Integratie van multiomische en multi-phenotypische gegevens identificeert biologische routes geassocieerd met fysieke fitheid

Waarom topprestaties meer zijn dan alleen hard trainen

Sommige mensen lijken van nature geschikt voor veeleisende lichamelijke uitdagingen, van topsport tot militaire dienst. Deze studie stelt een eenvoudige maar krachtige vraag: kunnen we iemands “verborgen biologie” lezen om te begrijpen waarom sommige lichamen zo goed presteren — en zelfs voorspellen wie zal uitblinken — met slechts een kleine groep vrijwilligers? De auteurs combineren gedetailleerde fitheidstests met diepgaande biologische metingen om aan te tonen dat onze bloedchemie en cellulaire machinerie netwerken van processen onthullen die samenhangen met hoge prestaties.

Cadetten volgen tijdens trainingen en dagelijks leven

De onderzoekers volgden 86 zeer actieve cadetten aan de U.S. Military Academy gedurende drie maanden. Allen waren al fit en ondergingen intensieve training. Elke cadet voltooide de Army Combat Fitness Test, een veeleisend examen met zes onderdelen dat tillen, sprinten met lasten en een getimede loop omvat, met een maximumscore van 600 punten. Zestig procent van de mannen in deze studie scoorde boven de 540 — een drempel die het leger als uitzonderlijk beschouwt — waardoor het team verschillen onder reeds sterke presteerders onderzocht. Naast deze tests droegen de cadetten apparaten om slaap en dagelijkse activiteit te volgen, vulden cognitieve en persoonlijkheidsvragenlijsten in, en fietsten ze in het lab op een vast aandeel van hun maximale zuurstofopname terwijl onderzoekers bloed afnamen voor en na inspanning.

Duizenden metingen omzetten in een samenhangend beeld

Alleen al uit het bloed ving het team meer dan 50.000 moleculaire metingen: DNA-methyleringsmerken, genactiviteit, eiwitten, metabolieten en immuun- en klinische markers. Een klassieke statistische benadering zou elk molecuul één voor één onderzoeken op correlaties met fitheidsscores, maar met zoveel variabelen en slechts een paar dozijn mensen leidt dat vrijwel zeker tot lawaaiige en misleidende vondsten. In plaats daarvan bouwden de auteurs een kader dat ze PhenoMol noemen, dat begint met het vragen welke moleculen zelfs bescheiden verbanden met fitheid tonen en die kandidaten vervolgens verweeft in bekende kaarten van hoe genen, eiwitten en metabolieten in de menselijke biologie met elkaar interageren. Met hulpmiddelen uit de graphtheorie snoeit de methode geïsoleerde signalen weg en behoudt groepen moleculen die verbonden “expressiecircuits” vormen die plausibel aan prestaties zijn gekoppeld.

Netwerken die voorspellen wie zal uitblinken

Met deze circuits trainden de onderzoekers modellen om de fitheidsscore van elke cadet te voorspellen. Vergeleken met modellen die netwerkinformatie negeerden en simpelweg probeerden de beste individuele moleculen te selecteren, waren de PhenoMol-modellen aanzienlijk nauwkeuriger, hoewel ze veel minder features gebruikten. Het netwerk kon ook worden opgesplitst in modules — hecht verbonden clusters van moleculen — die elk een verschillend biologisch thema vastlegden. Wanneer deze modules werden gecombineerd in “ensemble”-modellen, voorspelden ze de totale fitheidsscores ongeveer even goed als modellen die alleen op traditionele maatregelen waren gebaseerd, zoals lichaamssamenstelling, zuurstofopname en slaap. Opvallend genoeg waren de voorspellingen het sterkst voor de reeds hoog presterende cadetten, wat weerspiegelt dat de cohorte relatief weinig lage scores bevatte.

Wat de routes van het lichaam onthullen over hoge fitheid

Aangezien PhenoMol geworteld is in bekende biologie, konden de auteurs interpreteren welke routes het meest van belang waren. Ze vonden sterke signalen in systemen die betrokken zijn bij bloedstolling en immuunverdediging, in de verwerking van galzuren die de stofwisseling van spieren beïnvloeden, en in routes die aminozuren zoals arginine, proline en tryptofaan verwerken. Deze processen zijn verbonden met bloedstroom, energiegebruik, spierherstel en veerkracht tegen stress — kernfactoren van aanhoudende prestaties. Moleculen gerelateerd aan de ureumcyclus, die helpt bij het verwijderen van vermoeidheidsgerelateerd ammoniak, correleerden ook met betere scores. In plaats van één enkele “magische” biomarker benadrukken de resultaten gecoördineerde verschuivingen over meerdere routes die samen hogere presteerders onderscheiden van hun leeftijdsgenoten.

Van moleculaire circuits naar gepersonaliseerde training

Kort gezegd laat deze studie zien dat het mogelijk is om diepe maar lawaaierige moleculaire gegevens van een relatief kleine groep mensen te gebruiken om biologisch zinvolle patronen te ontdekken die fysieke fitheid voorspellen. Door metingen in bekende interactienetwerken te plaatsen, scheidt PhenoMol signaal van ruis en wijst het op concrete routes — zoals immuunresponsen, galzuursignalering en stikstofhuishouding — die kunnen helpen verklaren waarom sommige individuen beter presteren en sneller herstellen. De auteurs stellen dat deze algemene benadering gepersonaliseerde trainings-, voedings- en herstelplannen kan sturen, en kan worden aangepast aan andere gebieden zoals welzijn, ziekterisico of zeldzame aandoeningen waarvoor slechts kleine cohorten bestudeerd kunnen worden.

Bronvermelding: 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

Trefwoorden: fysieke fitheid, multi-omics, biomerkers, beweging biologie, systeembiologie