Sovrappeso e metabolismo in tilt? Il modello matematico DAMM riscrive il concetto di “caloria”
Un nuovo modello bioenergetico dell’Arizona State University integra il contributo del microbiota intestinale nel calcolo dell’energia realmente assorbita dall’organismo, superando i limiti del tradizionale sistema Atwater.
Da oltre un secolo, quando contiamo le calorie di un alimento usiamo i fattori di Atwater: 4 kcal per ogni grammo di proteine, 4 per i carboidrati, 9 per i grassi. È un sistema semplice, robusto, ma cieco a una variabile che la ricerca degli ultimi vent’anni ha reso centrale: il microbiota intestinale. Uno studio pubblicato su PLOS ONE da un gruppo dell’Arizona State University, in collaborazione con l’AdventHealth Translational Research Institute di Orlando, propone un modello matematico alternativo — DAMM, acronimo di Digestion, Absorption, and Microbial Metabolism — che segue il cibo oltre l’etichetta nutrizionale, calcolando quanta energia il corpo assorbe davvero, tenendo conto dell’attività fermentativa dei batteri del colon (Davis et al., 2026). La notizia, ripresa anche da Il Sole 24 Ore, apre prospettive interessanti per chi si occupa quotidianamente di sovrappeso, obesità e diabete di tipo 2.
Il limite del sistema Atwater: un secolo di approssimazione
I fattori di Atwater nascono da un lavoro empirico di fine Ottocento: sottraendo l’energia persa con feci, urine e gas combustibili dal calore di combustione totale di proteine, carboidrati e grassi, Wilbur Atwater ricavò tre coefficienti unici, validi per ogni alimento e ogni persona (Atwater & Woods, 1896). Il sistema tratta l’intero apparato digerente come una “scatola nera” e assume implicitamente che il contributo del microbiota colico sia costante da individuo a individuo — nonostante sia ormai noto che la composizione della comunità microbica varia con sesso, età, etnia, area geografica, genetica, stato di salute e, soprattutto, dieta. Diversi lavori hanno già documentato come l’approccio Atwater tenda a sovrastimare o sottostimare sistematicamente l’energia metabolizzabile di specifici alimenti, in particolare nelle diete ricche di fibra (Baer et al., 2016; Davis et al., 2026).
DAMM: cinque tappe per seguire il cibo oltre l’etichetta
Il modello DAMM accompagna virtualmente proteine, carboidrati e grassi lungo l’intero tratto digerente, in cinque passaggi sequenziali (Davis et al., 2026):
- Energia lorda della dieta. la composizione dell’alimento (aminoacidi, lipidi, zuccheri, amido, fibra) viene ricavata dal database USDA FoodData Central e convertita in energia lorda di ciascun macronutriente.
- Assorbimento diretto nel tratto gastrointestinale superiore. il modello calcola quota assorbita nello stomaco e nell’intestino tenue, prima dell’ingresso nel colon.
- Stechiometria microbica nel colon. la frazione non assorbita a monte viene “consegnata” ai batteri colici, modellati come un reattore a mescolamento completo con tempo di transito misurato individualmente.
- Produzione microbica di metaboliti. il modello predice quantitativamente la produzione di acidi grassi a catena corta (SCFA — acetato, propionato, butirrato) e di metano da parte della flora fermentante e dei metanogeni.
- Assorbimento finale. viene stimata la quota di SCFA e di altri prodotti microbici che passa dal colon al circolo sistemico, contribuendo all’energia metabolizzabile totale dell’ospite.
Il tempo di transito colico (CTT), misurato nello studio con una capsula ingeribile radiotrasmittente (SmartPill™), si è rivelato una variabile chiave: più lungo il transito, maggiore la quota di SCFA che viene riassorbita invece di essere eliminata con le feci.
Il microbiota come “secondo metabolismo”
Gli SCFA prodotti dalla fermentazione di fibra e amido resistente che sfuggono alla digestione nel tratto superiore non sono uno scarto: vengono assorbiti dall’epitelio colico e utilizzati come substrato energetico dall’organismo. Nella coorte di validazione, il modello ha stimato che gli SCFA assorbiti dal colon contribuiscono in media per 43,6 ± 12,0 gCOD al giorno all’energia metabolizzabile totale — circa il 7,4%, equivalente a quasi 140 kcal al giorno — con un riparto medio dell’85% dell’energia utile proveniente dal tratto superiore e del 15% dal colon (Davis et al., 2026). Come ha osservato Ramona De Amicis, ricercatrice in Nutrizione Umana dell’Università di Milano, il modello DAMM supera l’approccio puramente calorico mostrando come l’energia netta realmente disponibile sia modulata in modo attivo dall’efficienza digestiva individuale e, in misura determinante, dall’attività metabolica del microbiota intestinale; l’ecologia microbica si configura quindi come una variabile biologica imprescindibile, da considerare insieme a patrimonio genetico, stile di vita, composizione corporea e assetto metabolico nella costruzione di una nutrizione di precisione realmente personalizzata.
