Tech & AI Journal November 17, 2026
Global Edition

Biomarker Metabolomik Pengambilan Makanan: Kajian Pemakanan Terkawal 14 Hari Wanita Pascamenopaus

• •
7 min read
7Lume White Tomato - Minuman Kecantikan 9-dalam-1

Pengenalan

Kajian pemakanan lazimnya bergantung pada soal selidik kekerapan makanan atau rekod makanan yang mudah dipengaruhi bias dan pelaporan terpilih. Biomarker yang objektif, iaitu bahan kimia dalam air kencing atau darah yang mencerminkan makanan yang dimakan, amat berguna kepada penyelidik pemakanan, pegawai kesihatan awam dan pengusaha makanan di Malaysia yang ingin menilai diet penduduk dengan lebih tepat. Metabolomik, iaitu pengukuran banyak metabolit serentak (pengetahuan am), menawarkan peluang ini; kajian utama mengukur lebih seribu metabolit dalam setiap jenis sampel.

Artikel ini meringkaskan kajian utama bertajuk “Measuring diet by metabolomics: a 14-d controlled feeding study of weighed food intake” (Playdon et al., 2023). Objektifnya ialah menilai perkaitan antara metabolit dengan pengambilan makanan dan minuman yang ditimbang dalam kajian pemberian makanan terkawal bagi diet lazim. Negara kajian tidak dinyatakan dalam abstrak (lembaran kerja menyatakan Amerika Syarikat, tetapi abstrak hanya menyebut peserta daripada Women’s Health Initiative). Dapatan dilengkapi enam kajian sokongan, termasuk satu di Malaysia dan satu dalam kohort Asia berbilang etnik.

Sorotan Kajian Lepas

Playdon et al. (2023) menyatakan bahawa kajian metabolomik menunjukkan ratusan metabolit berkaitan dengan pengambilan makanan, tetapi korelasi hanya sederhana (contohnya r < 0.50) dan sedikit yang dinilai dalam kajian pemberian makanan terkawal. Kajian pemberian makanan dua minggu yang sama pada 153 wanita pascamenopaus Women’s Health Initiative turut digunakan oleh Zheng et al. (2021) untuk menilai biomarker metabolomik bagi tenaga, protein, karbohidrat dan lemak. Mereka melaporkan bahawa ramalan menggunakan metabolit sahaja mencapai CV-R² 36.3% (protein, %E) dan 37.1% (karbohidrat, %E), dan meningkat apabila biomarker sedia ada ditambah (contohnya 55.5% bagi tenaga, kcal/hari).

Wang et al. (2018) menjalankan analisis keratan rentas ke atas 1,369 wanita pascamenopaus bukan perokok (purata umur 68.3 tahun) dengan 1,186 metabolit serum dan soal selidik kekerapan makanan 152 item. Mereka mengenal pasti 379 perkaitan diet-metabolit, mereplikasi 63 metabolit yang pernah dilaporkan, dan mendapati dua metabolit tidak beranotasi sebagai peramal terkuat bagi ikan gelap (r = 0.51, AUC = 94%) dan kopi (r = 0.62, AUC = 98%). Wellington et al. (2019) pula mengkaji 42 peserta sihat dalam percubaan DIGEST yang membekalkan diet lengkap Prudent atau Western selama dua minggu, dan melaporkan bahawa 3-metilhistidina dan prolin betaina meningkat dalam plasma dan air kencing selepas diet Prudent.

Dalam kumpulan lebih muda, Brachem et al. (2022) menggunakan data kohort DONALD pada 228 peserta dan mendapati pantulan terhad pengambilan makanan oleh metabolit tunggal dalam air kencing dan tiada dalam darah.

Dapatan Utama

Reka bentuk dan skala. Playdon et al. (2023) melibatkan wanita pascamenopaus sihat daripada Women’s Health Initiative (N = 153) yang diberi diet terkawal dua minggu yang direka meniru diet biasa mereka. Metabolit diukur dengan kromatografi cecair spektrometri jisim tandem dalam air kencing 24 jam hujung kajian (1293 metabolit) dan serum berpuasa (1113 metabolit). Korelasi Pearson separa dikira antara metabolit dengan pengambilan 65 kumpulan makanan, minuman dan suplemen, dengan ambang signifikan Bonferroni 5.94 × 10⁻⁷ (air kencing) dan 6.91 × 10⁻⁷ (serum).

