Nutrigenomik & Ernährung: Wirkung und Studienlage im Klartext

Nutrigenomik verbindet Genetik und Ernährung, um individuelle Risiken und Stoffwechselreaktionen besser zu verstehen. In der Praxis bedeutet das meist: personalisierte Diätpläne werden anhand von Risiko- oder Ernährungsprofilen getestet—während echte „Gen-Umschaltungen“ selten direkt gemessen werden. In diesem Artikel ordnen wir ein, was die vorliegenden Studien tatsächlich belegen, und wo die Datenlage begrenzt ist.

Worum es bei Nutrigenomik wirklich geht – und wo oft Missverständnisse entstehen

Kernantwort: Nutrigenomik versucht, genetische Unterschiede mit Ernährungsreaktionen zu verknüpfen—belegt ist jedoch in der Regel eher, dass personalisierte Interventionen Verhalten und Risikofaktoren verbessern, nicht, dass man den molekularen Genmechanismus in jedem Fall direkt nachweist. Viele Effekte stammen daher eher aus Studiendesign und Adhärenz als aus klar gemessenen Gen-Umschaltungen.

Nutrigenomik wird oft so dargestellt, als könnte man allein anhand weniger genetischer Marker „die richtige Diät“ exakt zuweisen. Das ist als Vision nachvollziehbar, aber in der Studienlage dominiert ein anderer Realitätstyp: personalisierte Ernährungsansätze werden überwiegend über operationalisierte Profile getestet—etwa Risikoproxies, Ernährungsgewohnheiten oder andere datenbasierte Zielgrößen. Der „genaue molekulare Mechanismus“ ist dabei häufig nicht das primäre Outcome, sondern bleibt indirekt.

Ein wichtiger Punkt: Selbst wenn ein personalisierter Plan messbar wirkt (z. B. bessere Ernährungsqualität oder günstigere Risikoindikatoren), folgt daraus nicht automatisch, dass „die Gene“ kausal der Auslöser waren. In RCTs reduziert man Confounding stark, aber es bleibt möglich, dass der Effekt vor allem durch:

• eine bessere Umsetzung (Adhärenz),
• eine veränderte Kalorien- und Nährstoffzusammensetzung,
• Unterschiede im Coaching/Monitoring entsteht—und nicht durch eine klar nachgewiesene Gen-Expression.

Das wird besonders deutlich, wenn man sich auf Mechanismen fokussiert: In mehreren Datentypen (Beobachtungsstudien, genetische Instrumentvariablen, Tiermodelle) werden Zusammenhänge plausibel gemacht, aber die Übertragung auf Menschen und die genaue Ursache bleiben je nach Endpunkt unterschiedlich stark. Aus Studien wie (Masip et al., 2025, PMID 40375759) oder (Han et al., 2024, PMID 39393497) ist hilfreich ableitbar, dass genetisches Risiko mit Ernährungsumfeldern zusammenhängen kann—aber es ist nicht automatisch ein „Schalter-Modell“ mit exakt messbarer Wirkung pro Variante.

Wenn du „Gen-basiert“ als Entscheidungskriterium nutzen willst, ist die saubere Übersetzung daher: Nutze Geninformationen eher als Risikoleitplanken, nicht als Beweis für einen spezifischen Mechanismus—bis RCTs genau diese Interaktion robust testen.

Lifestyle zuerst: Welche Hebel in der Evidenz typischerweise vor Supplements kommen

Kernantwort: Für die meisten Gesundheitsziele sind strukturierte Lebensstil-Interventionen (Essen planen, umsetzen, Adhärenz erhöhen) in der Studienlage meist besser abgesichert als „nutrigenomische Einzelstoffe“. Technologie-gestützte personalisierte Ernährung kann diätetische Outcomes verbessern, aber das ist häufig stärker eine Frage der Umsetzung als einer speziellen Supplementdosis (Lau et al., 2024, PMID 38296771; Cross et al., 2025, PMID 39420556).

Nutrigenomik wird oft als Einstieg in „gezielte Substanzen“ missverstanden. Tatsächlich zeigen die vorliegenden Daten vor allem eins: Wenn personalisierte Ernährung genutzt wird, werden die größten Unterschiede typischerweise über Diätverhalten erzielt—was dann Risikoindikatoren beeinflusst. Das heißt nicht, dass Supplements bedeutungslos sind. Aber in der Evidenzhierarchie stehen sie im Allgemeinen nachgelagert, weil die personalisierten Interventionen in den Studien primär Ernährungsgewohnheiten adressieren.

