CC BY
0
УДК 004.89:613.2 DOI: 10.21323/2071-2499-2020-4-17-24 Табл. 5. Ил. 5. Библ. 27.
ИНТЕЛЛЕКТУАЛЬНАЯ ОСНОВА ДЛЯ ИНДИВИДУАЛЬНЫХ РАЦИОНОВ ПИТАНИЯ*
Никитина М.А., канд. техн. наук, Чернуха И.М., академик РАН ФНЦ пищевых систем им. В.М. Горбатова
Ключевые слова: базы данных, питание, заболевания, рацион питания Реферат
При разработке рациона питания необходимо использовать множество переменных, таких как содержание нутриентов: белки, жиры, углеводы, витамины, минеральные вещества; пищевая, биологическая и энергетическая ценность. Вследствие массива информации возникает сложность в её своевременном получении и обработке. Составление рационов питания и блюд для пациентов с различными заболеваниями затруднено необходимыми требованиями к питанию, специфичными для конкретного заболевания или физиологического статуса потребителя. В этой связи, очевидно, что информация должна находиться не на бумажных носителях, а быть структурирована в базах данных (БД). В статье представлена одна из них - реляционная база данных, разработанная в объектно-ориентированной среде Delphi, содержащая информацию о химическом составе продуктов, блюд и кулинарных изделий, используемых при составлении рациона питания человека. БД состоит из 18 взаимосвязанных таблиц формата Paradox, построенных в соответствии с методом нормальных форм и соблюдений условий целостности данных. На примерах признаков «Содержание калия», «Содержание кальция» и «Содержание моно-и дисахаридов» показаны возможности кластеризации данных.
INTELLECTUAL BASIS FOR INDIVIDUAL DIETS
Nikitina M.A., Chernukha I.M.
Gorbatov Research Center for Food Systems
Key words: database, nutrition, diseases, diet Summary
When designing a diet, it is necessary to use multiple variables such as the content of nutrients (proteins, fats, carbohydrates, vitamins, minerals) and the nutritional, biological and energy value. Due to a large volume of information, it is difficult to obtain and process it in a timely manner. At the same time, designing diets and meals for patients with different diseases is complicated because of necessary requirements to nutrition that are specific for a particular disease or physiological status of a consumer. In this connection, it is obvious that information should be not in paper form but structured in databases. The paper presents one of them, namely, a relational database developed in the object-oriented environment Delphi, which contains information about the chemical composition of food products, meals and culinary products used in designing a human diet. The database consists of 18 interrelated tables in the Paradox format built according to the method of normal forms and adhering to the conditions of data integrity. The possibility of data clustering is shown by the example of the indicators «Content of potassium», «Content of calcium» and «Content of mono-and disaccharides».
Введение
Для оценки статуса питания и/или при составлении рациона индивидуального питания необходимо оперировать большим массивом информации о составе продуктов и наиболее важных с точки зрения питания компонентов продуктов. В первую очередь - белков, жиров и углеводов. Чрезвычайно важно обладать полной информацией о полноценности белка, составе жиров и связанным с ним индексом атерогенности пищевого рациона; качественного и количественного содержания витаминов, макро-и микроэлементов и пр. Важно знать состав углеводов, т. е. какой именно сахар содержится в продукте: фруктоза, сахароза, мальтоза или лактоза и т. д.
Начавшаяся в конце 2019 года и продолжающаяся по настоящее время пандемия Covid-19 выявила необходимость особого рациона и условий питания больных, как в условиях стационара, так и находящихся на домашнем лечении. Была отмечена высокая смертность среди заболевших лиц в возрасте старше 80 лет, людей с полиморбидными состояниями и с низким индексом массы тела. Разработанные Европейским обществом клинического питания и метаболизма (ESPEN) рекомендации требований к рационам питания больных с Covid-19, в частности указывают на энергетическую ценность рациона в 27 ккал на кг массы тела в день для больных старше 65 лет, более 1 г белка на кг массы тела, соотношение жира и углеводов 50/50 при адекватном количестве витаминов, микро- и макроэлементов [1]. Значение * Статья опубликована в рамках выполнения темы
отдельных нутриентов в профилактике инфекционных и иммунных заболеваний известна. Семба и Танг (Semba и Tang, 1999) отмечали негативное влияние недостатка витаминов A, E, B6 и B12, а так- ► же Zn и Se на положительное течение вирусных инфекционных заболеваний [2], а витамин А даже носит название «витамин против инфекций», поскольку укрепляет иммунитет в борьбе против тяжёлых вирусных заболеваний, таких как корь, малярия и ВИЧ.
В этой связи необходимость в систематизации и структурировании данных, с помощью которых можно оперативно составить индивидуальные меню с учётом многообразия вышеперечисленных факторов, не вызывает сомнения. Эти данные должны храниться в базах ► данных.
Данные о составе продуктов позволяют формировать взаимозаменяемые списки блюд с размерами порций или списки продуктов с точки зрения различных заболеваний.