Korelasi kuat bagi beberapa makanan. Korelasi signifikan dikenal pasti bagi 23 makanan, minuman dan suplemen yang berbeza (171 metabolit berbeza). Antara makanan, korelasi kuat (r ≥ 0.60) dilihat bagi sitrus (r tertinggi = 0.80), tenusu (r = 0.65) dan brokoli (r = 0.63). Antara minuman dan suplemen, kopi (r = 0.86), alkohol (r = 0.69), multivitamin (r = 0.69) dan suplemen vitamin E (r = 0.65). Korelasi sederhana (r = 0.50–0.60) diperhatikan bagi avokado, ikan, bawang putih, bijirin, bawang, ayam dan teh hitam.

Kekhususan. Korelasi bersifat khusus: setiap metabolit berkorelasi dengan satu makanan, minuman atau suplemen sahaja, kecuali metabolit yang berkorelasi dengan jus atau multivitamin. Pengarang menyimpulkan bahawa hasil ini melebihi magnitud yang dilihat dalam kajian populasi sebelum ini.

Kajian sokongan dari Asia. Low et al. (2023), dalam kohort HELIOS berbilang etnik Asia (69% Cina, 12% Melayu, 19% Asia Selatan) yang melibatkan 8,391 individu, 1,055 metabolit plasma dan 169 makanan atau minuman, membangunkan panel multi-biomarker (3–39 metabolit setiap satu) dan melaporkan bahawa skor komposit lebih kuat dikaitkan dengan fenotip klinikal berbanding pengambilan yang dilaporkan sendiri; ini ialah pracetak (medRxiv). Nik Nur Izzati Nik Mohd Fakhruddin et al. (2020) di Malaysia menganalisis air kencing sembilan subjek bagi setiap tiga kumpulan penuaan (27 orang) menggunakan ¹H-NMR, dan mendapati serotonin (r = 0.48, p < 0.05) dan melatonin (r = 0.47, p < 0.05) dikaitkan dengan pengambilan oat.

Makanan atau minuman Korelasi (r) Sumber
Kopi 0.86 Playdon et al. (2023)
Sitrus 0.80 (tertinggi) Playdon et al. (2023)
Alkohol; multivitamin 0.69 Playdon et al. (2023)
Tenusu 0.65 Playdon et al. (2023)
Brokoli 0.63 Playdon et al. (2023)
7Lume White Tomato - Minuman Kecantikan 9-dalam-1

Perbincangan

Dapatan menunjukkan bahawa dalam keadaan pemberian makanan terkawal dan pengambilan yang ditimbang, metabolit dalam air kencing dan serum boleh berkorelasi sederhana hingga kuat dengan pengambilan beberapa makanan, minuman dan suplemen. Daripada 65 kumpulan yang diuji, hanya 23 mempunyai korelasi signifikan, jadi biomarker tidak tersedia untuk semua makanan. Kajian ini juga mengukur korelasi, bukan ketepatan ramalan setiap individu, dan sampel terhad kepada wanita pascamenopaus dalam satu kohort.

Perbandingan dengan kajian lain menunjukkan bahawa keadaan kajian sangat penting. Wang et al. (2018) menggunakan kaedah keratan rentas dan soal selidik, dan mendapati kopi serta ikan gelap sebagai makanan dengan peramal terkuat; Brachem et al. (2022) hanya menemui sedikit metabolit yang konsisten dalam urin dan tiada dalam darah. Wellington et al. (2019) menunjukkan biomarker sensitif kepada perubahan diet jangka pendek dalam sampel kecil. Maka sebahagian perbezaan mungkin disebabkan kaedah penilaian diet, populasi dan platform pengukuran.

Bagi Malaysia, makanan tempatan seperti nasi, ikan bilis, tempe atau sambal tidak dibincangkan dalam abstrak yang diperoleh, dan biomarker daripada populasi Barat tidak boleh dianggap terpakai tanpa pengesahan. Low et al. (2023) menyatakan metabolom makanan berbeza mengikut rantau dan budaya, dan kajian Nik Nur Izzati Nik Mohd Fakhruddin et al. (2020) di Malaysia bersaiz sangat kecil. Maka kajian metabolomik berasaskan makanan tempatan Malaysia masih diperlukan.

