脂肪选择性消化机制解析，为减肥药物研发提供新思路
人们通常认为高脂饮食会导致体重飙升，但这项实验中的小鼠却呈现出截然不同的景象。它们非但没有在持续摄入高脂肪食物的过程中越来越胖，反而其脂肪肝的症状得到了缓解，体重也没有出现反弹。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
很多人都听说过脂肪有“好坏之分”的说法：坚果、鱼类等食物中的多不饱和脂肪酸有益心血管健康，而红肉、全脂奶制品等食物中的饱和脂肪酸则会升高胆固醇、诱发炎症。科学家们过去一直以为脂肪的吸收是一个相对简单的过程——身体会像照单全收一样吸收这些或好或坏的脂肪。
近日一项研究显示，我们体内存在能够选择性吸收不同类型脂肪的机制，这项发现为开发副作用更小、效果更精准的减肥及代谢类药物提供了全新的思路。该研究发表在《细胞·代谢》期刊上，由美国加州大学洛杉矶分校的一支科研团队完成。
这项研究主要关注了肝脏分泌的一种消化液——胆汁酸在脂肪消化过程中的筛选作用。脂肪天生疏水，而肠道却是一个水相环境，胆汁酸的任务就是将大油滴“打散”，然后把脂肪分子包裹进一种“微胶粒”中，让它们能穿过肠道表面的水层，最终被上皮细胞带走。
过去，科学家多把胆汁酸视为“消化是否顺利”的指标：胆汁酸多，吸收就好；胆汁酸少，吸收就差。而在本次的研究中，研究者们通过小鼠实验观察到了一个截然不同的现象。他们通过基因编辑技术关闭了负责合成胆汁酸的Cyp7a1基因，从而将小鼠体内胆汁酸的总量减少了一半。结果，这些小鼠在持续食用高脂饮食时并没有越吃越胖，反而出现了脂肪肝减轻的迹象，体重也没有因此反弹。
通过进一步的研究，科学家们有了更惊人的发现。这些小鼠的肠道对饱和脂肪酸的吸收率大幅下降，但对亚油酸等必需的多不饱和脂肪酸的吸收却几乎没受影响。这意味着，胆汁酸的量决定了肠道吸收脂肪的选择性。当胆汁酸供应充足时，肠道有能力不加选择地吸收多种脂肪；而当胆汁酸变得有限时，身体会优先将宝贵的吸收能力分配给对健康更重要的“好”脂肪。
玉米油、椰子油等多不饱和脂肪酸在常温下往往呈固态，结构更为稳定。研究者们同时指出，胆汁酸在包裹脂肪形成“微胶粒”时，能更高效地溶解并包裹多不饱和脂肪酸，而对于结构更“刚硬”的饱和脂肪酸，处理起来则显得有些“力不从心”。
该研究还有一个关键发现：当胆汁酸总量下降时，那些未能被有效包裹的饱和脂肪酸并没有被白白浪费，反而意外触发了另一重对健康极为有益的生理效应。当它们随食糜移动到小肠末端时，会激活那里的肠道细胞，促进其分泌GLP-1和PYY等“饱腹激素”。这些激素正是当前备受关注的减肥药物（如司美格鲁肽）所作用的靶点，它们能向大脑发送强烈的“吃饱了”的信号，从而自然地抑制食欲。
目前临床上使用的奥利司他等减肥药，其原理是通过抑制脂肪酶让脂肪难以分解吸收，将好脂肪和坏脂肪一律拦截。而此项研究揭示的胆汁酸调控机制则更为精妙，它能让身体在吸收层面对脂肪类型产生偏好，同时还更容易触发饱腹激素的释放，从而减少因饥饿感反弹而导致的过量进食。
研究者们指出，这种思路如果能转化为安全、可控的药物或营养干预方案，潜在受益的将远不止体重管理，还可能涵盖脂肪肝、血脂异常乃至与胰岛素抵抗相关的一系列代谢问题。
参考文献：
Chan, A. P., Jarrett, K. E., Lai, R. W., et al. (2026). Bile acids regulate lipid metabolism through selective actions on fatty acid absorption. Cell Metabolism, 38(2), 263-280.
澎湃新闻记者 季敬杰
热门专题
热门推荐
这项由清华大学、美团、香港大学等多家顶尖机构联合开展的研究，于2026年3月以预印本论文（arXiv:2603 25823v1）的形式发布。它直指当前AI视觉生成领域一个被长期忽视的核心问题：这些能画出“神作”的模型，到底有多“聪明”？研究团队为此构建了一套全新的测试基准——ViGoR-Bench，
人工智能的浪潮席卷了各个领域，机器在诸多任务上已展现出超越人类的能力。然而，有一个看似寻常却异常复杂的领域，始终是AI研究者们渴望攻克的堡垒——让机器像真正的学者那样，撰写出一篇结构严谨、逻辑自洽、图文并茂的完整科学论文。这远比下棋或识图要困难得多。 2026年3月，一项由中科院AgentAlpha
这项由法国Hornetsecurity公司与里尔大学、法国国家信息与自动化研究院(Inria)、法国国家科学研究中心(CNRS)以及里尔中央理工学院联合开展的研究，发表于2026年3月31日的计算机科学期刊，论文编号为arXiv:2603 29497v1。 在信息爆炸的今天，我们每天都在网上留下数字
当你满怀期待地拆开一台全新的智能设备，最令人困扰的往往不是如何使用它，而是如何让它真正“理解”指令并智能地执行任务。如今，一个更为优雅的解决方案可能已经出现。来自清华大学深圳国际研究生院与哈尔滨工业大学（深圳）的联合研究团队，近期取得了一项极具前瞻性的突破：他们成功训练人工智能自主“撰写”并精准理解
2026年3月，来自华盛顿大学、艾伦人工智能研究所和北卡罗来纳大学教堂山分校的研究团队，在图像智能矢量化领域取得了一项突破性进展。这项研究（论文编号：arXiv:2603 24575v1）开发了一个名为VFig的AI系统，它能够将静态的栅格图像智能地转换为可自由编辑的矢量图形，如同一位“图形考古学家