Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Jurnal Nutrisi
Genomik, Proteomik, dan Metabolomik

Konsumsi Kenari, Metabolomik Plasma, dan Risiko

Diabetes Tipe 2 dan
Penyakit kardiovaskular
Marta Guasch-Ferré,1,2Pablo Hernández-Alonso,3,4,5Jean-Philippe Drouin-Chartier,1,6
Miguel Ruiz-Canela,5,7Cristina Razquin,5,7Estefania Toledo,5,7Juni Li,1,8Courtney Dennis,9
Clemens Wittenbecher,1,10,11Dolores Corella,5,12Ramon Estruch,5,13Montserrat Fitó,5,14Emilio Ros,5,15
Nancy Babio,3,4,5Shilpa N Bhupathiraju,1,2Clary B Clish,9pengapuran liang,8,16
Miguel A Martínez-González,1,5,7Frank B Hu,1,2,8dan Jordi Salas-Salvado3,4,5

1Departemen Nutrisi, Sekolah Kesehatan Masyarakat Harvard TH Chan, Boston, MA, AS;2Divisi Channing untuk Kedokteran Jaringan, Departemen
Kedokteran, Rumah Sakit Brigham dan Wanita dan Harvard Medical School, Boston, MA, AS;3Universitat Rovira i Virgili, Departament de Bioquímica
i Biotecnologia, Unitat de Nutrició Humana, Rumah Sakit Universitari San Joan de Reus, Reus, Spanyol;4Institut d'Investigació Pere Virgili, Reus,
Spanyol;5Consorcio CIBER, MP Fisiopatología de la Obesidad y Nutrición, Instituto de Salud Carlos III, Madrid, Spanyol;6Center Nutrition, Santé et
Société, Institut sur la Nutrition et les Aliments Fonctionnels, Faculté de Pharmacie, Université Laval, Québec, Kanada;7Departemen Pengobatan
Pencegahan dan Kesehatan Masyarakat, Navarra Health Research Institute (IDISNA), Universitas Navarra, Pamplona, Spanyol;8Departemen
Epidemiologi, Sekolah Kesehatan Masyarakat Harvard TH Chan, Boston, MA, AS;9Institut Luas Harvard dan MIT, Boston, MA, AS;10Departemen
Epidemiologi Molekuler, Institut Nutrisi Manusia Jerman Potsdam-Rehbruecke, Nuthetal, Jerman;11Pusat Penelitian Diabetes Jerman, Neuherberg,
Jerman;12Departemen Kedokteran Pencegahan, Universitas Valencia, Valencia, Spanyol;13Departemen Penyakit Dalam, Institut d'Investigacions
Biomèdiques August Pi Sunyer, Klinik Rumah Sakit, Universitas Barcelona, Barcelona, Spanyol;14Kelompok Penelitian Kardiovaskular dan Gizi,
Institut de Recerca Hospital del Mar, Barcelona, Spanyol;15Klinik Lipid, Departemen Endokrinologi dan Gizi, Agust Pi i Sunyer Biomedical
Research Institute (IDIBAPS), Klinik Rumah Sakit, Universitas Barcelona, Barcelona, Spanyol; Dan16Departemen Biostatistik, Sekolah Kesehatan
Masyarakat Harvard TH Chan, Boston, MA, AS

ABSTRAK
Latar belakang:Konsumsi kenari dikaitkan dengan rendahnya risiko diabetes tipe 2 (T2D) dan penyakit kardiovaskular (CVD).
Namun, tidak diketahui apakah metabolit plasma yang terkait dengan konsumsi kenari juga dikaitkan dengan rendahnya risiko
penyakit kardiometabolik.
Tujuan:Penelitian ini bertujuan untuk mengidentifikasi metabolit plasma yang terkait dengan konsumsi kenari dan
mengevaluasi hubungan prospektif antara profil yang teridentifikasi dan risiko T2D dan CVD.
Metode:Populasi penemuan termasuk 1.833 peserta dengan risiko kardiovaskular tinggi dari studi PREvención con DIeta
MEDiterránea (PREDIMED) dengan data metabolomik yang tersedia pada awal. Populasi penelitian mencakup 57% wanita (rata-
rata BMI dasar (dalam kg/m2).2): 29,9; usia rata-rata: 67 tahun). Sebanyak 1522 peserta juga memiliki data metabolomik yang
tersedia pada tahun pertama dan digunakan sebagai populasi validasi internal. Analisis metabolomik plasma dilakukan
menggunakan LC-MS. Hubungan cross-sectional antara 385 metabolit yang diketahui dan konsumsi kenari dinilai
menggunakan analisis regresi kontinu elastis bersih. Prosedur 10-cross-validation (CV) digunakan, dan koefisien korelasi
Pearson dinilai antara model tertimbang metabolit dan konsumsi kenari yang dilaporkan sendiri di setiap pasangan kumpulan
data pelatihan-validasi dalam populasi penemuan. Kami selanjutnya memperkirakan hubungan prospektif antara profil
metabolit yang diidentifikasi dan kejadian T2D dan CVD menggunakan model regresi Cox multivariabel.

Hasil:Sebanyak 19 metabolit secara signifikan dikaitkan dengan konsumsi kenari, termasuk lipid, purin, asilkarnitin,
dan asam amino. Koefisien korelasi sepuluh CV Pearson antara konsumsi kenari yang dilaporkan sendiri dan profil
metabolit plasma adalah 0,16 (95% CI: 0,11, 0,20) pada populasi penemuan dan 0,15 (95% CI: 0,10, 0,20) pada populasi
validasi. Profil metabolit berbanding terbalik dengan kejadian T2D (HR per 1 SD: 0,83; 95% CI: 0,71, 0,97;P=0,02). Untuk
kejadian CVD, HR per 1-SD adalah 0,71 (95% CI: 0,60, 0,85;P <0,001). Kesimpulan:Profil metabolit termasuk 19
metabolit dikaitkan dengan konsumsi kenari dan dengan risiko lebih rendah terkena T2D dan CVD pada populasi
Mediterania dengan risiko kardiovaskular tinggi.J Nutrisi2021;151:303–311.

Kata kunci:kenari, metabolomik, diabetes tipe 2, penyakit kardiovaskular, konsumsi kenari