В настоящее время существуют следующие базы данных:
► наиболее крупная бесплатная общемировая база продуктов питания TGI (Global Supplement database, http:// www.fao.org/infoods/infoods/tables-and-databases/faoinfoods-databases/en/). Это совместный проект ФАО, INFOODS и Института глобального здравоохранения имени Джорджа (George Institute for Global Health, https://www. georgeinstitute.org). База формируется следующим образом: потребитель делает фотографию маркировки продукта НИР № 0585-2019-0008 государственного задания ФГБНУ
и отправляет в Институт глобального здравоохранения имени Джорджа, сотрудник которого включает информацию в базу данных; FooDB (https://foodb.ca) также является одной из крупнейших баз компонентов, химии и биологии пищи. Она содержит информацию по макро-и микронутриентам, включая компоненты, определяющие запах, вкус, цвет и текстуру продукта. Включены данные и по самим веществам, и их описания, информация о структуре, химическом классе, физико-химических данных, источниках их получения, физиологических эффектах, предполагаемых эффектах для здоровья и их концентрации в различных продуктах; AFCD (Australian Food Composition Database, до 2017 года NUTTAB, https:// www.foodstandards.gov.au/science/ monitoringnutrients/afcd/Pages/default. aspx) - база данных австралийских пищевых композиций, содержит данные о содержании питательных веществ в австралийских продуктах. Она называется справочной базой данных, поскольку содержит в основном проанализированные данные. Лишь небольшая часть данных в базе данных поступает из других источников, таких как расчёты рецептуры, маркировка продуктов питания, условные данные из аналогичных продуктов или заимствованные из других стран. База содержит данные о питательных веществах для 1 534 пищевых продуктов, доступных в Австралии, и до 256 питательных веществ в продукте. «ФНЦ пищевых систем им. В.М. Горбатова» РАН 2020 | № 4 ВСЁ О МЯСЕ
► FNDDS (Food and Nutrient Database for Dietary Studies) - база данных о продуктах питания и питательных веществах для исследований в области питания на 2015-2016 годы, содержит значения питательных веществ и компонентов пищевых продуктов для продуктов питания и напитков, о которых сообщается в документе «Что мы едим в Америке», компоненте рациона питания в рамках Национального обследования здоровья и питания (NHANES). Данные FNDDS облегчают анализ потребления пищи, о котором сообщают в NHANES, а также во многих других диетических исследованиях;
► USDA (Branded Foods Database, https:// data.nal.usda.gov/dataset/usda-brand-ed-food-products-database) - глобальная база данных брендовых пищевых продуктов, ранее размещавшаяся на web-сайте Базы данных о составе пищевых продуктов USDA, представляет собой данные государственно-частного партнёрства, целью которого является расширение открытого обмена данными о питательных веществах, которые появляются в продуктах брендов и частных торговых марок, и предоставляются пищевой промышленностью. Использовать вышеперечисленные базы данных при составлении индивидуального питания «русского» человека не корректно, т. к. в базах данных содержится информация о западных продуктах и кулинарных изделиях.
В России нет общедоступной базы данных продуктов, блюд и кулинарных изделий, есть отдельные базы данных химического состава сырья, справочки химического состава пищевых продуктов (1987) [3], химического состава российских продуктов питания (2002) [4], химического состава мяса (2011) [5].
В справочнике [3] представлена информация о химическом составе наиболее важных пищевых продуктов и методы определения в них следующих показателей: влажности, содержания общего белка, аминокислотного состава белков, липидов, отдельных жирных кислот, 14 витаминов, 8 макро- и 22 микроэлементов, отдельных органических кислот и углеводов.
В справочнике [4] представлена сокращённая информация о химическом составе российских пищевых продуктов: влажности, содержании общего белка, липидов, НЖК, ПНЖК, холестерина, 9 витаминов, 5 макро- и 1 микроэлементов, отдельных органических кислот и углеводов.
В справочнике [5] представлен химический состав мяса традиционных и нетра-
диционных сельскохозяйственных, диких животных, птицы и морских млекопитающих. Помимо основных показателей -влага, белок, жир, зола, холестерин, энергетическая ценность, аминокислотный, жирнокислотный, витаминный и минеральные составы, приведены индексы атерогенности и тромбогенности, интегральные скоры белков, жиров, холестерина, аминокислот, витаминов, макро-и микроэлементов.
Стоит отметить, что для разработки персонализированного питания необходимо иметь сведения не только о химическом составе пищевых продуктов, нормах потребления пищевых веществ и энергии для дифференцированных групп людей в течение дня, но и обладать:
1) знаниями о научно-обоснованных принципах питания различных групп людей для профилактики или нивелировании конкретного вида заболевания;
2) конкретизированными медико-биологическими требованиями для профилактики или нивелировании конкретного вида заболевания;
3) сведениями об этнической принадлежности, культурных предпочтениях, состоянии здоровья, образе жизни, клинических факторах, физиологических реакциях на продукты/питательные вещества [6].
Метаболизм играет решающую роль в здоровье и заболевании человека, его модулируют внутренние (например, генетические) и внешние (например, диета и кишечная микробиота) факторы.
Существует множество биохимических баз данных (таблица 1). Однако база данных, которая явно связывает метаболизм человека с генетикой, микробным мета-
болизмом, питанием и болезнями, ещё не разработана.
На сегодняшний день интерес представляет база данных VMH (Virtual Metabolic Human, https://vmh.life) - уникальный ресурс, предоставляющий всеобъемлющий и многогранный обзор о микробном метаболизме человека и кишечника и связывании этой информации с сотнями заболеваний и данными о питании человека.
VMH состоит из 6-ти взаимосвязанных модулей (рисунок 1): «Метаболизм человека», «Микробиом кишечника», «Болезнь», «Питание», «Рекон-карты», «Карта Ли» (компьютерная диагностика диагноза гена-фенотипа для нарушений митохондрий).
