Die ersten beiden Arbeiten dieser Reihe haben je eine Art von Problem gelöst. Arbeit 1 hat gezeigt, dass veröffentlichte 16S-Koeffiziententabellen innerhalb einer engen, vergleichbaren Familie übereinstimmen können. Arbeit 2 hat gezeigt, dass sich ausgewählte neuere Shotgun-/CLR-Kohorten über empirische Anker-Kalibrierung an diese Referenzschicht anschließen lassen.
Beide Arbeiten beruhten auf einer gemeinsamen Annahme: Jede Kohorte meldet Zusammenhänge zwischen einzelnen Ernährungsfaktoren und bestimmten Bakterien-Taxa. Das machte den Vergleich zwischen Kohorten methodisch handhabbar, auch wenn sich statistische Transformationen und Sequenziertechniken unterschieden.
Das Human Phenotype Project bricht mit dieser Annahme.
Warum HPP wichtig ist und warum es schwierig ist
HPP (Segev et al. 2026) ist nach mehreren Maßstäben die wichtigste öffentliche Quelle zu Ernährung und Mikrobiom, die es derzeit gibt. Es verbindet 10.064 Teilnehmende mit Shotgun-Metagenomik, 669 Arten, detaillierten Ernährungsprotokollen per App und Nachbeobachtung über längere Zeit. In Größe und Tiefe übertrifft es die meisten Kohorten in unserem bisherigen Panel aus fünf Kohorten deutlich.
Das Problem: Die veröffentlichten Zusatzdaten von HPP stellen vor allem Zusammenhänge zwischen Arten und zusammengesetzten Werten für die Ernährungsqualität in den Vordergrund. Einzelne Lebensmittel kommen darin kaum vor. Innerhalb einer einzelnen Studie ist das eine wissenschaftlich vernünftige Entscheidung. Für ein Framework, das Lebensmittelfaktoren harmonisiert, entsteht dadurch aber eine strukturelle Lücke, die sich mit der Kalibrierungslogik aus Arbeit 2 nicht schließen lässt.
- Referenzschicht aus fünf KohortenDie validierte Basis zu Lebensmittelfaktoren aus den Arbeiten 1 und 2
- HPP liefert ErnährungswerteErgebnisse als Ernährungswerte, ohne vergleichbare Koeffizienten für einzelne LebensmittelN = 10.064
- Kontrollierte ZerlegungDie Richtung jedes Lebensmittels aus den Bewertungsregeln zurückgewinnen
- Validierung und KalibrierungAbgleich mit der Referenzschicht, Lebensmittel für LebensmittelBis zu 90,9 % Übereinstimmung
- Gezielte IntegrationEine kalibrierte Teilmenge, dazu getrennt geführte Evidenz nur zur Richtung
An der Qualität liegt es dabei nicht. Es ist ein Formatproblem. Und solche Probleme werden häufiger werden, je reifer die öffentliche Mikrobiom-Literatur wird.
Was wir versucht haben: von Ernährungswerten auf einzelne Lebensmittel schließen
HPP veröffentlicht die Bewertungsregeln für seine Indizes der Ernährungsqualität. Diese Regeln legen fest, welche Lebensmittel in welchen Wert einfließen und in welche Richtung. Wenn ein Ernährungswert stark positiv mit einer bestimmten Art zusammenhängt und ein bestimmtes Lebensmittel positiv zu diesem Wert beiträgt, lässt sich die Richtung zwischen Lebensmittel und Art ableiten.
Diese Ableitung hat Grenzen. Exakte Koeffizienten lassen sich so nicht zurückgewinnen, und vermischte Beiträge verschiedener Lebensmittel innerhalb eines Werts lassen sich nicht trennen. Die Richtung lässt sich aber zurückgewinnen, und das reicht, um zu testen, ob die veröffentlichten Ergebnisse von HPP im Großen und Ganzen zu den unabhängig ermittelten Zusammenhängen zwischen Lebensmitteln und Taxa aus der bisherigen Referenzschicht mit fünf Kohorten passen.
Was wir gefunden haben
Die zurückgewonnenen Signale für einzelne Lebensmittel aus HPP stimmten in der Richtung weitgehend mit dem Referenz-Framework überein:
- 73,3 % Übereinstimmung über die gesamte testbare Überschneidung
- 83,3 % nach Ausschluss bekannter bevölkerungsspezifischer Störfaktoren (die israelische Struktur bei Milchprodukten und pflanzlichen Lebensmitteln)
- 90,9 %, wenn zusätzlich ein mehrdeutiger Fall nahe null ausgeschlossen wird
Die meisten Abweichungen betreffen Bifidobacterium, Milchprodukte und pflanzliche Lebensmittel. Dort verschiebt die israelische Ernährungsweise das Bild plausibel.
| Vergleich | Übereinstimmung | Übereinstimmende Paare | Konfidenzintervall (95 %) |
|---|---|---|---|
| Gesamte testbare Überschneidung | 73,3 % | 11 von 15 | 48–89 % |
| Ohne bekannte Störfaktoren | 83,3 % | 10 von 12 | 55–95 % |
| Ohne Störfaktoren und einen unklaren Fall | 90,9 % | 10 von 11 | 62–98 % |
Die Abweichungen waren nicht zufällig verteilt. Sie häuften sich in biologisch erklärbaren Bereichen, vor allem bei Milchprodukten und pflanzlichen Lebensmitteln mit Bezug zu Bifidobacterium. Dort verschiebt die israelische Ernährungsweise die Zusammenhänge zwischen Lebensmitteln und Taxa plausibel gegenüber europäischen und amerikanischen Kohorten.
