近期，中华全国供销合作总社济南果品研究所科研团队在国际营养学领域权威期刊《Nutrients》（Q1 区，IF=5.0）发表题为“Associations Between Dietary Amino Acid Intake and Elevated High-Sensitivity C-Reactive Protein in Children: Insights from a Cross-Sectional Machine Learning Study”的研究论文。济南果品研究所博士后于连龙为论文第一作者，博士后导师吴茂玉研究员为通讯作者。该研究首次通过大样本量与机器学习系统解析了中国儿童膳食氨基酸摄入与高敏 C 反应蛋白（hs-CRP，炎症与心血管疾病风险标志物）升高的关联，为儿童炎症相关疾病的膳食干预提供了全新科学依据。

研究背景

高敏 C 反应蛋白（hs-CRP）是评估体内炎症状态与心血管疾病风险的核心指标，儿童期 hs-CRP 升高不仅是即时健康风险信号，更可能增加成年后肥胖、糖尿病等慢性疾病的发病概率。膳食氨基酸作为蛋白质代谢的关键单元，已被证实可调节免疫与炎症反应，但针对儿童群体，特定氨基酸摄入与 hs-CRP 水平的关联研究长期处于空白。我国儿童膳食结构存在明显地域差异，且传统研究多依赖单一统计模型，难以精准筛选关键影响因子。研究团队通过整合多中心数据并引入机器学习技术，旨在明确与儿童炎症风险相关氨基酸种类，为个性化膳食指导提供数据支撑。

研究亮点与结论

核心突破：三大创新解锁“氨基酸-炎症”关联密码

1.“大样本 + 多中心”数据代表性

基于多阶段整群随机抽样，研究样本涵盖大、中、小城市、普通与贫困农村等不同区域，兼顾膳食信息、社会经济与生活方式差异的4省份多中心共 3514名儿童（其中 hs-CRP 升高者 724 名，正常者 2790 名），确保结果稳定可靠。

2.“机器学习+传统统计”双重验证关键氨基酸

创新性结合4种机器学习算法（LightGBM、XGBoost、朴素贝叶斯、神经网络）与logistic 回归模型，实现“筛选-验证”双重保障。

模型性能 TOP1：LightGBM 算法表现最优，预测儿童 hs-CRP 升高风险的 AUC 值达 0.927（95% CI：0.918-0.938），远超其他模型；

关键氨基酸锁定：通过 SHAP 特征重要性分析与 logistic 回归验证，明确丝氨酸（Ser）、半胱氨酸（Cys）、酪氨酸（Tyr）、脯氨酸（Pro）是影响儿童 hs-CRP 水平的核心因子 —— 这 4 种氨基酸摄入每增加 10g /天，儿童 hs-CRP 升高风险线性上升（p<0.05），其中半胱氨酸（Cys）的风险关联最强（OR=2.07）。

3. 分层分析精准定位高风险人群

针对不同人群的亚组分析显示：在低蛋白摄入组（蛋白质供能比 < 23%）中，丝氨酸、酪氨酸、脯氨酸对 hs-CRP 升高的影响更显著；在正常体重儿童中，半胱氨酸、酪氨酸与 hs-CRP 升高的关联更稳定，提示超重/肥胖可能干扰氨基酸与炎症的关联。

研究展望

该成果不仅填补了儿童膳食氨基酸与炎症风险关联的研究空白，科学指导膳食干预应聚焦儿童对丝氨酸、半胱氨酸、酪氨酸和脯氨酸的摄取警惕过量，同时精准锁定低蛋白摄入但体重正常的儿童作为高风险群体进行重点监测；还能为我国儿童膳食指南中氨基酸推荐量的制定提供关键数据。研究团队后续将进一步开展纵向队列研究，验证“氨基酸摄入-炎症风险”因果关系，并结合代谢组学技术，解析氨基酸影响炎症反应的分子机制，最终为开发儿童个性化膳食方案与炎症预防策略提供更加全面的科学支撑。

图文赏析

图1. 研究流程图。(A) 患者纳入和排除流程图；(B) 基于机器学习的科研流程图

图 2. （A）倾向评分匹配后患者的分布结果。（B）比较未匹配样本与匹配样本中倾向评分及协变量的绝对标准化均值差异的“爱之图”。（C）倾向评分匹配前后患者分布的直方图

图 3. 升高超敏 C 反应蛋白（hs-CRP）的 Boruta 分析结果。绿色、黄色和蓝色箱线图分别被确定为显著变量、可疑变量和不显著变量。

图 4. 机器学习模型的受试者工作特征（ROC）曲线

图 5. 基于 LightGBM 的机器学习模型的解读与评估。（A）SHAP 分析了数据集，展示了 30 个最重要的特征及其对模型输出的影响。每个点代表一名患者；紫色代表最低范围，黄色代表最高范围特征的范围；（B）SHAP 分析的特征重要性排名。

图 6. 多类别膳食氨基酸与高 hs-CRP 风险关联的分层分析森林图。最后一列展示了每个分层因素对上述关系的相互作用。氨基酸种类：（A）苏氨酸；（B）胱氨酸；（C）酪氨酸；（D）脯氨酸。OR，比值比；CI，置信区间。

图 7. 不同氨基酸摄入量与高 hs-CRP 风险的RCS图分析。该模型是该模型是在考虑了年龄、性别、体重指数、二手烟暴露情况、饮酒量、户外活动时间以及蛋白质摄入比例等因素后，对各项指标进行了调整。氨基酸种类：（A）丝氨酸；（B）半胱氨酸；（C）酪氨酸；（D）脯氨酸。OR，比值比；CI，置信区间。在考虑了年龄、性别、体重指数、二手烟暴露情况、饮酒量、户外活动时间以及蛋白质摄入比例等因素后，对各项指标进行了调整。氨基酸种类：（A）丝氨酸；（B）半胱氨酸；（C）酪氨酸；（D）脯氨酸。OR，比值比；CI，置信区间。

原文链接：https://doi.org/10.3390/nu17132235