Technologie-gestützte personalisierte Ernährungsprogramme sind hier ein gutes Beispiel. In einer systematischen Übersicht und Metaanalyse zeigte (Lau et al., 2024, PMID 38296771), dass solche Programme bei Erwachsenen mit Übergewicht oder Adipositas mit besseren diätetischen Outcomes verbunden sind. Die Kernaussage ist wichtig: Es geht um Ernährung als Verhalten, nicht um eine standardisierte „Nutrigenomik-Pille“.

Auch für Erwachsene mit erhöhtem kardiovaskulärem Risiko ist die Richtung ähnlich. (Cross et al., 2025, PMID 39420556) untersuchte personalisierte Ernährungsinterventionen in RCTs und kam zu dem Schluss, dass es Hinweise auf Nutzen gibt, aber nicht überall konsistente Effekte auftreten. Das passt zu einer realistischen Interpretation: Personalisierung wirkt am zuverlässigsten, wenn sie die Alltagstauglichkeit erhöht (z. B. Ziele, Feedback, Monitoring), nicht wenn sie nur genetische Labels auf eine ansonsten gleich bleibende Ernährung klebt.

Praktisch heißt das: Wenn du „Wirkung maximieren“ willst, beginne bei:

• Kalorien- und Portionssteuerung (wenn Energieüberschuss ein Thema ist),
• Nährstoffqualität (z. B. Verteilung von Makronährstoffen und Anteil wirksamer Lebensmittelgruppen),
• Adhärenz (Umsetzung im Alltag, nicht perfekte Theorie),
• und erst danach: einzelne gezielte Ergänzungen—wenn für dein Endziel überhaupt belastbare Evidenz existiert.

Gerade bei gastrointestinalen Problemen zeigt sich: In einem systematischen Review und Meta-Analyse zu Ernährung in der Krebstherapie fasst (Alzoubi et al., 2025, PMID 40706958) Ernährungsinterventionen als relevant zusammen, aber die Ansätze und Endpunkte variieren stark. Auch hier gewinnt „Lifestyle zuerst“: Der Weg führt über die konkrete Ernährungsgestaltung, nicht über pauschale nutrigenomische Zusatzstoffe.

Evidenz-Hierarchie bei Nutrigenomik: Was Metaanalysen gut klären und was nicht

Kernantwort: Metaanalysen aus RCTs sind besonders gut, um Wirkungen von personalisierter Ernährung auf Verhalten und Risikofaktoren zu beurteilen. Genetische und mechanistische Evidenz (z. B. Mendelsche Randomisierung oder Tierdaten) kann Kausalität plausibilisieren, bleibt aber oft modell- und endpunktabhängig—und ist nicht automatisch gleichbedeutend mit klinischer Wirksamkeit beim Menschen (Masip et al., 2025, PMID 40375759; Shen et al., 2025, PMID 40103821).

Eine saubere Evidenzhierarchie hilft, Marketing von Methodik zu trennen. In der Studienliste finden wir mehrere Typen, die jeweils unterschiedliche Fragen beantworten:

1) RCTs / RCT-Metaanalysen (Wirksamkeit über Gruppenvergleich) RCTs sind die beste Basis für Aussagen zur Wirksamkeit, weil sie systematische Verzerrungen (Confounding) stark reduzieren. In der Praxis betrifft das vor allem Endpunkte wie:

• Ernährungsaufnahme (qualitativ/quantitativ),
• Risikofaktoren (z. B. metabolische Marker),
• manchmal auch klinische Endpunkte, falls die Studien lang genug laufen.

2) Beobachtungsstudien (Gen-Ernährung-Assoziationen) Wenn es um polygenes Risiko und Interaktionen mit Nährstoffaufnahme geht, sind häufig Beobachtungsdaten zentral. Metaanalysen wie (Masip et al., 2025, PMID 40375759) und (Han et al., 2024, PMID 39393497) können zusammenfassen, ob genetisches Risiko zusammen mit Ernährungsfaktoren mit Adipositas- bzw. anthropometrischen Outcomes assoziiert ist. Aber: Assoziation ist nicht automatisch Kausalität—selbst wenn man viele Kovariablen kontrolliert.