VMH на данный момент содержит 17 730 уникальных реакций, 5180 уникальных метаболитов, 3 695 генов человека и 632 685 микробных генов, а также 255 болезней, 818 микробов и 8 790 продуктов питания. Уникальные особенности базы данных VMH включают:
► метаболические реконструкции микроорганизмов человека и кишечника, которые можно использовать в качестве отправной точки для моделирования;
► 7 всесторонних карт метаболизма человека, которые позволяют визуализировать данные -omics исследований и результаты моделирования;
► разработчик питания, который позволяет исследователям разрабатывать персональные планы питания для компьютерного моделирования.
Рассмотрим более детально Модуль «Питание», состоящий из 2-х частей:
1) базы данных о продуктах питания, сопоставленной с метаболитами, присутствующими в VMH;
2) базы данных о диетах питания.
Рисунок 1. Модули базы данных VMH
Таблица 1 Биохимические базы данных
Название Описание
BigG (http://bigg.ucsd.edu/) BiGG Models - это база знаний о реконструкциях метаболических сетей в масштабе генома. Она объединяет более 70 опубликованных сетей масштаба генома
Biocyc (https://biocyc.org/) объединяет секвенированные геномы с предсказанными метаболическими путями для тысяч организмов и предоставляет обширные инструменты биоинформатики
ChEBI (Chemical Entities of Biological Interest) свободно доступный словарь молекулярных объектов. База данных сосредоточена на «неболь-(https://www.ebi.ac.uk/chebi/) ших» химических соединениях, таких как атомы, молекулы, ионы и т. д.
Chemspider (http://www.chemspider.com/)
бесплатная база данных по химической структуре, принадлежащая Королевскому химическому обществу. Она обеспечивает быстрый доступ к более чем 60 миллионам структур, свойств и связанной с ними информации
□|^Ьапк (https://www.drugbank.ca/) уникальный ресурс по биоинформатике и хеминформатике, который объединяет подробные
данные о наркотиках с исчерпывающей информацией о целевых показателях наркотиков
EPA (https://comptox.epa.gov/dashboard/) Агентство по охране окружающей среды США - панель инструментов химии
HMDB (The Human Metabolome Database) (http://www.hmdb.ca/) свободно доступная база данных, содержащая подробную информацию о 114100 низкомолекулярных метаболитах, обнаруженных в организме человека
KEGG (The Kyoto Encyclopedia of Genes and Genomes) (http://www.genome.jp/kegg/) объединяет геномную, химическую и системную функциональную информацию. KEGG - это интегрированный ресурс баз данных, состоящий из 18-ти баз данных
MetanetX (https://www.metanetx.org/) онлайн-платформа для доступа, анализа и управления метаболическими сетями в масштабах
генома и биохимическими путями
METLIN (https://metlin.scripps.edu/) обширная база данных метаболитов MS/MS. METLIN включает 961 829 молекул, начиная от ли-пидов, стероидов, растительных и бактериальных метаболитов, небольших пептидов, углеводов, экзогенных лекарств/метаболитов, центральных углеродных метаболитов и токсикантов
ModelSEED (http://modelseed.org/) ресурс для реконструкции, исследования, сравнения и анализа метаболических моделей
PDMAP (https://pdmap.uni.lu/MapViewer/) хранилище знаний, созданное вручную для описания молекулярных механизмов PD. Оно объединяет литературную информацию о PD в удобную для изучения и доступную интерактивную карту молекулярных взаимодействий
РиЬсЬют (https://pubchem.ncbi.nlm.nih.gov/) открытая химическая база данных, которая собирает информацию о химических структурах,
идентификаторах, химических и физических свойствах, биологических активностях, патентах, данных о здоровье, безопасности, токсичности и других
KNApSAcK (http://kanaya.naist.jp/KNApSAcK/) обширная база данных о взаимоотношениях видов и метаболитов
База данных продуктов питания была построена путём интеграции информации о молекулярном составе для 8 790 продуктов питания, распределённых по 25 группам, полученных из Национальной базы данных по питательным веществам Министерства сельского хозяйства США (USDA National Nutrient Database) [7]. Из 150 питательных компонентов 100 могут быть сопоставлены с метаболитами, присутствующими в базе данных VMH. Большинство оставшихся не нанесённых на карту компонентов представляют общие классы метаболитов (например, волокна). Ресурс может быть запрошен на основе продуктов питания, а также их питательных элементов.
Эта база содержит данные об 11 наиболее известных диетах: вегетарианская [8, 9]; веганская [9]; среднеевропейская [10]; средиземноморская [11, 12]; DASH (Dietary Approaches to Stop Hypertension - диетологический подход к лечению гипертонии) [9]; высокобелковая [13]; безглютеновая; с высоким содержанием пищевых волокон [14]; дие-
та для больных диабетом 2-го типа [15]; высокожировая/низкоуглеводная диета [16]; нездоровое питание (Unhealthy diet) [17], которые были составлены на основе реальных примеров и литературных источников.
Например, «среднеевропейская» была разработана на основе информации австрийского опроса [10]. Диеты состоят из шаблона на один день (однодневного плана питания) и включают информацию о содержании энергии, жирных кислот, аминокислот, углеводов, пищевых волокон, витаминов, минералов и микроэлементов. Состав каждого приёма пищи дан в соответствующих размерах порций. Информация о пищевой ценности каждого продукта питания или блюда была получена из Австрийской таблицы питания (Österreichische Nährwerttabelle) [18].