©
CPenulis 2020. Diterbitkan oleh Oxford University Press atas nama American Society for Nutrition. Seluruh hak cipta. Untuk izin, silakan kirim email ke:
jurnal.permissions@oup.com
Naskah diterima 10 Juli 2020. Review awal selesai 7 Oktober 2020. Revisi diterima 29 Oktober 2020. Pertama kali
diterbitkan online 31 Desember 2020; doi: https://doi.org/10.1093/jn/nxaa374. 303
Perkenalan pengaruh faktor nutrisi dan juga dapat membantu mengidentifikasi
potensi biomarker baru dari asupan makanan dan/atau prediksi risiko
Kacang kenari merupakan salah satu jenis kacang yang paling penyakit (7).
populer dikonsumsi di seluruh dunia. Kacang kenari adalah Beberapa penelitian sebelumnya, termasuk studi pemberian
sumber PUFA yang baik dan kaya akan serat, mineral non- makanan akut, uji klinis, dan studi observasional, telah
natrium (yaitu kalium, kalsium, dan magnesium), vitamin, mengevaluasi bagaimana konsumsi kenari mempengaruhi
pitosterol, dan polifenol (1). Dibandingkan jenis kacang lainnya, plasma dan metabolit urin (8). Sedangkan beberapa metabolit,
kenari mengandung asam lemak esensial dalam jumlah lebih termasuk oxylipin turunan ALA, (2) urolitin (9), dan asam 5-
tinggiα-asam linolenat (ALA; 18:3n–3) (11,6% dari total komposisi hidroksiindole-3-asetat, telah diidentifikasi berhubungan dengan
asam lemak kenari dibandingkan dengan<0,7% pada kacang- konsumsi kenari, temuan untuk metabolit lain tidak konsisten (8
kacangan lainnya) dan asam linoleat (LA; 18:2n–6) (2). Setelah ). Selain itu, belum ada penelitian sebelumnya yang menyelidiki
diserap, LA, sayuran utama n-3 PUFA, hanya sedikit diubah apakah metabolit plasma berkorelasi dengan asupan kenari juga
menjadi rantai panjang EPA dan DHA, namun tampaknya dikaitkan dengan rendahnya risiko penyakit kardiometabolik.
memiliki sifat anti-inflamasi dan antiaterogenik sendiri (3). Dalam penelitian ini, kami menggunakan pendekatan pembelajaran
Komposisi asam lemak yang unik dan kekayaan fitosterol mesin agnostik untuk mengidentifikasi metabolit plasma yang terkait
diyakini mendasari efek penurunan kolesterol yang konsisten dengan konsumsi kenari menggunakan data dari studi PREvención con
dari konsumsi kenari secara teratur (4). Selain itu, kumpulan DIeta MEDiterránea (PREDIMED). Kami kemudian menilai apakah profil
bukti dari penelitian prospektif menunjukkan bahwa konsumsi metabolit yang diidentifikasi dikaitkan dengan risiko kejadian T2D dan
kenari yang lebih tinggi dikaitkan dengan risiko lebih rendah CVD secara independen dari faktor risiko yang diketahui.
terhadap berbagai penyakit kronis, termasuk diabetes tipe 2
(T2D) dan penyakit kardiovaskular (CVD) (5,6).
Meskipun bukti saat ini menunjukkan berbagai manfaat kesehatan dari
konsumsi kenari, mekanisme biologis yang mendasari efek bermanfaat ini Metode
belum sepenuhnya dipahami. Metabolomik nutrisi adalah pendekatan yang Populasi penelitian
berkembang pesat untuk mendapatkan wawasan lebih dalam mengenai Populasi penemuan.
hubungan pola makan-penyakit yang sangat menjanjikan dalam meningkatkan Penelitian kohort ini berasal dari studi PREDIMED, sebuah uji coba
pemahaman kita tentang faktor biologis. pemberian makanan acak multisenter yang dilakukan di Spanyol dari
tahun 2003 hingga 2010, yang meneliti efek diet tradisional Mediterania
(MedDiet) dalam pencegahan primer CVD pada populasi dengan risiko
Studi PREDIMED didanai oleh hibah NIH R01 HL118264 dan R01 DK102896 dan kardiovaskular tinggi. Penjelasan rinci tentang uji coba PREDIMED dapat
oleh Kementerian Kesehatan Spanyol (Instituto de Salud Carlos III, Hibah ditemukan di tempat lain (10,11). Protokol ini telah disetujui oleh Dewan
Jaringan PREDIMED RD 06/0045, 2006–2013, dikoordinasikan oleh MAM-G; dan Peninjau Institusional di semua lokasi penelitian PREDIMED, dan semua
jaringan sebelumnya hibah RTIC-G03/140, 2003–2005, dikoordinasikan R. peserta memberikan persetujuan tertulis.
Estruch). Hibah tambahan diterima dari Ministerio de Economía y Dua studi kasus-kohort dirancang untuk profil metabolomik
Competitividad-Fondo Europeo de Desarrollo Regional (Projects CNIC-06/2007,
dalam uji coba PREDIMED—1 untuk CVD, yang merupakan hasil
CIBER 06/03, PI06-1326, PI07-0954, PI11/02505, SAF2009-12304, dan
utama uji coba, dan 1 untuk T2D, yang merupakan hasil sekunder.
AGL2010-22319 -C03-03) dan Generalitat Valenciana (ACOMP2010-181,
AP-111/10, AP-042/11, ACOM2011/145, ACOMP/2012/190, ACOMP/2013/159,
Studi PREDIMED-CVD terdiri dari 229 kasus CVD insiden yang bebas
ACOMP/213/165, dan PROMETEO17 /2017). MG-F didukung oleh hibah dari CVD pada awal dan 788 peserta subkohort (tumpang tindihN=
American Diabetes Association 1-18-PMF-029. PH-A didukung oleh beasiswa 37) (12,13), dan studi PREDIMED-T2D terdiri dari 251 kasus T2D
postdoctoral (Juan de la Cierva-Formación, FJCI-2017-32205). CW didukung oleh insiden dan 641 peserta subkohort (tumpang tindih N=53) tanpa T2D
beasiswa individu dari German Research Foundation (DFG). JS-S mengucapkan pada awal (14,15). Peserta dengan data toleransi glukosa oral pada
terima kasih atas dukungan finansial yang diberikan ICREA melalui program awal (N=130) juga dimasukkan dalam proyek PREDIMED-T2D (
ICREA Academia. Gambar Tambahan 1).
Pengungkapan penulis: J-PD-C menerima honor pembicara dan konsultan dari
Untuk penelitian saat ini, peserta dengan data metabolomik dasar
Peternak Sapi Perah Kanada pada tahun 2016 dan 2018, di luar karya yang
yang tersedia dari 2 studi kasus-kohort dan dengan FFQ 137 item
diserahkan. ER melaporkan hibah, biaya pribadi, dukungan nonfinansial, dan lainnya
dari California Walnut Commission. Laporan JS-S bertugas di dewan Dewan Kacang
semikuantitatif yang telah divalidasi dan divalidasi dipilih untuk
dan Buah Kering Internasional dan menerima dukungan hibah dari entitas ini melalui mengembangkan model profil metabolit (N=1882). Peserta dengan data
lembaganya. Ia juga melaporkan bertugas di Komite Eksekutif Instituto Danone, FFQ yang hilang pada awal (N=11), mereka yang memiliki asupan energi
Spanyol. Ia juga menerima dana penelitian (biji pohon dan minyak zaitun untuk uji harian<500 atau>3500 kkal/hari untuk wanita dan<800 atau>4000 kkal/
coba PREDIMED dan/atau PREDIMED-Plus) dari California Walnut Commission; Dewan hari untuk pria (N=34), dan para peserta dengan≥20% nilai yang hilang
Almond California; Patrimonio Comunal Olivarero, Spanyol; Kacang La Morella, dalam metabolit (N=4) dikecualikan. Sebanyak 1.833 peserta dimasukkan
Spanyol; dan Borges SA, Spanyol. Dia melaporkan menerima biaya konsultasi atau dalam populasi penemuan analisis saat ini. Dari 1.833 peserta pada awal,
biaya perjalanan di luar karya yang diserahkan dari Danone, Spanyol; Yayasan Eroski,
571 secara acak dimasukkan ke dalam diet kontrol, 633 secara acak
Spanyol; Dewan Kacang dan Buah Kering Internasional, Spanyol; dan Dewan Industri
dimasukkan ke dalam MedDiet yang dilengkapi dengan minyak zaitun
Kacang Australia, Australia. FBH mendapat dukungan penelitian dari California Walnut
Commission. Semua penulis lain melaporkan tidak ada konflik kepentingan. Sumber
extra virgin, dan 639 peserta secara acak dimasukkan ke dalam MedDiet
pendanaan tidak berperan dalam desain, pengumpulan, analisis, atau interpretasi yang dilengkapi dengan kacang-kacangan.
data atau dalam keputusan penyerahan naskah untuk dipublikasikan.

Gambar Tambahan 1 dan Tabel Tambahan 1–3 tersedia dari tautan “Data
Populasi validasi.
tambahan” di postingan online artikel dan dari tautan yang sama di daftar isi Validasi internal dilakukan dengan menggunakan data dari tahun 1 dalam studi
online dihttps://academic.oup.com/ajcn/. MG-F, PH-A, FBH, dan JS-S PREDIMED. Dari 1.833 peserta yang termasuk dalam populasi penemuan, 1.522
memberikan kontribusi yang sama dalam pekerjaan ini. telah mengulangi pengukuran pola makan dan metabolomik pada tahun
Alamat korespondensi ke MG-F (email:mguasch@hsph.harvard.edu) atau PH-A (email: pertama intervensi, dan mereka digunakan sebagai set validasi (Gambar
pablo.hernandez@alumni.urv.cat). Tambahan 1).
Singkatan yang digunakan: ALA,α-asam linolenat; CV, validasi silang; CVD,
penyakit kardiovaskular; LA, asam linoleat; MAG, monoasilgliserol; MedDiet,
diet Mediterania; MSE, berarti kesalahan kuadrat; PC, fosfatidilkolin; PE, Penilaian diet
fosfatidiletanolamin; PREDIMED, PENCEGAHAN dengan DIeta MEDiterránea; PS, Pada awal dan setiap tahun setelahnya, ahli diet terlatih menyelesaikan FFQ
fosfatidilserin; T2D, diabetes tipe 2. semikuantitatif 137 item yang divalidasi dalam wawancara tatap muka

304 Guasch-Ferré dkk.

dengan para peserta. Asupan energi dan nutrisi diperkirakan menggunakan diidentifikasi berdasarkan gugus kepala dan jumlah total karbon asil serta kandungan
tabel komposisi makanan Spanyol (16,17). Informasi konsumsi kenari yang total ikatan rangkap asil. Untuk memungkinkan penilaian kualitas data dan untuk
dilaporkan sendiri berasal dari FFQ. Kuesioner mencakup 1 item mengenai memfasilitasi standardisasi data di seluruh antrian analitis dan kumpulan sampel,
konsumsi spesifik kenari. Para ahli diet menanyakan kepada peserta seberapa pasangan sampel referensi plasma yang dikumpulkan dianalisis pada interval 20
sering mereka mengonsumsi kenari, mulai dari tidak pernah hingga antara 1 sampel penelitian. Satu sampel dari masing-masing pasangan referensi yang
dan 3 kali per bulan, dan berapa kali per minggu (1, 2–4, atau 5–6 kali) atau kali dikumpulkan berfungsi sebagai sampel kontrol kualitas pasif untuk mengevaluasi
per hari (1, 2 –3, 4–6, atau reproduktifitas analitis untuk pengukuran setiap metabolit, sedangkan sampel yang
> 6 kali) mereka mengonsumsi kenari. dikumpulkan lainnya digunakan untuk standarisasi menggunakan pendekatan
“tetangga terdekat”. Nilai standar dihitung menggunakan rasio nilai dalam setiap
sampel terhadap referensi plasma terdekat dikalikan dengan nilai median yang diukur
Penilaian faktor risiko dan kovariat pada referensi gabungan.
Kondisi medis, riwayat penyakit keluarga, dan faktor risiko
dikumpulkan melalui kuesioner selama kunjungan pemeriksaan
pertama. Pada awal dan selama kunjungan tahunan, personel
terlatih mengukur berat badan, tinggi badan, lingkar pinggang, dan Analisis statistik
Untuk mengidentifikasi profil metabolit yang terkait dengan konsumsi kenari,
tekanan darah peserta sesuai dengan protokol penelitian. Aktivitas
kami menggunakan data konsumsi kenari dan metabolomik plasma dari
fisik dinilai menggunakan kuesioner Aktivitas Fisik Minnesota
PREDIMED pada awal sebagai set pelatihan (populasi penemuan). Kumpulan
Leisure-Time versi Spanyol yang divalidasi (18). Peserta dianggap
data gabungan dari studi kasus kontrol bersarang PREDIMED-CVD dan -T2D
menderita hiperkolesterolemia atau hipertensi ketika mereka
digunakan untuk meningkatkan ukuran sampel dan memastikan kekuatan
sebelumnya telah didiagnosis dan/atau sedang diobati dengan obat
statistik dan presisi model yang memadai. Data dari PREDIMED tahun 1
penurun kolesterol atau antihipertensi.
digunakan sebagai set pengujian (kohort validasi) (Gambar Tambahan 1).