3) Mendelsche Randomisierung (kausale Prüfung unter Annahmen) (Mendelische Randomisierung plus Meta-Analyse) versucht, Kausalität zu prüfen, indem genetische Varianten als Instrumentvariablen genutzt werden. Ein Beispiel ist die Frage nach Aminosäuren und gastroösophagealem Reflux. (Shen et al., 2025, PMID 40103821) liefert dafür eine genetisch plausibilisierte Evidenzbasis—aber sie bleibt abhängig von den MR-Annahmen, z. B. ob das Instrument nur über den vermuteten Pfad wirkt.

4) Tier- und Mechanikdaten (hypothesengenerierend, nicht 1:1 übertragbar) Tiermodelle können zeigen, dass bestimmte Diät-Restriktionsregime Effekte auf kognitive Funktion und pathologische Marker haben. (Sun et al., 2026, PMID 41666965) fasst solche Daten in einer Meta-Analyse für Alzheimer-Mausmodelle zusammen. Aber: Selbst wenn Mechanismen konsistent wirken, ist die Übertragbarkeit auf Menschen limitiert. Genau dieses „Limitation“ ist in der Übersetzungsarbeit entscheidend.

Was Metaanalysen gut klären: Richtung und Robustheit über viele Studien. Was sie nicht automatisch lösen: den exakten Gen-Ursache-Weg oder die klinisch beste Interventionsform für eine spezifische Genvariante. Dafür bräuchte es sehr spezifische RCT-Designs, die den Genotyp als echte Effektmodifikation testen und passende biologische Endpunkte messen.

Im Zweifel gilt: RCTs für Outcome-Wirkung, genetische Verfahren für Kausalitätsplausibilität, und Mechanikdaten für biologisches Verständnis—aber nicht als Ersatz für Wirksamkeitsbelege.

Wirkungen & Studienart: Was in den vorliegenden Studien wie gut belegt ist

Personalisierte Ernährung in RCT-Umsetzung: Intake und Risikofaktoren verbessern

Kernantwort: In der RCT-gestützten Studienlage lassen sich personalisierte Ernährungsansätze häufiger mit Verbesserungen bei Ernährungsaufnahme und teils mit Risikofaktoren verbinden. Die Effekte sind jedoch heterogen, und „personalisiert“ bedeutet in Studien oft nicht „Gen-zu-Gen“, sondern Risiko-/Ernährungsprofile plus Coaching (Cross et al., 2025, PMID 39420556; Lau et al., 2024, PMID 38296771).

Die entscheidende Frage für die Praxis lautet: Wenn „personalisierte Ernährung“ getestet wird—wodurch entsteht der Effekt konkret? In den vorliegenden Übersichten wird deutlich, dass Personalisierung meist über eine Kombination aus Zielsetzung, Feedback und Struktur erfolgt. Genetische Informationen können dabei vorkommen, sind aber nicht immer der zentrale Treiber.

(Lau et al., 2024, PMID 38296771) fasst technologie-gestützte personalisierte Ernährungsinterventionen zusammen und zeigt positive Effekte auf diätetische Outcomes bei Erwachsenen mit Übergewicht oder Adipositas. Wichtig ist die Interpretation: Technologie erleichtert häufig Planung, Tracking und Rückkopplung. Damit steigen Chancen auf Adhärenz—und Adhärenz ist ein direkter Weg zu besseren diätetischen Ergebnissen.

(Cross et al., 2025, PMID 39420556) geht einen Schritt weiter und bewertet RCTs bei Erwachsenen mit erhöhtem kardiovaskulärem Risiko. Die Metaanalyse kommt zu dem Ergebnis, dass es Hinweise auf Nutzen gibt, aber nicht überall konsistente Effekte. Das ist methodisch konsistent: Unterschiedliche Populationen, Interventionslängen, Zielgrößen und Ausprägungen der „Personalisierung“ führen zu heterogenen Ergebnissen. Genau deshalb ist es gefährlich, aus RCTs Einzelclaim-„Gewissheit“ für jede Person zu machen.

Ein weiterer Punkt: Wenn der Genotyp in der Personalisierung nicht direkt als Interaktionsvariable getestet wird, bleibt unklar, ob die Wirkung „gen-getrieben“ ist. Stattdessen ist der wahrscheinlichere Wirkweg in diesen RCTs oft:

• bessere Umsetzung (Adhärenz),
• realistischere Ernährungsvorgaben,
• und dadurch Änderungen der Makro-/Mikronährstoffverteilung oder Energiebilanz.

