研究团队前期开展了一项2×2 析因设计的随机对照供餐干预试验（LEAN-TIME），共纳入96名超重或肥胖成人，实施为期12周的等能量膳食干预（提供一日三餐），并在干预后随访28周。研究发现，健康型低碳水化合物膳食和限时饮食干预对体重、体成分、肠道微生物组及粪便代谢组的影响，明确了两种膳食模式在能量限制25%的基础上仍有额外的减重效果，并显著影响肠道微生物的组成。在干预结束28周后，健康型低碳水化合物膳食降低体脂的效果仍然显著（Cell Reports Medicine 2024，唯一通讯）。

本研究在此基础上，结合机器学习算法和多组学数据（包括宏基因组、粪便代谢组），构建了减重效果和体重反弹的高性能预测模型，建立了个体化膳食减重策略。具体发现包括：

• 膳食干预后的效果存在显著个体差异：减重期体重变化范围为-10.2 kg至 +1.6 kg；反弹期变化范围达-2.0 kg 至 +14.2 kg。

• 基线肠道菌群、粪便代谢物、膳食因素、临床代谢特征与个体减重效果及体重反弹密切相关。例如，受试者基线Parabacteroides merdae、dimethylglycine的水平越高，膳食干预的减重效果越好；而基线hyocholic acid、vanillic acid的水平越高，减重效果越差。另外，受试者基线Ruminococcus bicirculans的丰度越高，膳食干预后体重反弹越少。

• 与传统预测模型相比，基于多组学数据构建的减重和体重反弹预测模型的性能显著提升。1）关于减重预测，多组学模型能够有效区分受试者是否可实现具有临床意义的减重（即体重降低 ≥ 初始体重的 5%），其预测性能表现优异，AUC从0.58提升到0.95，灵敏度为 94.12%，特异度为 86.79%。同时，该模型对减重期间体重、体脂量、瘦体重变化的连续值预测同样具有较高准确性。2）关于体重反弹预测，多组学模型对体重、体脂量、瘦体重变化的预测能力显著提升，R²分别达到 0.72、0.73 和0.66。

• 部分肠道菌群、粪便代谢物在减重和体重反弹的预测模型中为稳定的预测因子。例如Ruminococcus callidus、Bifidobacterium adolescentis、N-乙酰-L-天冬氨酸。