La validazione clinica: dieta “amica del microbiota” contro dieta occidentale
Per testare il modello, gli autori hanno utilizzato i dati di uno studio clinico randomizzato crossover già pubblicato (NCT02939703; Corbin et al., 2023), condotto su 17 adulti sani che hanno consumato, in ordine casuale, due diete molto diverse, ciascuno facendo da controllo di se stesso:
- Microbiome Enhancer Diet (MBD): dieta “whole-foods”, ricca di fibra e amido resistente, povera di alimenti processati, pensata per massimizzare il substrato fermentabile che raggiunge il colon.
- Western Diet (WD): dieta ricca di alimenti processati, povera di fibra e amido resistente.
Ogni dieta è stata seguita per 11 giorni a domicilio e per 11 giorni in regime di ricovero metabolico, con un periodo di washout di almeno 14 giorni tra le due fasi; entrambe le diete erano calibrate sul dispendio energetico individuale misurato in calorimetria. L’apporto dietetico medio era di 630 ± 105 gCOD al giorno: il modello ha predetto che circa il 16,2% di questa energia raggiunge il colon, mentre solo il 4,2% viene effettivamente perso con feci e gas — il resto viene recuperato, direttamente o tramite la mediazione microbica. Sul piano predittivo, DAMM ha mostrato un’accuratezza nettamente superiore al sistema Atwater nello stimare l’energia metabolizzabile reale (R² = 95,6% contro 88,5%; errore standard 20,6 contro 32,6 gCOD/die), riducendo lo scostamento medio dalle misurazioni dirette da –22,3 a –2,5 gCOD al giorno — una differenza che nei fatti si traduce in una sottostima sistematica di circa 80 kcal al giorno da parte del metodo tradizionale, particolarmente marcata nella dieta occidentale (Davis et al., 2026).
Un dettaglio inatteso: metanogeni “nascosti” nel biofilm intestinale
Un risultato secondario, ma di interesse fisiopatologico, riguarda la produzione di metano. Utilizzando la quantificazione del gene mcrA nei campioni fecali come stima diretta della biomassa di metanogeni (in primis Methanobrevibacter smithii), il modello sottostimava la produzione di metano di oltre un ordine di grandezza. La discrepanza si è risolta solo applicando un fattore di correzione (pari a 2,58), che suggerisce come la reale popolazione di metanogeni nel colon sia molto più numerosa di quella rilevabile nelle feci, perché in gran parte adesa in biofilm sullo strato di muco dell’epitelio colico, con un tempo di permanenza ben superiore al transito fecale. È un’osservazione coerente con la letteratura che lega specificamente M. smithii sia a fenotipi di obesità sia, paradossalmente, a stati di anoressia, e apre una traccia di ricerca sul ruolo dei biofilm epiteliali nella disbiosi (Davis et al., 2026).
Implicazioni per la pratica clinica
- Nutrizione di precisione. DAMM fornisce per la prima volta un quadro quantitativo, e non solo qualitativo, di quanto il microbiota individuale modifichi l’energia realmente disponibile da una stessa dieta — una possibile spiegazione, parzialmente meccanicistica, della variabilità interindividuale nella risposta a regimi alimentari isocalorici.
- Integrazione con i modelli di bilancio energetico esistenti. gli autori propongono che gli output del modello — in particolare la produzione di SCFA — possano essere collegati ai modelli già in uso per predire le variazioni della massa corporea, ampliandone il potere predittivo.
- Diete “mirate” sul microbiota. in prospettiva, lo strumento potrebbe aiutare a distinguere diete che “affamano” rispetto a diete che “nutrono” adeguatamente la comunità microbica colica, un parametro finora difficile da quantificare nella pratica clinica.
Limiti dello studio
- Il modello è stato validato su 17 adulti sani, non su pazienti con obesità, diabete di tipo 2 o altre condizioni metaboliche: la sua applicabilità clinica resta da dimostrare in queste popolazioni.
- Richiede input individuali complessi (tempo di transito colico misurato con capsula ingeribile, quantificazione molecolare dei metanogeni fecali) non disponibili nella pratica ambulatoriale corrente.
- La componente metanogenica ha richiesto un fattore di correzione empirico, segno che la struttura del biofilm epiteliale resta in gran parte ipotetica e necessita di conferma diretta.
- Mancano dati di applicazione longitudinale (studi di calo o incremento ponderale) che verifichino se le stime di energia metabolizzabile si traducano effettivamente in variazioni di peso corporeo predicibili.