Молекулярный состав рациона можно загрузить в граммах на «среднестатистического» человека (70 кг) в день или в виде скорости потока (в милли-молях на человека в день), который может быть напрямую интегрирован с мо-
делью метаболизма человека [19, 20] с использованием панели инструментов COBRA [21].
Цель настоящей работы показать основные необходимые характеристики базы данных - интеллектуальной основы систем проектирования (конструирования) индивидуальных рационов питания.
Материалы и методы
При разработке базы данных использовался компонент объектно-ориентированной среды Delphi - Database Desktop. Данная программа позволяет создавать таблицы, изменять структуры таблиц и редактировать записи. Использовалась реляционная модель данных. База данных содержит информацию о химическом составе продуктов, блюд и кулинарных изделий, используемых при составлении рациона питания человека. База данных состоит из 18-ти взаимосвязанных таблиц формата Paradox, построенных в соответствии с методом нормальных форм и соблюдений условий целостности данных.
Результаты
На данном этапе проектирования, база данных содержит описание продукта (таблица 2), химический состав (таблица 3) и технологические карты (рисунок 5).
В таблице 2 представлен фрагмент описания группы «Супы». В рационе питания необходимо конкретизировать название блюда, так как каждый вид блюда содержит не одну позицию и имеет свою пищевую и энергетическую ценность, например, в группе «Супы» содержится 115 наименований кулинарных блюд, в том числе Борщ содержит 23 наименования (позиции), Щи - 10 позиций, Рассольник - 9 позиций, Окрошка - 7 позиций и т. д.
Каждое кулинарное блюдо имеет свой химический состав, рецептуру и способ приготовления. В таблице 3 представлен химический состав некоторых наименований группы «Супы» - Борщ. В скобках указан процент потерь при термообработке.
База данных является ценным инструментом для анализа, систематизации данных (информации) и получения выборок по определённому дескриптору. Используя методы кластерного анализа легко увидеть не общую картину в целом, а получить необходимые взаимосвязи, выборки продуктов по различным критериям (признакам) с графическим и табличным представлением. Кластеризация кулинарных изделий, блюд позволяет диетологам формировать списки разрешённых и неразрешённых продуктов с точки зрения различных заболеваний.
На примере кластеризации по показателям «Содержание калия» (рисунок 2), «Содержание кальция» (рисунок 3), «Содержание моно- и дисахаридов» (рисунок 4) подгруппы «Борщ», «Щи», группы «Супы», мы видим, что одни и те же первые блюда могут группироваться в разные выборки. Например, первое блюдо «Щи зелёные» по разным показателям входит в различные кластеры:
1) по содержанию кальция (Са = 26 мг) в кластер с высоким содержанием кальция (среднее значение по кластеру 24,8 мг, диапазон варьирования от 22 до 43 мг);
2) по содержанию калия (К = 228 мг) в кластер с умеренным (средним) содержанием калия (среднее значение по кластеру 203,8 мг, диапазон варьирования от 172 до 248 мг);
3) по содержанию моно- и дисахаридов (2 г) в кластер с низким содержанием (среднее значение по кластеру 1,5 г, диапазон варьирования от 0 до 2,4 г).
Таблица 2
Названия и описания продуктов питания (группа «Супы»)
ш
Название
Описание
01 Борщ разновидность супа на основе свеклы, которая придаёт ему характерный красный цвет
02 Окрошка холодный суп, смесь мелко нарезанных различных видов мяса или рыбы, или без них, овощей и солений, пряных трав, заправленный окрошечным квасом, а также сметаной
03 Рассольник суп, основой которого являются солёные огурцы, также может добавляться огуречный рассол
04 Уха рыбный суп
Содержание основных пищевых веществ в кулинарных изделиях «Борщ ...» [22]
Таблица 3
Наименование блюда
Пищевые вещества
г ш ое сл ае
с то
и *
щ
ср о
щ
ср о
щ
ср о
щ
ср о
еа ■е- *
ои н ^
аа
*
" ЁТ
о. с
оз
о Ь 5
«е
=Т ^
ща *
а
с щ
ср о
Влага, г
89,9 89,7 88,1 89,7 87,9 90,3 91,4 92,1 93,1 (22%) (22%) (22%) (22%) (22%) (34%) (2%) (14%) (7%)
Белок, г 1,3 1,3 1,7 1,1 1,1 1 0,5 0,6 0,8
(6%) (6%) (6%) (6%) (6%) (6%) (3%) (3%) (3%)
Жир, г 1,1 1,1 1,4 1,2 2,2 1,7 1,5 1,6 1,6
(5%) (5%) (5%) (5%) (5%) (5%) (3%) (3%) (3%)
Углеводы, г 5,8 5,5 6,4 5,9 6,7 4,7 3,5 3,1 2,1
(2,5 %) (7%) (1,5%) (1 %) (2,5 %) (2%) (-4%) (-8%) (1,5%)
№, мг 271 270 277 276 268 227 260 300 297
(0%) (0%) (0%) (0%) (0%) (0%) (0%) (0%) (0%)
К, мг 172 150 346 223 191 170 102 127 81
(0%) (0%) (0%) (0%) (0%) (0%) (0%) (0%) (0%)
Са, мг 22 25 37 24 22 16 10 17 19