Profil metabolisme Karakteristik dasar peserta penelitian digambarkan sebagai rata-rata

Profil metabolomik plasma dilakukan di Broad Institute of Harvard dan SD untuk variabel kuantitatif dan persentase untuk variabel kategori.
University dan Massachusetts Institute of Technology menggunakan Nilai-nilai yang hilang dari masing-masing metabolit diperhitungkan pada
teknik LC-MS/MS throughput tinggi. Setelah penyaringan dan standarisasi metabolit-metabolit tersebut<20% dari nilai yang hilang menggunakan
kualitas, 399 metabolit bernama memenuhi syarat untuk analisis primer. pendekatan imputasi hutan acak (fungsi “missForest” dari paket
Dari 399 metabolit yang awalnya dianotasi, 11 metabolit dihilangkan “missForest” R) seperti yang direkomendasikan dalam studi metabolomik (
karena tingginya jumlah nilai yang hilang (yaitu,>20%) dan 3 metabolit 22– 24). Yang penting, berbagai alternatif terhadap pendekatan ini
dianggap sebagai standar internal, sehingga menyisakan total 385 ditemukan memberikan hasil yang konsisten, seperti yang dilaporkan
metabolit dalam analisis akhir. sebelumnya oleh konsorsium penelitian kami (25). Nilai yang hilang sesuai
Semua analisis menggunakan puasa semalaman (puasa selama≥8 jam) sampel dengan penentuan yang berada di bawah batas deteksi. Untuk melakukan
plasma EDTA dikumpulkan pada awal dan pada tahun pertama. Sampel diproses di analisis multivariat, data metabolik pertama-tama dipusatkan dan
setiap pusat perekrutan selambat-lambatnya 2 jam setelah pengumpulan dan diskalakan menggunakan SD sebagai faktor penskalaan (yaitu, penskalaan
disimpan di – 80◦C freezer. Pasangan sampel (kunjungan awal dan tahun pertama) otomatis) (26). Karena dimensi data yang tinggi dan sifat kolinear, regresi
dari kasus dan peserta subkohort didistribusikan secara acak sebelum dikirim ke linier Gaussian (yaitu kontinu) dengan penalti jaring elastis
Broad Institute untuk pengujian metabolomik. (diimplementasikan dalam paket “glmnet” R) digunakan untuk
LC-MS/MS digunakan untuk membuat profil kuantitatif metabolit polar membangun model konsumsi kenari. Dalam populasi penemuan (dasar
dan lipid sampel plasma. Detail platform LC-MS/MS dapat ditemukan di PREDIMED), kami melakukan 10 pendekatan validasi silang (CV)—
tempat lain (19–21). Secara singkat, asam amino dan metabolit polar membagi sampel menjadi pelatihan (90% dari sampel) dan set validasi
lainnya diprofilkan dengan Nexera X2 U-HPLC (Shimadzu) yang (10% dari sampel)—dan kemudian dalam set pelatihan kami melakukan
digabungkan dengan spektrometer massa Q-Exactive (ThermoFisher CV 10 kali lipat lebih lanjut untuk menemukan nilai optimal dari parameter
Scientific). Metabolit diekstraksi dari plasma (10μL) menggunakan 90μL penyetelan (λ) yang menghasilkan mean squared error (MSE) minimum.
dari 74.9:24.9:0.2 (vol:vol:vol) asetonitril/metanol/asam format yang Nilai minMSE dan minMSE + 1 SE dihitung menggunakan argumen s =
mengandung standar internal berlabel isotop stabil [valine-d8 (Sigma- “lambda.min” atau s = “lambda.1se” dalam fungsi cv.glmnet (“paket
Aldrich) dan fenilalanin-d8 (Laboratorium Isotop Cambridge)]. Sampel glmnet” R). Untuk melaporkan koefisien dari setiap iterasi CV, kami
disentrifugasi (9000×G; 10 menit; 4◦C), dan supernatan disuntikkan mengevaluasiλseleksi dalam regresi logistik bersih elastis. Kami memilih s
langsung ke 150×2 mm, 3-μm Kolom Atlantis HILIC (Perairan). Kolom = lambda.min karena memberikan rata-rata kesalahan CV minimum dan s
dielusi secara isokratis pada laju aliran 250μL/menit dengan 5% fase gerak = “lambda.1se” tidak menghasilkan model yang valid. Selain ituλnilai, kami
A (10 mmol amonium format/L dan 0,1% asam format dalam air) selama mengevaluasiαparameter dari 0 (yaitu, regresi Ridge) hingga 1 (yaitu,
0,5 menit diikuti dengan gradien linier hingga 40% fase gerak B regresi Lasso) dengan kelipatan 0,1 untuk menguji skenario terbaik untuk
(asetonitril dengan asam format 0,1%) selama 10 menit. Analisis MS data kami. Pada kasus ini,α= 1 adalah model dengan akurasi prediksi
dilakukan menggunakan ionisasi elektrospray dalam mode ion positif, terbaik di set validasi. Model tertimbang dibangun untuk setiap pasangan
dan spektrum pemindaian penuh diperoleh lebih dari 70–800M/z. Lipid kumpulan data validasi pelatihan (90% pelatihan dan 10% validasi)
diprofilkan menggunakan Nexera X2 U-HPLC (Shimadzu) yang menggunakan koefisien metabolit yang diperoleh dari setiap regresi
digabungkan dengan orbitrap Exactive Plus MS (Thermo Fisher Scientific). jaring elastis dalam set pelatihan.
Lipid diekstraksi dari plasma (10μL) menggunakan 190μL isopropanol Koefisien korelasi Pearson diperoleh antara konsumsi kenari yang
yang mengandung 1,2-didodecanoyl-sn-glisero-3-fosfokolin (Avanti Polar dilaporkan sendiri dan model profil metabolit pada populasi penemuan
Lipid) sebagai standar internal. Ekstrak lipid (2μL) disuntikkan ke 100×2,1 dan validasi. Untuk tujuan reprodusibilitas, koefisien regresi dilaporkan
mm, 1,7-μm ACQUITY BEH kolom C8 (Perairan). Kolom dielusi secara menggunakan 10 iterasi pendekatan regresi elastis 10-CV di seluruh
isokratis dengan 80% fase gerak A (95:5:0,1 vol:vol:vol 10 mM amonium kumpulan data. Metabolit yang dipilih dalam 9 dari 10 iterasi dalam
asetat/metanol/asam format) selama 1 menit diikuti dengan gradien linier regresi elastis 10-CV juga dilaporkan tetapi tidak dimasukkan dalam
hingga 80% fase gerak B (99,9 :0,1 vol:vol metanol/asam format) selama 2 model profil metabolit utama. Analisis ini didasarkan pada konsistensi
menit, gradien linier ke 100% fase gerak B selama 7 menit, dan kemudian antar CV yang dijalankan, dan oleh karena itu, semua CVP-nilai
3 menit pada 100% fase gerak B. Analisis MS dilakukan menggunakan diturunkan.
ionisasi elektrospray dalam mode ion positif menggunakan analisis Kami menggunakan regresi Cox tertimbang dengan bobot Barlow dan
pemindaian penuh pada 200–1100M/z. Data mentah diolah menggunakan penduga varians yang kuat untuk menilai hubungan antara profil metabolit
Trace Finder versi 3.1 dan 3.3 (Thermo Fisher Scientific) dan Progenesis QI yang terkait dengan konsumsi kenari pada awal dan tahun pertama dengan
(Nonlinear Dynamics). Identitas metabolit polar dikonfirmasi risiko kejadian T2D (245 kejadian kejadian dari awal dan 161 kejadian dari tahun
menggunakan standar referensi otentik, dan lipid 1) dan risiko CVD ( 222 peristiwa insiden dari awal dan 151