Il commento dell’editore
Da internista che vede ogni giorno pazienti con risposte molto diverse alla stessa prescrizione dietetica, l’aspetto che trovo più interessante di questo lavoro non è la conferma — ormai acquisita — che il microbiota intestinale influenzi il bilancio energetico, ma il tentativo di renderla misurabile e modellabile, uscendo dal generico “il microbiota conta” per arrivare a un numero: 140 kcal al giorno non sono trascurabili, su scala di mesi possono fare la differenza tra il successo e l’insuccesso di un piano nutrizionale. Resto però cauto, e lo dico da clinico abituato a vedere modelli promettenti naufragare nel passaggio dal laboratorio al reparto: DAMM richiede oggi strumenti di misura (capsula del transito, qPCR fecale) che nessun ambulatorio di medicina interna possiede, ed è stato validato su volontari sani, non sui pazienti complessi e polimorbidi che vediamo nei nostri reparti di lungodegenza, spesso con alterazioni del microbiota secondarie a terapie antibiotiche ripetute, insufficienza renale o malnutrizione. Il valore immediato di questo lavoro, a mio avviso, è concettuale prima che applicativo: ci ricorda che “caloria” non è un dato fisso stampato su un’etichetta, ma il risultato di un’interazione dinamica tra cibo, intestino e un ecosistema microbico che è diverso in ogni paziente che abbiamo di fronte.
Asnicar, F., Berry, S. E., Valdes, A. M., Nguyen, L. H., Piccinno, G., Drew, D. A., et al. (2021). Microbiome connections with host metabolism and habitual diet from 1,098 deeply phenotyped individuals. Nature Medicine, 27(2), 321–332. https://doi.org/10.1038/s41591-020-01183-8
Atwater, W. O., & Woods, C. D. (1896). The chemical composition of American food materials (Bulletin No. 28). U.S. Department of Agriculture, Office of Experiment Stations.
Baer, D. J., Gebauer, S. K., & Novotny, J. A. (2016). Walnuts consumed by healthy adults provide less available energy than predicted by the Atwater factors. The Journal of Nutrition, 146(1), 9–13. https://doi.org/10.3945/jn.115.217372
Corbin, K. D., Carnero, E. A., Dirks, B., Igudesman, D., Yi, F., Marcus, A., et al. (2023). Host-diet-gut microbiome interactions influence human energy balance: A randomized clinical trial. Nature Communications, 14(1), 3161. https://doi.org/10.1038/s41467-023-38778-x
Davis, T. L., Dirks, B., Carnero, E. A., Corbin, K. D., Krakoff, J., Parrington, S., et al. (2021). Chemical oxygen demand can be converted to gross energy for food items using a linear regression model. The Journal of Nutrition, 151(2), 445–453. https://doi.org/10.1093/jn/nxaa321
Davis, T. L., Dirks, B., Carnero, E. A., Corbin, K. D., Smith, S. R., Marcus, A., Krajmalnik-Brown, R., & Rittmann, B. E. (2026). Modeling the microbial contribution to human energy balance using the Digestion, Absorption, and Microbial Metabolism (DAMM) model. PLOS ONE, 21(5), e0347668. https://doi.org/10.1371/journal.pone.0347668
DiBaise, J. K., Zhang, H., Crowell, M. D., Krajmalnik-Brown, R., Decker, G. A., & Rittmann, B. E. (2008). Gut microbiota and its possible relationship with obesity. Mayo Clinic Proceedings, 83(4), 460–469. https://doi.org/10.4065/83.4.460
Il Sole 24 Ore. (2026, giugno). Sovrappeso e metabolismo in tilt? Ecco il modello matematico per la dieta su misura. https://www.ilsole24ore.com/art/sovrappeso-e-metabolismo-tilt-ecco-modello-matematico-la-dieta-misura-AI9jFwhD
Krajmalnik-Brown, R., Ilhan, Z. E., Kang, D. W., & DiBaise, J. K. (2012). Effects of gut microbes on nutrient absorption and energy regulation. Nutrition in Clinical Practice, 27(2), 201–214. https://doi.org/10.1177/0884533611436116
Marcus, A., Davis, T. L., Rittmann, B. E., DiBaise, J. K., Carnero, E. A., Corbin, K., et al. (2021). Developing a model for estimating the activity of colonic microbes after intestinal surgeries. PLOS ONE, 16(7), e0253542. https://doi.org/10.1371/journal.pone.0253542
Arizona State University News. (2026, 27 maggio). You are what you eat — or are you? https://news.asu.edu/20260527-science-and-technology-you-are-what-you-eat-or-are-you
#acidiGrassiACatenaCorta #AdventHealth #amidoResistente #ArizonaStateUniversity #asseIntestinoMetabolismo #biofilmIntestinale #DAMMModel #diabeteTipo2 #dietaPersonalizzata #energiaMetabolizzabile #fattoriDiAtwater #fibraAlimentare #metabolismo #metanogeni #microbiotaIntestinale #modelloMatematicoDieta #nutrizioneClinica #nutrizioneDiPrecisione #obesità #PlosOne #SCFA #sovrappeso