第一章 餐桌上的百年迷思：我们为什么越“懂”营养，越吃越错？

1897年的荷属东印度（今印度尼西亚）雅加达监狱里，30岁的荷兰海军医生克里斯蒂安·艾克曼（Christian Eijkman）正盯着手里的死亡统计表眉头紧锁——过去半年里，监狱里近三分之一的囚犯死于脚气病（Beriberi）：这种病会让人的双腿麻木、心脏衰竭，最终在痛苦中死去。当时的医学界普遍认为脚气病是细菌感染，直到艾克曼注意到一个奇怪的现象：那些被派去种植园干活的囚犯，因为能吃到糙米，几乎没有得脚气病的；而留在监狱里吃精白米的囚犯，发病率高达40%。他最初以为精米里含有某种毒素，直到1912年波兰生物化学家卡西米尔·冯克（Casimir Funk）从米糠中分离出能治疗脚气病的活性物质，才发现问题的根源不是“有毒”，而是“缺素”——这种物质后来被命名为维生素B1（硫胺素，Thiamine），而“维生素（Vitamin）”这个词，正是来自拉丁语“vita（生命）”和“amine（胺）”的组合，意为“维持生命的胺类物质”。

这一发现像一把钥匙，打开了现代营养学的大门：在随后的半个世纪里，科学家们陆续发现了维生素A、C、D、E等20多种必需营养素，逐一破解了坏血病（Vitamin C缺乏）、佝偻病（Vitamin D缺乏）、夜盲症（Vitamin A缺乏）等疾病的营养学根源，让曾经肆虐全球的营养缺乏症变成了罕见的病例。这是营养学的黄金时代，它用严谨的科学证据证明：饮食不是“吃饱就行”的日常琐事，而是直接决定人类健康的核心变量。然而，正是这种成功，也为后来百年营养学的迷思埋下了伏笔：当科学家们习惯了“找到缺乏症对应的营养素，补充就能解决问题”的逻辑后，他们开始默认一个假设——存在适用于所有人的、基于营养素摄入量的“最优饮食标准”。

---

一、寻素时代的遗产：从“补缺乏”到“定标准”的范式迁移

The Legacy of the "Nutrient Discovery" Era: From "Supplementing Deficiencies" to "Setting Standards"

20世纪上半叶的营养学，本质上是“缺什么补什么”的补救型科学：只要找到某种疾病的营养缺乏根源，通过补充对应的营养素就能解决问题，这种逻辑简单直接，效果立竿见影，也让营养学迅速从学术圈走进了公共政策领域。1941年，美国首次发布《Recommended Dietary Allowances（RDA，推荐膳食摄入量）》，第一次给每种必需营养素制定了“适合绝大多数健康人”的摄入标准，初衷是为了避免士兵在二战中出现营养缺乏症，保证战斗力。

这一标准的发布，标志着营养学的研究范式从“解决缺乏症”转向了“制定通用标准”：科学家们开始默认，只要按照RDA摄入各种营养素，就能保证绝大多数人的健康。这种范式在当时的历史背景下是合理的：20世纪上半叶，全球大部分地区面临的是营养不足的问题，制定一个通用标准，优先覆盖大多数人的基本需求，是最优的公共卫生选择。

然而，这种范式的局限性在食物供给充足的年代很快就显现出来：当人们不再缺这缺那，开始追求“吃得更健康”的时候，“通用标准”的弊端就暴露了——它默认所有人的营养需求都是一样的，却完全忽略了不同个体对同一种食物的反应可能天差地别。比如同样是吃100克米饭，有的人血糖升到8mmol/L，有的人只升到5mmol/L；同样是每天喝300克牛奶，有的人钙吸收率高达30%，有的人喝了只会拉肚子；同样是每天吃50克坚果，有的人血脂降了，有的人血脂反而升了。

这种个体差异在食物短缺的年代不重要：哪怕你的吸收率比别人低一点，只要吃了就不会得缺乏症。但在食物过剩、代谢疾病高发的今天，这种差异就成了决定健康与否的核心变量。可当时的营养学界并没有意识到这一点，他们依然沿用着“群体平均”的研究范式，继续为所有人制定“一刀切”的饮食标准。

