新指标metBMI揪出“隐性肥胖”人群
近期，发表于《自然·医学》（Nature Medicine）的一项重磅研究，通过深度多组学分析，提出了一种全新的评估工具——“代谢BMI”（metabolic BMI，简称 metBMI）。它不再依赖身高体重，而是通过检测血液中的特定代谢物，来更真实地反映一个人的体内脂肪分布和代谢健康状况。
1.metBMI：基于循环代谢物构建的代谢健康指标
这项由瑞典哥德堡大学等机构主导的研究，对1408名受试者进行了包括血浆代谢组、蛋白质组、肠道宏基因组以及详细临床表型在内的深度分析。研究团队首先发现，在预测内脏脂肪面积、腰围等真实肥胖相关指标时，基于循环代谢物构建的模型表现最为出色，其相关性甚至超过了整合所有组学数据的综合模型。这表明，血液中的代谢物是反映机体脂肪堆积和代谢状态最敏感、最直接的“生物信号”。基于此，研究人员利用267种与BMI强相关的代谢物，通过机器学习算法构建了metBMI模型。该模型在独立外部队列（n=466）中成功解释了52%的BMI变异，验证了其强大的泛化能力。
真正让metBMI脱颖而出的，是它能够识别出那些被传统BMI“掩盖”的高风险个体。研究者通过计算metBMI与实际BMI之间的残差，将人群分为两组：一组是“高metBMI”人群（HmetBMI），即BMI正常但代谢状态如同严重肥胖者；另一组是“低metBMI”人群（LmetBMI），即BMI偏高但代谢相对健康者。
结果显示，HmetBMI人群虽然外表不胖，却普遍存在内脏脂肪堆积、胰岛素敏感性下降、慢性炎症水平升高，并且患脂肪肝和2型糖尿病的风险高出2至5倍。更令人担忧的是，在接受减重手术的75名患者中，术前属于HmetBMI的人，术后一年平均减重效果比LmetBMI人群差了近30%。
这说明，他们的身体对减肥干预的反应更弱，可能存在某种“代谢抵抗”。
2.metBMI：基于循环代谢物构建的代谢健康指标
这项由瑞典哥德堡大学等机构主导的研究，对1408名受试者进行了包括血浆代谢组、蛋白质组、肠道宏基因组以及详细临床表型在内的深度分析。研究团队首先发现，在预测内脏脂肪面积、腰围等真实肥胖相关指标时，基于循环代谢物构建的模型表现最为出色，其相关性甚至超过了整合所有组学数据的综合模型。这表明，血液中的代谢物是反映机体脂肪堆积和代谢状态最敏感、最直接的“生物信号”。基于此，研究人员利用267种与BMI强相关的代谢物，通过机器学习算法构建了metBMI模型。该模型在独立外部队列（n=466）中成功解释了52%的BMI变异，验证了其强大的泛化能力。
真正让metBMI脱颖而出的，是它能够识别出那些被传统BMI“掩盖”的高风险个体。研究者通过计算metBMI与实际BMI之间的残差，将人群分为两组：一组是“高metBMI”人群（HmetBMI），即BMI正常但代谢状态如同严重肥胖者；另一组是“低metBMI”人群（LmetBMI），即BMI偏高但代谢相对健康者。
结果显示，HmetBMI人群虽然外表不胖，却普遍存在内脏脂肪堆积、胰岛素敏感性下降、慢性炎症水平升高，并且患脂肪肝和2型糖尿病的风险高出2至5倍。更令人担忧的是，在接受减重手术的75名患者中，术前属于HmetBMI的人，术后一年平均减重效果比LmetBMI人群差了近30%。
这说明，他们的身体对减肥干预的反应更弱，可能存在某种“代谢抵抗”。
3.肠道菌群：隐藏在“瘦胖子”背后的推手
那么，为什么有些人会“瘦但不健康”？研究者把目光投向了人体内数量庞大的“居民”——肠道微生物。我们的肠道里生活着数万亿细菌，它们不仅帮助消化食物，还参与调节免疫、代谢甚至情绪。这项研究发现，HmetBMI人群的肠道菌群结构明显异常：整体多样性降低，有益菌减少，有害菌增多。
具体来说，像克里斯滕森氏菌目（Christensenellales）这类与健康体重密切相关的有益菌在HmetBMI人群体内显著减少。相反，与代谢紊乱相关的菌种如瘤胃球菌（R. gnavus）以及口腔来源的耐氧菌（如咽峡炎链球菌）则明显富集。功能分析进一步显示，这些菌群变化伴随着短链脂肪酸（如丁酸）合成能力的减弱，以及三甲胺（TMA，一种促动脉粥样硬化前体物质）生成潜力的增加。
更关键的是，研究通过数据分析发现，这些肠道细菌正是通过影响血液中的特定代谢物，间接调控我们的内脏脂肪和血糖水平。比如，肉桂酰甘氨酸、类胡萝卜素二醇等由肠道菌群产生的保护性代谢物，在HmetBMI人群中明显偏低。这揭示了一个重要的机制：肠道菌群-代谢物-宿主健康之间存在一条紧密的“信息通路”。一旦这条通路失衡，即使体重正常，身体也可能提前进入“亚健康”甚至“疾病”状态。
总之，这项研究提出的metBMI指标，成功地将肥胖从一个单纯的体型问题，转变为一个多器官、多系统交互的代谢性疾病概念。它不仅能更精准地分层心血管代谢风险，还能指导个体化治疗策略。