Metabolit kenari dan risiko kardiometabolik 305

peristiwa insiden dari tahun 1) masing-masing dalam studi kasus kohort Monoasilgliserol (MAG) 22:1 merupakan metabolit dengan
bersarang T2D dan CVD. Model multivariabel 1 (model dasar) disesuaikan nilai koefisien positif terkuat, sedangkan isocitrate, 40:6
dengan skor usia, jenis kelamin, dan kecenderungan (11) dan dikelompokkan fosfatidilserin (PS), sikloheksilamina, suksinat, dan 36:5
berdasarkan kelompok intervensi dan pusat perekrutan. Model 2 (model fosfatidiletanolamin plasmalogen merupakan metabolit
sosiodemografi) selanjutnya disesuaikan dengan BMI, status merokok (tidak
dengan nilai koefisien negatif terkuat (Gambar 1). Korelasi
pernah, mantan, atau saat ini perokok), asupan alkohol (gram per hari) dan
Pearson antara konsumsi kenari dan profil metabolitnya
kuadrat asupan alkohol, tingkat pendidikan (dasar, menengah, akademik),
aktivitas fisik (metabolik). -ekuivalen menit per hari), riwayat penyakit jantung
adalah 0,16 (95% CI: 0,11, 0,20) pada populasi penemuan
koroner dalam keluarga (ya/tidak), dislipidemia awal atau penggunaan obat (dasar) dan 0,15 (95% CI: 0,10, 0,20) pada populasi validasi
penurun lipid (ya/tidak), hipertensi awal atau penggunaan antihipertensi (ya/ (pada tahun 1).
tidak), dan prevalensi T2D (hanya pada analisis CVD). Model 3 (model diet) juga Dalam analisis sensitivitas, kami menghitung koefisien
disesuaikan dengan total energi dan asupan sayuran, buah-buahan, sereal, korelasi Pearson antara konsumsi kenari yang dilaporkan sendiri
daging merah dan olahan, ikan, minyak zaitun, telur, kacang-kacangan, dan dan profil metabolit yang diperoleh dalam populasi penemuan
produk susu dalam kuintil. Variabel makanan dimasukkan berdasarkan yang hanya mengizinkan metabolit dengan koefisien positif, dan
hubungannya dengan hasil (CVD dan T2D) dan/atau korelasinya dengan hasilnya konsisten dengan analisis utama pada kedua
paparan (asupan kenari). Model terakhir [model 4 (+ konsumsi kenari yang
penemuan tersebut (0,13; 95% CI: 0,08, 0,19) dan populasi
dilaporkan sendiri)] mencakup kovariat dari model 3 ditambah konsumsi kenari
validasi (0,14; 95% CI: 0,10, 0,19) (Meja 2).
yang merupakan sumber metabolitnya.
Dalam analisis sensitivitas, untuk menguji apakah hubungan tersebut
konsisten jika hanya metabolit yang berhubungan positif dengan asupan kenari Asosiasi metabolit terkait kenari dengan risiko T2D
yang dimasukkan dalam model, kami melakukan regresi jaring elastis yang dan CVD
hanya memungkinkan hubungan positif antara metabolit dan konsumsi kenari
Tabel Tambahan 3menggambarkan karakteristik populasi penelitian
dan menghitung koefisien korelasi Pearson 10-CV dalam model. populasi
yang termasuk dalam model Cox berdasarkan status kasus-kontrol
penemuan menggunakan model profil metabolit yang diperoleh. P <0,05
insiden T2D atau CVD. Kasus kejadian T2D dan CVD lebih cenderung
dianggap signifikan secara statistik. Semua analisis dilakukan dengan
menggunakan perangkat lunak statistik R versi 3.4.2 (R Foundation for terjadi pada laki-laki dan perokok aktif, dan mereka memiliki BMI yang
Statistical Computing). lebih tinggi.
Setelah disesuaikan dengan faktor risiko gaya hidup dan pola
makan, peningkatan HR dan 95% CI untuk T2D per SD dalam
model profil metabolit konsumsi kenari adalah 0,86 (95% CI:
Hasil 0,74, 1,00; P=0,05) pada populasi penemuan (kasus = 245) (data
Karakteristik peserta penelitian dasar) dan 0,82 (95% CI: 0,64, 1,05;P=0,13) pada populasi validasi
Karakteristik dasar peserta penelitian disajikan dalamTabel 1 internal (kasus = 161) (data tahun 1) (Tabel 4, model 3). Ketika
menurut total populasi dan konsumsi kenari yang ekstrim model tersebut disesuaikan lebih lanjut dengan konsumsi kenari
menggunakan tertile. Maksudnya±SD konsumsi kenari pada yang dilaporkan sendiri (model 4), hasilnya tetap konsisten.
awal adalah 6±9 g/hari dan konsumsi masing-masing pada 1
tahun adalah 10±12 gram/hari; konsumsi kenari meningkat Profil metabolit dari konsumsi kenari berbanding terbalik
karena sifat intervensi PREDIMED. Peserta dengan konsumsi dengan risiko CVD pada penemuan dan pada populasi validasi
kenari lebih tinggi pada awal memiliki BMI lebih rendah, kecil internal setelah disesuaikan dengan potensi perancu dan
kemungkinannya menjadi perempuan dan merokok, serta konsumsi kenari yang dilaporkan sendiri (Tabel 4). HR (95% CI)
memiliki asupan energi total lebih tinggi (Tabel 1). untuk CVD model multivariabel yang disesuaikan dengan gaya
hidup dan faktor makanan adalah 0,66 (95% CI: 0,56, 0,77;P <
0,001) menggunakan baseline (kasus = 222) dan 0,75 (95% CI:
Identifikasi metabolit terkait kenari
0,60, 0,93; P=0,01) pada populasi penemuan validasi internal
Gambar 1menunjukkan metabolit yang dipilih 10 kali dalam
(kasus = 159). Hasilnya tetap signifikan ketika model disesuaikan
validasi 10-CV dari regresi bersih elastis yang diurutkan
dengan konsumsi kenari yang dilaporkan sendiri.
berdasarkan nilai koefisien.Meja 2merangkum jumlah
metabolit dan koefisien korelasi Pearson antara model profil
metabolit dan nilai konsumsi kenari dalam kelompok
penemuan dan populasi validasi internal (PREDIMED tahun
Diskusi
1). Sebanyak 19 metabolit berhubungan secara signifikan
dengan konsumsi kenari. Dari jumlah tersebut, 9 metabolit Dengan menggunakan pendekatan pembelajaran mesin agnostik,
mempunyai koefisien positif, sedangkan 10 mempunyai kami mengidentifikasi 19 metabolit plasma, termasuk lipid, purin,
koefisien negatif. Rerata dan SD dari koefisien regresi asilkarnitin, dan asam amino, yang terkait dengan konsumsi kenari
metabolit yang dipilih 9 dan 10 kali dalam regresi jaring menggunakan data dari studi PREDIMED. Profil metabolit terkait
elastis 10-CV menggunakan lambda.min ditunjukkan pada kenari yang teridentifikasi berbanding terbalik dengan risiko T2D dan
Tabel Tambahan 1. Selain 19 metabolit yang dipilih 10 kali CVD setelah disesuaikan dengan potensi perancu dan konsumsi
dalam regresi jaring elastis 10-CV, 15 metabolit tambahan, 9 kenari yang dilaporkan sendiri. Meskipun korelasi antara konsumsi
dengan koefisien positif dan 6 dengan koefisien negatif, kenari dan profil metabolitnya lemah, temuan ini dapat membantu
dipilih sebanyak 9 kali dalam regresi jaring elastis 10-CV ( memberikan wawasan baru mengenai potensi mekanisme biologis
Tabel Tambahan 2).Tabel 3menunjukkan koefisien korelasi yang mendasari hubungan antara kenari dan kesehatan
Pearson individu antara setiap metabolit yang dipilih secara kardiometabolik dan menggambarkan potensi profil metabolomik
konsisten dan konsumsi kenari. Arah hubungan antara untuk lebih memahami mekanisme yang mendasari hubungan pola
korelasi individu konsisten dengan koefisien model profil makan-penyakit. Sepengetahuan kami, ini adalah studi pertama yang
metabolit (Gambar 1). secara khusus meneliti hubungan antara profil metabolit plasma
Karnitin 10:2, fosfatidilkolin (PC) 36:4, biliverdin, guanin, 4- konsumsi kenari dan risiko penyakit kardiometabolik.
hidroksi-3-metilasetofenon, dan

306 Guasch-Ferré dkk.

 TABEL 1Karakteristik peserta uji coba PREDIMED pada awal dan tahun pertama1

Peserta dengan rendah Peserta dengan tinggi

Ciri Semua peserta asupan kenari (tertile 1) asupan kenari (tertile 3)

PREDIMED—garis dasar (kelompok penemuan)

Peserta,N 1833 691 467

Usia, kamu 67±6 67±6 67±6
Jenis kelamin perempuan,N(%) diabetes 1055 (57.6) 420 (60,8) 247 (52.9)
tipe 2 yang lazim,N(%) BMI, kg/m2 492 (26.8) 209 (30.2) 110 (23.6)
29.9±3.5 30.4±3.7 29.2±3.3
Aktivitas fisik, Mets-min/minggu 254±255 215±226 278±243
Perokok saat ini,N(%) 287 (15.7) 106 (15.3) 67 (14.3)
Riwayat hiperkolesterolemia,N(%) 1408 (76.8) 513 (74.2) 377 (80,7)
Riwayat hipertensi,N(%) 1599 (87.2) 602 (87.1) 400 (85,7)
Riwayat keluarga penyakit jantung koroner,N(%) 451 (24.6) 172 (24.9) 106 (22.7)
Asupan makanan

