Hassas beslenme, kişinin tüm özellikleri dikkate alınarak hastalıklardan korunmak ve tedavi olmak için önerilen beslenme, spor ve yaşam tarzı alışkanlıkları tavsiyeleridir.
Son 50 yılda beslenme biliminde, beslenme ve sağlık arasındaki etkileşimde çok sayıda araştırma yapılmaktadır. Beslenme ile ilgili bilgi birikiminin çok artmasına rağmen kronik metabolik hastalıklarda artış devam etmekte, hatta şişmanlık, Tip 2 diyabet, beslenme ile ilgili kanserler artmaktadır. Dünya Sağlık Örgütü verilerine göre, 1975 yılından günümüze şişmanlık 3 kat, diyabet 4 kat, tansiyon hastalıkları 2 kat artmıştır1. Çok faktörlü ve çok değişken olan beslenme biliminde genel bilgilerle sonuç almanın zor olduğu bilinmektedir. Toplumlar, kişiler, nesiller arasında genotipik, metabolik, fenotipik çevre faktörleri çok sayıda farklılıklar göstermektedir. Başka bir ifade ile genel beslenme bilimi, her kişiye ve her topluma uygun düşmemektedir. Aynı beslenme modeli farklı toplumlarda ve farklı kişilerde değişik sonuçlar vermektedir. Çölyak hastalığı besinlerde gluten bulunması halinde ortaya çıkmaktadır. ABD’de 3.000 kişide 1 sıklıkta görülmesine karşın, bu oran İrlanda’da 200 kişide 1 sıklıkta rastlanmaktadır2. Genetik irsiyet populas- yonlar arasında farklılık göstermektedir.
Fakat son yıllardaki genomik, metabolomik, yapay zeka (YZ) gibi konulardaki ilerlemeler ümit verici yeni bir yolun denenmesine imkan vermektedir. YZ kullanımı ile kişiye özgü beslenme modelleri hastalıkları önleme ve tedavide iyi sonuçlar vermektedir. Hassas beslenme, kişinin tüm özellikleri dikkate alınarak hastalıklardan korunmak ve tedavi olmak için önerilen beslenme, spor ve yaşam tarzı alışkanlıkları tavsiyeleridir. Metabolomik bilgilerin hassas beslenmedeki en önemli uygulama örneği, doğum sonrası topuktan alınan kanda yapılan metabolomik analizlerdir. Kütle spektroskopisi (MS) metabolomik test sonucu yoluyla kanda 40 farklı metabolit (amino asitler, organik asitler, akril karnitinler) ile 30 farklı metabolik hastalığın biyomakerları test edilmektedir. Son 25 yılda 400 milyon çocukta yapılan tarama sonucu, teşhis konulan 1 milyon çocuk, sadece belirli gıdaların takviyesi ile veya belirli gıdaların yenmemesi sonucu sağlıklı yaşama kavuşmuşlardır1. Hassas beslenme, kişisel bilgilerin ve genel bilgilerin yapay zeka yöntemiyle incelenmesi sonucu, kişinin besin tercihleri yol haritasını göstermektedir (Şekil-1). Benzer şekilde, genomik açıdan farklı kişilerde beslenme tavsiye- leri de değişmektedir. Apolipoprotein E3 geni olan kişiler 4 hafta yulaf ezmesi yediği zaman kandaki kolesterol oranı düşmektedir. Aynı genin alleli olan Apolipoprotein E4 geni taşıyan bireylerde ise kan kolesterolünde bir değişim olmamaktadır3. Tablo-1’de yapay zeka analizi için gerekli veri kaynakları verilmektedir. Bilimdeki yeni gelişmeler veri tabanını artıracaktır.
Beslenmede Nükleik asitler, Genom ve DNA’nın Rolü
İnsan DNA’sı yaklaşık 30.000 gen (Genom) içerir. Dinamik yapısı dolayısıyla kişisel farklılıklar, değişimler ve varyasyonlar olmaktadır. Tükürük, kan ve yanağın iç kısmından alınan swap testleri ile DNA yapısı ve genlerdeki varyasyonlar kalitatif ve kantitatif olarak analiz edilebilmektedir. Genetik varyasyonlar, bireyler arasında DNA dizisindeki farklılıklardır.
