UvA · Nutrikinetics Ewoud van Velzen Nutrikinetics Ewoud van Velzen Uitnodiging voor het bijwonen...

UvA-DARE is a service provided by the library of the University of Amsterdam (https://dare.uva.nl)

UvA-DARE (Digital Academic Repository)

Nutrikinetics

van Velzen, E.J.J.

Publication date2010Document VersionFinal published version

Link to publication

Citation for published version (APA):van Velzen, E. J. J. (2010). Nutrikinetics.

General rightsIt is not permitted to download or to forward/distribute the text or part of it without the consent of the author(s)and/or copyright holder(s), other than for strictly personal, individual use, unless the work is under an opencontent license (like Creative Commons).

Disclaimer/Complaints regulationsIf you believe that digital publication of certain material infringes any of your rights or (privacy) interests, pleaselet the Library know, stating your reasons. In case of a legitimate complaint, the Library will make the materialinaccessible and/or remove it from the website. Please Ask the Library: https://uba.uva.nl/en/contact, or a letterto: Library of the University of Amsterdam, Secretariat, Singel 425, 1012 WP Amsterdam, The Netherlands. Youwill be contacted as soon as possible.

Download date:26 Mar 2021

Nutrikinetics

Ewoud van Velzen

Nutrikineti

oud van Velzen

Uitnodiging

voor het bijwonen van

de openbare verdediging

van het proefschrift

Nutrikinetics

Dinsdag 30 november 2010

om 10.00 uur

Agnietenkapel op de

Oudezijds Voorburgwal 231

in Amsterdam

Na afloop van de ceremonie

is er een receptie.

Vervolgens is er na afloop van

de receptie van 12:30 tot 14:00

een besloten lunch.

Vanaf 19:30 is iedereen

uitgenodigd om de promotie

te vieren. Dit feest is voor

iedereen open.

ParanimfenDaniël Vis

Ferdi van Dorsten

Ewoud van Velzen

Oranjelaan 12

3135 ZN Vlaardingen

010-4743497

Ewoud-van.Velzen@unilever.com

Eduwardus Jacobus Johannes (Ewoud) van Velzen was born on the 1st of

June 1968 in Leiden, the Netherlands. After finishing his senior general

secondary education in Bemmel, he moved to Arnhem, and later to Deventer,

to study analytical chemistry. In 1991 he finished the secondary vocational

education at the Hogeschool Interstudie and in 1994 he received his bachelor degree at the

Hogeschool IJsselland. In the following year he started working at the University of Twente

in Enschede where he gained technical expertise and knowledge of applied NMR and GC-

MS techniques. After successfully finishing this first year, he found a new challenge and

decided to work as a computer programmer at Cap Gemini in Utrecht. After a short trainings

trajectory, he was seconded to the ING bank in Amsterdam where he contributed in a (long-

term) software-based maintenance program related to the “Year 2000” problem. However,

his strong affection with the analytical laboratory decided him to start a new career at

the Research and Development laboratory of Unilever in Vlaardingen. In 1996 he moved

to Vlaardingen and started as a food and detergent researcher within the spectroscopic

department. In 9 years time he became fully operational in various analytical expertise

areas including High Resolution NMR, FTIR, (FT)NIR, XRF, AAS, CD, UV-VIS etc. Captivated

by the scientific challenges involving the chemometric data analysis, in 2005, he focussed

on a rather new, promising and expanding bioanalytical research field called metabolomics.

The initial successes and perspectives of metabolomics within Unilever led to a new joint

initiative with some leading European partners. This European project allowed him to obtain

a PhD degree at the University of Amsterdam which resulted in the writing of this thesis. To

date he still works as a metabolomics researcher at Unilever in close collaboration with the

University of Amsterdam. His main focus is to investigate the dynamic and static effects of

food interventions (including gut microbial metabolism) within the human superorganism.

Nutrikineti cs

ISBN: 978-94-6108-090-5

Layout and printed by: Gildeprint Drukkerijen - Enschede, the Netherlands

Nutrikineti cs

ACADEMISCH PROEFSCHRIFT

ter verkrijging van de graad van doctor

aan de Universiteit van Amsterdam

op gezag van de Rector Magnifi cus

prof. dr. D.C. van den Boom

ten overstaan van een door het college voor promoti es

ingestelde commissie, in het openbaar te verdedigen

in de Agnietenkapel

op dinsdag 30 november 2010, te 10:00 uur

Eduwardus Jacobus Johannes van Velzen

geboren te Leiden

Promoti ecommissie

Promotor:

Prof. dr. A.K. Smilde

Copromotor:

Dr. J.A. Westerhuis

Overige leden:

Prof. dr. S. Brul

Prof. dr. M. Danhof

Dr. J.P.M. van Duynhoven

Prof. dr. P.H.C. Eilers

Prof. dr. E. Holmes

Prof. dr. ir. J.G.M. Janssen

Prof. dr. J.H. Ravesloot

Faculteit der Natuurwetenschappen, Wiskunde en Informati ca

The research reported in this thesis was carried out at the Swammerdam Insti tute for

Life Sciences, Faculty of Science, Universiteit van Amsterdam.

Contents

Chapter 1 Nutrikinetics: Definition and current status 7

Chapter 2 Multilevel data analysis of a crossover designed human 29

nutritional intervention study

Chapter 3 Multivariate paired data analysis: Multilevel PLSDA versus 55

OPLSDA

Chapter 4 Phenotyping tea consumers by nutrikinetic analysis of 77

polyphenolic end-metabolites

Chapter 5 Exploring the nutrikinetic processes and co-metabolome 107

associations of dietary polyphenols in humans

Chapter 6 Nutrikinetics and Nutridynamics: Summary, concluding remarks 141

and outlook

Publications 159

Nutrikinetiek en Nutridynamiek: Samenvatting, conclusies en 163

toekomstperspectieven

Acknowledgments 173

Nutrikineti cs:

Defi niti on and current status

E.J.J. van Velzen1,2,3

, J.A. Westerhuis1,3

, J.P.M. van Duynhoven2,3

, A.K. Smilde1,3

1Biosystems Data Analysis, Swammerdam Insti tute for Life Sciences, Universiteit van Amsterdam,

Nieuwe Achtergracht 166, 1018 WV Amsterdam, The Netherlands

2Unilever Research and Development, Olivier van Noortlaan 120, 3133 AT Vlaardingen,

The Netherlands.

3Netherlands Metabolomics Centre, Leiden, The Netherlands.

