肥胖的危害自不必說,除開環肥燕瘦的審美因素,肥胖對健康的危害是更需要公眾深入己心的。肥胖更容易被二型糖尿病、心血管疾病等慢性疾病盯上!當然過胖或肥胖在每個人的心里有不同的衡量標準,相對科學來看,可以用世界衛生組織WHO提到身體質量指數BMI來衡量。比如身高1.8米,體重70kg,那么BMI指數就等于70/1.82=21.6,當這個數值大于30的時候,就構成了肥胖。
BMI 身體質量指數(kg/m2) | WTO 世界衛生組織定義 | |
從 | 到 | |
18.5 | 過輕 | |
18.5 | 25.0 | 正常體重 |
25.0 | 30.0 | 過重 |
30.0 | 35.0 | 一級肥胖 |
35.0 | 40.0 | 二級肥胖 |
40.0 | 三級肥胖 |
肥胖的人不愿意動,是單純的懶嗎?不愿意動就會引起肥胖嗎?這篇Paper有話說:Basal Ganglia Dysfunction Contributes to Physical Inactivity in Obesity→基底核的功能失調引起了肥胖者的身體不活動,發表于Cell Metabolism,影響因子IF為20.565。也就是說肥胖不愿意動,不是單純的懶,是大腦某個區域(基底核)的功能失調了!
這些紅橙黃的部位則是基底核所在的部位,它廣泛參與了學習、認知、眼球運動等功能。肥胖是一個表象,身體不活動亦是一個表象(或行為),而科學家需要做的事之一便是橋接兩個表象,找到其中的機制,所謂知其然亦知其所以然,這樣方可對癥下藥。這種需要深入了解機制的研究工作,處死剖腦加樣本量足夠,當然不能拿人上手了,所以不得不請模式動物諸如小鼠、大鼠、斑馬魚、果蠅等幫忙。它們統稱人類的好朋友兼替身。文章以小鼠為模型展開研究。
首先需要胖,所以怎么胖,正常飲食正常長,高脂肪飲食高脂肪囤積。
正常飲食 | 高脂肪飲食 |
3千卡/g | 5.24千卡/g |
29%蛋白質 | 20%蛋白質 |
13%脂肪 | 60%脂肪 |
56%碳水化合物 | 20%碳水化合物 |
效果很明顯,高脂肪飲食體重開始飆升。
紅的是肥胖小鼠體重增長線,灰的是瘦小鼠體重增長線,兩者體重對比明顯!
肥胖的老鼠不怎么運動,怎么衡量,運動指標包括運動時間占總時間比例、每分鐘運動次數、運動持續時間、運動速度,精細行為測量包括每分鐘站立次數、每分鐘理毛次數等,這些指標的測定當然無法的通過人工來計算,所以這里借助荷蘭久負盛名的軟件EthoVision動物運動軌跡跟蹤系統,通過視頻即可計算運動的軌跡與速度、距離等參數,甚至是站立、理毛這類精細的行為。
上面是瘦小鼠運動軌跡,下面是肥胖小鼠運動軌跡,顯然肥胖小鼠動的少!肥胖小鼠行動也明顯緩慢!
這基本可以坐實了我們的一個常識性認識,肥胖不怎么動。但機理是什么,需要把大腦剖開了看一看!通過放射性成像技術,可以看到肥胖小鼠和瘦小鼠大腦基底核這個區域特定的神經元的變化。
上面顏色越深,紅橙黃綠青藍紫,越靠近紅色說明這類神經元越活躍,可以看到瘦小鼠比肥胖小鼠D2R神經元更活躍,明顯更多紅色區域!不僅如此,這些肥胖小鼠神經元結合的D2R受體的減少情況引起了生理狀況的變化。
我們大腦活躍的時候里面的神經元(細胞)不斷處于放電firing開火狀態,所以諸如癲癇俗稱羊癲瘋,就是大腦神經元突發性異常放電!上面可以看到,瘦小鼠紫色的部分明顯比肥胖小鼠紫色的部分占比更多,紫色的部分即是運動激活時候的生理放電情況。
現在基本就可以確認了,肥胖引起了身體不運動,而這個過程是通過大腦基底核的神經元D2R受體的結合減少,從而引起了生理的變化。所以歸根結底,表達D2R受體的一類細胞i的激活引起了身體不運動,那么肥胖的小鼠如果抑制了i細胞會不會更愛運動呢。答案是會!
于是基本可以得出這樣的結論了 :
后一個話題,既然肥胖引起了神經元受體結合的減少從而引起了不愛運動,那么那些天然就神經元受體結合減少的個體,也就是說天然就不愛運動的個體,就更容易長胖呢,也就是反過來是否成立。答案是否定的!
藍色的小鼠是天然神經元結合減少的個體,天然不愛運動,但可以看出,它們并非更容易長胖!
WHO在2008年估計世界有5億成年人肥胖,肥胖引起的健康問題與社會問題不僅需要個人更需要全社會的努力解決。本文關注肥胖與不運動的關系,雖是管中窺豹,但也是提出了值得信服的機制研究,給人啟示。肥胖導致了不愛運動,這涉及到了大腦特定區域的神經元的受體結合問題,所以還真不能單純說肥胖者不運動,同時也反過來表明,克服生理上的不適感增加運動對肥胖者確實是一個挑戰以及值得稱道的事情,減少高脂肪食物的攝入當然是必須做的了!
參考文獻:
Friend, Danielle M., et al. "Basal Ganglia Dysfunction Contributes to Physical Inactivity in Obesity." Cell Metabolism (2016).
關注下方二維碼,獲取更多產品信息及動態!