Autores

Sarah Berry, Ana Valdes, Nicola Segata, Andrew Chan, Richard Davies, David Drew, Paul Franks and Tim Spector. 

Abstract

Glycemic, insulinemic and lipemic postprandial responses are multi-factorial and contribute to diabetes, obesity and CVD. The aim of the PREDICT I study is to assess the genetic, metabolic, metagenomic, and meal-context contribution to postprandial responses, integrating the metabolic burden and gut microbiome to predict individual responses to food using a machine learning algorithm. 

Resumen

La integración de la información proporcionada por distintas ómicas muestra, en este artículo, como la respuesta metabólica a una misma comida en personas sanas es muy variable y además modificable, ya que el componente genético de la variación es limitado. El gran volumen de datos generado permitiría la aplicación de la inteligencia artificial para predecir respuestas individuales a alimentos concretos.