Интеграция мультиомных и мультифенотипических данных выявляет биологические пути, связанные с физической подготовленностью

Почему пиковая форма — это не только упорные тренировки

Некоторым людям словно «прошивка» позволяет легко справляться с тяжёлыми физическими испытаниями — от элитного спорта до военной службы. В этом исследовании поставлен простой, но важный вопрос: можно ли с помощью «скрытой биологии» человека понять, почему одни тела работают лучше, и даже предсказать, кто добьётся успеха, опираясь всего на небольшую группу добровольцев? Авторы объединяют подробные тесты физической формы с углублёнными биологическими измерениями и показывают, что состав крови и клеточные механизмы раскрывают сети процессов, связанные с высокой работоспособностью.

Наблюдая кадетов во время тренировок и в быту

Исследователи наблюдали 86 физически активных кадетов Академии сухопутных войск США в течение трёх месяцев. Все они уже были в хорошей форме и проходили интенсивную подготовку. Каждый кадет выполнял Тест боевой подготовки армии (Army Combat Fitness Test) — сложный экзамен из шести заданий, включая поднятие тяжестей, бег с нагрузкой и забег на время, оценивался максимум в 600 баллов. Шестьдесят процентов мужчин в этом исследовании набрали более 540 баллов — порог, который армия считает выдающимся — так что команда изучала различия внутри и без того высокопроизводительной группы. Параллельно кадеты носили устройства для отслеживания сна и повседневной активности, проходили когнитивные и личностные тесты и проводили лабораторные велоэргометрические тесты с фиксированной долей максимального потребления кислорода, причём у них брали кровь до и после нагрузки.

Как тысячи мер превратить в единое представление

Только по крови команда получила более 50 000 молекулярных измерений: метки метилирования ДНК, активность генов, белки, метаболиты, а также иммунные и клинические маркеры. Классический статистический подход искал бы по очереди каждую молекулу на предмет корреляций с показателями физической формы, но при таком количестве переменных и всего десятках людей это почти гарантирует шумные и обманчивые находки. Вместо этого авторы построили методику, которую называют PhenoMol: она сначала отбирает молекулы с даже умеренной связью с физической формой, а затем вплетает эти кандидаты в известные карты взаимодействий генов, белков и метаболитов в организме человека. С помощью инструментов теории графов метод отбрасывает изолированные сигналы и сохраняет группы молекул, образующие связанные «экспрессионные цепи», которые правдоподобно связаны с производительностью.

Сети, которые предсказывают, кто покажет лучшие результаты

Имея эти цепи, исследователи обучили модели предсказывать баллы каждого кадета. По сравнению с моделями, игнорировавшими сетевую структуру и просто пытавшимися выбрать лучшие отдельные молекулы, модели PhenoMol оказались существенно точнее при использовании гораздо меньшего количества признаков. Сеть также можно было разбить на модули — плотно связанные кластеры молекул — каждый из которых отражал отдельную биологическую тему. Когда эти модули объединяли в «ансамблевые» модели, они предсказывали суммарные показатели физической формы примерно так же хорошо, как модели, собранные только из традиционных мер (состав тела, потребление кислорода, сон). Примечательно, что предсказания были сильнее для уже высокопроизводительных кадетов, что отражает малое число низких результатов в когорте.

Что пути в организме говорят о высокой форме

Поскольку PhenoMol опирается на известную биологию, авторы смогли интерпретировать, какие пути имеют наибольшее значение. Были обнаружены сильные сигналы в системах, связанных с свертыванием крови и иммунной защитой, в процессинге желчных кислот, влияющих на мышечный метаболизм, и в путях, обрабатывающих аминокислоты, такие как аргинин, пролин и триптофан. Эти процессы связаны с кровотоком, использованием энергии, восстановлением мышц и устойчивостью к стрессу — ключевыми компонентами длительной работоспособности. Молекулы, связанные с мочевым циклом, который помогает очищать аммиак, связанный с усталостью, также коррелировали с лучшими результатами. Вместо отдельных «волшебных» биомаркеров результаты подчёркивают скоординированные сдвиги по нескольким путям, которые вместе отличают лучших исполнителей от их коллег.

От молекулярных цепей к персонализированной подготовке

Проще говоря, исследование показывает, что возможно использовать глубокие, пусть и шумные, молекулярные данные от относительно небольшой группы людей, чтобы выявить биологически осмысленные паттерны, предсказывающие физическую форму. Встраивая измерения в известные сети взаимодействий, PhenoMol отделяет сигнал от шума и указывает на конкретные пути — например иммунные реакции, сигналы желчных кислот и обмен азота — которые могут объяснять, почему одни люди лучше справляются и быстрее восстанавливаются. Авторы утверждают, что такой общий подход может направлять персонализированные планы тренировки, питания и восстановления, а также применяться в других областях, таких как оздоровление, риск заболеваний или редкие состояния, где доступны лишь малые когорты.

Цитирование: 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

Ключевые слова: физическая подготовленность, мульти-омика, биомаркеры, биология упражнений, системная биология