This chapter will be submitt ed for publicati on.

This chapter is based on: van Duynhoven, J., Vaughan, E.E., Jacobs, M., Kemperman, A., van Velzen, E.J.J.,

Gross, G., Roger, L.C., Possemiers, S., Smilde, A.K., Doré, Joël., Westerhuis, J.A., & Van de Wiele, T. (2010),

Proceedings of the Nati onal Academy of Sciences., online, doi: 10.1073/pnas.1000098107.

Chapter 1

Nutrikineti cs: Defi niti on and current status

Chapter 1

Depolymerization Deconjugation

Microbial Metabolism

Deconjugation

Biliary secretion

Fecal excretion

polymers glycosides aglycones

Polyphenols

Chapter 1

Human superorganism

Dose D

Chapter 1

Multi level data analysis of a crossover designed human

nutriti onal interventi on study

Ewoud J.J. van Velzen†, §, Johan A. Westerhuis†, John P.M. van Duynhoven§,

Ferdi A. van Dorsten§, Huub C.J. Hoefsloot†, Doris M. Jacobs§, Suzanne Smit†, Richard Draijer§,

Christi ne I. Kroner§, Age K. Smilde†

† Biosystems Data Analysis, Swammerdam Insti tute for Life Sciences, Universiteit van Amsterdam,

Nieuwe Achtergracht 166, 1018 WV Amsterdam, The Netherlands, § Unilever Food and Health Research

Insti tute, Olivier van Noortlaan 120, 3133 AT Vlaardingen, The Netherlands.

This chapter is published as: Van Velzen, E. J. J.; Westerhuis, J. A.; Van Duynhoven, J. P.;

Van Dorsten, F. A.; Hoefsloot, H. C.; Smit, S.; Draijer, R.; Kroner, C. I.; Smilde, A. K.

J.Proteome Res. 2008, 7, 4483-91.

Chapter 2

Multi level data analysis of a crossover designed human nutriti onal interventi on study

Chapter 2

EXPERIMENTAL SESSION

μ μμ

ρ ρρ ρ

Chapter 2

MATHEMATICAL METHODS

ε+γ+β+μ=

μ βγ ε

Chapter 2

( ) ++=

Chapter 2

RESULTS AND DISCUSSION

δ δδ

β δ δδ δ

δ δδ

β βδ

↑↓

Chapter 2

δδ δ

-3 -2 -1 0 1 2 3-3

-6 -4 -2 0 2 4-3

0123456789Chemical shift (ppm)

= Batch 1= Batch 2

= Female= Male

0123456789Chemical shift (ppm)

PC1 loadings plot

PC4 loadings plot

Chapter 2

0 10 20 30 40 50 600

Number of misclassifications

xp= 29.0

xo= 12.9

0 10 20 30 40 50 600

xo= 23.4

xp= 29.0

p << 0.0002

p = 0.058

0 10 20 30 40 50 600

xp= 29.0

xo= 12.9

0 10 20 30 40 50 600

xo= 23.4

xp= 29.0

p << 0.0002

p = 0.058

Chapter 2

δδ δ δ

Chapter 2

δ δδ

REFERENCES

Chapter 2

Multi variate paired data analysis:

Multi level PLSDA versus OPLSDA

Johan A. Westerhuis1,3*, Ewoud J.J. van Velzen1,2,3*, Huub C.J. Hoefsloot1, Age K. Smilde1,3

* These authors equally contributed to this work.

1Biosystems Data Analysis, Swammerdam Insti tute for Life Sciences, Universiteit van Amsterdam, Nieuwe

Achtergracht 166, 1018 WV Amsterdam, The Netherlands, 2Unilever Food and Health Research Insti tute,

Olivier van Noortlaan 120, 3133 AT Vlaardingen, The Netherlands, 3Netherlands Metabolomics Centre,

Leiden, The Netherlands.

This chapter is published as: Westerhuis, J. A.; van Velzen, E. J.; Hoefsloot, H. C.; Smilde, A. K.

Metabolomics 2010, 6, 119-28.

Chapter 3

Multi variate paired data analysis: Multi level PLSDA versus OPLSDA

Chapter 3

control treatment

control treatment meannet effect

δδδδ

0δδ δδ

Chapter 3

− [ ]−=

Chapter 3

-15 -10 -5 0 5 10 15-15

OPLSDA Tpred vs TO

Control

TreatmentMales

-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

MLPLSDA within subject

Control

Treatment

Chapter 3

-15 -10 -5 0 5 10-10

Chapter 3

-8 -6 -4 -2 0 2 4 6 8-30

OPLSDA Tpred vs TO1

Control

Treatment

-20 -10 0 10 20-15

7.57.67.77.8ppm

-20 -10 0 10 20-15

6.46.456.56.55ppm

Chapter 3

δ δ δδ δ δ

-15 -10 -5 0 5 10 15-4

77.27.47.67.8

1H chemical shift (ppm)

Hippuric acid

Chapter 3

Phenotyping tea consumers by nutrikineti c analysis of

polyphenolic end-metabolites

Ewoud J.J. van Velzen†,§, Johan.A. Westerhuis†, John P.M. van Duynhoven§,

Ferdi A. van Dorsten§, Christi an H. Grün§, Doris M. Jacobs§, Guus S.M.J.E. Duchateau§,

Daniel J. Vis†, Age K. Smilde†

† Biosystems Data Analysis, Swammerdam Insti tute for Life Sciences, Universiteit van Amsterdam,

Nieuwe Achtergracht 166, 1018 WV Amsterdam, The Netherlands, § Unilever Research and Development,

Olivier van Noortlaan 120, 3133 AT Vlaardingen, The Netherlands.

This chapter is published as: van Velzen, E. J.; Westerhuis, J. A.; Van Duynhoven, J. P.; Van Dorsten,

F. A.; Grun, C. H.; Jacobs, D. M.; Duchateau, G. S.; Vis, D. J.; Smilde, A. K.

J Proteome Res. 2009, 8, 3317-30.

