PersonalizedWeigtLoss
#
Find similar titles
-
최초 작성자
ghshin@insilicogen.com
- 최근 업데이트
Structured data
- Category
- Business
Table of Contents
유전적 개인 맞춤형 [2] 비만관리 #
서론 #
표현형뿐만 아니라, 유전적 기질에 기반 한 개인 맞춤형 영양학적 시도가 체중감량과 비만조절에 도움을 줄지 모른다. 영양 유전체학, 생물정보학 그리고 GWAS 연구는 개인맞춤 영양학 분야에 혁신을 불러일으키고 있다. 소개하고자 하는 논문 [1]은 체중 조절에 관련된 영양유전체학적 관점에서 요약 정리한 것이다. 체중 항상성은 대사 작용에 의해 통제되며, 이 대사 작용은 신체 활동, 식욕, 비만세포 분화, 인슐린 시그널링, 미토콘드리아 기능, 지질 회전량, 열효율성과 같은 체성분과 에너지 향상성과 밀접하게 관련된 메카니즘에 의해 조절된다. 비만 유전자와 유전적 변이에 대해 새롭게 밝혀진 유전자 변형에 대한 연구들은 체지방 변화의 25~70%가 유전자에 의해 영향을 받고 600개 이상의 염색체 영역이 비만의 유전적 요인에 관여할지 모른다고 밝혀 왔다 [2].
본론 #
비만에 미치는 유전적 변이로 SNP, CNV, 염기서열반복, 삽입 및 제거, 말단소체 길이등과 관련된 다양한 연구 케이스를 정리 요약하였다. 이러한 데이터를 기반으로 유전적 변이와 비만과의 상관관계를 설명하여 유전자가 영양소 대사와 전달에 개인마다 차별적으로 다르게 작용하고 있음을 보여준다. 이러한 차이점에 근거하여 영양 권장량과 식이요법 또한 개인마다 달라진다는 점을 설명하고 있다.
이는 향후 가족력이나 개인 맞춤 정보를 기반한 체중관리 및 비만관리에 좀 더 체계적인 접근으로 과학적 근거자료로 활용될 수 있을 것이다.
방법 #
Search Term(2000~2013년): Weight loss, obesity, nutrigenetic, SNP, diet, macronutrient, protein, sugar, carbohydrate, gat, lipid, fat, lipid, fatty acids DataBase: PUBMED Strategies Identification and Screening: 리뷰 및 메타 데이터 분석 (n=206) 및 연구 논문(n=1960)을 통해 체중 감량, gene-diet 관련 기록은 제외한 데이터 추출 Eligibility and Inclusion: 리뷰 및 메타 데이터에서 대략 85,000건 주제로 리뷰에 있는 가지 연구를 추출하고, 연구논문에서 10,500건 주제에 대한 68건의 연구논문을 추출
결론 #
시스템 생물학적 관점에서 영양소의 흡수, 대사, 분배나 배출과 관련된 유전적 메카니즘으로 설명되며, 더불어 식이 개입 연구를 통해 유전적인 기질과 식이 요건 사이에 많은 연관성이 있는 것으로 분석되었다. 건강한 식이와 생활 습관 조절과 같은 전반적인 전략과 더불어 개인의 유전적 다양성에 근거한 개인 맞춤형 처방을 통한 비만 조절 관점을 설명할 수 있을 것으로 예상된다. - 음식섭취와 관련된 유전자 - 중간대사와 지방조직 생성 관련 유전자 - 세포와 핵 조절 관련 유전자 - 열 생성관련 단백질과 관련된 유전자 - 아디포카인, 사이토카인 대사관련 단백질과 관련된 유전자
참고문헌 #
[1] Martíinez, J.A. and F.I. Milagro, Genetics of weight loss: A basis for personalized obesity management. Trends in Food Science & Technology, 2015. 42(2): p. 97-115. [2] Rankinen, T., Zuberi, A., Chagnon, Y. C., Weisnagel, S. J., Argyropoulos, G., Walts, B., et al. (2006). The human obesity gene map: the 2005 update. Obesity, 14, 529e644.
Suggested Pages #
- 0.025 Bioinformatics keyword
- 0.025 갤럭시
- 0.025 시퀀싱장비
- 0.025 python
- 0.025 R
- 0.025 Next-generation_sequencing
- 0.025 CLC Genomics Workbench
- 0.013 Illumina
- 0.013
- 0.013 HiSeq
- More suggestions...