Asupan energi, kkal/hari 2283±544 2150±538 2446±541

Asupan kenari, g/hari 6±9 0±0 19±8
Total asupan kacang-kacangan, g/d 11±13 2±7 28±14
Total asupan produk susu, g/d 375±221 364±21 379±230
Asupan sayur-sayuran, g/d 332±150 312±35 359±172
Asupan buah, g/hari 361±197 340±198 401±198
Asupan kacang-kacangan, g/d 20±13 20±14 21±11
Asupan biji-bijian, g/hari 231±101 220±104 236±100
Asupan daging, g/d 134±56 132±57 132±57
Asupan ikan, g/hari 101±53 92±47 105±49
Asupan telur, g/hari 20±11 19±11 19±10
Asupan alkohol, g/hari 9±15 8±15 11±16
PREDIMED—tahun 1 (kelompok replikasi internal)

Peserta,N 1522 531 347

Usia, kamu 68±6 68±6 67±6
Jenis kelamin perempuan,N 875 (57,5) 320 (60,3) 190 (54,8)
(%) BMI, kg/m2 29.8±3.7 30.3±3.8 29.3±3.6
diabetes tipe 2 yang lazim,N(%) 463 (30.4) 190 (35,8) 104 (30.0)
Aktivitas fisik, Mets-min/minggu 247±255 230±244 224±211
Perokok saat ini,N(%) 215 (14.3) 81 (15.4) 52 (15.0)
Riwayat hiperkolesterolemia,N(%) 1153 (75.8) 383 (72.1) 266 (76.7)
Riwayat hipertensi,N(%) Asupan 1318 (86.6) 457 (86.1) 294 (84.7)
makanan
Asupan energi, kkal/hari 2285±544 2077±510 2574±536
Asupan kenari, g/hari 11±12 0,5±0,9 30±10
Total asupan kacang-kacangan, g/d 21±23 3±5 55±22
Total asupan produk susu, g/d 366±214 364±220 369±211
Asupan sayur-sayuran, g/d 345±137 329±140 381±145
Asupan buah, g/hari 389±195 368±196 422±223
Asupan kacang-kacangan, g/d 22±11 22±11 23±10
Asupan biji-bijian, g/hari 225±93 215±96 232±91
Asupan daging, g/d 124±51 122±51 127±56
Asupan ikan, g/hari 106±45 98±45 116±46
Asupan telur, g/hari 20±11 20±12 21±9
Asupan alkohol, g/hari 8±13 7±12 9±13
1Nilai adalah sarana±SD untuk variabel kontinu atau jumlah dan persentase untuk variabel kategori. Mets, jam yang setara dengan
metabolisme; PREDIMED, PENCEGAHAN dengan DIeta MEDiterránea.

Beberapa studi observasional dan intervensi sebelumnya kenari per hari) (11). Studi pemberian makan akut dan uji klinis telah
mengevaluasi bagaimana metabolisme dipengaruhi oleh konsumsi mengidentifikasi tingginya ALA dalam darah (termasuk plasma dan
kenari. Secara tradisional, ALA telah dianggap sebagai biomarker darah eritrosit) setelah konsumsi kenari atau ketika kacang campuran
terbaik pada konsumsi kenari, terutama karena salah satu perbedaan termasuk kenari; penelitian lain juga mengidentifikasi LA setelah
utama dalam profil asam lemak kenari dibandingkan dengan kacang- konsumsi kenari, yang merupakan PUFA utama yang ada dalam
kacangan dan makanan lain adalah tingginya jumlah ALA dalam kenari (2 kenari (8). McKay dkk. (27) menunjukkan bahwa dibandingkan
). Tepatnya, ALA adalah biomarker yang digunakan dalam studi dengan konsentrasi awal, LA dan ALA eritrosit lebih tinggi setelah
PREDIMED untuk menunjukkan kepatuhan terhadap MedDiet yang intervensi 6 minggu dengan asupan kenari 42 g/hari pada 21 pria
dilengkapi dengan kacang-kacangan (termasuk 15 g kacang-kacangan). dan wanita sehat. Namun sumber makanan lainnya

Metabolit kenari dan risiko kardiometabolik 307

GAMBAR 1Koefisien metabolit dipilih 10 kali dalam 10 validasi silang regresi elastis berkelanjutan untuk konsumsi kenari dalam studi
PREDIMED. Nilai adalah sarana±SD untuk kumpulan metabolit dipilih secara konsisten (yaitu 10 kali) setelah 10 iterasi prosedur regresi kontinu
elastis dengan validasi silang 10 kali lipat (menggunakan lambda.min) menggunakan seluruh kumpulan data subjek (N=1833). Metabolit
dengan koefisien negatif (N=9) diplot di sebelah kiri, sedangkan yang mempunyai koefisien positif ditampilkan di sebelah kanan (N=10). LPC,
lisofosfatidilkolin; MAG, monoasilgliserol; PC, fosfatidilkolin; PE, fosfatidiletanolamin; PREDIMED, PENCEGAHAN dengan DIeta MEDiterránea;
PS, fosfosfingolipid; TAG, trigliserida.

ALA dan LA, khususnya beberapa minyak biji-bijian, umum terjadi; model memilih PC 36:4 sebagai metabolit kedua dengan
oleh karena itu, asam lemak ini tidak dapat dianggap sebagai koefisien tertinggi. 36:4 PC adalah fosfatidilkolin yang dapat
penanda konsumsi kenari yang sangat spesifik, kecuali pada populasi diperoleh dari sumber endogen dan makanan dan termasuk
yang asupan minyak bijinya lebih rendah atau telah dikontrol secara dalam jalur metabolisme LA/ALA (29). Namun, platform
klinis. Pada populasi Spanyol yang menderita dislipidemia, proporsi metabolomik hanya mengidentifikasi lipid berdasarkan
ALA fosfolipid yang lebih tinggi berkorelasi dengan kenari; koefisien kelompok kepala dan jumlah total karbon asil serta kandungan
antara proporsi asam lemak dan asupan yang dihitung adalahR=0,44; total ikatan rangkap asil; dengan demikian, PC 36:4 tidak dapat
P <0,001 (28). Meskipun ALA telah diidentifikasi sebagai biomarker dikonfirmasi sebagai PC 16:0–20:4, dan bisa juga PC 18:2–18:2,
kenari yang dapat diandalkan, identifikasi metabolit lain yang terkait PC 18:1–18:3, atau lainnya.
dengan konsumsi kenari dapat memberikan pemahaman yang lebih Dalam penelitian sebelumnya, urolitin—produk ellagitannin
mendalam tentang jalur biologis potensial yang dipengaruhi oleh yang dimetabolisme oleh mikrobiota usus (9)—umumnya
konsumsi kenari, dan dengan demikian metabolit mencerminkan teridentifikasi dalam urin setelah konsumsi kenari. Meskipun hal
variasi yang melekat dalam metabolisme kenari. pola makan dan, ini dapat digunakan untuk membedakan antara asupan kenari
oleh karena itu, lebih mewakili ketersediaan biologis. Selain itu, dan kacang-kacangan karena jumlahnya tidak banyak, hal ini
mengidentifikasi model metabolit dengan beberapa metabolit bisa dilaporkan terjadi setelah asupan makanan tinggi polifenol
lebih spesifik pada konsumsi kenari dibandingkan penggunaan lainnya, seperti stroberi, blackberry, dan raspberry (8). Secara
metabolit tunggal. Meskipun ALA dan LA tidak diukur dalam platform khusus, dalam penelitian sebelumnya dalam uji coba PREDIMED,
yang digunakan untuk penelitian ini, yaitu metabolitnya 18 metabolit urin, termasuk penanda metabolisme asam lemak,
senyawa mikroba turunan ellagitannin,

MEJA 2Koefisien korelasi Pearson antara tanda metabolomik dan konsumsi

Validasi internal
populasi (data Tahun 1
Populasi penemuan (dasar PREDIMED) dalam PREDIMED)

Korelasi Pearson dengan Jumlah metabolit Jumlah metabolit Pearson

tanda metabolik dengan positif dengan negatif korelasi
Penilaian (95% CI) Jumlah metabolit1 koefisien koefisien (95% CI)

Kenari, g/hari 0,16 (0,11, 0,20) 19 9 10 0,15 (0,10, 0,20)

0,13 (0,08, 0,19)2 9 9 0 0,14 (0,10, 0,19)

1Koefisien
metabolisme diperoleh 10 kali lipat pada prosedur validasi silang pendekatan elastic net continuous. Hasil menggunakan opsi lambda.min. PREDIMED,
PENCEGAHAN dengan DIeta MEDiterránea.
2Korelasi Pearson dan CI 95% antara asupan kenari yang dilaporkan sendiri dan model multimetabolit hanya menggunakan metabolit dengan nilai positif.