(0%) (0%) (0%) (0%) (0%) (0%) (0%) (0%) (0%)
мг 13 13 37 15 13 10 6 11 10
(0%) (0%) (0%) (0%) (0%) (0%) (0%) (0%) (0%)
Р, мг 88 87 92 77 77 78 20 33 35
(0%) (0%) (0%) (0%) (0%) (0%) (0%) (0%) (0%)
Ре, мг 0,6 0,6 1,3 0,6 0,5 0,4 0,3 0,5 0,5
(0%) (0%) (0%) (0%) (0%) (0%) (0%) (0%) (0%)
в -каротин, мг 0,33 (15%) 0,33 (15%) 0,85 (15 %) 0,31 (15 %) 0,35 (15 %) 0,18 (15 %) 0,07 (10%) 0,08 (10%) 0,08 (10%)
В1, мг 0,03 0,02 0,06 0,03 0,03 0,03 0,03 0,02 0,02
(12%) (12%) (12%) (10%) (12%) (12%) (10%) (10%) (10%)
В2, мг 0,03 0,03 0,07 0,34 0,03 0,03 0,01 0,01 0,01
(15%) (15%) (15 %) (10%) (15 %) (15 %) (10%) (10%) (10%)
РР, мг 0,28 0,26 0,40 0,39 0,38 0,47 0,25 0,22 0,03
(13 %) (13 %) (13 %) (10%) (13 %) (13 %) (10%) (10%) (10%)
С, мг 2,7 3,7 9,5 5,5 6,4 8,1 5,0 4,5 3,1
(50 %) (50 %) (50 %) (45 %) (50 %) (50 %) (42 %) (42 %) (42 %)
Рисунок 2. Кластеризация по признаку «Содержание калия» фрагмента группы «Супы»
Бо Бо
Бо
Щ1
Бо Бо
орщ с фасолью и картофелем орщ с черносливом и грибами и из щавеля Борщ украинский орщ флотский с квашеной капустой орщ с капустой и картофелем № 176 орщ с клёцками и квашеной капустой орщ сибирский орщ флотский
орщ со свежей капустой и картофелем орщ с клёцками с белокочанной капустой 'и зелёные орщ летний Борщ с картофелем Борщ полтавский с галушками Щи из квашеной капусты с картофелем Щи из квашеной капусты Борщ по № 192 Щи из свежей капусты Борщ с фасолью № 195 Свекольник холодный Борщ холодный мясной Борщ холодный Щи зелёные с яйцом
Борщ с картофелем из полуфабрикатов Борщ Московский Борщ по № 175 ~Щи по-уральски (с крупой) Щи зелёные с мясом Борщ с фасолью № 181 Щи суточные
Борщ с капустой и картофелем № 194 Щи из свежей капусты с картофелем Борщ зелёный
Рисунок 3. Кластеризация по признаку «Содержание кальция» фрагмента группы «Супы»
Борщ флотский с квашеной капустой
Борщ с капустой и картофелем № 176
Борщ с фасолью и картофелем
Борщ с клёцками с квашеной капустой
Борщ украинский
Щи суточные
Борщ с картофелем
Свекольник холодный
Борщ по № 192
Борщ с фасолью № 195
^орщ холодный
орщ с капустой и картофелем № 194 орщ холодный мясной и зелёные с мясом и зелёные с яйцом Борщ с картофелем из полуфабрикатов Щи зелёные Щи из свежей капусты Борщ сибирский Борщ флотский
Борщ со свежей капустой и картофелем Борщ с фасолью № 181 Борщ с клёцками с белокочанной капустой Борщ полтавский с галушками Щи из свежей капусты с картофелем Щи из квашеной капусты Щи по-уральски (с крупой) Борщ Московский Борщ по № 175 Борщ летний
Щи из квашеной капусты с картофелем Борщ с черносливом и грибами Щи из щавеля Борщ зелёный
Рисунок 4. Кластеризация по признаку «Содержание моно- и дисахариды» фрагмента группы «Супы»
орщ летнии
орщ с фасолью № 181
орщ зелёный
орщ с фасолью и картофелем Борщ сибирский Борщ с картофелем
Борщ с клёцками с белокочанной капустой
Борщ со свежей капустой и картофелем
Борщ украинский
Борщ полтавский с галушками
Борщ с капустой и картофелем № 176
Борщ по № 175
Борщ Московский
Борщ флотский с квашеной капустой Борщ с клёцками с квашеной капустой Борщ флотский -Свекольник холодный
—Борщ с черносливом и грибами Щи по-уральски (с крупой) Борщ с капустой и картофелем № 194 Щи из щавеля
Борщ с картофелем из полуфабрикатов Борщ по № 192 Борщ с фасолью № 195 Щи из квашеной капусты Щи из свежей капусты с картофелем Щи суточные и из свежей капусты орщ холодный мясной орщ холодный \и зелёные
и из свежей капусты с картофелем Щи зелёные с мясом Щи зелёные с яйцом
Бо
Бо
Щ
Щ'
Рисунок 5. Технологические карты: а) технологическая карта «Борщ с капустой свежей и картофелем»; б) технологическая карта «Борщ сибирский с фрикадельками»
б)
Наряду с графическим представлением информации (дендрограмма) формируются сводная таблица с детализацией сведений (количество наименований, среднее и экстремальные (максимум и минимум) значения в каждом Кластере). В качестве примера рассмотрим признак «Содержание кальция», в котором сформировалось 3 кластера (таблица 4). В первый кластер вышло 7 наименований кулинарного блюда «Борщ», «Щи» с диапазоном варьирования от минимального значения (17 мг) до максимального значения (21 мг) и средним значением 18,9 мг. Во второй кластер было включено 24 наименования кулинарного блюда «Борщ», «Щи» с диапазоном варьирования от минимального значения (22 мг) до максимального значения (42 мг) и средним значением 24,8 мг. В третий кластер -3 наименования кулинарного блюда «Борщ», «Щи» с диапазоном варьирования от минимального значения (11 мг) до максимального значения (15 мг) и средним значением 13,3 мг.