Chapter 4

Phenotyping tea consumers by nutrikineti c analysis of polyphenolic end-metabolites

Chapter 4

plan tean

μ μμ

ρ ρρ ρ

Chapter 4

Concentration (μμμμmol.ml-1)

0 6 12 18 24 30 36 42 48

Time (h)

C ( μμ μμ

l.ml-1

Cumulative output (mmol)

0 6 12 18 24 30 36 42 48

Time (h)

66.577.588.59

Chemical shift (ppm)

t0 = 0h

t1 = 8h

t2 = 12h

t3 = 16h

t4 = 24h

t5 = 36h

t6 = 48h

)mol(ˆt,tˆˆx̂

)mol(ˆt,e1x̂tˆˆx̂

)mol(ˆt,tˆˆx

)mol(ˆt,ee1x̂tˆˆx

teateac

ˆtk̂teamax

cteateac

teateac

teaˆtk̂teamax

cteateac

τ<β+α=

τ≥−+β+α=

τ<β+α=

τ≥+−+β+α=

τ−−

teateatea

teatean

teatea

teateatea

teateatean

teatea

Chapter 4

min teapla ee

( )( )τ−−−= ˆ48k̂teamax

cteacnet

ee1x̂x̂

Chapter 4

6.46.66.877.27.47.67.888.28.410

Chemical shift (ppm)

6.46.66.877.27.47.67.888.28.4Chemical shift (ppm)

H 4H H H U DHPS

Chapter 4

δ δ δ

6.52 6.54 6.56ppm

0 10 20 30 40 500

Time (h)

s1s4s19

s3,s10s18

s14,s7,s6s20,s11s5s16s9s13s17s15

s12,s2

s9,14s12

s5s4,s10s11,s3

s19,s18s1,s16s20,s2

s13,s17s8,s6s15

Tea intervention

Placebo intervention

PlaceboTea

t1 t2 t3 t4 t5 t6 t7

Chapter 4

0 5 10 15 20 25 30 35 40 45 500

Time (h)

Subject 10 hippuric acid (black tea)

0 5 10 15 20 25 30 35 40 45 50

Time (h)

Net treatment effect

0 5 10 15 20 25 30 35 40 45 50-200

Time (h)

Residuals

tea intervention

base level

placebo levelτ

placebo

treatment

teacnet x̂

teaα̂plaα̂

Chapter 4

5Exploring the nutrikineti c processes and co-metabolome

associati ons of dietary polyphenols in humans

Ewoud J.J. van Velzen1,2,3, Johan A. Westerhuis1,3, Christi an H. Grün2,

John P.M. van Duynhoven2,3, Doris M. Jacobs2,3, Ursula Garczarek2, Paul H.C. Eilers4,

Theo P. Mulder2, Marti n Foltz2, Age K. Smilde1,3

1 Biosystems Data Analysis, Universiteit van Amsterdam, the Netherlands.

2 Unilever Research & Development, Vlaardingen, the Netherlands.

3 Netherlands Metabolomic Centre, Leiden, the Netherlands.

4 Department of Biostati sti cs, Erasmus University Medical Centre, Rott erdam, the Netherlands.

Chapter 5

Exploring the nutrikineti c processes and co-metabolome associati ons of dietary polyphenols

Chapter 5

θθθθ

θθθθ ηηηη

Λσ σ

ηηηηΙΙΙΙσσσσηηηηηηηηθθθθθθθθ Λ

θθθθ

θθθθ ηηηη

ΙΙΙΙ

Chapter 5

)(ηηηη

ΙΙΙΙσσσσηηηη =)( .

( )ˆˆˆˆ

ˆˆˆ

Chapter 5

0 0.5 10

0 50 1000

0.5 1 1.50

0 0.5 10

0 0.2 0.40

0 0.5 10

0 50 1000

0.5 1 1.50

0 0.5 10

0 0.2 0.40

ˆ ˆ ˆˆˆ

Bμμμμ μμμμ μμμμ μμμμ μμμμ

μμμμ μμμμ μμμμ μμμμ μμμμ

Chapter 5

0 5 10 15 20 25 30 350

Time (h)

Chapter 5

CH3O O O

HO O O

0 20 40

l.h.l-

AÛC (nmol.h.l-1, BT)

0 200 400 600

l.h.l-1

AÛC (nmol.h.l-1, BT)

-1 -0,5 0 0,5 1

PC1 (M2)

ˆ γγ

ActinomycetaceaeAerococcusAeromonas

AkkermansiaAlcaligenes faecalis et rel.

Allistipes et rel.Anaerobiospirillum

AnaerofustisAnaerostipes caccae et rel.

Anaerotruncus colihominis et rel.Anaerovorax odorimutans et rel.

AneurinibacillusAquabacterium

Asteroleplasma et rel.Atopobium

BacillusBacteroides fragilis et rel.

Bacteroides intestinalis et rel.Bacteroides ovatus et rel.

Bacteroides plebeius et rel.Bacteroides splachnicus et rel.

Bacteroides stercoris et rel.Bacteroides uniformis et rel.Bacteroides vulgatus et rel.

BifidobacteriumBilophila et rel.

BrachyspiraBryantella formatexigens et rel.

Bulleidia moorei et rel.Burkholderia

Butyrivibrio crossotus et rel.Campylobacter

Catenibacterium mitsuokai et rel.Clostridia

Clostridium cellulosi et rel.Clostridium colinum et rel.Clostridium difficile et rel.

Clostridium felsineum et rel.Clostridium leptum et rel.Clostridium nexile et rel.

Clostridium orbiscindens et rel.Clostridium ramosum et rel.

Clostridium sphenoides et rel.Clostridium stercorarium et rel.Clostridium symbiosum et rel.

Clostridium thermocellum et rel.Collinsella

Coprobacillus catenaformis et rel.Coprococcus eutactus et rel.

CorynebacteriumDesulfovibrio et rel.

DialisterDorea formicigenerans et rel.

Eggerthella lenta et rel.Enterobacter aerogenes et rel.

EnterococcusEscherichia coli et rel.

Eubacterium biforme et rel.Eubacterium cylindroides et rel.

Eubacterium hallii et rel.Eubacterium limosum et rel.

Eubacterium rectale et rel.Eubacterium siraeum et rel.

Eubacterium ventriosum et rel.Faecalibacterium prausnitzii et rel.

FusobacteriaGemella

GranulicatellaHaemophilusHelicobacter

Klebisiella pneumoniae et rel.Lachnobacillus bovis et rel.

Lachnospira pectinoschiza et rel.Lactobacillus catenaformis et rel.

Lactobacillus gasseri et rel.Lactobacillus plantarum et rel.Lactobacillus salivarius et rel.

LactococcusLeminorella

Megamonas hypermegale et rel.Megasphaera elsdenii et rel.

MethylobacteriumMicrococcaceae

Mitsuokella multiacida et rel.Moraxellaceae

NovosphingobiumOceanospirillum

Oscillospira guillermondii et rel.Outgrouping clostridium cluster XIVa

Oxalobacter formigenes et rel.Papillibacter cinnamivorans et rel.Parabacteroides distasonis et rel.

