10.7 Q1|哈尔滨医科大学NHANES发文 | 补充剂驱动的铁过载通过炎症生物标志物加速表型衰老
1.第一段–文章基本信息
文章题目：Supplement-driven iron overload accelerates phenotypic aging via inflammatory biomarkers: Potential counteraction through anti-inflammatory or antioxidant diets
中文标题：补充剂驱动的铁过载通过炎症生物标志物加速表型衰老：通过抗炎或抗氧化饮食的潜在拮抗作用
发表杂志：Journal of Xenobiotics
影响因子：1区，IF= 10.7
发表时间：2025年6月
2.第二段–研究思路
本研究思路
本文通过分析美国国家健康与营养调查（NHANES）2017-2018年的数据，研究了铁摄入与表型年龄（PhenoAge）加速之间的关系，并探讨了炎症和氧化应激在其中的作用。研究纳入了8692名20岁及以上的参与者，采用加权限制性立方样条分析铁摄入与PhenoAge加速的非线性关系，并通过K均值聚类分析识别铁摄入模式。结果显示，总铁摄入与PhenoAge加速呈U型关系，阈值为18.441 mg/天，低于此值时铁摄入对衰老有保护作用，而超过后则加速衰老。补充铁摄入与PhenoAge加速呈正相关，而仅来自食物的铁摄入未见有害影响。此外，研究发现抗炎或抗氧化饮食可以抵消补充铁过载对衰老的不良影响，炎症相关标志物部分介导了这种加速衰老的作用。研究结果强调了合理使用铁补充剂的重要性，并为通过饮食干预延缓衰老提供了科学依据。
3.第三段-Introdction
背景
衰老是一个复杂的生物学过程，表现为分子、细胞、组织和器官功能的逐渐退化或改变，最终导致生理稳态失衡和死亡风险增加。衰老不仅是自然生理现象，也是癌症、心血管疾病和神经退行性疾病等多种慢性病的重要危险因素。由于遗传、环境和生活方式等因素的异质性，相同年龄的个体之间存在显著的寿命差异，这也推动了从单一生物标志物到多组学综合算法的生物学年龄评估的发展。其中，表型年龄（PhenoAge）作为一种基于临床生物标志物的综合指标，比实际年龄更能预测死亡风险和系统性衰老轨迹。尽管衰老不可避免，但营养失衡等可调节因素显著影响生物学衰老轨迹。铁是人体必需的微量元素之一，调节氧化-抗氧化系统，维持氧化还原平衡。然而，由于铁的系统排泄率几乎恒定，过量摄入可能导致病理性铁积累，进而引发炎症和氧化应激，这是年龄相关代谢疾病的关键驱动因素。
4.第四段-Methods
方法
根据以往NHANES的膳食相关研究，本研究的排除标准如下：（1）年龄小于20岁；（2）当前怀孕；（3）无效的膳食记录或不可信的能量摄入（定义为男性<800或>4200千卡/天，女性<600或>3500千卡/天）；（4）缺乏完整的协变量信息。应用这些排除标准后，最终分析数据集包括8692名合格的成年人。
铁摄入量的测量
通过标准化协议，利用两天非连续的24小时膳食回顾来评估铁摄入量。首次回顾在移动检查中心（MEC）面对面进行，随后在3-10天后通过电话进行第二次回顾，以考虑个体内变异性。报告的食物数量通过美国农业部（USDA）转换标准转换为克重量，营养成分通过链接到食品和营养数据库（FNDDS）确定。计算两天回顾的平均值，包括膳食来源和补充剂的每日摄入量。由于缺乏标准化方法区分血红素铁和非血红素铁，铁摄入量被分为三类：（1）总铁（来自食物和补充剂）；（2）膳食铁（仅来自食物来源）；（3）补充铁（仅来自补充剂）。美国成年人每日铁摄入的可耐受最高摄入量（UL）已设定为45 mg。
表型年龄（PhenoAge）的测量
使用“BioAge”R包计算PhenoAge，该算法基于NHANES III（1988-1994）参考数据训练，并应用于2007-2018年的NHANES。鉴于部分调查周期缺乏C反应蛋白（CRP）数据，我们使用与衰老相关的九个变量计算PhenoAge：年龄、血清白蛋白、碱性磷酸酶、肌酐、糖化血红蛋白（HbA1c）、淋巴细胞百分比、平均细胞体积、红细胞分布宽度和白细胞计数。这种生物标志物的选择与先前验证一致，表明排除CRP仍能保持估计的准确性。我们的分析进一步确认了包含CRP和排除CRP的PhenoAge估计值之间近乎完美的相关性（皮尔逊相关系数r=0.9996），从而在CRP缺失的情况下强化了该指标的有效性
CDAI和DII的计算
膳食炎症指数（DII）基于两天非连续的24小时膳食回顾，使用“Dietaryindex”R包计算。对于综合膳食抗氧化指数（CDAI），我们采用改良的Wright协议评估六种抗氧化成分：硒、锌、维生素A/C/E和类胡萝卜素。每种微量营养素的摄入量标准化为全球参考值（z分数：[个体摄入量-全球平均值]/全球标准差），CDAI为这些标准化分数的总和。
协变量
年龄、性别、种族、教育水平、贫困收入比、婚姻状况、吸烟状况、当前饮酒情况、体力活动、久坐时间、总能量摄入、健康饮食指数-2020、体质指数、腰围、心血管疾病（CVD）、癌症病史、高血压、糖尿病和血脂异常
统计学方法
