De toenemende incidentie van pediatrische obesitas en zijn comorbiditeiten heeft geleid tot een dringende behoefte aan effectieve therapeutische benaderingen. Als antwoord op deze zorg wordt een innovatieve aanpak voorgesteld die is gericht op brongestuurde metabolietvoorspellingen, waarbij voedings-, microbioom-, levensstijl- en psychologische parameters worden geïntegreerd. Door verbanden op te helderen tussen metabolietbronnen en hun kenmerkende biomerkerprofielen, wil ik het op maat maken van behandelingen volgens het 4P-principe ondersteunen. Hiervoor integreer ik gegevens van drie pediatrische cohorten-MetaBEAse, FAME en ENVIRONAGE (n>1400). Met behulp van geavanceerde machine learning-technieken zal ik een voorspellend model construeren om relaties tussen bronnen en metabolieten bloot te leggen, wat uiteindelijk de personalisatie van therapeutische interventies mogelijk maakt. Om de robuustheid en causaliteit van het voorspellingsmodel te versterken, zal ik specifieke in vitro digesties uitvoeren, met de nadruk op voorspellingen die het meest relevant zijn voor het klinisch obese fenotype. Vervolgens zal ik in vivo experimenten uitvoeren met behulp van gehumaniseerde muismodellen. Door multidisciplinaire methodologieën te integreren die computationele analyse, in vitro en in vivo experimenten omvatten, wil dit onderzoeksinitiatief waardevolle inzichten verschaffen in de mechanismen van pediatrische obesitas als basis voor gepersonaliseerde therapeutische interventies.