Peptococcus niger et rel.Peptostreptococcus anaerobius et rel.

Peptostreptococcus micros et rel.Phascolarctobacterium faecium et rel.

Prevotella melaninogenica et rel.Prevotella oralis et rel.

Prevotella ruminicola et rel.Prevotella tannerae et rel.

PropionibacteriumProteus et rel.Pseudomonas

Roseburia intestinalis et rel.Ruminococcus bromii et rel.

Ruminococcus callidus et rel.Ruminococcus gnavus et rel.Ruminococcus lactaris et rel.Ruminococcus obeum et rel.

SerratiaSporobacter termitidis et rel.

StaphylococcusStreptococcus bovis et rel.

Streptococcus intermedius et rel.Streptococcus mitis et rel.

Subdoligranulum variable at rel.Sutterella wadsworthia et rel.

Tannerella et rel.Uncultured Bacteroidetes

Uncultured ChroococcalesUncultured Clostridiales I

Uncultured Clostridiales IIUncultured Mollicutes

VeillonellaVibrio

VictivallisWeissella et rel.

XanthomonadaceaeYersinia et rel.

xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

Chapter 5

3 5 6 8 9 0

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 10

A B C D

BT BT BT BTGW GW GW GW

C. Leptum et rel. Propionibacterium R. bromii et rel. S. termitidis et rel.

r = 0.75p <0.001

r = 0.72p <0.001

r = 0.68p <0.001

r = 0.71p <0.001

)C(1ak

)B(elk

)C(2ak

)C(1elk

)C(2elk

)A(elk

= catechins, 3/4 OMGA, isorhamnetin

= γ-valerolactones

= resveratrol

Chapter 5

± ˆ ˆ

Chapter 5

BT BT BT BT BT BT

GW GW GW GW GW GW

AUC(nmol.h.L-1)

cmax(nmol.L-1)

k1/2(a)(h)

k1/2(el)(h)

(h)tmax(h)

k1/2(a)(h)

k1/2(el)(h)

(h)tmax(h)

Chapter 5

Nutrikineti cs and Nutridynamics:

Summary, concluding remarks, outlook

E.J.J. van Velzen1,2,3

, J.A. Westerhuis1,3

, J.P.M. van Duynhoven2,3

, A.K. Smilde1,3

1Biosystems Data Analysis, Swammerdam Insti tute for Life Sciences, Universiteit van Amsterdam, Nieuwe

Achtergracht 166, 1018 WV Amsterdam, The Netherlands

2Unilever Research and Development, Olivier van Noortlaan 120, 3133 AT Vlaardingen, The Netherlands.

3Netherlands Metabolomics Centre, Leiden, The Netherlands.

This chapter is based on: van Duynhoven, J., Vaughan, E.E., Jacobs, M., Kemperman, A., van Velzen, E.J.J.,

Gross, G., Roger, L.C., Possemiers, S., Smilde, A.K., Doré, Joël., Westerhuis, J.A., & Van de Wiele, T. (2010),

Proceedings of the Nati onal Academy of Sciences., online, doi: 10.1073/pnas.1000098107.

Chapter 6

Nutrikineti cs and Nutridynamics: Summary, concluding remarks, outlook

Chapter 6

3/4-OMGA

= urine (in vivo)= blood (in vivo)= gut model

Nutrikinetics in human system

= tentative

Gallates

PolymericConjugated Monomeric

HO OCH3

3/4-OMGA

HO OCH3

Chapter 6

probiotic / prebiotic supplementation

polyphenol intervention

-10 -5 0 5-1.5

Multilevel PCA

3 4 5 6

Strong effecton SBP

No effecton SBPblue markers: low dose

red markers: high dose

Chapter 6

Publications

Grun, C.H., van Dorsten, F.A., Jacobs, D.M., Le Belleguic, M., van Velzen, E.J.J.,

Bingham, M.O., Janssen, H.G., & van Duynhoven, J.P.M. (2008). GC-MS methods

for metabolic profiling of microbial fermentation products of dietary polyphenols

in human and in vitro intervention studies. Journal of Chromatography B-Analytical

Technologies in the Biomedical and Life Sciences, 871(2), 212-219.

Jacobs, D.M., Deltimple, N., van Velzen, E., van Dorsten, F.A., Bingham, M., Vaughan,

E.E., & van Duynhoven, J. (2008). H-1 NMR metabolite profiling of feces as a tool

to assess the impact of nutrition on the human microbiome. NMR in Biomedicine,

21(6), 615-626.

Peters, S., van Velzen, E., & Janssen, H.G. (2009). Parameter selection for peak

alignment in chromatographic sample profiling: objective quality indicators and use

of control samples. Analytical and Bioanalytical Chemistry, 394(5), 1273-1281.

van Dorsten, F.A., Grun, C.H., van Velzen, E.J.J., Jacobs, D.M., Draijer, R., & van

Duynhoven, J.P.M. (2010). The metabolic fate of red wine and grape juice polyphenols

in humans assessed by metabolomics. Molecular Nutrition & Food Research, 54(7),

897-908.

van Duynhoven, J., van Velzen, E., Gross, G., van Dorsten, F., Jacobs, D., Bingham,

M., Draijer, R., Mulder, T., Koning, T., Vaughan, E., van der Wiele, T., Westerhuis, J., &

Smilde, A. (2009). NMR-Based Metabonomics Approaches for the Assessment of the

Metabolic Impact of Dietary Polyphenols on Humans. Magnetic Resonance in Food

Science: Challenges in A Changing World, Royal Society of Chemistry, 20-28.

van Duynhoven, J. P. M., Haiduc, A., van Dorsten, F., & van Velzen, E. (2007), NMR in

foods: The industrial perspective. Royal Society of Chemistry, 310, 1-11.

van Duynhoven, J., Vaughan, E.E., Jacobs, M., Kemperman, A., van Velzen, E.J.J., Gross,

G., Roger, L.C., Possemiers, S., Smilde, A.K., Dore, J., Westerhuis, J.A., & Van de Wiele,

T. (2010). Metabolic fate of polyphenols in the human superorganism. Proceedings of

the National Academy of Sciences., online, doi: 10.1073 / pnas.1000098107.