308 Guasch-Ferré dkk.

TABEL 3Koefisien korelasi Pearson antara metabolit secara bahwa karnitin rantai pendek dikaitkan dengan risiko penyakit
konsisten dikaitkan dengan konsumsi kenari dalam studi kardiometabolik yang lebih tinggi (13,15,33), namun peran karnitin
PREDIMED1 rantai menengah belum diketahui dengan jelas dan ada
kemungkinan bahwa karnitin tersebut memainkan fungsi yang
Metabolit
berbeda dalamβ-oksidasi asam lemak di mitokondria (32). Sebagai
40:6 hal - 0,11 (−0,16, −0,06) catatan, kami mengakui bahwa ada kemungkinan bahwa beberapa
16:1 LPC - 0,08 (−0,13, −0,03) metabolit dipilih secara kebetulan karena penggunaan pendekatan
14:0 LPK - 0,08 (−0,13, −0,03) pembelajaran mesin agnostik.
Isositrat - 0,08 (−0,13, −0,03) Serine juga dikaitkan secara signifikan dan positif dengan konsumsi
suksinat - 0,07 (−0,12, −0,03) kenari. Serin merupakan asam amino nonesensial yang dapat diperoleh
Sikloheksilamina - 0,06 (−0,11, −0,01) dari makanan atau disintesis oleh tubuh dari beberapa metabolit. Hal ini
36:5 Plasmalog PE - 0,05 (−0,09, −0,00) dapat ditemukan dalam jumlah yang lebih tinggi pada kacang-kacangan,
piperin - 0,05 (−0,09, −0,00) terutama kenari (34), kacang tanah, dan almond, serta makanan lainnya,
Sorbitol - 0,05 (−0,09, −0,00) termasuk kedelai dan polong-polongan. Oleh karena itu, masuk akal jika
N-asam asetilapartat 0,05 (0,00, 0,09) dikombinasikan dengan lipid lain dapat menjadi penanda potensial
22:1 MAG 0,05 (0,00, 0,09) konsumsi kenari dan kacang-kacangan lainnya. Terakhir, 2 metabolit yang
4-Hidroksi-3-metilasetofenon 0,05 (0,02, 0,09) terlibat dalam metabolisme porfirin dan klorofil telah diidentifikasi dalam
Guanin 0,07 (0,02, 0,11) model multimetabolit: bilirubin dan biliverdin. Bilirubin adalah pigmen
Serin 0,07 (0,02, 0,11) empedu, dan biliverdin juga termasuk dalam golongan senyawa organik
Bilirubin 0,07 (0,03, 0,12) yang dikenal sebagai bilirubin. Telah terbukti bahwa konsumsi kenari
54:6 TAG 0,08 (0,04, 0,13) mengubah mikrobiota GI dan asam empedu sekunder yang diturunkan
36:4 buah 0,08 (0,04, 0,13) secara mikroba (35). Namun perannya pada manusia belum sepenuhnya
Biliverdin 0,09 (0,04, 0,13) dipahami.
10:2 karnitin 0,11 (0,07, 0,16) Studi observasi sebelumnya menunjukkan bahwa konsumsi
1Nilainyaadalah korelasi Pearson dan 95% CI untuk metabolit yang secara kenari yang lebih tinggi dikaitkan dengan risiko lebih rendah terkena
konsisten dikaitkan dengan konsumsi kenari. LPC, lisofosfatidilkolin; MAG, T2D dan CVD (5,6). Dalam laporan berdasarkan data dari Nurses'
monoasilgliserol; PC, fosfatidilkolin; PE, fosfatidiletanolamin; PREDIMED, Health Study dan Health Professionals Follow-Up Study, konsumsi
PENCEGAHAN dengan DIeta MEDiterránea; PS, fosfatidilserin; TAG, trigliserida.
kenari dikaitkan dengan rendahnya risiko kejadian CVD setelah
membandingkan kategori tertinggi dan terendah (RR: 0.81; 95% CI:
0.71, 0.91 ) (6). Demikian pula, konsumsi kenari yang lebih tinggi
dan metabolit jalur triptofan/serotonin dikaitkan dengan konsumsi dikaitkan dengan risiko T2D yang lebih rendah sebesar 33% (RR: 0,67;
kenari (30). Dalam penelitian ini, dan konsisten dengan hasil 95% CI: 0,54, 0,82) ketika membandingkan peserta yang
sebelumnya yang menggunakan sampel urin dalam PREDIMED, mengonsumsi kacang kenari.≥2 porsi/minggu kenari bagi yang
triptofan juga dipilih dalam model multimetabolit. Triptofan belum pernah atau jarang mengonsumsi kenari (Puntuk tren linier<
ditemukan dalam jumlah yang sangat tinggi pada kenari, dan 0,001) (5). Dalam studi saat ini, setelah menyesuaikan potensi
degradasi bakteri triptofan menghasilkan turunan asam indol, yang perancu dan konsumsi kenari yang dilaporkan sendiri, dan konsisten
telah diidentifikasi dalam urin setelah konsumsi kenari (31). dengan temuan sebelumnya yang menunjukkan hubungan terbalik
Meskipun urin mungkin lebih mencerminkan konsumsi jangka antara konsumsi kenari dengan penyakit kardiometabolik, kami
pendek atau akut, sebagian besar metabolit plasma yang kami mengamati bahwa model metabolit yang memprediksi konsumsi
identifikasi sebagai penanda asupan kenari mungkin mencerminkan kenari juga dikaitkan dengan 17% (HR: 0,83; 95% CI: 0,71, 0,97) risiko
asupan selama beberapa hari hingga berminggu-minggu, yang lebih T2D lebih rendah dan 29% (HR: 0,71; 95% CI: 0,60, 0,85) risiko CVD
bermakna ketika mengevaluasi hubungannya dengan risiko penyakit lebih rendah.
kronis. Penelitian saat ini memiliki beberapa keunggulan, termasuk ukuran
Mengingat kenari mengandung lemak tak jenuh yang sampel yang besar, data kovariat yang terperinci untuk mengendalikan
tinggi, tidak mengherankan jika sebagian besar metabolit perancu, dan pendekatan profil metabolit yang memungkinkan analisis>
yang kami identifikasi terkait dengan PUFA dan jalur 300 metabolit. Kami menggunakan model pembelajaran mesin agnostik
metabolisme lipid. Regresi jaring elastis mengidentifikasi menggunakan metabolit yang berkarakter baik. Selain itu, kami
beberapa lipid, terutama gliserofosfolipid dan gliserol, yang melakukan validasi silang hasil kami secara internal pada populasi
berhubungan positif dengan konsumsi kenari, termasuk 36:4 penemuan menggunakan data dasar dan melakukan analisis replikasi
PC, 22:1 MAG, dan 54:6 trigliserida, yang dapat menggunakan data pada tahun pertama. Penelitian ini juga memiliki
mencerminkan komposisi asam lemak kenari. Sebaliknya, 2 keterbatasan. Pertama, karena data makanan dikumpulkan
LPC (14:0 dan 16:1) dan 40:6 PS berbanding terbalik dengan menggunakan FFQ, kesalahan pengukuran mungkin terjadi dibandingkan
konsumsi kenari. Dalam penelitian ini, metabolit karbohidrat dengan penggunaan biomarker asupan jangka pendek. Namun, validitas
dan metabolit dari siklus asam trikarboksilat, termasuk dan reproduktifitas FFQ telah dilaporkan sebelumnya. Sebagai catatan,
isositrat, suksinat, dan sorbitol, juga berbanding terbalik korelasi antara total konsumsi kacang yang dinilai dengan FFQ dan
dengan asupan kenari. Karena komposisi nutrisi kenari catatan pola makan 3 hari relatif tinggi (R=0,55) (36). Kedua, karena desain
sebagian besar terdiri dari asam lemak dan protein, serta observasional penelitian kami, kami tidak dapat membangun hubungan
jumlah karbohidratnya relatif rendah, tidak disangka sebab dan akibat antara ciri-ciri metabolik dan penyakit kardiometabolik.
metabolit terkait karbohidrat berbanding terbalik dengan Namun demikian, kami melakukan penyesuaian multivariabel yang ketat
asupan kenari. untuk meminimalkan sisa perancu. Selain itu, meskipun kami
Karnitin 10:2 juga dipilih dalam model. Karnitin dapat diperoleh mengevaluasi reproduktifitas profil metabolit lintas populasi, hal ini harus
dari makanan, terutama dari makanan hewani, namun juga dapat divalidasi pada populasi independen. Demikian pula, karena penelitian ini
disintesis di dalam tubuh dari beberapa prekursor, termasuk lisin dilakukan pada populasi Mediterania yang lebih tua, maka
dan metionin (32). Penelitian sebelumnya telah menyarankan hal ini

Metabolit kenari dan risiko kardiometabolik 309

 TABEL 4HR (95% CI) untuk kejadian diabetes tipe 2 dan penyakit kardiovaskular menurut metabolit
yang berkorelasi dengan konsumsi kenari dalam studi PREDIMED1

Dasar studi PREDIMED2 PREDIMED tahun 13

SDM (95% CI) P SDM (95% CI) P

Diabetes tipe 2
Jumlah kasus/total peserta Skor metabolit 245/923 161/704
yang memprediksi kenari
Model 1 (model dasar) 0,82 (0,72, 0,94) 0,005 0,76 (0,63, 0,91) 0,004
Model 2 (+ model sosiodemografi) 0,86 (0,74, 0,99) 0,04 0,80 (0,64, 0,99) 0,044
Model 3 (+ model diet) 0,86 (0,74, 1,00) 0,05 0,82 (0,64, 1,05) 0,125
Model 4 (+ konsumsi kenari) 0,83 (0,71, 0,97) 0,02 0,81 (0,63, 1,03) 0,092
Penyakit kardiovaskular
Jumlah kasus/total peserta 222/993 159/916
Model 1 (model dasar) 0,72 (0,63, 0,84) <0,001 0,74 (0,62, 0,88) <0,001
Model 2 (+ model sosiodemografi) 0,67 (0,58, 0,78) <0,001 0,76 (0,62, 0,92) 0,007
Model 3 (+ model diet) 0,66 (0,56, 0,77) <0,001 0,75 (0,60, 0,93) 0,011
Model 4 (+ konsumsi kenari) 0,71 (0,60, 0,85) <0,001 0,76 (0,61, 0,95) 0,016