> 📌 侧边栏（电子版）：什么是“群体平均”研究范式？ > 传统营养学最常用的两种研究方法是队列研究（Cohort Study）和随机对照试验（RCT）：前者是跟踪几万到几十万人十几年，统计他们的饮食和健康结果的关联，得出“吃X多的人，得Y病的风险高Z%”的结论；后者是把人随机分成两组，一组吃某种饮食，一组吃对照饮食，跟踪几年看健康结果的差异。 > 这两种方法的核心逻辑都是“求平均”：把成千上万人的数据汇总，得出一个适用于“平均人”的结论，然后默认这个结论适用于所有个体。这种范式在公共卫生领域非常有用，可以帮我们找到“对大多数人来说有害/有益”的饮食因素，但它的致命缺陷是：群体层面的关联，不等于个体层面的规律。就像“吸烟人群的肺癌发病率是不吸烟人群的15倍”这个结论，不代表每个吸烟的人都会得肺癌，也不代表每个不吸烟的人都不会得肺癌——个体差异永远存在。

---

二、低脂神话的诞生：一个学术结论如何变成全民教条

The Birth of the Low-Fat Myth: How an Academic Conclusion Became a National Dogma

如果说“群体平均”的范式是营养学迷思的底层逻辑，那么20世纪低脂饮食指南的普及，就是把这种迷思推向全民的导火索。1950年代，美国的心脏病死亡率在20年里翻了一倍，成为头号死因，当时的医学界普遍认为饱和脂肪是“罪魁祸首”：饱和脂肪摄入越多，血液里的胆固醇越高，冠心病风险越高。

这一假说的核心推动者是美国明尼苏达大学的生理学家安塞尔·基斯（Ancel Keys）。1957年，他发表了一项研究，跟踪了7个国家共1.2万人的饮食和心脏病死亡率，发现“脂肪摄入占比越高，冠心病死亡率越高”的关联，这一结论被称为“七国研究（Seven Countries Study）”，至今仍是低脂饮食最常被引用的证据。然而，这一研究的缺陷非常明显：基斯一开始其实跟踪了22个国家，但只有7个国家的数据符合他的假说，另外15个国家的数据被他刻意排除了——比如法国和瑞士，这两个国家的人均脂肪摄入很高，但冠心病死亡率却很低，完全不符合他的结论。

但当时的美国社会太需要这样一个“明确的答案”了：心脏病肆虐，民众恐慌，政府需要出台政策应对，食品工业则需要一个营销噱头来推广新产品。1977年，美国参议员乔治·麦戈文（George McGovern）牵头召开了一场关于“营养和心脏病”的听证会，邀请了包括基斯在内的多位学者，最终发布的《美国膳食目标（Dietary Goals for the United States）》明确提出：“减少脂肪摄入到总热量的30%以下，饱和脂肪降到10%以下，用谷物、蔬菜和水果替代高脂肪食物。”

这份文件本来只是给政府的政策建议，却因为媒体的放大效应迅速变成了全民准则：当时的电视、报纸、杂志上到处都是“低脂健康”的宣传，食品工业也闻风而动，推出了大量“低脂”加工食品：低脂饼干、低脂薯片、低脂酸奶，甚至低脂蛋糕——只要把脂肪去掉，换成糖和添加剂，口感不会差太多，成本还能降下来，利润空间瞬间翻倍。到1980年代，美国超市里“低脂”标签的食品已经占了货架的近三分之一，民众被教育得“谈脂色变”：肥肉不能吃，黄油不能吃，蛋黄要少吃，甚至坚果、牛油果这些健康脂肪也被列入了“黑名单”。

低脂饮食的普及，很快就带来了反噬。根据美国CDC的数据，1977年美国成年人的肥胖率是15%，2型糖尿病患病率不到3%；到2010年，肥胖率已经飙升到36%，2型糖尿病患病率超过8%，儿童肥胖率更是从5%涨到了20%。更讽刺的是，同期美国人的脂肪摄入占比确实从42%降到了33%，完全符合膳食指南的要求，但肥胖和代谢病的发病率却翻了好几倍。