Publications

Svan Duynhoven, J.P.M, van Velzen, E.J.J., Jacobs, D.M., van Dorsten, F.A. (2007). NMR-

based Nutritional Metabonomics. GIT Laboratory journal, 11(5-6), 35-37.

van Velzen, E.J.J., Westerhuis, J.A., van Duynhoven, J.P.M., van Dorsten, F.A., Grun,

C.H., Jacobs, D.M., Duchateau, G.S.M.J., Vis, D.J., & Smilde, A.K. (2009). Phenotyping

Tea Consumers by Nutrikinetic Analysis of Polyphenolic End-Metabolites. Journal of

Proteome Research, 8(7), 3317-3330.

Van Velzen, E.J.J., Westerhuis, J.A., Hoefsloot, H.C.J., & Smilde, A.K. (2009).

Data analysis strategies in nutritional metabolomics. GIT laboratory journal, 13(1-2),

17-19.

van Velzen, E.J.J., Westerhuis, J.A., van Duynhoven, J.P.M., van Dorsten, F.A.,

Hoefsloot, H.C.J., Jacobs, D.M., Smit, S., Draijer, R., Kroner, C.I., & Smilde, A.K. (2008).

Multilevel data analysis of a crossover designed human nutritional intervention

study. Journal of Proteome Research, 7(10), 4483-4491.

Westerhuis, J.A., Hoefsloot, H.C.J., Smit, S., Vis, D.J., Smilde, A.K., van Velzen, E.J.J.,

van Duijnhoven, J.P.M., & van Dorsten, F.A. (2008). Assessment of PLSDA cross

validation. Metabolomics, 4(1), 81-89.

Westerhuis, J.A., van Velzen, E.J.J., Hoefsloot, H.C.J., & Smilde, A.K. (2008).

Discriminant Q2 (DQ2) for improved discrimination in PLSDA models. Metabolomics,

4(4), 293-296.

Westerhuis, J.A. 1, van Velzen, E.J.J.1, Hoefsloot, H.C.J., & Smilde, A.K. (2010).

Multivariate paired data analysis: multilevel PLSDA versus OPLSDA. Metabolomics,

6(1), 119-128.

1 Contributed equally to this work.

Nutrikinetiek en Nutridynamiek:

Samenvatting, conclusies en toekomstperspectieven

E.J.J. van Velzen

Deze samenvatting is gebasseerd op hoofdstuk 6.

Nutrikinetiek en Nutridynamiek: Samenvatting, conclusies en toekomstperspectieven

Inleiding. Het doel van nutrikinetiek is het beschrijven van de absorptie, distributie,

metabolisme en excretie (ADME) van voedingsmiddel componenten in het

humane ‘superorganisme’. In recent uitgevoerde nutritionele studies wordt de rol

van nutrikinetiek steeds belangrijker. Het levert kwantitatieve informatie over de

onderliggende dynamische processen en effecten van functionele voeding. Daarbij is

het een waardevolle aanvulling op de huidige nutritionele metabolomics studies die

gericht zijn op het analyseren van statische effecten.

De bijdrage van nutrikinetiek is essentieel om de complexe co-metaboloom

interacties in biologische systemen (zoals het humane superorganisme) te kunnen

karakteriseren. Het kan worden beschouwd als een belangrijke intermediaire

discipline tussen metabolomics en systeem biologie. Nutrikinetiek komt conceptueel

en mathematisch gezien sterk overeen met farmacokinetiek. Echter, wanneer

nutritionele studies wordt geanalyseerd en geïnterpreteerd moet sterk rekening

worden gehouden met de eigenschappen (experimentele design) en de beperkingen

(subtiliteit van de effecten) van de gegenereerde data. Dit rechtvaardigt dan

ook de implementatie van nutrikinetiek als een nieuw toepassingsgebied van

farmacokinetiek.

In deze samenvatting worden de belangrijkste aspecten van nutrikinetiek

bediscussieerd. Echter, nieuwe systeem informatie is nodig om de metabole effecten

van voeding in het humane superorganisme beter te kunnen begrijpen en te

modelleren. De ontwikkeling van 2de generatie nutrikinetische modellen, evenals de

ontwikkeling van nutridynamiek zijn essentieel om te kunnen anticiperen op deze

nieuwe behoeften. De 2de generatie modellen zijn nodig voor het karakteriseren en

parameteriseren van multi-compartimentele interacties. Nutridynamiek daarentegen

is sterk gerelateerd aan nutrikinetiek en richt zich specifiek op het onderzoeken

van dosis-effect relaties, het meten van ‘homeostatische resilience’ in gezonde

individuen, en farmacometabonomics.

Definitie en eigenschappen. In hoofdstuk 1 is nutrikinetiek gedefinieerd als “het

applicatie gebied van farmacokinetiek dat de absorptie, distributie, metabolisme and

excretie (ADME) van voeding of voedingssupplementen in het humane superorganisme

bestudeert, waaronder de interacties tussen de gastheer metaboloom (=host) en

de darm microbioom (=microbiota)”. In dit hoofdstuk is de nadruk gelegd op de

verschillen tussen voedingsstudies en farmastudies. De vergelijking richt zich hier

voornamelijk op de verschillen in effect groottes, basislijn niveaus, en de beschikbare

kennis op het gebied van metabole degradatie routes, de opname en verspreiding

door het lichaam en ook de (beoogde) gezondheidseffecten. Afhankelijk van het

onderliggende studie design, kan in nutrikinetiek ook specifiek gebruik worden

gemaakt van aangepaste kinetische modellen en modelleringsmethoden. Tevens is

er een belangrijke rol weggelegd voor metabolomics, darm microbioom metabolisme

and nutrikinetische fenotypering (op basis van nutrikinetische signaturen).

Een belangrijke eigenschap van nutrikinetiek is dat het zogenaamde

nutrikinetische signaturen oplevert. Een nutrikinetische signatuur is een beknopte,

kwantitatieve beschrijving van de verspreiding van voedingsmiddelcomponenten

(en de gegenereerde metabolieten) in het humane superorganisme. Het kan worden

beschouwd als een functionele uitlezing van de microbiële omzettingscapaciteit van

een bepaald individu. Zoals ook in hoofdstukken 4 en 5 wordt beschreven, geven

de nutrikinetische signaturen direct inzicht in de tussen-persoon variatie binnen

een humane test populatie. Het inzichtelijk maken van deze tussen-persoon variatie

is belangrijk om de uiteindelijke werking en de effectiviteit van een nutritionele

interventie te kunnen inschatten.

Tussen-persoon variatie. Op basis van de nutrikinetische signaturen is het ook

mogelijk om nutritionele fenotypen binnen een studie populatie te onderscheiden.