Für dich heißt das: Wenn du personalisierte Ernährung als Strategie nutzt, achte in der Umsetzung darauf, dass „personalisiert“ nicht nur eine Datentags-Optik ist, sondern tatsächlich zu einem besseren Umsetzungsplan führt. Das ist auch dann relevant, wenn du (noch) keine belastbare Genvarianz-Interaktions-RCT für deinen konkreten Endpunkt hast.

Genetische Risiko-Profile und Nährstoffaufnahme: Was aus Beobachtungsdaten abgeleitet werden kann

Kernantwort: Beobachtungsbasierte Metaanalysen deuten darauf hin, dass polygenes Adipositasrisiko und Nährstoffaufnahme gemeinsam mit Obesitas-Outcomes zusammenhängen können. Allerdings ist diese Evidenz primär assoziativ: Sie hilft beim Hypothesenaufbau und bei Risikostratifizierung, ersetzt aber nicht die direkte Testung in RCTs für eine konkrete Gen-zu-Ernährungsänderung (Masip et al., 2025, PMID 40375759; Han et al., 2024, PMID 39393497).

Polygenes Risiko steht für die Summe vieler kleiner genetischer Effekte. In der Praxis wäre die Idee: Menschen mit höherem polygenen Risiko reagieren „sensibler“ auf Ernährungsumwelt oder Nährstoffzusammensetzung. Genau diese Frage ist in der Studienliste mit zwei Meta-Analysen aus Beobachtungsdaten adressiert.

(Masip et al., 2025, PMID 40375759) untersucht in einer systematischen Review und Metaanalyse von Beobachtungsstudien, ob Interaktionen zwischen polygenem Adipositasrisiko und Nährstoffaufnahme mit Obesitas-Outcomes zusammenhängen. Der praktische Wert liegt darin, dass solche Studien Muster sichtbar machen, die man dann gezielt in Interventionsstudien testen kann. Aber: Ohne RCT bleibt offen, wie groß der kausale Beitrag ist und über welche Mechanismen er läuft.

(Han et al., 2024, PMID 39393497) fasst eine Übersichtsarbeit zusammen, die polygenes Risiko von Adipositas und diätetische Faktoren auf anthropometrische Outcomes betrachtet. Auch hier gilt: Effekte können abhängig vom Studiendesign und vom Endpunkt variieren. Das bedeutet nicht „nutzlos“, aber es bedeutet: Keine lineare Übersetzung wie „hohes Risiko → genau Nährstoff X erhöhen/vermindern“.

Wie übersetzt man das seriös in die Praxis?

• Nutze genetische Risikoangaben als Priorisierung: Wer hat vermutlich höhere Basisrisiken?
• Nutze Ernährung als universelle Hebel: Eine hochwertige Nahrungsqualität und passende Energiebilanz sind in der Regel für fast alle relevant.
• Wenn du Gen-basiert handeln willst, formuliere es als Risikoleitplanke statt als präzise Gen-Interventionsanweisung.

Das ist auch der Punkt, an dem der Unterschied zu echten Genotyp-Interventions-RCTs liegt: Solche Studien müssten die Interaktion zwischen Genprofil und spezifischem Ernährungsbaustein direkt testen und idealerweise objektive biologische Endpunkte einbeziehen. In der vorliegenden Liste finden wir dafür eher indirekte Evidenztypen.

Wenn du dir „Gen-genau“ wünschst: Die Datenlage ist aktuell am stärksten dort, wo RCTs personalisierte Ernährung auf Verhalten und Risikoindikatoren messen—und am schwächsten dort, wo ein exakter molekularer Pfad pro Genvariante behauptet wird. Genau diese Differenz solltest du in deiner Erwartungshaltung sauber halten.

Mechanismen nach Endpunkt getrennt: Kognition, Lipidstoffwechsel, Reflux und GI-Symptome

Kernantwort: Mechanistische Fragen wurden in der Liste über verschiedene Endpunkte getrennt untersucht: In Alzheimer-Mausmodellen können Diät-Restriktionsregime kognitive und pathologische Marker beeinflussen (Sun et al., 2026, PMID 41666965); bei Emulgatoren gibt es molekulare Mechanismus-Hypothesen für Lipidstoffwechsel/Energieverwertung (Adli et al., 2026, PMID 41722228); bei Aminosäuren und Reflux liefern genetische Ansätze plus Meta-Analyse Hinweise auf Zusammenhänge (Shen et al., 2025, PMID 40103821); und bei GI-Symptomen während Krebstherapie zeigen Ernährungstherapien potenziellen Nutzen, aber mit heterogenen Ansätzen (Alzoubi et al., 2025, PMID 40706958).