Детализацию о кулинарных блюдах, входящих в данный кластер, можем получить при нажатии на соответствующий кластер, например 1 (таблица 5). Количество кальция нужно регламентировать при мочекаменной болезни почек и осте-опорозе. Очень важно контролировать соотношение кальция и фосфора в рационе.
К каждому кулинарному изделию в базе данных имеется Технологическая карта (ТК) блюда, отражающая рецептуру и основные пищевые характеристики данного блюда. В ТК показывается норма по расходу ингредиентов на изготовление блюда брутто и нетто (в расчёте на одну или несколько порций, на один или несколько килограмм), общий выход.
На рисунке 5 (а, б) показаны ТК «Борщ с капустой свежей и картофелем» и «Борщ сибирский с фрикадельками» [22, 23].
Заключение
Задачи на перспективу
Как было отмечено выше при разработке персонализированного питания недостаточно иметь только референтные показатели, «выведенные» в среднем для детерминированной группы пользователей, и сведения о химическом составе пищевых продуктов, блюд и кулинарных изделий.
Необходимо обладать знаниями о фенотипе человека, его метаболизме, микро-биоме и т. д. Иметь представления о синтетических и исторических диетах, в том числе «русской» диете [24]. Предусмотреть: 1) модуль, направленный на взаимосвязь между болезнями и метаболи-
Таблица 4
Результат кластеризации
Кластеры Количество по полю Супы Среднее по полю Са, мг Максимум по полю Са, мг Минимум по полю Са, мг
1 7 18,9 21,0 17,0
2 24 24,8 42,0 22,0
3 3 13,3 15,0 11,0
Общий итог 34 22,6 42,0 11,0
Результат кластеризации (детальная информация)
Таблица 5
Кластеры Количество по полю Супы Среднее по полю Са, мг Максимум по полю Са, мг Минимум по полю Са, мг
1 7 18,9 21,0 17,0
Борщ № 192 1 20,0 20,0 20,0
Борщ с капустой и картофелем № 194 1 17,0 17,0 17,0
Борщ с картофелем 1 21,0 21,0 21,0
Борщ с фасолью № 195 1 19,0 19,0 19,0
Борщ холодный 1 17,0 17,0 17,0
Борщ холодный мясной 1 18,0 18,0 18,0
Свекольник холодный 1 20,0 20,0 20,0
2 24 24,8 42,0 22,0
Борщ зелёный 1 37,0 37,0 37,0
Борщ летний 1 24,0 24,0 24,0
Борщ Московский 1 24,0 24,0 24,0
Борщ № 175 1 24,0 24,0 24,0
Борщ полтавский с галушками 1 23,0 23,0 23,0
Борщ с капустой и картофелем № 176 1 22,0 22,0 22,0
Борщ с клецками с белокочанной капустой 1 23,0 23,0 23,0
Борщ с клецками с квашеной капустой 1 22,0 22,0 22,0
Борщ с фасолью № 181 1 23,0 23,0 23,0
Борщ с фасолью и картофелем 1 22,0 22,0 22,0
Борщ с черносливом и грибами 1 28,0 28,0 28,0
Борщ сибирский 1 25,0 25,0 25,0
Борщ со свежей капустой и картофелем 1 23,0 23,0 23,0
Борщ украинский 1 22,0 22,0 22,0
Борщ флотский 1 23,0 23,0 23,0
Борщ флотский с квашеной капустой 1 22,0 22,0 22,0
Щи зелёные 1 26,0 26,0 26,0
Щи из квашеной капусты 1 23,0 23,0 23,0
Щи из квашеной капусты с картофелем 1 24,0 24,0 24,0
Щи из свежей капусты 1 26,0 26,0 26,0
Щи из свежей капусты с картофелем 1 23,0 23,0 23,0
Щи по-уральски (с крупой) 1 23,0 23,0 23,0
Щи суточные 1 22,0 22,0 22,0
Щи из щавеля 1 42,0 42,0 42,0
33 13,3 15,0 11,0
Борщ с картофелем из полуфабрикатов 1 11,0 11,0 11,0
Щи зелёные с мясом 1 15,0 15,0 15,0
Щи зелёные с яйцом 1 14,0 14,0 14,0
Общий итог 34 22,6 42,0 11,0
ческими особенностями в организме человека [20]; 2) модуль интеграции с Лайтмап (Leigh map) [25] для компьютерной диагностики диагноза гена-фенотипа для нарушений митохондрий. В настоящее время Leigh map состоит из 87 генов и 234 фенотипов [26, 27]. Все эти знания должны в структурированном виде храниться в БД и быть надёжным инструментом при проектировании рациона питания.