Dit is in hoofdstuk 4 uitgewerkt aan de hand van de uitscheidingsprofielen

(excretiecurven) van hippuurzuur, 4-hydroxyhippuurzuur en 1,3-dihydroxyfenyl-2-O-

sulfaat in urine na een eenmalige toediening van zwarte thee. Deze geïdentificeerde

componenten zijn welbekende fenolische metabolieten van polyfenolen en de

eindproducten van een complexe microbiële degradatieroute in de darmen. De

uitscheidingsprofielen die van 20 mannelijke vrijwilligers zijn opgenomen variëren

daarin erg sterk, met name de vertragingstijd, de uitscheidingssnelheid en de totale

(absolute) uitgescheiden hoeveelheid. Variaties in excretieprofielen kunnen daarom

wijzen op de aanwezigheid van snel en langzaam responderende fenotypen, snelle

en langzame metaboliseerders, en sterke en zwakke metaboliseerders. De essentie

om tussen-persoon variatie in nutritionele studies te bestuderen is ook beschreven

in hoofdstuk 3. In hoofdstuk 3 is dezelfde humane interventie studie gerapporteerd

als in hoofdstuk 4. Echter, in plaats van de tijdsopgeloste (dynamische) metingen, is

48-uurs (verzamel)urine gebruikt om de (statische) metabole impact van zwarte thee

polyfenolen te onderzoeken. Gebaseerd op de totaal uitgescheidde hoeveelheid

van twee microbiële eind-metabolieten in urine kunnen daarbij twee fenotypische

subgroepen in de test populatie worden onderscheiden. Deze waarneming geeft

aan dat zelfs een vrij homogene test groep in een goed gecontroleerde studie toch

verschillend kan reageren op een voedingsinterventie.

Multilevel analyse. In hoofdstuk 2 is een gepaarde studie geraporteerd waarin de

tussen-persoon variatie is onderzocht na inname van een een andere polyfenol-rijke

compositie (een gemengd extract van rode wijn en druiven). Over het algemeen

zijn de waargenomen metabole effecten klein, subtiel, divers, en zelfs afwezig

in ongeveer 22% van de studie populatie. Toch zijn we in staat geweest om de

belangrijkste bronnen van variatie in de data te identificeren. In de variatie analyse

zijn daarbij twee niveau’s onderscheiden, (1) de netto variatie ten gevolge van de

nutritionele interventie (binnen-persoon variatie), en (2) de intrinsieke variatie

tussen individuen (tussen-persoon variatie). Voor de gescheiden analyse van deze

bronnen van variatie is gebruik gemaakt van ‘multilevel analyse’ en kan worden

beschouwd als de multivariate extensie van de gepaarde (univariate) t-test. Multilevel

analyse is toegepast om de gepaarde data structuur van deze 2-weg gekruisde

studie te onderzoeken. Ten opzichte van traditionele multivariate aanpakken als

PLSDA (hoofdstuk 2) en OPLSDA (hoofdstuk 3) heeft het opsplitsen van de totale

variatie geresulteerd in een verbeterde identificatie en significatie van de meest

belangrijke urine metabolieten (‘biomarkers’). De toepassing van multilevel analyse

is voornamelijk belangrijk in gekruisde nutritionele studies waar de tussen-persoon

variatie vaak veel groter is dan de binnen-persoon variatie.

Net zoals in elke andere (multivariate) statistische toepassing is het essentieel

dat het multivariate model goed wordt gevalideerd. Dubbele kruisvalidatie (2CV),

gekruisde model validatie (CMV) en permutatie testen zijn hiertoe uitgebreid

onderzocht, geëvalueerd en toegepast. Zoals beschreven in hoofdstukken 4 en 5

kan ook het gebruik van negatieve controles helpen om de resultaten (biologisch) te

valideren (bijvoorbeeld door gebruik te maken van niet-gerelateerde, onafhankelijke

metabolieten welke niet worden beïnvloed door de nutritionele interventie).

Aandachtspunten en verbeteringen van multilevel analyse. Tot op heden worden

multilevel analyse en permutatie testen nog niet veel gebruikt in nutritionele studies.

In dit analysetraject zijn diverse factoren van invloed op het eindresultaat; (a) de

datavoorbewerking (normalisatie, schaling), (b) het gebruik van variabelen selectie

technieken, (c) de kruisvalidatie (1CV, 2CV, CMV) en (d) de toegepaste classificatie

criteria (AUROC, het aantal misclassificaties, Q2, DQ2). Het voordeel van deze

flexibele aanpak is dat multilevel analyse exact (en op rationele gronden) kan worden

toegesneden op de biogische vraag en/of het analytische experiment. Het nadeel is

echter dat de eigenschappen en de uitwerking van veel van deze model variabelen

nooit goed is onderzocht in een metabolomics experiment. Ondanks dat er wel

enige relevante onderzoeken op dit gebied zijn gerapporteerd, is er nog steeds een

sterke behoefte naar een goed doorgronde en volledige evaluatie. Dit aanvullende

onderzoek kan helpen om de kracht en de toepasbaarheid van multilevel analyse

verder te verbeteren, en kan ook leiden tot het opstellen van beslissingsregels en

standaarden voor verschillende metabolomics experimenten.

Naast de mathematische aspecten van multilevel analyse zijn ook meer

gedetailleerde nutritionele studies nodig om nieuwe, aanvullende systeem informatie

te kunnen genereren. De onderliggende experimentele designs van deze studies

moeten daarbij vooral aansluiten bij de huidige behoeften aan (1) biologische validatie

van nutritionele biomarkers en de bijbehorende nutrikinetische eigenschappen in

humane populaties, en (2) de kwantitatieve analyse van de verschillende bronnen

van variatie (en hun interactie effecten) in (herhaalde) nutritionele studies. Deze

aspecten zullen in de planning van toekomstige interventie studies in overweging

moeten worden genomen om een volgend detailniveau in nutritioneel onderzoek te

kunnen verwezelijken.

Interpretatie van metabolomics data. In veel nutritionele metabolomics studies

worden de metabole effecten van voedingsmiddel interventies onderzocht met

behulp van multivariate methoden zoals PLS, OPLS, PLSDA of multilevel PLSDA. In deze

discriminatie methoden wordt over het algemeen een overeenkomstig nutritioneel

effect verondersteld voor alle individuen. Vaak word dan gebruikt gemaakt van

kruisvalidatie en permutatie testen om de statistische significantie van het nutritionele

effect te kunen bepalen, bij voorkeur op het α=0.05 betrouwbaarheidsniveau.