Mechanismen sind der Bereich, in dem Nutrigenomik häufig am spannendsten wirkt—und am meisten Gefahr läuft, überinterpretiert zu werden. Darum trennen wir die Endpunkte.

Kognition (Alzheimer-Mausmodelle)

(Sun et al., 2026, PMID 41666965) bündelt in einer systematischen Übersicht und Meta-Analyse Ergebnisse zu Diät-Restriktionsregimen und deren Effekte auf kognitive Funktionsmaße und pathologische Marker in Alzheimer-Mausmodellen. Der klare Nutzen: Du bekommst einen Überblick, welche Diät-Restriktionsstrategien in Tiermodellen mit Veränderungen assoziiert sind. Aber die Einschränkung ist ebenso klar: Mausmodelle sind nicht automatisch auf Menschen übertragbar. Du solltest diese Daten als hypothesengenerierend sehen—nicht als direkte Handlungsanweisung für „Alzheimer beim Menschen“.

Lipidstoffwechsel & Energieverwertung (Emulgatoren in Geflügelfütterung)

(Adli et al., 2026, PMID 41722228) berichtet als Meta-Analyse mit KEGG-Mapping über molekulare Mechanismen, die bei Emulgatoren aus der Geflügelernährung mit Lipidstoffwechsel und Energieverwertung zusammenhängen könnten. Das liefert biologisch plausibles Framing. Aber: Das ist keine Humanwirksamkeitsaussage, sondern eine mechanistische Einordnung aus dem jeweiligen Datenkontext.

Aminosäuren & gastroösophagealer Reflux

Für die Verbindung von Aminosäuren und gastroösophagealem Reflux liefert (Shen et al., 2025, PMID 40103821) eine Mendelsche Randomisierung plus Meta-Analyse. Solche Designs sind näher an Kausalitätsfragen als reine Beobachtungsstudien. Dennoch sind MR-Ergebnisse immer modell- und annahmeabhängig. Also: Das kann dir helfen, bestimmte Hypothesen realistischer zu sehen, ersetzt aber nicht eine individualisierte klinische Prüfung, wenn du konkrete Refluxsymptome hast.

GI-Symptome während Krebstherapie

(Alzoubi et al., 2025, PMID 40706958) fasst in einer systematischen Review und Meta-Analyse Ernährunginterventionen bei gastrointestinalen Symptomen während Krebstherapie zusammen. Die Botschaft: Es gibt Nutzenchancen. Die wichtige Einschränkung bleibt: Interventionen und Endpunkte sind heterogen. Das ist entscheidend für die Übersetzung in den Alltag: „Es wirkt“ ist hier zu grob. Die Details (Welche Ernährung, welche Population, welches Symptom, welche Messung?) bestimmen, wie gut die Ergebnisse auf deine Situation passen.

Was du daraus methodisch lernen kannst

Mechanismen nach Endpunkt getrennt zu betrachten verhindert, dass man „ein Versprechen“ über alle Bereiche zieht. Nutrigenomik ist am belastbarsten, wenn du den Endpunkt passend zur Evidenzquelle auswählst:

• Menschen-Outcome eher über RCTs,
• Kausalitäts-Hypothesen über MR,
• Mechanik über Tier/biologische Modelle—mit klarer Übertragungs-Unsicherheit.

Dosierung, Umsetzung und Sicherheit: Was man bei Nutrigenomik nicht pauschal sagen darf

Kernantwort: Die vorliegende Studienlage in dieser Liste bezieht sich überwiegend auf Ernährungsregime, Interventionsprogramme und Risikoanalysen, nicht auf standardisierte, nutrigenomische Supplement-Dosierungen. Daher gibt es keinen belastbaren „Nutrigenomik-Standardbereich“ für Substanzen, den man pauschal empfehlen könnte. Wenn du Supplements erwägst, muss das individuell anhand Erkrankung, Medikamenten und Risiken geprüft werden (in dieser Studienliste nicht als standardisierte Dosierempfehlung abgedeckt).