为什么越“懂”营养，越吃越错？因为人们忽略了一个最关键的问题：低脂饮食指南的“30%脂肪供能比”，是群体平均的结果，不是适用于所有人的金科玉律。对于那些代谢适应高脂、肠道菌群能高效分解脂肪、基因里没有高胆固醇风险变异的人来说，低脂饮食不仅不会让他们更健康，反而可能因为摄入过多的精制碳水（用来替代脂肪的主食、零食）导致血糖升高、体重上涨。

> 📌 侧边栏（电子版）：低脂饮食的“糖化陷阱” > 食品工业在推广低脂产品时，普遍会用糖、果葡糖浆、代脂等添加剂来替代脂肪，保证口感。根据美国农业部的数据，1977年到2000年，美国人的精制糖摄入量从每年每人27公斤涨到了38公斤，其中超过一半来自“低脂”加工食品。高糖摄入不仅会导致肥胖和糖尿病，还会升高甘油三酯、降低高密度脂蛋白胆固醇（“好胆固醇”），反而增加冠心病风险——这恰恰是低脂饮食试图避免的结果。

---

三、群体平均的迷思：为什么“适用于大多数人”的指南，对个体可能是错的

The Fallacy of Population Averages: Why Guidelines "Suitable for Most People" May Be Wrong for You

要理解传统营养学的局限性，我们首先要明白一个统计学概念：生态学谬误（Ecological Fallacy）——即群体层面的统计关联，不能直接推导到个体层面。比如研究发现“某个国家的人均脂肪摄入越高，冠心病死亡率越高”，这个结论只适用于国家层面的比较，不能直接推导出“吃高脂的人更容易得冠心病”——因为国家层面的平均数据，掩盖了同一个国家内部个体之间的巨大差异：有的人吃高脂但是运动量大、基因好、肠道菌群健康，完全不会得冠心病，有的人吃低脂但是吃大量精制碳水、有糖尿病风险基因，反而更容易得病。

传统营养学的“群体平均”范式，本质上就是用国家层面或者人群层面的平均结果，给所有个体制定统一的标准，这种做法的核心假设是“个体差异是随机误差，平均之后就能得到普适规律”。但近20年的个体化营养研究已经证明：饮食反应的个体差异根本不是随机误差，而是有明确的生物学基础的，这种差异甚至比群体平均的关联更强。

举个例子：2015年，以色列魏茨曼科学研究所（Weizmann Institute of Science）的埃兰·叶林诺弗（Eran Elinav）团队做了一项著名的研究，他们找了800个健康志愿者，给他们吃同样的标准化餐食，然后连续监测他们一周的血糖反应。结果发现，即使是同样的食物，不同人的血糖反应差异极大：比如有的人吃香蕉之后血糖飙升，有的人吃香蕉之后血糖几乎没变化；有的人吃白米饭之后血糖升到9mmol/L，有的人吃同样的白米饭血糖只升到5mmol/L。如果把所有人的血糖反应平均一下，确实能得到“白米饭是高升糖食物”的结论，但这个结论对个体来说几乎没有参考价值：对有的人来说，白米饭是升糖炸弹，对有的人来说，白米饭和糙米没什么区别。

更震撼的是，研究者发现，这些血糖反应的差异，和传统的“健康饮食建议”几乎没有关系：有的人严格按照膳食指南吃全谷物、蔬菜，血糖反应依然很差，有的人经常吃甜食、精制碳水，血糖反应反而很好。到底是什么决定了这种差异？后续的分析发现，基因、肠道菌群、代谢表型、运动习惯、睡眠质量这些个体特征，对饮食反应的影响远远大于“吃什么”本身。

这种“群体平均规律不适用于个体”的现象，在营养学里非常普遍：比如膳食指南建议每天吃300克牛奶，但是全球有超过70%的人有乳糖不耐受（Lactose Intolerance），喝了牛奶会腹胀、腹泻，根本没法吸收钙质；指南建议每天吃25-30克膳食纤维，但是有的人肠道里缺乏分解膳食纤维的菌群，吃了膳食纤维只会胀气、便秘，反而加重肠道负担；指南建议每天吃不超过6克盐，但是对于大量出汗的体力劳动者来说，6克盐根本不够，反而会导致低血压、乏力。