Deze veelgebruikte metabolomics aanpak staat echter haaks op de vele studies

die tussen-persoon variaties laten zien na een nutritionele interventie. Ondanks

dat tussen-persoon variatie een herkenbare en geaccepteerde factor is in veel

nutritioneel onderzoek is, wordt het tot nu toe vrijwel volledig genegeerd in de

analyse en interpretatie van nutritionele metabolomics data. Het gebruik van

alternatieve data analyse technieken en classificatie methoden zijn daarom nodig

om beter te kunnen anticiperen op tussen-persoon variatie en de aanwezigheid van

verschillende nutritionele fenotypen.

Een functioneel alternatief om interventie data beter te kunnen bestuderen en

te interpreteren wordt beschreven in hoofdstuk 6 (sectie nutridynamics). In een

hypothetische interventie studie zijn de veranderingen in nutrikinetische signatures

in kaart gebracht aan de hand van een multilevel PCA score plot (hoofdstuk 6, figuur

2). De verschillende effecten als functie van tijd, dosis en individu zijn geidentificeerd

en gevisualiseerd zonder daarbij gebruik te maken van voorkennis van het beoogde

metabole effect. The intentie van deze empirische aanpak is om (a) de belangrijkste

biologische effecten van de nutritionele interventie te kunnen identificeren, en (b) de

verschillende nutritionele fenotypen te kunnen onderscheiden.

Ondanks dat het geciteerde voorbeeld refereert aan een nutrikinetisch/

nutridynamisch (NK/ND) experiment kan dit hypothetische concept ook worden

gebruikt om lange-termijn veranderingen in nutritionele metabotypen (biologische

systemen) te evalueren (door gebruik te maken van metabole profielen en metabole

trajecten, hoofdstuk 6).

De inschatting is dat tijdstrajecten afkomstig van dynamische of statische

nutritionele metabolomics studies een informatief en gedetailleerd beeld kunnen

geven van de diverse metabole of nutrikinetische veranderingen op het individuele

niveau. Ook kan een goed beeld worden verkregen van de tussen-persoon variatie

en de invloed van factoren individu, dosis en tijd. Het gebruik van tijdstrajecten lijkt

een haalbaar en realistisch alternatief voor de huidige multivariate discriminatie

technieken.

Populatie gebasseerde modellering. Afhankelijk van de nutrikinetische studie kunnen

specifieke aanpassingen op het parameter model en de modelleringsmethode nodig

zijn. Om die reden zijn de huidige onwikkelingen binnen nutrikinetiek niet alleen

gericht op de analyse en parameterisering van individuele tijdscurven; nutrikinetiek

richt zich tevens op populatie gebasseerde methoden. Zoals beschreven in hoofdstuk

5 is populatie gebasseerde modellering toegepast op spaarzaam beschreven

concentratie-tijd curves van geselecteerde fenolische componenten in bloedplasma

na een enkelvoudige dosering van zwarte thee en een gemengd extract van rode

wijn en druiven. Ondanks de lage plasma concentraties, de beperkingen in de

data en ook de tussen-persoon variatie, zijn de populatie modellen goed in staat

om de (individuele) concentratie-tijd curves te beschrijven. Uit de karakteristieken

van de plasma curves kunnen drie belangrijke nutrikinetische processen worden

onderscheiden, (1) de onvertraagde, snelle absorptie van catechines, isorhamnetine

en 3/4-O-methylgallic acid, (2) de bi-fasische absorptie van resveratrol, en (3) de

vertraagde absorptie van twee microbiële metabolieten; g-valerolactonen M2

and M6. Ook is geconstateerd dat de invloed van de zwarte thee en de druiven/

wijn matrix op de nutrikinetiek van de (poly)fenolische componenten beperkt is.

Een andere belangrijke observatie is dat de bloed concentraties van de microbiële

metabolieten M2 en M6 sterk ahankelijk is van het individu. Deze waarneming

wijst op tussen-persoon variatie in omzettingscapaciteit van de darm bacteriën. De

tussen-metaboloom associaties tussen de host metaboloom en de darm microbioom

zijn verder onderzocht met behulp van 3-weg Spearman’s correlaties. Op basis van

deze 3-weg correlaties kan worden waargenomen dat veranderingen in M6 positief

zijn gecorreleerd met enkele bacterie-families uit de Clostridium and Actinobacteria

clusters.

Deze betreffende bacterieën kunnen worden beschouwd als de functionele

elementen van de darm microbioom die van grote invloed zijn op het metabolisme,

de nutrikinetiek, de biobeschikbaarheid en zodoende ook de potentiele

gezondheidseffecten van polyfenolen in het humane superorganisme. Toekomstige

nieuwe studies zijn echter essentieel om om de tussen-metaboloom interacties, de

degradatie routes en de potentiele bioactiviteit van polyfenolen verder te ontrafelen.

Multicompartmentele analyse. De huidige generatie nutrikinetische modellen zijn

vooral toegespitst op het analyseren en parameteriseren van één-compartiment

systemen. Deze zijn gedefinieerd als de 1ste generatie modellen (hoofdstuk 1).

Zoals beschreven in hoofdstuk 6 is het echter noodzakelijk dat ook 2de generatie

nutrikinetische modellen worden onwikkeld voor de analyse van multicompartimentele

(tussen-metaboloom) interacties (hoofdstuk 6). Deze multicompartimentele

interacties kunnen vaak niet volledig worden gekarakteriseerd op basis van de

resultaten verkregen uit in vivo nutritionele studies. Aanvullende kennis is nodig

om betrouwbare schattingen te krijgen van de systeem eigenschappen. Deze

aanvullende kennis kan bijvoorbeeld worden verkregen uit in vitro nutrikinetische

experimenten met humane microbiota en uit studies met test dieren. De integratie

van in vivo nutrikinetische data (nutrikinetische signatures) en kennis verkregen uit

in vitro experimenten en dier studies vereisen specifieke mathematische methoden,

zoals grijze modellering, om een multicompartimentele beschrijving van het

biologische model te reconstrueren. Deze modelleringsvorm is echter niet triviaal

en moet verder worden ontwikkeld (en gevalideerd) voor toepassing in toekomstige

nutritionele multicompartimentele studies.

Homeostatische challenge testen. Een belangrijk aspect in NK/ND studies is dat

voedingsinterventies over het algemeen te maken hebben met sterk gereguleerde

homeostatische systemen van gezonde individuen. De consequentie is dat de huidige

analyse methoden vaak niet gevoelig genoeg zijn om de grote diversiteit aan kleine,

subtiele effecten te detecteren.

