Integration von Multiomik- und multiphenotypischen Daten identifiziert biologische Signalwege, die mit körperlicher Fitness assoziiert sind

Warum Spitzenleistung mehr ist als nur hartes Training

Manche Menschen scheinen von Natur aus für anspruchsvolle körperliche Herausforderungen geeignet zu sein, von Spitzensport bis Militärdienst. Diese Studie stellt eine einfache, aber wirkungsvolle Frage: Lassen sich die »verborgenen biologischen« Merkmale einer Person auslesen, um zu verstehen, warum manche Körper so gut funktionieren — und sogar vorherzusagen, wer herausragt — und das mit nur einer kleinen Gruppe von Freiwilligen? Die Autorinnen und Autoren kombinieren detaillierte Fitnesstests mit tiefgehenden biologischen Messungen und zeigen, dass unsere Blutchemie und zellulären Mechanismen Netzwerke von Prozessen offenbaren, die mit hoher Leistungsfähigkeit verknüpft sind.

Die Kadetten während Trainingseinheiten und im Alltag begleiten

Die Forschenden begleiteten 86 sehr aktive Kadetten der U.S. Military Academy über drei Monate. Alle waren bereits fit und unterzogen sich intensivem Training. Jeder Kadett absolvierte den Army Combat Fitness Test, eine anspruchsvolle Prüfung mit sechs Teilen, die Heben, Sprinten mit Lasten und einen zeitbegrenzten Lauf umfasst und mit bis zu 600 Punkten bewertet wird. Sechzig Prozent der Männer in dieser Studie erzielten über 540 Punkte — eine Schwelle, die das Heer als außergewöhnlich einstuft — sodass das Team Unterschiede innerhalb bereits leistungsstarker Teilnehmer untersuchte. Neben diesen Tests trugen die Kadetten Geräte zur Überwachung von Schlaf und täglicher Aktivität, absolvierten kognitive und Persönlichkeitstests und fuhren im Labor auf einem Fahrrad-Ergometer bei einem festen Anteil ihrer maximalen Sauerstoffaufnahme, während vor und nach der Belastung Blutproben entnommen wurden.

Tausende Messwerte zu einem konsistenten Bild verknüpfen

Allein aus dem Blut erfasste das Team mehr als 50.000 molekulare Messwerte: DNA-Methylierungsmarken, Genaktivität, Proteine, Metaboliten sowie Immun- und klinische Marker. Ein klassischer statistischer Ansatz würde jede Molekülmessung einzeln auf Korrelationen mit Fitnesswerten untersuchen, doch bei so vielen Variablen und nur Dutzenden von Personen führt das fast zwangsläufig zu verrauschten, irreführenden Treffern. Stattdessen entwickelten die Autorinnen und Autoren ein Framework, das sie PhenoMol nennen: Es startet damit, welche Moleküle selbst schwache Verbindungen zur Fitness zeigen, und fügt diese Kandidaten dann in bekannte Karten ein, wie Gene, Proteine und Metaboliten im menschlichen Organismus interagieren. Mittels Methoden aus der Graphentheorie entfernt die Methode isolierte Signale und bewahrt Gruppen von Molekülen, die zusammenhängende »Expressionskreise« bilden und plausibel mit Leistung verknüpft sind.

Netzwerke, die vorhersagen, wer herausragt

Mit diesen Schaltkreisen trainierte das Team Modelle, um die Fitnesswerte der Kadetten vorherzusagen. Im Vergleich zu Modellen, die Netzwerkinformationen ignorierten und einfach die besten Einzelsignale auswählten, waren die PhenoMol-Modelle spürbar genauer, obwohl sie deutlich weniger Merkmale verwendeten. Das Netzwerk ließ sich außerdem in Module zerlegen — eng vernetzte Cluster von Molekülen —, die jeweils ein anderes biologisches Thema abbildeten. Als diese Module zu »Ensemble«-Modellen kombiniert wurden, sagten sie die Gesamtfitness etwa ebenso gut vorher wie Modelle, die nur auf traditionellen Messgrößen wie Körperzusammensetzung, Sauerstoffaufnahme und Schlaf basierten. Bemerkenswert ist, dass die Vorhersagen für bereits leistungsstarke Kadetten am zuverlässigsten waren, was widerspiegelt, dass die Kohorte relativ wenige niedrige Punktzahlen enthielt.

Was die körpereigenen Signalwege über hohe Fitness verraten

Da PhenoMol in bekannter Biologie verankert ist, konnten die Forschenden interpretieren, welche Signalwege am wichtigsten waren. Starke Signale fanden sich in Systemen, die an der Blutgerinnung und der Immunabwehr beteiligt sind, in der Verarbeitung von Gallensäuren, die den Muskelstoffwechsel beeinflussen, und in Wegen, die Aminosäuren wie Arginin, Prolin und Tryptophan handhaben. Diese Prozesse stehen in Verbindung mit Durchblutung, Energieverbrauch, Muskelreparatur und Stressresistenz — Schlüsselkomponenten nachhaltiger Leistung. Moleküle, die mit dem Harnstoffzyklus zu tun haben, der hilft, ermüdungsassoziiertes Ammoniak zu entfernen, korrelierten ebenfalls mit besseren Werten. Statt einzelner »magischer« Biomarker heben die Ergebnisse koordinierte Veränderungen über mehrere Signalwege hinweg hervor, die zusammen höher leistungsfähige Personen von ihren Peers unterscheiden.

Von molekularen Schaltkreisen zu personalisiertem Training

Einfach gesagt zeigt diese Studie, dass sich mit tiefgehenden, wenn auch verrauschten molekularen Daten aus einer relativ kleinen Gruppe biologisch sinnvolle Muster entdecken lassen, die körperliche Fitness vorhersagen. Indem Messungen in bekannte Interaktionsnetzwerke eingebettet werden, trennt PhenoMol Signal von Rauschen und weist auf konkrete Signalwege — wie Immunantworten, Gallensäure-Signalisierung und Stickstoffstoffwechsel — hin, die erklären könnten, warum manche Individuen besser performen und sich erholen. Die Autorinnen und Autoren argumentieren, dass dieser allgemeine Ansatz personalisiertes Training, Ernährung und Erholungspläne leiten könnte und sich auf andere Bereiche wie Wellness, Krankheitsrisiko oder seltene Erkrankungen anwenden lässt, in denen nur kleine Kohorten untersucht werden können.

Zitation: Alizadeh, A., Graf, J., Misner, M.J. et al. Integration of multiomic and multi-phenotypic data identifies biological pathways associated with physical fitness. Commun Biol 9, 464 (2026). https://doi.org/10.1038/s42003-026-09663-2

Schlüsselwörter: körperliche Fitness, Multi-Omics, Biomarker, Bewegungsbiologie, Systembiologie