这些例子都在证明一个事实：传统营养学的“通用指南”，本质上是给“平均人”制定的，而现实中没有“平均人”，每个人都是独特的个体。当我们把群体平均的结果当成个体必须遵守的教条时，就会出现“越懂营养，越吃越错”的尴尬：你严格执行指南，却越来越胖，血脂越来越高，血糖越来越不稳定，甚至出现各种代谢问题，却不知道问题出在哪里——因为你觉得你吃的是“最健康”的饮食啊。

---

四、双胞胎实验的冲击：当基因几乎一样，为什么健康结果天差地别？

The Shock of Twin Studies: When Genes Are Almost Identical, Why Do Health Outcomes Differ So Much?

如果说统计学上的个体差异还不够直观，那么同卵双胞胎（Monozygotic Twins）的研究，则直接给“所有人都应遵循同一膳食指南”的迷思一记重拳。同卵双胞胎是由同一个受精卵分裂而来，基因相似度接近100%，早期的生长环境、饮食习惯也几乎完全一样，是研究“基因vs环境”对健康影响的完美样本。

2019年，美国明尼苏达大学的研究团队在《自然·医学（Nature Medicine）》发表了一项里程碑式的研究：他们招募了112对同卵双胞胎，以及另外28对无血缘关系的健康志愿者，给他们提供完全标准化的饮食——所有食物的热量、宏量营养素（蛋白质、脂肪、碳水化合物）比例、微量元素含量、烹饪方式都完全一致，排除了饮食本身的差异。研究者连续监测他们一周的血糖、胰岛素、血脂、炎症因子、体重变化等指标，结果得出了两个颠覆性的结论：

第一个结论：即使是同卵双胞胎，吃同样的饮食，健康反应也有巨大差异。比如餐后血糖反应的平均差异达到了42%，最大的差异甚至达到了70%：同样的100克白米饭，对其中一个双胞胎来说，餐后血糖只升到5.2mmol/L，属于正常范围；对另一个双胞胎来说，餐后血糖直接升到8.9mmol/L，已经接近糖尿病的诊断阈值。同样的高脂饮食，一个双胞胎的低密度脂蛋白胆固醇（LDL-C，坏胆固醇）只升了5%，另一个直接升了28%，已经达到了高胆固醇血症的诊断标准。

第二个结论更颠覆：基因相同的人，饮食反应的差异，比基因不同的人的差异还要大。研究者把同卵双胞胎的饮食反应差异，和无血缘关系的志愿者的差异做了对比，发现同卵双胞胎之间的差异，甚至比陌生人之间的差异还要大。这说明什么？说明除了基因之外，还有更重要的因素在决定我们的饮食反应——而目前研究最充分的，就是栖息在我们肠道里的万亿微生物，也就是肠道菌群（Gut Microbiota）。

这项研究发表之后，迅速在全球营养学界引发了震动：过去大家总认为“吃什么健康”是普适的真理，现在却发现，即使是基因几乎完全一样的人，吃同样的东西，健康结果也可能天差地别。那对于基因完全不同的人来说，“同一膳食指南适用于所有人”的说法，岂不是更站不住脚？

明尼苏达大学的项目负责人在论文的讨论部分写道：“我们的研究证明，传统的‘一刀切’膳食指南，可能对相当一部分人无效，甚至有害。未来的营养学，必须从‘群体平均’转向‘个体化’，基于每个人的基因、菌群、代谢特征来制定饮食方案，才能真正达到预防疾病、促进健康的目的。”

这项研究的结论，恰好解释了为什么我们身边总有这样的人：两个人吃一样的

东西，一个越来越胖，一个却怎么吃都不胖，一个血糖高，一个血糖正常——过去我们总把这种现象归结为“体质不好”“代谢差”，直到2015年以色列魏茨曼科学研究所（Weizmann Institute of Science）的那项里程碑研究，才第一次用严谨的实验数据证明：这种个体差异根本不是玄学，而是有明确的、可测量的生物学基础的。