Implikasi kepada Penyelidik dan Pegawai Kesihatan Awam

1. Pegawai kesihatan boleh menyedari bahawa soal selidik diet mempunyai had, dan biomarker objektif berpotensi melengkapkannya, tetapi belum menggantikannya.

2. Biomarker daripada kajian ini tidak boleh digunakan untuk menilai diet individu atau mendiagnosis; ia alat penyelidikan.

3. Kajian pemakanan di Malaysia wajar mempertimbangkan pengesahan biomarker pada makanan tempatan dan kumpulan etnik Melayu, Cina serta India.

4. Pengambilan suplemen seperti multivitamin dan vitamin E hendaklah mengikut nasihat doktor atau farmasi; kajian ini tidak memberi saranan dos.

5. Pengguna yang ingin menilai pemakanan sendiri boleh berunding dengan pegawai dietetik atau doktor.

Kesimpulan

Dalam 153 wanita pascamenopaus yang diberi diet terkawal dua minggu, metabolit air kencing dan serum berkorelasi sederhana hingga kuat dengan pengambilan 23 makanan, minuman dan suplemen, dengan korelasi tertinggi bagi kopi (r = 0.86) dan sitrus (r = 0.80). Dapatan ini menunjukkan potensi metabolomik dalam penyelidikan pemakanan, tetapi kajian lanjut diperlukan dalam populasi dan makanan Malaysia.

Rujukan

1. Playdon, M. C., Tinker, L. F., Prentice, R. L., Loftfield, E., Hayden, K. M., Van Horn, L., et al. (2023). Measuring diet by metabolomics: a 14-d controlled feeding study of weighed food intake. The American Journal of Clinical Nutrition. https://doi.org/10.1016/j.ajcnut.2023.10.016

2. Zheng, C., Nagana Gowda, G. A., Raftery, D., Neuhouser, M. L., Tinker, L. F., Prentice, R. L., et al. (2021). Evaluation of potential metabolomic-based biomarkers of protein, carbohydrate and fat intakes using a controlled feeding study. European Journal of Nutrition. https://doi.org/10.1007/S00394-021-02577-1

3. Wang, Y., Gapstur, S. M., Carter, B. D., Hartman, T. J., Stevens, V. L., Gaudet, M. M., & McCullough, M. L. (2018). Untargeted metabolomics identifies novel potential biomarkers of habitual food intake in a cross-sectional study of postmenopausal women. Journal of Nutrition. https://doi.org/10.1093/JN/NXY027

4. Low, D. Y., Mina, T., Sadhu, N., Wong, K., Jain, P. R., Dalan, R., et al. (2023). Metabolic variation reflects dietary intake in a multi-ethnic Asian population. medRxiv. https://doi.org/10.1101/2023.12.04.23299350

5. Nik Nur Izzati Nik Mohd Fakhruddin, Suzana Shahar, Intan Safinar Ismail, Amalina Ahmad Azam, & Nor Fadilah Rajab (2020). Urine untargeted metabolomic profiling is associated with the dietary pattern of successful aging among Malaysian elderly. Nutrients. https://doi.org/10.3390/NU12102900

6. Wellington, N., Shanmuganathan, M., de Souza, R. J., Zulyniak, M. A., Azab, S. M., Bloomfield, J., et al. (2019). Metabolic trajectories following contrasting prudent and Western diets from food provisions: Identifying robust biomarkers of short-term changes in habitual diet. Nutrients. https://doi.org/10.3390/NU11102407

7. Brachem, C., Oluwagbemigun, K., Langenau, J., Weinhold, L., Alexy, U., Schmid, M., & Nöthlings, U. (2022). Exploring the association between habitual food intake and the urine and blood metabolome in adolescents and young adults: a cohort study. Molecular Nutrition & Food Research. https://doi.org/10.1002/mnfr.202200023

Sumber carian: SciSpace, November 2026.

Kata kunci: metabolomik, biomarker pemakanan, pemberian makanan terkawal, wanita pascamenopaus, Women’s Health Initiative, kopi, sitrus, penilaian diet

7Lume White Tomato - Minuman Kecantikan 9-dalam-1

Leave a Reply

Your email address will not be published. Required fields are marked *