Выводы
Разрабатываемая база данных кулинарных изделий и блюд должна содержать подробную информацию о питании,
включая содержание калорий, углеводов, жиров, белков, витаминов и минеральных веществ. Наряду с этим содержатся технологические карты кулинарных изделий и блюд, отражающие рецептуру и основные пищевые характеристики данного блюда. Данные о составе продуктов и методы кластеризации позволяют формировать взаимозаменяемые списки блюд с размерами порций или списки продуктов с точки зрения различных заболеваний. При разработке персонализированного питания необходимо обладать дополнительной информацией, в том числе о связи метаболизма человека с генетикой, микробным метаболиз-
мом, питанием и болезнями. На данный момент времени такой базы данных пока нет, но есть виртуальный познавательный ресурс УМИ. Это новый инструмент исследования, который увеличивает доступность разнообразных данных, позволяет проследить зависимость микробного метаболизма человека и кишечника с различными заболеваниями и данными о питании.
© КОНТАКТЫ:
Никитина Марина Александровна а m.nikitina@fncps.ru Чернуха Ирина Михайловна а imcher@inbox.ru
СПИСОК ЛИТЕРАТУРЫ: REFERENCES:
1. Barazzoni, R. ESPEN expert statements and practical guidance for nutritional management of individuals with sars-cov-2 infection / R. Barazzoni, S.C. Bischoff, Z. Krznaric, M. Pirlich, P. Singer, endorsed by the ESPEN Council // Clinical Nutrition. — 2020. — V. 39 (6). — P. 1631-1638. DOI: https://doi.org/10.1016/j.clnu.2020.03.022.
2. Semba, R.D. Micronutrients and the pathogenesis of human immunodeficiency virus infection / R.D. Semba, A.M. Tang // British Journal of Nutrition. — 1999. — V. 81 (3). — P. 181-189. DOI: https://doi.org/10.1017/S0007114599000379/.
3. Скурихин, М.И. Химический состав пищевых продуктов. Кн. 1. / М.И. Скурихин. — М.: Агропромиздат, 1987. — 224 с.
4. Химический состав российских продуктов питания: справочник / под ред. И.М. Ску-рихина, В.А. Тутельяна. — М.: Дели Принт, 2002. — 236 с.
5. Лисицын, А.Б. Химический состав мяса: справочные таблицы общего химического, аминокислотного, витаминного, макро- и микроэлементного составов и пищевой (энергетической и биологической) ценности мяса / А.Б. Лисицын, И.М. Чернуха, Т. Г. Кузнецова, О. Н. Орлова, В.С. Мкртичян. — М.: ВНИИМП, 2011. — 104 с.
Skurihin, M.I. Himicheskij sostav pishchevyh produktov. Kn. 1. [Chemical composition of food products. Book 1.] — M.: Agropromizdat, 1987. — 224 p.
Himicheskij sostav rossijskih produktov pitaniya: spravochnik [Chemical composition of Russian food products] / pod red. I.M. Skurihina, V.A. Tutel'yana. — M.: Deli Print, 2002. — 236 p.
Lisitsyn, A.B. Himicheskij sostav myasa: spravochnye tablicy obshchego himicheskogo, aminokislotnogo, vitaminnogo, makro- i mikroelementnogo sostavov i pishchevoj (ener-geticheskoj i biologicheskoj) cennosti myasa [Chemical composition of meat: reference tables of the total chemical, amino acid, vitamin, macro- and microelement compositions and nutritional (energy and biological) value of meat] / A.B. Lisitsyn, I.M. Chernukha, T.G. Kuznecova, O.N. Orlova, V.S. Mkrtichyan. — M.: VNIIMP, 2011. — 104 p.
6. Lisitsyn, A.B. Development of a personalized meat product using structural-parametric modeling / A.B. Lisitsyn, I.M. Chernukha, M.A. Nikitina // Theory and Practice of Meat Processing. — 2019. — V. 4 (3). — P. 11-18. DOI: 10.21323/2414-438X-2019-4-3-11-18.
7. USDA Nutrient Data Laboratory. [https://www.nal.usda.gov/fnic/usda-nutrient-data-laboratory].
8. Leblanc, J.C. Nutritional intakes of vegetarian populations in France / J.C Leblanc, H. Yoon, A. Kombadjian, P. Verger // European Journal of Clinical Nutrition. — 2000. — V. 54 (5). — P. 443-449.
9. Elmadfa, I. Ernährung des Menschen / I. Elmadfa, C. Leitzmann // Ulmer. 6., überarb. und akt. — Utb GmbH, 2019. — 788 p.
10. Rust, P. Österreichischer Ernährungsbericht / P. Rust, V. Hasenegger, J. König. — Wien: Department für Ernährungswissenschaften Universität Wien, 2017. — 169 p.
11. Willet, W.C. Mediterranean diet pyramid: a cultural model for healthy eating / W.C. Willett, F. Sacks, A. Trichopoulou, G. Drescher, A. Ferro-Luzzi, E. Helsing, D. Trichopoulos // The American Journal Clinical Nutrition — 1995. — V. 61 (6). — P. 1402S-1406S. DOI: 10.1093 / ajcn / 61.6.1402S.
12. Berendsen, A. A parallel randomized trial on the effect of a healthful diet on inflammageing and its consequences in European elderly people: design of the NU-AGE dietary intervention study / A. Berendsen, A. Santoro, E. Pini, E. Cevenini, R. Ostan et al. // Mechanisms of Ageing and Development. — 2013. — V. 134. — № 11-12. — P. 523-530. DOI: 10.1016 / j.mad.2013.10.002.