In vielen Nutrigenomik-Diskussionen wird schnell von „Gen + Nährstoff“ zu „also nimm Supplement X in Dosis Y“ gewechselt. Genau das kannst du aus den vorliegenden Quellen nicht zuverlässig ableiten. Der Grund ist nicht nur „unvollständige Forschung“, sondern ganz konkret: Die Studienliste enthält hier überwiegend Programme/Regime (Diät-Restriktion, ernährungsbasierte Interventionen) und genetisch/statistische Analysen—keine standardisierten Dosierungsfenster für bestimmte Supplements, aus denen man Sicherheit oder Wirksamkeit direkt ableiten könnte.

Deshalb kann ich keine seriösen, allgemeingültigen Dosierungsbereiche nennen. Auch Sicherheitshinweise im Sinne von „diese Menge ist sicher bei…“ wären in dieser Studienlage nicht abgedeckt und würden eine Empfehlung auf Lücken bauen—und das wäre wissenschaftlich unseriös.

Was du stattdessen aus der Evidenzlage sinnvoll ableiten kannst:

Umsetzung vor Supplement

Wenn du bereits ernährungsbezogene Ziele hast (z. B. Energieüberschuss reduzieren, Ernährungsqualität verbessern, Reflux oder GI-Symptome managen), dann sind die wirksameren ersten Schritte in der Regel:

• strukturiertes Ernährungsdesign,
• Adhärenz-Tools (z. B. Tracking, Feedback, Coaching),
• und die gezielte Anpassung an Endpunkt und Verträglichkeit.

Das passt zu den RCT-nahen Übersichten zu personalisierter Ernährung bei Risiko- und Diätoutcomes (Cross et al., 2025, PMID 39420556; Lau et al., 2024, PMID 38296771) sowie zu GI-symptombezogenen Ernährungsinterventionen (Alzoubi et al., 2025, PMID 40706958).

Wenn Supplements trotzdem in Frage kommen: Sicherheitslogik

Die Studienliste liefert keinen „Nutrigenomik-Sicherheitskatalog“ für Supplementdosen. Praktisch bedeutet das:

• Besprich Supplements insbesondere dann ärztlich, wenn bei dir relevante Situationen bestehen (z. B. laufende Krebstherapie oder Refluxsymptome mit medizinischer Behandlung).
• Prüfe Interaktionen mit Medikamenten.
• Starte nicht mehrere neue Substanzen gleichzeitig, wenn du Verträglichkeit und Nutzen beurteilen willst.

Ohne konkrete Supplement-Evidenz in den gelisteten Studien wäre „Dosis und Timing“ eine Behauptung ohne Grundlage. Daher bleibt die evidenzbasierte Linie: erst Ernährung strukturiert umsetzen, dann—wenn überhaupt—gezielt nach Endpunkt und Population entscheiden.

Ein weiterer Punkt: Selbst wenn genetische oder mechanistische Daten (z. B. Aminosäuren/Reflux via MR) Hinweise geben (Shen et al., 2025, PMID 40103821), folgt daraus nicht automatisch, dass ein bestimmtes Supplement in einer bestimmten Dosis die gleiche Wirkung beim Menschen erzielt. MR sagt nicht „nimm X“, sondern „in der genetisch modellierten Exposition könnte ein Zusammenhang bestehen“. Dazwischen liegt die klinische und praktische Übersetzungsarbeit.

Was du daraus mitnimmst

• Nutrigenomik ist in der Praxis meist personalisierte Ernährung als Verhalten: In der Studienlage sind Effekte auf Intake und Risikofaktoren häufig besser belegt als direkte Gen-Umschaltungen.
• RCTs liefern die robustere Wirksamkeitsbasis für diätetische Outcomes und Risikoindikatoren (Cross et al., 2025, PMID 39420556; Lau et al., 2024, PMID 38296771).
• Genetische Risiko-Profile sind nützlich für Hypothesen und Priorisierung, ersetzen aber keine RCT, die genau diese Gen–Nährstoff-Interaktion testet (Masip et al., 2025, PMID 40375759; Han et al., 2024, PMID 39393497).
• Mechanismen sind endpunkt-spezifisch und oft nicht 1:1 auf Menschen übertragbar (Sun et al., 2026, PMID 41666965; Adli et al., 2026, PMID 41722228).
• Keine pauschalen Supplement-Dosierungen aus dieser Studienliste ableiten: Die Evidenz bezieht sich überwiegend auf Ernährungsregime und Programme, nicht auf standardisierte Supplementbereiche.