Das ist wichtig. Abweichungen mit einem erkennbaren Muster sagen mehr aus als gleichmäßiges Rauschen. Sie deuten darauf hin, dass die Zerlegung echte, kohortenspezifische Signale zurückgewinnt und keine Übereinstimmung künstlich herstellt.
Die Kalibrierung hängt vom einzelnen Lebensmittel ab
Nachdem die Richtung bestätigt war, haben wir getestet, ob sich die zurückgewonnenen Werte für einzelne Lebensmittel aus HPP auf die bestehende Referenzskala übertragen lassen. Die Antwort: mit einer einzigen Umrechnungskonstante für die ganze Studie nicht. Die Unterschiede zwischen den Lebensmitteln waren dafür zu groß.
Ein engeres Ergebnis hielt aber stand. Für eine validierte Teilmenge der Lebensmittel-Signale verhielt sich die Kalibrierung stabil genug, um sie innerhalb des harmonisierten Frameworks begrenzt und je Lebensmittel weiterzuverwenden.
Das ist der zentrale Befund der Arbeit: HPP lässt sich teilweise überbrücken, aber nur ausgewählt und nur mit ausdrücklicher Validierung für jedes einzelne Lebensmittel.
- Kalibrierte TeilmengeDie Kalibrierung je Lebensmittel trägt, also zählen diese Signale mit ihrer EffektgrößeValidierte Signale zu Lebensmitteln und Arten, bei denen sich die Kalibrierung über alle Lebensmittel gleich verhält
- Nur RichtungZählt für die Richtung, für die Effektgröße ist es zu uneinheitlichDie übrigen Lebensmittel-Signale aus HPP
- Weitere BeiträgeAbdeckung der Arten, eine Brücke zwischen Taxonomien und die Reaktion auf Ernährung über die Zeit669 Arten auf GTDB-Ebene, eine Zuordnung von GTDB-Namen zu älteren Namen, Taxa, die bei der Nachbeobachtung auf die Ernährung reagieren
Kein einzelner Umrechnungsfaktor passt auf die ganze Studie, deshalb kommt HPP in Stufen dazu.
Warum gezielte Integration der richtige Weg ist
Es wäre verlockend, HPP komplett in das Framework zu pressen. Die Datenmenge ist groß, die Abdeckung der Arten hervorragend und die Validierung über die Zeit einzigartig. Damit würden wir aber mehr behaupten, als validiert ist.
Für ein verantwortungsvolles Evidenzprogramm ist teilweise Aufnahme oft das richtige Ergebnis. Alles oder nichts passt selten. Eine kalibrierte Teilmenge kommt mit Informationen zur Effektgröße in die harmonisierte Evidenzschicht. Der Rest bleibt als ergänzende, nicht gleichwertige Evidenz erhalten: sichtbar im Framework, nützlich für Kontext und eine breitere Abdeckung, aber ohne den Rang voll gleichwertiger Koeffizienten.
Erst diese gestufte Struktur macht die breitere Evidenzschicht vertrauenswürdig.
Was HPP sonst noch beiträgt
Auch außerhalb der direkt kalibrierten Teilmenge stärkt HPP das Framework in drei wichtigen Punkten:
- Breitere Abdeckung der Arten: 669 Arten auf GTDB-Ebene, weit mehr als in den Kohorten aus der 16S-Zeit
- Brücke zwischen Taxonomien: eine Zuordnung von GTDB-Namen zu älteren Namen, mit der sich ein größerer moderner Artenraum im früheren Framework lesen lässt
- Reaktion auf Ernährung über die Zeit: Arten, die während der Nachbeobachtung auf veränderte Ernährung reagieren. Diese Dimension fehlte im früheren Kohorten-Panel weitgehend.
Diese Beiträge haben auch dort Gewicht, wo eine direkte Integration der Effektgrößen nicht gerechtfertigt ist.
Wo die Reihe jetzt steht
Die drei Arbeiten bilden jetzt eine klare Abfolge:
Arbeit 1 hat gezeigt, dass veröffentlichte Koeffizienten für Lebensmittel und andere Faktoren innerhalb einer engen, direkt vergleichbaren Familie übereinstimmen können.
Arbeit 2 hat gezeigt, dass ausgewählte Brücken zwischen Methoden möglich sind, wenn man sorgfältig kalibriert.
Arbeit 3 überträgt diese Logik auf eine grundlegend andere Art von Unvereinbarkeit: Hier unterscheidet sich die Einheit, in der Ernährungsevidenz überhaupt veröffentlicht wird, und das wiegt schwerer als eine andere Transformation.
Zusammen steht die Reihe für eine Haltung dazu, wie öffentliche Mikrobiom-Evidenz zusammengeführt werden sollte: sorgfältig, mit ausdrücklichen Regeln für Vergleichbarkeit, mit Validierung vor der Aufnahme und mit der Bereitschaft, manche Evidenz nur teilweise aufzunehmen, wo eine erzwungene Gleichwertigkeit falsch wäre.
Was wir veröffentlichen
Wir veröffentlichen die Validierungslogik, Zusammenfassungen der zurückgewonnenen Lebensmittel-Signale, die Dokumentation der Kalibrierungsstruktur und die Metadaten der Taxonomie-Brücke.
Integrierte, modellfertige Koeffiziententabellen und die nachgelagerte Gewichtungslogik veröffentlichen wir nicht. Sie bleiben Teil der internen Infrastruktur von Gut Twin (Darm-Zwilling).
Marvin Uhlmann und Maria Otworowska Gut Twin Research, Bliss Labs OÜ
Vollständige technische Arbeit (auf Englisch): „Integrating diet-score microbiome evidence into a harmonized multi-cohort framework: controlled decomposition and calibration of the Human Phenotype Project.“