Mutasyonlar, tek nükleotid polimorfizmleri (SNP’ler), kopya sayısı varyasyonları (CNV’ler) ve epigenetik modifikasyonlar gibi farklı formlarda ve sıklıklarda olabilirler. Tek nükleotid polimorfizmi (SNP’s) en yaygın DNA değişimlerinden biridir. Bireyler arasında DNA dizisinin belirli bir noktasında tek bir nükleotidin farklı olması durumunda ortaya çıkar. SNP farklılıkları, besin metabolizmasını, protein aktivitesini değiştirerek hastalıklara neden olabilmektedir. Örnek olarak; rs1801133 kodlu genetik SNP varyasyonu, metil etilen tetrahidrofolat redüktaz enzim gen aktivitesini azaltarak folat’ın 5-metiltetrahidrofolat’a dönüşümü engellenmektedir. Bunu sonucu bebeklerde nöral tüp hastalığı, yetişkinlerde homosistin artmakta ve kalp-damar hastalıklarına yol açmaktadır.
Nükleik asitler; DNA, RNA’lar ve miRNA beslenme ve metabolizmada biyobelirteç, sağlık ve iyilik göstergesi olarak kullanılmaktadır. Nükleik asitler, biyobelirteçleri besinlerin absorpsiyon, metabolizma atılımını ve şişmanlık, şeker, kalp-damar ve kanser gibi hastalıkların risk faktörlerini belirlemede kullanılır4.
Besin metabolizmasını etkileyebilecek genetik varyasyonların başka bir örneği, amilaz enzimi kodlayan AMY1 genindeki CNV’dir. AMY1 geninin kopya sayısı, bireyler arasında 2 ile 15 arasında değişebilir ve enzimin aktivitesi ve ifadesini etkileyebilir. AMY1 geninin daha fazla kopyasına sahip olan bireylerin tükürüklerinde ve kanlarında daha yüksek düzeyde amilaz seviyeleri olabilir ve nişastayı daha etkin ve hızlı bir şekilde sindirebilirler, bu da nişastalı bir yemekten sonra daha yüksek glukoz ve insülin seviyelerine yol açabilir.
AMY1 geninin daha az kopyasına sahip olan bireylerin ise daha düşük düzeyde amilazları vardır.
Nişastayı daha yavaş ve eksik bir şekilde sindirebilirler, bu da nişastalı bir yemekten sonra daha düşük glukoz ve insülin seviyelerine yol açabilir. AMY1 geninin kopya sayısı, farklı karbonhidrat tiplerine yanıtı ve adapte olmayı etkileyebilir ve ayrıca obezite, diyabet ve diş çürükleri riskini ve duyarlılığını da etkileyebilir. Besin metabolizmasını etkileyebilecek genetik varyasyonların üçüncü bir örneği, obezite ve vücut kitle indeksi ile ilişkili olan FTO geninin epigenetik modifikasyonudur. FTO geni, iştahın ve enerji harcamasının düzenlenmesinde rol alan bir protein kodlar, ekspresyonu ve aktivitesi, promoter bölgesinin metilasyon durumundan etkilenebilir. Metilasyon, genlere erişilebilirlik ve aktiviteyi etkileyen bir süreçtir. FTO geninin metilasyon durumu, metil grubunun metillenme için metil grubu, folat, kolin ve betain alımı gibi diyet faktörlerinden etkilenebilir. Bu besinlerin daha yüksek alımı, FTO geninin metilasyonunu artırabilir, ekspresyonunu ve aktivitesini azaltabilir, bu da daha düşük iştah ve enerji alımı ve daha düşük vücut ağırlığına yol açabilir. Bu besinlerin daha düşük alımı, FTO geninin metilasyonunu azaltabilir, ekspresyonunu ve aktivitesini artırabilir, bu da daha yüksek iştah ve enerji alımı berberinde daha yüksek vücut ağırlığına yol açabilir. Yapay zeka, genetik varyasyonların bulunması ve tanım- lanması, besinle ilgili özelliklerin ilişkilendirilmesi, kişiselleştirilmiş beslenme rehberliği, sağlık ve refahın optimizasyonu, genomik verilerin anlamlandırılması, genetik varyasyonlara dayalı sağlık stratejilerinin oluşturulması gibi bir dizi kritik görevde kullanılabilir.