Homeostatische challenge testen kunnen wellicht toegepast worden om het

effect van voeding in gezonde individuen te onderzoeken. Het fundamentele idee

achter de homeostatische challenge test is om een kwantitatieve uitlezing van de

individuele gezondheidsstatus te verkrijgen door specifieke gezondheidsaspecten te

Averstoren Het vermogen om deze verstoringen op te vangen zonder daarbij uit de

gereguleerde homeostatische/allostatische toestand te geraken is hierbij indicatief

voor de gezondheidstoestand van een individu.

De toepassing van NK/ND, alsmede de essentiele rol van nutrikinetische

signaturen, lijkt onbetwistbaar in deze challenge testen. Dit zal echter sterk afhangen

van de effect groottes en de kwaliteit van de nutrikinetische profielen.

Acknowledgments

About 23 years ago nobody would have predicted me doing a PhD in the field of

biosystems data analysis when I just started my intermediate vocational study in

analytical chemistry. But as usual, things will take a turn. It all started in 2006 when

four collaborating partners (including Unilever and the UvA) acquired a European

grant, the so called Marie Curie Host Fellowship for the Transfer of Knowledge (ToK).

These leading European partners initiated a systems biology project that focussed

on the complex host-microbiota interactions in humans, and offered me a unique

possibility to start a PhD trajectory on this subject. The decision to start this new

adventure within this challenging project was relatively easy, as it perfectly fitted

my field of interest. Right now I am extremely thankful and privileged that I got this

opportunity.

With the completion of this thesis, the doctoral research period has now come

to an end. This would not have been possible without the support and help of my

promotores, my colleagues at the UvA and Unilever and of course my friends and

family. I greatly appreciate that I got the chance from Karin and Jill to complete this

PhD period in Amsterdam, even though it was not always easy to find a good and

honest balance with our social life. Without their unconditional support, patience

and understanding it would have been a mission impossible. Pa, ma, Miranda, Ingrid,

Johan, Melissa en Rick, ook jullie bedankt voor de oprechte steun en belangstelling

in de afgelopen jaren.

My promoter Age Smilde I sincerely thank for all the scientific support, the insights

and inspiring discussions about multilevel analysis, nutrikinetics and population

statistics, as well as for the many valuable idea’s, instructions and strategy’s for

handling complex data analysis problems. Without these essential contributions it

would not have been possible for me to incorporate the mathematical solutions into

the appropriate biological/metabolomics context. His commitment and enthusiasm

were contagious and characteristic, and inspired me to explore new insights and

analysis approaches throughout the PhD period.

I thank my co-promoter Johan Westerhuis for his enthusiastic, inspiring,

indefatigable and instructive supervision, understanding and patience. There was

hardly a moment when there was no time for a constructive and profound discussion

about data structures, analysis/validation approaches or new concepts to measure

Acknowledgments

and monitor health in humans. Johan furthermore provided me the valuable insight

that the development of new methods is only part of the research. Besides the close

scientific interactions, I also enjoyed our golf matches. Even though I am not as

talented for this sport as Johan is, I really look forward for the next golf match!

I also would like to thank all team members that participated in the ToK project:

Elaine Vaughan, Rober Kemperman, John van Duynhoven, Laure Roger, Doris Jacobs,

Joël Doré, Sam Possemiers, Massimo Marzorati, Tom van de Wiele and Selin Bolca.

It is realy with great pleasure that I look back on the past four years. Thank you all

for the generated knowledge, the enriching experiences/discussions and of course

the pleasurable social interactions. I am very proud that all our efforts led to a joint

publication in PNAS.

I thank my Unilever colleagues Doris Jacobs, Ferdi van Dorsten, and Ursula

Garczarek for improving my overall understanding of biological systems, (bio-)

analytical methodologies, and mathematical methods. In the many scientific

discussions we often succeeded to find rational metabolomics-based solutions for

analysing and interpreting my data. Their guidance, vision and enthusiasm were both

motivating and instructive. Without their help this thesis would not have appeared in

this form. In this context I also greatly acknowledge Christian Grün and Sonja Peters

for their enormous contributions in the analysis, processing and interpretation of

the chromatographic data. Even though these processes where not straightforward

and time-consuming, I could always rely on their help and support. Also beyond this

doctoral research their knowledge and support are essential to reach a next level of

systems analysis.

I like to thank Huub Hoefsloot, Paul Eilers, Martin Foltz, Pieter van de Pijl

and Guus Duchateau for their extensive scientific support and providing me the

necessary mathematical and pharmacological guidelines for analysing, validating and

interpreting the metabolomics data. Thea Koning, Leon Frenken and Theo Mulder

are acknowledged for initiating and designing the intervention studies as well as for

their financial support.

I also would like to thank all Unilever and UvA colleagues for the pleasant

atmosphere and support during my PhD period: Adrian, Age, Andrew, Antoine,

Boudewijn, Christian G., Christian I., Chengjian, Daniel, Diana, Doris, Edoardo, Eli, Eva,

Acknowledgments

Ferdi, Filipe, Gert-Jan, Gooitzen, Hans-Gerd, Huub, Janko, Jeroen, John, Johan, Jos,

Kilian, Maikel, Marcel, Monique, Niels, Olja, Patricia, Rebecca, Robert, Ruud, Serge,

Sonja, Suzanne, Tunahan and Wilma. Without your kindness, help, understanding

and support it would have been impossible for me to complete this PhD period.

Furthermore, I would like to thank all the people, who contributed in one way or

another to this thesis, but have not been mentioned.

Daniel and Ferdi, I am happy and grateful for being my paranimpf on the ceremony.

I will never forget your special involvement and interest in my work, but also for your

mental support during some heavy periods.

I am greatly owe much gratitude to John van Duynhoven. Therefore I would like to

dedicate this last paragraph to him. As I work together with John for almost 20 years

now, he always have been an important scientific mentor, director, and stimulator

for me. Besides that, he initiated and designed the ToK initiative; hence my doctoral

research would not have been possible without the vision, energy and effort of John.

I once more would like to thank him for that, as well as the offered opportunity

to discuss and explore the many topics in mathematics, statistics, pharmacology,

microbiology and metabolomics. This makes that I am still very enthusiastic,

motivated and exited to continue working with John at Unilever. Finally I would like

to congratulate him with his well-deserved professorship!