那项研究由免疫学与微生物学专家埃兰·叶林诺弗（Eran Elinav）团队主导，研究设计极其严谨：他们招募了800名年龄在18-70岁之间的健康志愿者，提前一周让他们吃完全标准化的饮食，排除前一周饮食的干扰；随后的一周里，所有志愿者吃同样的标准化餐食——每餐的热量、宏量营养素（蛋白质、脂肪、碳水化合物）比例、微量元素含量、烹饪方式完全一致，甚至连食物的产地、批次都做了统一。研究者给每个志愿者配备了连续血糖监测仪（CGM）、活动追踪器和饮食记录APP，全程监测他们的餐后血糖、胰岛素、血脂、炎症因子、肠道菌群等上百项指标。

结果让所有参与者都震惊了：即使是完全相同的食物，不同人的餐后血糖反应差异可以达到4倍以上。比如100克白米饭，有的人餐后血糖只升高2.1mmol/L，属于正常反应；有的人餐后血糖直接升高6.3mmol/L，已经达到了糖尿病前期患者的血糖波动水平。更离谱的是，有的人吃香蕉（传统认知里的高升糖水果）之后血糖几乎没变化，有的人吃同等重量的牛油果（传统认知里的低升糖健康食物）之后血糖飙升到7mmol/L。如果把800人的血糖反应做平均，确实能得到“白米饭是高升糖食物”的群体结论，但这个结论对个体来说几乎没有参考价值：对血糖反应正常的人来说，白米饭完全可以吃，而对血糖反应差的人来说，哪怕吃糙米也可能升糖过高。

后续的深入分析得出了更颠覆性的结论：饮食反应的个体差异中，食物本身的营养组成只占不到30%的贡献，剩下的70%以上来自个体的基因、肠道菌群、代谢表型、运动习惯、睡眠质量甚至前一天的应激水平。比如研究者发现，肠道里短链脂肪酸（Short-Chain Fatty Acids, SCFA）产生菌（比如普拉梭菌*Faecalibacterium prausnitzii*、 Roseburia属菌）丰富的人，吃高碳水之后的血糖反应比菌群缺乏的人低40%，因为短链脂肪酸能直接提升胰岛素的敏感性，降低血糖波动；而携带*FTO*基因肥胖风险变异的人，吃高脂高糖食物之后的体重上涨幅度是普通人的2.3倍，哪怕他们吃的热量和别人完全一样。

这项研究发表后，叶林诺弗在接受《自然》杂志采访时说了一句被广泛引用的话：“我们过去一直以为‘健康饮食’是普适的，现在才发现，对A来说是健康的饮食，对B来说可能是毒药。”

如果说叶林诺弗的研究是发现了“个体差异存在”，那么2019年明尼苏达大学团队在《自然·医学》发表的双胞胎研究，则直接证明了基因几乎完全相同的人，吃同样的饮食，健康反应也会有天差地别的差异，甚至这种差异比陌生人之间的差异还要大。

这项研究招募了140名志愿者，其中112对是同卵双胞胎（基因相似度99.9%），28对是无血缘关系的陌生人。研究者给所有人提供了完全标准化的饮食，所有食物的热量、宏量营养素比例、烹饪方式完全一致，连续监测14天的血糖、胰岛素、血脂、炎症因子、体重、肠道菌群等指标。研究结果有两个核心发现：

第一，同卵双胞胎之间的饮食反应差异，平均达到了42%，最大的差异甚至达到了70%。比如一对同卵双胞胎，餐后吃100克白米饭后，一个人的血糖从4.8mmol/L升到5.3mmol/L，另一个人从4.9mmol/L升到8.4mmol/L，后者已经接近糖尿病的诊断阈值；另一对双胞胎吃高脂饮食一周后，一个人的低密度脂蛋白胆固醇（LDL-C，俗称“坏胆固醇”）只升高了3%，另一个人直接升高了31%，达到了高胆固醇血症的诊断标准。

第二，同卵双胞胎的饮食反应差异，比陌生人之间的差异还要大。研究者计算了不同人群的饮食反应变异系数（Coefficient of Variation, CV），发现同卵双胞胎之间的CV平均为0.32，而陌生人之间的CV平均为0.27——也