Metabolomik Değişkenler
Metabolomik, biyolojik bir sistemde, kan, idrar, vücut sıvıları ve tükürük analizi ile çeşitli metabolit düzeylerini ve değişikliklerini ölçebilen bir teknolojidir. İnsan metabolizmasında 114.000 (Metabolom) metabolit analiz edilmiştir. Metabolitler, vücutta çeşitli biyokimyasal reaksiyonlarda yer alan veya bu reaksiyonlardan kaynaklanan küçük moleküllerdir. Metabolitler, genetik, epigenetik, mikrobiyota, çevre, diyet ve ilaçlar gibi hem içsel hem de dışsal faktörlerden etkilendiği için bireyin işlevsel durumunu ve sağlık sonuçlarını yansıtabilirler. Araştırmacılar metabolomik kullanarak, farklı beslenme müdahalelerinin bireylerin metabolik profilini ve sağlığını nasıl etkilediğini inceleyebilirler. Örneğin metabolomik, besin alımının belirteçlerini tanımlamaya yardımcı olabilir; belirli besin veya besin gruplarından elde edilen bileşiklerin ya da bileşik desenlerinin belirteçlerini belirleyebilir. Bu belirteçler, bireylerin beslenme alımını ve uyumunu değerlendirmek, aynı zamanda metabolik tepki ve sağlık etkilerini değerlendirmek için kullanılabilirler. Öte yandan beslenme müdahalelerinin metabolomik profiller üzerindeki etkileri bireyler arasında homojen değildir, çünkü genetik ve epigenetik arka plana, maruz kalma dozu ve süresine, alım zamanına ve sıklığına ve diğer diyet ve çevresel faktörlere bağlıdır3.
Bu nedenle, her bireyin metabolik profiline ve besinlere tepkisine dayanarak sağlık yararlarını optimize etmek için kişiselleştirilmiş beslenme önerileri ve müdahaleleri gereklidir. Kişiselleştirilmiş beslenmeye ulaşmak için, metabolomik verilerin genomik, transkriptomik, proteomik ve mikrobiomik gibi diğer biyolojik veri kaynaklarıyla entegre edilmesi ve yorumlanması gereklidir. Bu veriler, besinlerin sağlık ve hastalık üzerindeki etkilerini araştırmak için moleküler mekanizmalar ve yollar hakkında değerli bilgiler sağlayabilir. Ancak, bu aynı zamanda veri kalitesi, normalleştirme, entegrasyon, analiz ve görselleştirme gibi hesaplamalı ve istatistiksel zorlukları da beraberinde getirir. Bu nedenle, bu veri setlerinden anlamlı ve uygulanabilir içgörüler çıkarmak için yapay zeka, makine öğrenimi ve biyoistatistik gibi gelişmiş araçlara ve yöntemlere ihtiyaç vardır6.
Metabolomik tarafından tanımlanan besin alımı belirteçlerine örnekler şunlardır:
Elma ve elma ürünlerinde bulunan flavonoidlerden phloretin ve phloridzin, elma tüketiminden sonra idrar ve plazmada tespiti düşük oksidatif stres ve inflamasyon ile ilişkilendirilmiştir.
Brokoli, lahana ve kara lahana gibi çeşitli sebzelerde bulunan fitokimyasallardan olan glukosinolatlar ve bunların metabolitleri, örneğin izotiyosiyanatlar ve indoller, çeşitli sebzelerin tüketiminden sonra idrar ve plazmada ölçülebilir. Bu bileşikler, detoksifikasyonu düzenleme ve antikanser aktivite ile ilişkilendirilmiştir.
Bağırsak mikrobiyotası tarafından hayvansal ürünlerde, örneğin yumurta, et ve sütte bulunan diyet kolin ve karnitininden üretilen bir metabolit olan Trimetilamin-N-oksid (TMAO), plazma ve idrarda ölçülebilir; bu da kardiyovasküler hastalıkların artış riski ile ilişkilendirilmiştir5.
Mikrobiyom ve Biyobelirteçleri
Bağırsak mikrobiyotası, insan sindirim sisteminde yaşayan mikroorganizmalar topluluğudur. Bağırsak mikrobiyotası, metabolizma, bağışıklık, inflamasyon ve ruh hali gibi faktörleri etkileyerek insanların beslenme alışkanlıklarını ve sağlığını etkileyebilir. Ancak, bağırsak mikrobiyotası aynı zamanda beslenme alışkanlıkları ve genetik, epigenetik, çevre ve ilaçlar gibi diğer faktörlerden de etkilenir. Bu nedenle, bireysel bağırsak mikrobi
yota profiline ve besinlere verilen tepkilere dayalı beslenme önerileri ve müdahaleleri sağlayabilen kişiselleştirilmiş beslenme ihtiyacı bulunmakta- dır. Yapay zeka (YZ=AI), insan zekasını gerektiren görevleri yerine getirmeyi amaçlayan bir bilim dalıdır. Kişiselleştirilmiş beslenme alanında YZ, veri işleme, analiz, yorumlama ve iletişim konularında şu şekilde kullanılabilir:
1. Farklı beslenme faktörleriyle bağırsak mikrobi- yota imzalarını ve sağlık-hastalık biyobelirteçlerini belirlemek için teknikler kullanarak.