1Model 1 (model dasar): disesuaikan dengan skor usia, jenis kelamin, dan kecenderungan; dikelompokkan berdasarkan kelompok intervensi dan
pusat perekrutan. Model 2 (model sosiodemografi): model 1 + BMI, status merokok (tidak pernah, mantan, atau saat ini perokok), asupan alkohol
dan kuadrat asupan alkohol (gram per hari), tingkat pendidikan (dasar, menengah, akademik), aktivitas fisik (metabolik -ekuivalen menit per hari),
riwayat PJK dalam keluarga (ya/tidak), dislipidemia awal atau penggunaan obat penurun lipid (ya/tidak), hipertensi awal atau penggunaan
antihipertensi (ya/tidak), dan prevalensi T2D (hanya dalam analisis CVD ). Model 3: model 2 + total energi dan asupan sayuran, buah-buahan,
sereal, daging merah dan olahan, ikan, minyak zaitun, telur, kacang-kacangan, dan produk susu dalam kuintil. Model 4: model 3 + asupan kenari
yang merupakan sumber metabolitnya. PJK, penyakit jantung koroner; CVD, penyakit kardiovaskular; PREDIMED, PENCEGAHAN dengan DIeta
MEDiterránea; T2D, diabetes tipe 2.
2Analisis risiko CVD dilakukan di antara 993 peserta kumpulan data kohort kasus CVD PREDIMED atau 923 peserta dalam kumpulan data
kohort kasus T2D. Model bahaya proporsional Cox, dengan bobot Barlow (bobot probabilitas terbalik untuk memperhitungkan representasi
kasus yang berlebihan), digunakan untuk memperkirakan HR dan 95% CI mereka untuk risiko CVD. Waktu tindak lanjut orang dihitung sebagai
interval antara tanggal dasar dan tanggal kejadian CVD atau T2D, kematian, atau tanggal kontak peserta terakhir, mana saja yang lebih dulu.
HR mengacu pada peningkatan 1-SD dalam skor multimetabolit berkorelasi.
3Asupan kacang kenari, tanda metabolik, dan kovariat dinilai pada tahun pertama, dan hasilnya adalah kejadian kejadian CVD yang

terjadi setelah kunjungan tahun pertama hingga akhir masa tindak lanjut. Model analitiknya sama dengan analisis dasar. Sebanyak
916 peserta dilibatkan dalam analisis CVD dan 704 dalam analisis T2D.

asupan total kacang-kacangan pada awal adalah 11 g/hari dan asupan pada risiko kardiovaskular yang tinggi. Secara keseluruhan, temuan ini
kenari adalah 6 g/hari, lebih tinggi dibandingkan asupan pada populasi memberikan wawasan tentang mekanisme biologis potensial yang
lain; oleh karena itu, hasilnya tidak dapat dengan mudah diekstrapolasi ke mendasari hubungan antara konsumsi kenari dan kesehatan
masyarakat umum. Ketiga, analisis dibatasi pada 385 metabolit yang kardiometabolik.
ditargetkan; oleh karena itu, kami tidak dapat mengecualikan bahwa
metabolit yang lebih relevan secara biologis terkait asupan kenari tidak Ucapan Terima Kasih
ada dalam kumpulan data analitik dan dapat diidentifikasi menggunakan Kami berterima kasih kepada para peserta atas kolaborasi
pendekatan yang tidak ditargetkan. Pendekatan metabolomik yang antusias mereka, personel PREDIMED atas bantuan yang sangat
digunakan untuk mengukur lipid tidak mengidentifikasi asam lemak baik, dan personel dari semua pusat perawatan primer yang
spesifik untuk setiap molekul; akibatnya, kami hanya dapat memberikan terafiliasi. Tanggung jawab penulis adalah sebagai berikut—MG-
jumlah karbon dan ikatan rangkap dari setiap lipid, sehingga beberapa F, PH-A, J-PD-C, MR-C, CR, ET, MAM-G, FHB, dan JS-S: menyusun
biomarker kenari yang relevan mungkin terlewatkan. Penelitian di masa dan merancang karya; DC, RE, MF, MAM-G, dan JS-S:
depan diperlukan untuk mengidentifikasi biomarker tambahan dari mengoordinasikan perekrutan subjek di klinik rawat jalan dan
asupan kenari. Akhirnya, mengingat bahwa metabolom plasma pengumpulan data klinis; CD dan CBC: melakukan analisis data
mencerminkan keseluruhan homeostasis metabolik yang dihasilkan dari metabolomik; MG-F dan PH-A: melakukan analisis statistik dan
asupan makanan dan proses biologis lainnya, model profil metabolit merupakan penjamin pekerjaan ini dan, dengan demikian,
mengidentifikasi tidak hanya metabolit yang berasal dari makanan tetapi bertanggung jawab atas integritas data dan keakuratan analisis
juga variasi metabolisme yang dipengaruhi oleh asupan makanan dan data; MG-F, PH-A, FBH, dan JS-S: memiliki akses ke semua data
faktor-faktor lain yang mempengaruhi metabolit. Oleh karena itu, model dalam penelitian; MG-F, PH-A, J-PD-C, MR-C, CR, ET, JL, CW, CBC,
profil metabolit yang terkait dengan konsumsi kenari dapat LL, MAM-G, FBH, dan JS-S: menafsirkan data; MG-F dan PH-A:
mencerminkan efek gabungan dari kenari, substitusi makanan lain menyusun naskah; dan semua penulis: melakukan revisi kritis
dengan konsumsi kenari, dan respons metabolik individu terhadap pola terhadap naskah untuk mengetahui konten intelektual utama
makan (37). Meskipun semua aspek ini mungkin berkontribusi terhadap dan membaca serta menyetujui naskah akhir.
dampak kesehatan dari konsumsi kenari, penelitian ini tidak dirancang
untuk membedakan antara biomarker asupan dan metabolit yang
Referensi
mencerminkan respons metabolik individu.
1. Li L, Tsao R, Yang R, Kramer JKG, Hernandez M. Profil asam lemak,
kandungan tokoferol, dan aktivitas antioksidan buah hati (Juglans
Sebagai kesimpulan, kami mengidentifikasi panel yang terdiri dari 19
ailanthifoliaVar.kordiformis) dan kenari Persia (Juglans regiaL.). J
metabolit plasma yang terkait dengan konsumsi kenari. Kami juga memberikan Kimia Pangan Pertanian 2007;55:1164–9.
bukti bahwa profil metabolit kenari yang teridentifikasi dikaitkan dengan risiko 2. Maguire LS, O'Sullivan SM, Galvin K, O'Connor TP, O'Brien NM. Profil
T2D dan CVD yang lebih rendah pada individu Mediterania asam lemak, kandungan tokoferol, squalene dan pitosterol

