机器学习协助发现了农药,酸盐,和微量元素在儿童神经发育中的相互作用

科学领域:

• 环境健康 环境健康
• 毒理学 毒理学 毒理学
• 流行病学 流行病学

背景情况:

• 对环境化学物质 (ECs) 的发育暴露越来越多地与自闭症谱系障碍 (ASD) 有关.
• 研究化学混合物中的复杂相互作用带来了重大挑战.
• 了解这些相互作用对于确定ASD的环境风险因素至关重要.

研究的目的:

• 引入和应用一种新的方法,结合加权量子总和 (WQS) 回归和签名代随机森林 (SiRF),以发现与ASD相关的协同EC相互作用.
• 确定特定的EC及其相互作用,增加ASD诊断的几率.
• 为了评估这些相互作用在高化学度的儿童的一个子集.

主要方法:

• 使用了479名儿童的儿童自闭症基因和环境风险 (CHARGE) 病例控制研究.
• 在尿样中测量了62个EC.
• 采用联合WQS-SiRF方法来检测多顺序的协同作用.

主要成果:

• 确定了两个显著的协同作用: (Cd) 与二甲基 (DEP) 和2,4,6-三二 (TCP-246) 与DEP.
• 这两种相互作用都与儿童的ASD几率增加有关,这些儿童的尿液度高 (超过第75百分位) 的相互作用ECs.
• 通过WQS-SiRF方法,成功地发现了潜在的生物学相关的化学化学相互作用.

结论:

• 新的WQS-SiRF方法有效地识别了与ASD相关的协同EC-EC相互作用.
• 包括Cd-DEP和TCP-246-DEP在内的特定化学对显示出与ASD风险增加的潜在联系.
• 这种方法推进了环境混合物的研究及其在神经发育障碍 (如ASD) 中的作用.