2. Farklı beslenme müdahalelerine bireylerin bağırsak mikrobiyota tepkisini ve sağlık sonuçlarını tahmin etmek için teknikler kullanarak.
3. Bireyin bağırsak mikrobiyota profilini, tercihlerini, hedeflerini ve sağlık durumunu dikkate alarak kişiselleştirilmiş beslenme önerileri ve geri bildirimler oluşturmak için teknikler kullanarak.
4. Kişiselleştirilmiş beslenme müdahalelerinin uygunluğunu ve etkinliğini izlemek ve değerlendirmek için teknikler kullanarak.
Bu nedenle, yapay zeka, besin ve biyolojik sistem arasındaki etkileşimleri kapsamlı bir şekilde inceleyerek, bağırsak mikrobiyota ile arasındaki ilişkiyi açığa çıkaracaktır. Ayrıca her bireyin bağırsak mikrobiyota profiline ve besinlere verdiği tepkilere da- yalı olarak optimal beslenme modellerini ve müdahalelerini belirlemede yardımcı olabilir. Toplumların bağırsak mikrobiyota sağlığı üzerinde kişiselleştirilmiş beslenme müdahalelerinin etkisini izleme ve değerlendirme konusunda katkı sağlayabilir. Bu sayede yapay zeka, beslenme biliminin ve uygula- masının ilerlemesine ve halk sağlığının ve yaşam kalitesinin artmasına katkıda bulunabilir.
Kişisel Yaşam Tarzı ve Çevresel Faktörler
Çevre faktörleri, gıda ve beslenmeye ulaşımı etkileyen fiziksel, sosyal ve ekonomik faktörleri içerir. Birey ve toplumun çevre kirliliklerine maruziyeti, patojen ve stres gibi sağlık ve yaşam kalitesini et- kileyen faktörleri anlatır. Çevresel faktörlerin DNA dizisini değiştirmeden genlerin ifadesini nasıl etkileyebileceğini inceleyen epigenetik bilimidir. DNA metilasyonu ve histon asetilasyonu gibi epigenetik değişiklikler, çeşitli biyolojik süreçlerde yer alan genlerin aktivitesini düzenleyebilir, bunlar arasında metabolizma, iltihaplanma ve bağışıklık bulunmaktadır. Bu epigenetik değişiklikler, yaşam boyunca edinilen veya kalıtsal olabilir ve diyet, yaşam tarzı, stres ve toksinlere maruz bırakılma gibi faktörlerden etkilenebilir.
Kişiselleştirilmiş beslenme, bireyin genetik, epigenetik, metabolik ve mikrobiyom profilleri, tercihleri, hedefleri ve sağlık durumuna dayalı olarak beslenme önerileri sunmayı amaçlayan bir yaklaşımdır. Kişiselleştirilmiş beslenme, obezite, diyabet, yovasküler hastalıklar ve kanser gibi kronik hastalıkların önlenmesine veya tedavisine yardımcı olabilir çünkü bu durumların altında yatan epigenetik mekanizmaları modüle edebilir. Çevresel ve yaşam tarzı faktörlerin takılabilen cihazlar ve sensörlerle ölçülmesi ve veri olarak yapay zekada kullanılması, hassas beslenmede bireylerde ve gruplarda olumlu sonuçlar vermektedir.
Yapay Zekanın (YZ) Rolü
İnsan zekasını gerektiren görevleri yerine getirebilen makineler ve sistemler oluşturmayı amaçlayan bilgisayar bilimlerinin bir dalıdır. YZ, veri işleme, analiz, yorumlama ve iletişim, ayrıca kişiselleştirilmiş beslenme tasarımı ve sunumu gibi konularda akıllı çözümler sağlayabilir. Örneğin, YZ aşağıda sıralanan konularda ve daha pek çok konuda yardımcı olabilir:
Farklı beslenme faktörleri ile ilişkili olarak sağlık ve hastalığın epigenetik imzalarını ve belirteçlerini tanımlamak için özellik seçimi, boyut indirgeme, kü- meleme ve sınıflandırma teknikleri kullanma.
Farklı beslenme müdahalelerine bireylerin epigenetik yanıtını ve sağlık sonuçlarını tahmin etmek için regresyon, sınıflandırma ve pekiştirme öğrenme teknikleri kullanma.
Bireyin epigenetik profiline, tercihlerine, hedeflerine ve sağlık durumuna dayalı olarak kişiselleştirilmiş beslenme önerileri ve geribildirim üretme, doğal dil işleme, sohbet robotları ve öneri sistemleri gibi teknikleri kullanma.
