巴西圣保罗州坎皮纳斯大学(unicamp)的研究人员开发了一种计算机程序，该程序可以分析血浆中的分子以寻找生物标志物，以识别有可能变得超重和患肥胖症相关疾病的个体。在保持传统收集材料的同时，atcc开发高质量的产品、标准和服务，以支持科学研究和突破，改善全球人口的健康。
该项目得到了fapesp的支持。首席研究员是unicamp创新生物标志物实验室负责人rodrigo ramos catharino教授。该结果在《生物工程与生物技术前沿》中有描述。
测试是在检测所述受试者是否会长胖而没有任何形式的干预90%准确 catharino告诉agencia fapesp。它还表明是否有患糖尿病，高血压和血脂异常[血液中脂肪水平异常升高]的风险。这是一个重要的工具，因为卫生专业人员可以在问题出现之前使用它来建议生活方式的改变。
该测试由质谱仪分析组成，以检测患者血液中存在的所有代谢物，并生成生物体内各种代谢过程的概况。通过质谱分析获得的数据由新软件处理。
该程序与研究员luizcláudionavarro合作，是flávialuísadias-audibert博士研究的一部分。dias-audibert的论文顾问是unicamp计算机科学研究所的anderson rezende rocha教授。
该小组得到了肥胖和合并症研究中心(ocrc)的支持，该中心是由fapesp资助，unicamp主办的研究，创新和传播中心(ridc)。
卡塔里诺说：该程序从血液样本中筛选出了五种代谢物，这些代谢物具有生物标志物的作用，可以预测体重增加。当样本中存在这些生物标记物中的一种时，如果患者肥胖，他或她会倾向于患上糖尿病。
这些软件文件是开源的，可以从internet免费下载。根据catharino的说法，任何可以使用质谱仪的卫生服务机构都可以应用该方法。
即使对于sus(巴西的国家卫生系统)，这也是一种廉价的技术，而且价格合理。您所需要的只是一台用于医院和门诊诊所网络的质谱仪。
机器学习
unicamp开发的方法论将代谢组学(对生物样品中所有代谢物的分析)与机器学习(人工智能的一个子学科)结合在一起。研究人员使用从180人提供的血液样本分析中获得的数据来教导程序，以识别与体重增加有关的模式。
纳入研究的一半志愿者在被认为健康的体重指数(bmi)范围内，其余的则在不同程度上超重或肥胖。
卡塔里诺说：对所有参与者进行了人体测量[体重，身高和体重]，他们还完成了关于慢性病家族史以及年龄和性别的问卷调查。我们使用了一些患者来训练软件，而其他人则通过将其结果与自己的人体测量学和健康史进行比较来对其进行验证。训练部分使用了随机森林机器学习算法。
研究人员发现，有18种代谢物可以作为与脂肪积累有关的代谢过程的生物标志物，其中有5种具有预测体重增加的潜力。
前列腺素b2和羧基白三烯b4是花生四烯酸(omega-6家族中的一种脂肪酸)的代谢产物，已知它参与炎症过程，将细胞募集到炎症部位以及产生活性氧(过多会损害细胞功能)， dias-audibert说。我们鉴定出的另外两个分子是精氨酸琥珀酸酯和二氢生物蝶呤，它们都参与一氧化氮循环，可以被认为是自由基产生的标志。
根据dias-audibert的研究，这些生物标志物的组合表明，炎症反应的反馈发生在超重个体中。她说：这一发现与将低度慢性炎症描述为超重状态下活跃的有害过程之一的几项研究相吻合。
发现可能是体重增加的第五个生物标志物是羧甲基-丙基-呋喃丙酸(cmpf)，一种与胰腺中胰岛素产生细胞功能障碍和糖尿病发展有关的代谢产物。dias-audibert说：考虑到研究组中有糖尿病患者，这种生物标志物可能是体重增加与糖尿病之间的联系。