基于可解释机器学习的洞察力,了解早期内分泌干扰剂的暴露和小的脆弱新生儿
Luhan Yang1, Yuxian Liu2, Henglin Zhang3
1Guangdong Basic Research Center of Excellence for Ecological Security and Green Development, Key Laboratory for City Cluster Environmental Safety and Green Development of the Ministry of Education, School of Ecology, Environment and Resources, Guangdong University of Technology, Guangzhou 510006, China; Guangdong Provincial Key Laboratory of Water Quality Improvement and Ecological Restoration for Watersheds, Institute of Environmental and Ecological Engineering, Guangdong University of Technology, Guangzhou 510006, China; School of Environmental Science and Engineering, Sun Yat-Sen University, Guangzhou 510275, China.
早期暴露于内分泌干扰化学物质 (EDC),如BADGE-H2O和类,与妊娠年龄小 (SGA) 和早产 (PTB) 的风险增加有关. 机器学习确定了特定的EDC和影响这些不良出生结果的性别相互作用.
科学领域:
- 环境流行病学环境流行病学
- 生殖毒理学 生殖毒理学
- 计算生物学 计算生物学
背景情况:
- 早期暴露于内分泌干扰化学物质 (EDC) 是一个越来越担心不良出生结果.
- 对于妊娠年龄来说小 (SGA) 和早产 (PTB) 等情况可能会受到产前EDC暴露的影响,但证据有限.
- 了解多个EDC的孤立影响及其与胎儿性别的相互作用至关重要.
研究的目的:
- 通过可解释的机器学习,研究34种EDC暴露与SGA和PTB风险之间的关联.
- 阐明单个EDCs的孤立影响及其与胎儿性别对SGA和PTB的相互作用.
- 评估机器学习模型在环境流行病学中的有用性,以识别化学风险.
主要方法:
- 利用了中国吉山出生队列 (2016-2018) 中的739对母婴对的数据.
- 采用了SGA和PTB预测的额外树和CatBoost分类器,分别实现了高灵敏度和特异性.
- 应用贝叶斯核机器回归用于结果比较和验证.
主要成果:
- 确定了与SGA相关的关键EDCs:BADGE-H2O,二 (bZp),BADGE-2H2O,二 (PrP) 和2-甲基二二醇 (2-Me-S-BTH).
- 确定了与PTB相关的关键EDC:乙基 (EtP),甲基 (MeP),bZp,BADGE-H2O和1H-二醇 (1-H-BTR).
- 观察到BADGE-H2O,BADGE-2H2O,PrP,EtP,MeP和1-H-BTR等EDC的显著性别特异相互作用,男性和女性胎儿之间的敏感性不同.
结论:
- 可解释机器学习有效地识别了在多化学物质暴露环境中导致SGA和PTB风险的特定EDC.
- 对某些EDC的暴露率较低 (例如,BADGE-H2O,bZp,BADGE-2H2O) 和对其他EDC的暴露率较高 (例如,2-Me-S-BTH,EtP,bZp) 与风险增加有关.
- 这项研究强调了考虑EDC-性别相互作用的重要性,以了解健康和疾病的发育起源.
