De toenemende incidentie van pediatrische obesitas en bijhorende comorbiditeiten, noodzaken onderzoek naar vroegtijdige prognose en preventie. Daarom wordt een bron-gedreven metabolietpredictiemodel (gebaseerd op dieet, microbioom, levensstijl,...) voorgesteld, waarbij verbanden tussen metabolietbronnen en -biomerker signaturen zullen worden gelegd, die dan als basis dienen voor de individualisering van behandelingen (4P principe). Om dit model op te bouwen, zullen verschillende (metabolische) gegevens van 3 pediatrische cohorten (MetaBEAse, FAME en ENVIRONAGE; 1817 stalen) opgenomen worden in een machine learning gebaseerd predictiemodel. Om aan te tonen dat het haalbaar is om 4P geneeskunde naar de klinische praktijk te brengen, zal een gepatenteerde sampler (MetaSAMP®) verder ontwikkeld en geïntegreerd worden in een snelle metabolomics workflow. Deze workflow zal gecorreleerd worden met de conventionele metabolomics workflow en vervolgens zal een selectie van bron-gedreven relevante metabolieten gecontroleerd worden tijdens een geïndividualiseerde interventie van 12 weken, bestaande uit dieet- en leefstijladviezen, pro-, pre- en/of synbiotische suppletie en/of psychologische therapie, bij een representatieve selectie van kinderen met overgewicht. Veranderingen in metabole signaturen en klinische gegevens zullen worden gebruikt om de verbetering van de metabole status te beoordelen, wat bijgevolg de weg kan vrijmaken naar effectieve routinematig toepasbare 4P geneeskunde.