310 Guasch-Ferré dkk.

 kenari, almond, kacang tanah, hazelnut dan kacang macadamia. Int J Makanan asam valerat adalah penanda lemak hati dan memprediksi diabetes. J Clin Investasikan
Sci Nutr 2004;55:171–8. 2017;127:4394–402.
3. Baum SJ, Kris-Etherton PM, Willett WC, Lichtenstein AH, Rudel LL, Maki 21. Paynter NP, Balasubramanian R, Giulianini F, Wang DD, Tinker LF,
KC, Whelan J, Ramsden CE, Blok RC. Asam lemak dalam kesehatan Gopal S, Deik AA, Bullock K, Pierce KA, Scott J, dkk. Prediktor
dan penyakit kardiovaskular: pembaruan komprehensif. J Clin Lipidol metabolik kejadian penyakit jantung koroner pada wanita. Sirkulasi
6:216–34. 2018;137:841–53.
4. Guasch-Ferré M, Li J, Hu FB, Salas-Salvado J, Tobias DK. Pengaruh 22. Stekhoven DJ, Bühlmann P. Missforest—imputasi nilai hilang non-
konsumsi kenari pada lipid darah dan faktor risiko kardiovaskular parametrik untuk data tipe campuran. Bioinformatika 2012;28:112–8.
lainnya: meta-analisis terbaru dan tinjauan sistematis uji coba 23. Gromski PS, Xu Y, Kotze HL, Correa E, Ellis DI, Armitage EG, Turner ML,
terkontrol. Am J Clin Nutr 2018;174–87. Goodacre R. Pengaruh pengganti nilai yang hilang pada analisis
5. Pan A, Sun Q, Manson JE, Willett WC, Hu FB. Konsumsi kenari dikaitkan multivariat data metabolomik. Metabolit 2014;4:433–52.
dengan rendahnya risiko diabetes tipe 2 pada wanita. J Nutr 24. Wei R, Wang J, Su M, Jia E, Chen S, Chen T, Ni Y. Pendekatan imputasi
2013;143(4):512–8. nilai hilang untuk data metabolomik berbasis spektrometri massa.
6. Guasch-Ferré M, Liu X, Malik VS, Sun Q, Willett WC, Manson JE, Rexrode Perwakilan Sains 2018;8 :663.
KM, Li Y, Hu FB, Bhupathiraju SN. Konsumsi kacang dan risiko 25. Hernández-Alonso P, Papandreou C, Bulló M, Ruiz-Canela M, Dennis
penyakit kardiovaskular. J Am Coll Cardiol 2017;70:2519–32. C, Deik A, Wang DD, Guasch-Ferré M, Yu E, Toledo E, dkk. Metabolit
7. Guasch-Ferré M, Bhupathiraju SN, Hu FB. Penggunaan metabolomik dalam plasma terkait dengan seringnya konsumsi anggur merah:
meningkatkan penilaian asupan makanan. Klinik Kimia 2018;64:82–98. pendekatan metabolomik dalam studi PREDIMED. Mol Nutr Makanan
8. Garcia-Aloy M, Hulshof PJM, Estruel-Amades S, Osté MCJ, Lankinen Res 2019;63:1900140.
M, Geleijnse JM, De Goede J, Ulaszewska M, Mattivi F, Bakker SJL, dkk. 26. van den Berg RA, Hoefsloot HCJ, Westerhuis JA, Smilde AK, van der
Biomarker asupan makanan kacang-kacangan dan minyak nabati: Werf MJ. Pemusatan, penskalaan, dan transformasi: meningkatkan
pencarian literatur ekstensif. Gen Nutr 2019;14:7. kandungan informasi biologis dari data metabolomik. Genomik BMC
9. Tomás-Barberán FA, González-Sarrías A, García-Villalba R, Núñez- 2006;7:142.
Sánchez MA, Selma MV, García-Conesa MT, Espín JC. Urolithin, 27. McKay DL, Chen CYO, Yeum KJ, Matthan NR, Lichtenstein AH,
penyelamatan metabolit “lama” untuk memahami konsep “baru”: Blumberg JB. Efek kronis dan akut kenari terhadap kapasitas
metabotipe sebagai hubungan antara metabolisme fenolik, disbiosis antioksidan dan status gizi pada manusia: studi percontohan acak
mikrobiota, dan status kesehatan inang. Mol Nutr Makanan Res dan cross-over. Nutr J BioMed Tengah 2010;9:21.
2017;61(1). doi: 10.1002/mnfr.201500901. 28. Sala-Vila A, Cofán M, Pérez-Heras A, Núñez I, Gilabert R, Junyent M,
10. Martinez-Gonzalez MA, Corella D, Salas-Salvado J, Ros E, Covas MI, Fiol Mateo-Gallego R, Cenarro A, Civeira F, Ros E. Asam lemak dalam
M, Warnberg J, Aros F, Ruiz-Gutierrez V, Lamuela-Raventos RM, dkk. fosfolipid serum dan ketebalan intima-media karotis di Subyek
Profil kelompok: desain dan metode studi PREDIMED. Int Spanyol dengan dislipidemia primer. Am J Clin Nutr 2010;92:186–93.
J Epidemiol 2012;41:377–85. 29. Chong J, Wishart DS, Xia J. Menggunakan MetaboAnalyst 4.0 untuk
11. Estruch R, Ros E, Salas-Salvadó J, Covas MI, Corella D, Arós analisis data metabolomik yang komprehensif dan integratif.
F, Gómez-Gracia E, Ruiz-Gutiérrez V, Fiol M, Lapetra J, dkk. Pencegahan primer Protokol Curr Bioinform 2019;68:e86.
penyakit kardiovaskular dengan pola makan Mediterania yang dilengkapi 30. Garcia-Aloy M, Llorach R, Urpi-Sarda M, Tulipani S, Estruch R, Martínez-
dengan minyak zaitun extra-virgin atau kacang-kacangan. N Engl J Med González MA, Corella D, Fitó M, Ros E, Salas-Salvadó J, dkk. Prediksi
2018;378:e34. multimetabolit baru tentang konsumsi kenari dengan model
12. Ruiz-Canela M, Toledo E, Clish CB, Hruby A, Liang L, Salas-Salvado J, Razquin biomarker urin pada populasi yang hidup bebas: studi PREDIMED. J
C, Corella D, Estruch R, Ros E, dkk. Asam amino rantai cabang plasma dan Proteome Res 2014;13:3476–83.
kejadian penyakit kardiovaskular dalam uji coba PREDIMED. 31. Magnus V, Simaga S, Iskrić S, Kveder S. Metabolisme triptofan, asam
Klinik Kimia 2016;62:582–92. indole-3-asetat, dan senyawa terkait pada tumbuhan parasit dari genus
13. Guasch-Ferre M, Zheng Y, Ruiz-Canela M, Hruby A, Martinez-Gonzalez Orobanche. Fisiol Tumbuhan 1982;69:853–8.
MA, Clish CB, Corella D, Estruch R, Ros E, Fito M, dkk. Asilkarnitin 32. Violante S, Ijlst L, Te Brinke H, Koster J, Tavares de Almeida I, Wanders
plasma dan risiko penyakit kardiovaskular: efek intervensi diet RJA, Ventura FV, Houten SM. Peroksisom berkontribusi pada produksi
Mediterania. Am J Clin Nutr 2016;103:1408–16. asilkarnitin ketika pasokan karnitin berkurang. Biochim Biophys Acta
14. Ruiz-Canela M, Guasch-Ferré M, Toledo E, Clish CB, Razquin C, Liang L, 2013;1831:1467–74.
Wang DD, Corella D, Estruch R, Hernáez Á, dkk. Rantai cabang 33. Sun L, Liang L, Gao X, Zhang H, Yao P, Hu Y, Ma Y, Wang F, Jin
plasma/asam amino aromatik, diet Mediterania yang diperkaya dan Q, Li H, dkk. Prediksi awal pengembangan diabetes tipe 2 oleh asilkarnitin
risiko diabetes tipe 2: studi kasus-kohort dalam uji coba PREDIMED. plasma: studi berbasis populasi. Perawatan Diabetes 2016;39:1563–70.
Diabetologia 2018;61(7):1560–71.
15. Guasch-Ferré M, Ruiz-Canela M, Li J, Zheng Y, Bulló M, Wang DD, 34. Hu Q, Liu J, Li J, Liu H, Dong N, Geng YY, Lu Y, Wang Y. Komposisi
Toledo E, Clish C, Corella D, Estruch R, dkk. Asilkarnitin plasma dan fenolik dan atribut nutrisi dari diafragma juglandis fructus dan
risiko diabetes tipe 2 pada populasi Mediterania dengan risiko cangkang kenari (Juglans regiaL.). Ilmu Bioteknologi Pangan
kardiovaskular tinggi. J Clin Endokrinol Metab 2019;104:1508–19. 2020;29:187– 96.
16. Mataix J. Tablas komposisi makanan. edisi ke-4. Granada (Spanyol): 35. Holscher HD, Guetterman HM, Swanson KS, An R, Matthan NR, Lichtenstein AH,
Universitas Granada; 2003. Novotny JA, Baer DJ. Konsumsi kenari mengubah mikrobiota gastrointestinal,
17. Moreiras O, Cabrera L, editor. Tablas de composición de alimentos (Tabel asam empedu sekunder yang diturunkan secara mikroba, dan penanda
komposisi makanan). edisi ke-9. Madrid (Spanyol): Ediciones Pirámide; kesehatan pada orang dewasa yang sehat: uji coba terkontrol secara acak. J Nutr
2005. 2018;148:861–7.
18. Elosua R, Marrugat J, Molina L, Pons S, Pujol E; Penyelidik MARATHOM. 36. Fernandez-Ballart JD, Pinol JL, Zazpe I, Corella D, Carrasco P, Toledo
Validasi Kuesioner Aktivitas Fisik Waktu Senggang Minnesota pada E, Perez-Bauer M, Martinez-Gonzalez MA, Salas-Salvado J, Martin-
pria Spanyol. Am J Epidemiol 1994;139:1197–209. Moreno JM. Validitas relatif dari kuesioner frekuensi makanan semi-
kuantitatif pada populasi lansia Mediterania di Spanyol. Br J Nutr
19. Wang TJ, Larson MG, Vasan RS, Cheng S, Rhee EP, McCabe E, Lewis GD, 2010;103(12):1808–16.
Fox CS, Jacques PF, Fernandez C, dkk. Profil metabolisme dan risiko 37. Li J, Guasch-Ferré M, Chung W, Ruiz-canela M, Toledo E, Corella
terkena diabetes. Nat Med 2011;17:448–53. D, Bhupathiraju SN, Tobias DK, Tabung FK, Hu J, dkk. Diet
20. O'Sullivan JF, Morningstar JE, Yang Q, Zheng B, Gao Y, Jeanfavre S, Mediterania, metabolisme plasma, dan risiko penyakit
Scott J, Fernandez C, Zheng H, O'Connor S, dkk. Dimetilguanidino kardiovaskular. Euro Heart J 2020;41:ehaa209.

Metabolit kenari dan risiko kardiometabolik 311