Abstract Aim To explore biomarkers that can predict the response of type 2 diabetes (T2D) patients to metformin at an early stage to provide better treatment for T2D. Methods T2D patients with (responders) or without response (non‐responders) to metformin were recruited, and their serum samples were used for metabolomic analysis to identify candidate biomarkers. Moreover, the efficacy of metformin was verified by insulin‐resistant mice, and the candidate biomarkers were verified to determine the biomarkers. Five different machine learning methods were used to construct the integrated biomarker profiling (IBP) with the biomarkers to predict the response of T2D patients to metformin. Results A total of 73 responders and 63 non‐responders were recruited, and 88 differential metabolites were identified in the serum samples. After being verified in mice, 19 of the 88 were considered as candidate biomarkers. Next, after metformin regulation, nine candidate biomarkers were confirmed as the biomarkers. After comparing five machine learning models, the nine biomarkers were constructed into the IBP for predicting the response of T2D patients to metformin based on the Naïve Bayes classifier, which was verified with an accuracy of 89.70%. Conclusions The IBP composed of nine biomarkers can be used to predict the response of T2D patients to metformin, enabling clinicians to start a combined medication strategy as soon as possible if T2D patients do not respond to metformin.

To explore the adjuvant therapy drugs of low-dose metformin, one homogeneous polysaccharide named APS-D1 was purified from Astragalus membranaceus by DEAE-52 cellulose and Sephadex G-100 column chromatography. Its chemical structure was characterized by molecular weight distribution, monosaccharide composition, infrared spectrum, methylation analysis, and NMR. The results revealed that APS-D1 (7.36 kDa) consisted of glucose, galactose, and arabinose (97.51 %:1.56 %:0.93 %). It consisted of →4)-α-D-Glcp-(1→ residue backbone with →3)-β-D-Galp-(1→ residue and terminal-α/β-D-Glcp-(1→ side chains. APS-D1 could significantly improve inflammation (TNF-α, LPS, and IL-10) in vivo. Moreover, APS-D1 improved the curative effect of low-dose metformin without adverse events. APS-D1 combined with low-dose metformin regulated several gut bacteria, in which APS-D1 enriched Staphylococcus lentus to produce l-carnitine (one of 136 metabolites of S. lentus). S. lentus and l-carnitine could improve diabetes, and reduction of S. lentus l-carnitine production impaired diabetes improvement. The combination, S. lentus, and l-carnitine could promote fatty acid oxidation (CPT1) and inhibit gluconeogenesis (PCK and G6Pase). The results indicated that APS-D1 enhanced the curative effect of low-dose metformin to improve diabetes by enriching S. lentus, in which the effect of S. lentus was mediated by l-carnitine. Collectively, these findings support that low-dose metformin supplemented with APS-D1 may be a favorable therapeutic strategy for type 2 diabetes.