发出一项基因检测方法，可帮助预测患者对不同减重药物（如GLP-1类药物）的反应。这一成果已发表在《Cell Metabolism》杂志上，被视为迈向个体化治疗肥胖的重要一步。
研究团队提出，通过检测个体的“饱腹所需热量”（Calories to Satiation, CTS）这一生物学特征，可以评估患者对药物的减重效果。CTS指一个人需要摄入多少食物才能感到饱足。
“患者应得到符合其生物学特征的治疗，而不仅仅是基于体重大小。”该研究的通讯作者、梅奥诊所胃肠病学专家安德烈斯·阿科斯塔（Andres Acosta, M.D., Ph.D.）表示，“这项检测能够帮助我们从一开始就为患者选择最合适的药物。”
个体差异远超BMI
肥胖是一种复杂且慢性的疾病，全球有超过6.5亿成年人受到影响。其成因涉及基因、环境和行为等多方面因素，因此不同患者对同样的干预措施往往产生差异化反应。然而，临床治疗决策往往仍依赖于BMI等简单指标，而忽视了深层次的生物学差异。
阿科斯塔团队将研究重点放在“饱腹信号”上，即身体在进食后发出的“吃够了”的信号。早在2021年，他们就提出了多种肥胖表型，例如“hungry brain”（倾向于一次吃大量食物）和“hungry gut”（餐量正常但频繁进食）。
在最新研究中，近800名肥胖成年人参加了一个“吃到饱”的实验，他们被提供不限量的千层面、布丁和牛奶，直至感到“像感恩节晚餐那样饱”。结果显示差异显著：有人仅摄入140大卡便停止，而有人则超过2000大卡。男性平均摄入量普遍高于女性。
进一步分析发现，体重、身高、体脂率、腰臀比、年龄，以及食欲相关激素（如ghrelin和leptin）虽然与进食量相关，但无法解释巨大差异。研究人员因此转向基因学。
基因评分预测用药反应
研究团队利用机器学习，将10个已知与食物摄入相关的基因变异整合为一个指标——CTS-GRS（Calories to Satiation Genetic Risk Score，饱腹热量遗传风险评分）。该评分可通过血液或唾液样本检测，预测个人的饱腹阈值。
随后，研究人员在两种已获FDA批准的减重药物临床试验中验证了这一指标：
-
phentermine-topiramate（商品名Qsymia）：高饱腹阈值人群减重效果更佳，此药物有助于控制大份量饮食（“hungry brain”）。
-
liraglutide（利拉鲁肽，商品名Saxenda）：低饱腹阈值人群反应更好，可减少整体饥饿感和进食频率（“hungry gut”）。
“只需一次基因检测，就能预测哪类患者更适合哪种药物。”阿科斯塔说，“这意味着更具成本效益的治疗，以及更理想的患者结局。”
此外，研究团队已开展针对另一种GLP-1药物semaglutide（司美格鲁肽，商品名Ozempic、Wegovy）的研究，结果即将公布。未来，他们还计划将微生物组和代谢组数据纳入模型，并尝试预测常见副作用（如恶心和呕吐）的风险。
参考文献：Lizeth Cifuentes et al, Genetic and physiological insights into satiation variability predict responses to obesity treatment, Cell Metabolism (2025). DOI: 10.1016/j.cmet.2025.05.008
编辑：王洪
排版：李丽
评论 (0)