使用高维混合方法在流行病学研究中分析非向化学暴露和代谢的统计工作流

科学领域:

• 环境流行病学环境流行病学
• 毒理学 毒理学 毒理学
• 数据科学数据科学数据科学

背景情况:

• 传统的研究侧重于单一的化学物质暴露,低估累积的健康风险,忽视混因素.
• 高分辨率质谱仪 (HRMS) 能够测量超过10万种化学信号,从而创建高维的曝光组数据.
• 现有的混合方法与含有比样本更多变量的暴露组数据作斗争.

研究的目的:

• 呈现一个统计工作流程,用于将随机子集 (WQS_RS) 的加权量子和回归应用于高维暴露组数据.
• 应对暴露组流行病学方面的挑战,包括数据处理,参数选择和解释.
• 探索WQS_RS的应用,用于用集成的暴露体-代谢体数据进行功能通路丰富分析.

主要方法:

• 使用带有随机子集 (WQS_RS) 的加权定量和回归来处理高维暴露组数据.
• 实施手动量化非检测和定制重复的保持对匹配数据的数据.
• 将WQS_RS应用于功能通路丰富分析,并集成了暴露体-代谢体数据以获得机械洞察力.

主要成果:

• WQS_RS有效估计化学混合物效应,并在高维曝光组数据中识别显著贡献者.
• 工作流提供了一个强大的方法来分析复杂的化学物质暴露及其对健康的影响.
• 与代谢学数据的整合允许探索化学物质暴露的潜在生物机制.

结论:

• WQS_RS是暴露性流行病学的强大工具,可以评估化学混合物的累积健康风险.
• 这种数据科学方法有助于发现新的风险因素,并提供了机械的理解.
• 该方法提高了我们调查复杂环境化学物质暴露对健康的影响的能力.