所有分析均考虑了美国国家健康与营养调查（NHANES）的复杂调查设计，以确保全国代表性。根据NHANES分析指南，使用最小公倍数规则选择适当的样本权重，并构建六周期综合权重用于后续分析。连续数据以加权均值±标准误（SE）表示，分类数据以加权比例表示。
5.第五段-Results
结果
基线特征
研究共纳入8692名参与者，平均年龄为48.1岁，其中48.2%为男性。补充铁过载（SDIO）组与膳食铁参考（DIR）组的铁摄入模式存在显著差异。DIR组中几乎所有个体的总铁摄入量均低于可耐受最高摄入量（UL，45 mg/天），而SDIO组所有个体的总铁摄入量均超过UL值。SDIO组中补充铁占总铁摄入量的平均比例高达83.44%，而DIR组仅为7.65%。此外，SDIO组个体更倾向于年龄较大、女性、离异/丧偶/分居，并且体力活动较少，患有高血压、糖尿病和心血管疾病的比例更高。SDIO组的总铁和补充铁摄入量显著更高，饮食质量更好，PhenoAge和PhenoAge加速值更高，总能量摄入更低。
铁摄入与PhenoAge加速的关系
研究发现总铁摄入与PhenoAge加速之间存在U型关系，临界点为18.441 mg/天。低于该阈值时，每增加1 mg总铁摄入，PhenoAge加速减少0.126年；超过该阈值后，每增加1 mg总铁摄入，PhenoAge加速增加0.021年。膳食铁摄入在低于13.164 mg/天时与PhenoAge加速呈显著负相关，每增加1 mg膳食铁摄入，PhenoAge加速减少0.233年；而在更高水平的膳食铁摄入下未发现显著关系。补充铁摄入与PhenoAge加速呈正相关，每增加1 mg补充铁摄入，PhenoAge加速增加0.017年。此外，铁摄入与PhenoAge加速的关系在男性和女性中无显著差异。
抗炎或抗氧化饮食对SDIO相关PhenoAge加速的抵消作用
通过K均值聚类分析，将参与者分为补充铁过载（SDIO）组和膳食铁参考（DIR）组。与DIR组相比，SDIO组在所有统计模型中均表现出加速的表型衰老。然而，抗炎或抗氧化饮食能够显著抵消SDIO组对表型衰老的不良影响。在遵循抗炎和抗氧化饮食（AIAOD）的亚组中，SDIO组与DIR组相比未表现出显著的PhenoAge加速关联。而遵循促炎和促氧化饮食（PIPOD）的亚组中，SDIO组的PhenoAge加速显著加剧。
基因本体-生物学过程（GO-BP）功能富集分析
通过分析铁相关靶蛋白与加速生物学衰老相关蛋白的交集，发现5048个潜在靶点。GO-BP功能富集分析显示，这些靶点在炎症反应和氧化应激反应等关键术语中显著富集，表明铁过载可能通过炎症和氧化应激相关途径加速衰老，这也解释了抗炎或抗氧化饮食对SDIO相关PhenoAge加速的拮抗作用。
媒介分析
六种炎症生物标志物（AISI、SII、SIRI、MLR、NLR和NMLR）显著介导了SDIO与PhenoAge加速之间的关联，其中AISI的平均因果中介效应（ACME）为0.505，占总效应的17.50%；SII的ACME为0.547，占19.16%；SIRI的ACME为0.686，占23.94%；NLR的ACME为0.707，占24.81%；MLR的ACME为0.448，占15.53%；NMLR的ACME为0.736，占25.63%。而氧化应激相关生物标志物未发现显著的中介效应。
分层和敏感性分析
通过一系列分层分析进一步探讨SDIO与PhenoAge加速之间的关联，但未发现显著的交互作用。在敏感性分析中，进一步调整贫血相关生物标志物（血红蛋白和血清铁蛋白）后，SDIO相关的衰老加速结论依然稳健。此外，在进一步调整绝经后状态后，上述结论也保持稳健。
6.第六段–结论与启发
结论与启发
结论
总之，本研究揭示了由于补充剂导致的铁过载可能通过炎症因子加速表型衰老，而富含抗炎或抗氧化成分的饮食可以有效缓解这一过程。本研究的发现表明，在使用补充剂时需要谨慎，以避免过量摄入铁。此外，本研究还为通过早期饮食模式干预预防衰老提供了新的证据和操作方法，同时揭示了这一过程中涉及的代谢机制。然而，上述发现仍需通过大规模前瞻性研究和动物实验进一步验证。
【光速科研启发】
选题：研究聚焦铁摄入与表型年龄（PhenoAge）加速之间的关系，特别是补充铁摄入对衰老的影响，同时探讨抗炎或抗氧化饮食的潜在调节作用。这一选题填补了铁摄入与生物学年龄关系研究的空白，具有重要的临床和公共卫生意义。
统计学：采用加权限制性立方样条（RCS）分析铁摄入与PhenoAge加速的非线性关系，并通过加权广义线性模型（GLM）进行多变量调整。同时，运用K均值聚类分析识别铁摄入模式，通过可能性比检验评估交互作用，并采用Bootstrap抽样进行中介效应分析，确保统计结果的稳健性。
数据库：利用美国国家健康与营养调查（NHANES）数据库，确保样本的全国代表性。通过严格筛选，排除无效或不可信的膳食记录和缺乏协变量信息的参与者，最终纳入8692名合格成年人，为研究提供了高质量的数据基础。
启发：研究提示在评估衰老风险时，应综合考虑铁摄入的来源（食物与补充剂）和摄入量的平衡。通过亚组分析，发现抗炎或抗氧化饮食能够显著抵消补充铁过载对衰老的不良影响，为个性化饮食干预提供依据。此外，研究强调了在使用补充剂时需谨慎，避免过量摄入铁，同时为通过饮食模式干预延缓衰老提供了新的思路和科学依据。