Kişiselleştirilmiş beslenme müdahalelerinin uygunluğunu ve etkinliğini takip ve değerlendirmek için bilgisayar görüntüleme, konuşma tanıma ve duygu analizi gibi teknikleri kullanma.
YZ destekli hassas beslenme, genlerin ve yolların epigenetik düzenlemesine dayalı olarak daha doğru, etkili ve kişiselleştirilmiş beslenme tavsiyeleri ve müdahaleleri sağlayarak bireylerin, grupların ve popülasyonların sağlık ve refahını artırma potansiyeline sahiptir. Ancak, YZ sistemlerinde algoritmala- rının şeffaflığı, sorumluluğu ve güvenilirliği gizliliği, veri güvenliği, veri kalitesi, sahiplik ve onay gibi etik, sosyal ve hukuki zorluklar mevcuttur. Bu nedenle, YZ destekli hassas beslenmenin sorumlu ve faydalı gelişimi ve uygulanması için araştırmacılar, uygulayıcılar, politika yapıcılar ve paydaşlar arasında çok disiplinli ve işbirlikçi bir yaklaşım gereklidir.
Sonuç: Yapay Zekanın Hassas Beslenmedeki Yeri ve Potansiyeli
Hassas beslenme, bireylerin özelliklerine, ihtiyaçlarına ve hedeflerine dayalı olarak, kişiselleştirilmiş beslenme önerileri ve müdahaleleri sunmayı amaçlar. Bu alandaki çalışmalar, kronik hastalıkların önlenmesi veya tedavisine yardımcı olabilecek moleküler mekanizmaları modüle etme potansiyeline sahip olduğunu göstermektedir. Verilerin analiz edilmesi, bireyler arasındaki besinlere verilen tepki farklılıklarını ve bu etkileşimlerin kökenini anlamak için hayati öneme sahiptir. Ancak, bu verilerin analizi beraberinde bazı zorlukları da getirmektedir. Bununla birlikte, YZ, hassas beslenme alanında en önemli rolü oynar; genetik, epigenetik, metabolik, mikrobiyom ve davranışsal veriler gibi çeşitli veri türlerini analiz etmekte ve yorumlamaktadır. Bu sayede her birey için optimal beslenme modellerini ve müdahaleleri belirlemede yardımcı olabilir. Ayrıca, YZ destekli hassas beslenmenin bazı örnekleri şunlardır:
Youniq.health: DNA, kan ve yaşam tarzı verilerini analiz ederek kişiselleştirilmiş bir beslenme profili oluşturur ve kullanıcının ihtiyaçlarına uygun yemekleri önerir. Aynı zamanda diyet ve sağlık konularında geri bildirim ve ipuçları sunar.
Nutrition.ai: Kullanıcının beslenme ile ilgili sorularına anında cevap veren YZ destekli bir sohbet sunar; kişiselleştirilmiş beslenme rehberliği sağlayan bir koç görevi görür. Ayrıca, beslenme konularında bilgilendirici mikroblogları içeren bir kütüphane sunar.
Viome.com: Bağırsak mikrobiyomuna dayalı olarak kişiselleştirilmiş beslenme önerileri ve takviyeler sağlar. Bu uygulamalar, YZ destekli kişiselleştirilmiş beslenmenin potansiyelini göstermektedir ve bireylerin sağlık durumunu iyileştirmek için çeşitli alanlarda kullanılabilir olduğunu vurgulamaktadır.
Kaynaklar:
1-World Health Organisation, Fact Sheets, 2020. https:// www.who.int/ne ws-room/fact-sheets.
2- J.E. Cecil, K.L. Barton, Inter-individual differences in the nutrition response: from research to recommendations, Proc. Nutr. Soc. 79 (2) (2020) 171–173, https:// doi.org/10.1017/ S0029665119001198. Cambridge University Press.
3-J.A.Marcum (2020) Nutrigenetics/Nutrigenomics, Perso- nalized Nutrition, and Precision Healthcare. doi: 10.1007/ s13668-020-00327-z. Curr Nutr Rep.(4): 338-345.
4- Mendez KM, Broadhurst DI, Reinke SN (2019) The app- lication of artificial neural networks in metabolomics: a historical perspective. Metabolomics 15 (11): 142
5- Artificial Intelligence based personalized diet: A pilot ... - medRxiv. https://www.medrxiv.org/content/10.1101/2021. 02.23.21251434v2.
6- Zampieri G, Vijayakumar S, Yaneske E, Angione C (2019) Machine and deep learning meet genome-scale metabolic modeling. PLoS Comput Biol 15 (7): e1007084.
Comments