Integrering av multiomiska och multipenotypiska data identifierar biologiska vägar kopplade till fysisk kondition

Varför toppprestation är mer än bara hård träning

Vissa människor verkar vara naturligt byggda för krävande fysiska utmaningar, från elitidrott till militärtjänst. Denna studie ställer en enkel men kraftfull fråga: kan vi läsa en persons ”dolda biologi” för att förstå varför vissa kroppar presterar så väl — och till och med förutsäga vem som kommer att utmärka sig — genom att använda bara en liten grupp frivilliga? Författarna kombinerar detaljerade konditionstester med djupgående biologiska mätningar för att visa att vårt blod och cellära maskineri avslöjar nätverk av processer kopplade till hög prestationsförmåga.

Följer kadetter genom träningspass och vardag

Forskarlaget följde 86 mycket aktiva kadetter vid U.S. Military Academy under tre månader. Alla var redan i god form och genomgick intensiv träning. Varje kadett genomförde Army Combat Fitness Test, ett krävande sexdelstest som inkluderar lyft, sprint med last och ett tidsbestämt löpprov, poängsatt upp till 600 poäng. Sextio procent av männen i denna studie fick över 540 poäng — en gräns som armén ser som exceptionell — så teamet undersökte skillnader bland redan högpresterande individer. Parallellt med dessa tester bar kadetterna enheter för att mäta sömn och daglig aktivitet, genomgick kognitiva och personlighetsbedömningar och cyklade i labbet vid en fast andel av sitt maximala syreupptag medan forskarna tog blodprover före och efter ansträngning.

Att omvandla tusentals mått till en sammanhängande bild

Enbart från blodet fångade teamet mer än 50 000 molekylära mätningar: DNA-metyleringsmarkörer, genaktivitet, proteiner, metaboliter samt immun- och kliniska markörer. Ett klassiskt statistiskt tillvägagångssätt skulle söka igenom varje molekyl en och en efter korrelationer med konditionspoäng, men med så många variabler och bara ett fåtal personer garanterar det nästan bullriga och missvisande träffar. Istället byggde författarna en ram de kallar PhenoMol, som börjar med att fråga vilka molekyler som visar ens måttliga samband med kondition och sedan väver ihop dessa kandidater med kända kartor över hur gener, proteiner och metaboliter interagerar i människobiologi. Med verktyg från grafteori trimmas isolerade signaler bort och grupper av molekyler som bildar sammanlänkade ”expressionskretsar” som rimligen kan kopplas till prestation bevaras.

Nätverk som förutsäger vem som kommer att utmärka sig

Med dessa kretsar i handen tränade teamet modeller för att förutsäga varje kadetts konditionspoäng. Jämfört med modeller som ignorerade nätverksinformation och helt enkelt försökte välja de bästa individuella molekylerna var PhenoMol-modellerna påtagligt mer precisa, trots att de använde långt färre funktioner. Nätverket kunde också delas upp i moduler — tätt sammanknutna kluster av molekyler — som var och en fångade ett annat biologiskt tema. När dessa moduler kombinerades i ”ensemble”-modeller förutspådde de totala konditionspoängen ungefär lika bra som modeller byggda enbart på traditionella mått som kroppssammansättning, syreupptag och sömn. Noterbart var att förutsägelserna var starkast för redan högpresterande kadetter, vilket speglar att kohorten innehöll relativt få låga poäng.

Vad kroppens vägar avslöjar om hög kondition

Eftersom PhenoMol är förankrat i känd biologi kunde författarna tolka vilka vägar som var viktigast. De fann starka signaler i system som är involverade i blodkoagulation och immunförsvar, i bearbetningen av gallsyror som påverkar musklernas ämnesomsättning, och i vägar som hanterar aminosyror såsom arginin, prolin och tryptofan. Dessa processer kopplar till blodflöde, energianvändning, muskelreparation och stressresiliens — nyckelingredienser för uthållig prestation. Molekyler relaterade till ureascykeln, som hjälper till att avlägsna ammoniak associerad med trötthet, korrelerade också med bättre poäng. I stället för enstaka ”magiska” biomarkörer lyfter resultaten fram koordinerade förändringar över flera vägar som tillsammans särskiljer högre presterande individer från deras kamrater.

Från molekylära kretsar till personligt anpassad träning

Enkelt uttryckt visar denna studie att det är möjligt att använda djupa men brusiga molekylära data från en relativt liten grupp personer för att upptäcka biologiskt rimliga mönster som förutsäger fysisk kondition. Genom att placera mätningarna i kända interaktionsnätverk silar PhenoMol fram signal ur brus och pekar på konkreta vägar — såsom immunsvar, gallsyrasignalering och kvävehantering — som kan hjälpa förklara varför vissa individer presterar och återhämtar sig bättre. Författarna hävdar att detta allmänna tillvägagångssätt kan vägleda personligt anpassade tränings-, närings- och återhämtningsplaner, och kan anpassas till andra områden såsom välmående, sjukdomsrisk eller sällsynta tillstånd där endast små kohorter kan studeras.

Citering: 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

Nyckelord: fysisk kondition, multi-omik, biomarkörer, träningsbiologi, systembiologi