13. Noakes, M. Effect of an energy-restricted, high-protein, low-fat diet relative to a conventional high-carbohydrate, low-fat diet on weight loss, body composition, nutritional status, and markers of cardiovascular health in obese women / M. Noakes, J.B. Keogh, P.R. Foster, P.M. Clifton // The American Journal of Clinical Nutrition. — 2005. — V. 81 (6). — P. 1298-1306. DOI: 10.1093 / ajcn / 81.6.1298.
14. Waldmann, A. Dietary intakes and lifestyle factors of a vegan population in Germany: results from the German Vegan Study / A. Waldmann, J.W. Koschizke, C. Leitzmann, A. Hahn // European Journal of Clinical Nutrition volume. — 2003. — V. 57 (8). — P. 947-955. DOI: 10.1038 / sj.ejcn.1601629.
15. Nelson, K.M. Diet and exercise among adults with type 2 diabetes: findings from the third national health and nutrition examination survey (NHANES III) / K.M. Nelson, G. Reiber, E.J. Boyko // Diabetes Care. — 2002. — V. 25 (10). — P. 1722-1728. DOI: 10.2337 / diacare.25.10.1722.
16. Neal, E.G. The ketogenic diet for the treatment of childhood epilepsy: a randomised controlled trial / E.G. Neal, H. Chaffe, R.H. Schwartz, M.S. Lawson, N. Edwards, G. Fitzsimmons, A. Whitney, J.H. Cross // Lancet Neurology. — 2008. — V. 7 (6). — P. 500-506. DOI: 10.1016 / S1474-4422 (08) 70092-9.
17. Нездоровая пища. Электронный ресурс. — Режим доступа: [https://dic.academic.ru/ Nezdorovaya pishcha [Unhealthy diet]. Elektronnyj resurs. — Rezhim dostupa: [https://dic. dic.nsf/ruwiki/1058633]. academic.ru/dic.nsf/ruwiki/1058633]
18. Nährwert-Suche. [https://www.oenwt.at/content/naehrwert-suche/].
19. Brunk, E. Recon 3D enables a three-dimensional view of gene variation in human metabolism. / E. Brunk, S. Sahoo, D.C. Zielinski, A. Altunkaya, A. Drager, N. Mih, F. Gatto, A. Nilsson et al. // Nature Biotechnology. — 2018. — V. 36. — P. 272-281. DOI: 10.1038 / nbt.4072.
20. Sahoo, S. A compendium of inborn errors of metabolism mapped onto the human metabolic network / S. Sahoo, L. Franzson, J. J. Jonsson, I. Thiele // Molecular BioSystem. — 2012. — V. 8. — P. 2545-2558. https://doi.org/10.1039/C2MB25075F.
21. Heirendt, L. Creation and analysis of biochemical constraint-based models: the COBRA Toolbox v.3.0. / L. Heirendt, S. Arreckx, T. Pfau, S.N. Mendoza, A. Richelle et al. // Nature Protocols, 2019. — P. 639-702. DOI: 10.1038 / s41596-018-0098-2.
22. Химический состав блюд и кулинарных изделий. Справочные таблицы основных пи- Himicheskij sostav blyud i kulinarnyh izdelij. Spravochnye tablicy osnovnyh pishchevyh щевых веществ и энергетической ценности блюд и кулинарных изделий: В 2-х т. / Под veshchestv i energeticheskoj cennosti blyud i kulinarnyh izdelij: V 2-h t. [Chemical compo-ред. И. М. Скурихина, М. Н. Волгарева. Т. 1. Ч. 1. — М.: ВИНИТИ, 1994. — 205 с. sition of meals and culinary products. Reference tables of the content of the main nutrients
and energy value of meals and culinary products. In 2 volumes.] / Pod red. I. M. Skurihina, M. N. Volgareva. T.1. CH. 1. — M.: VINITI, 1994. — 205 p.
23. ТУ 9200-067-02068640-98 «Рационы школьного питания». — М.: Печатник, 1998. — TU 9200-067-02068640-98 «Raciony shkol'nogo pitaniya» [TS9200-067-02068640-98 228 с. - - - -
24. Чернуха, И.М. Сравнительная оценка основных диет мира / И.М. Чернуха, А.И. Фокина // Мясная индустрия. - 2019. - № 10. - С. 18-23.
«Rations of school nutrition»]. — M.: Pechatnik, 1998. — 228 p.
Chernukha, I.M. Sravnitel'naya ocenka osnovnyh diet mira [Comparative assessment of the main world diets] / I.M. Chernukha, A.I. Fokina // Myasnaya industriya. — 2019. — № 10. —
25. Rahman, J. Leigh map: A novel computational diagnostic resource for mitochondrial disease / J. Rahman, A. Noronha, I. Thiele, S. Rahman // Annals of Neurology. — 2017. — V. 81 (1). — P. 9-16. DOI: 10.1002/ana.24835.
26. Köhler, S. The Human Phenotype Ontology project: linking molecular biology and disease through phenotype data / S. Köhler, S.C. Doelken, C.J. Mungall, S. Bauer, H.V. Firth et. al. // Nucleic Acids Research. — 2014. — V. 42 (D1). — P. D966-D974. https://doi.org/10.1093/nar/gkt1026.
27. The Human Phenotype Ontology. [https://hpo.jax.org/app/]
P. 18-23.
