基于UMAP(Uniform Manifold Approximation and Projection)的美国人口不同人口统计学组别多氯联苯(PCB)同系物指纹可视化
《Environmental Forensics》:UMAP-Based Visualization of PCB Congener Fingerprints Across Demographic Groups in the U.S. Population
编辑推荐:
本研究应用包括主成分分析(PCA,Principal Component Analysis)、t分布随机邻域嵌入(t-SNE,t-Distributed Stochastic Neighbor Embedding)和均匀流形逼近与投影(UMAP,Uniform
本研究应用包括主成分分析(PCA,Principal Component Analysis)、t分布随机邻域嵌入(t-SNE,t-Distributed Stochastic Neighbor Embedding)和均匀流形逼近与投影(UMAP,Uniform Manifold Approximation and Projection)在内的降维技术,对2003–2004年国家健康与营养检查调查(NHANES,National Health and Nutrition Examination Survey)的高维多氯联苯(PCB,Polychlorinated Biphenyl)同系物指纹数据进行分析。该方法通过考察美国人口年龄、性别和种族等人口统计学组别的PCB同系物指纹,实现了超越基于浓度的生物监测的解读。在评估的方法中,UMAP提供了最清晰的PCB同系物指纹低维表征,揭示了指纹结构中存在年龄相关差异,包括老年个体中较重同系物贡献增加。UMAP进一步在最年轻队列的一个亚组中识别出一种独特的PCB同系物指纹,该指纹不遵循本研究观察到的或文献中常报道的年龄相关指纹模式,突显了年轻个体中比通常测量较少PCB同系物的研究所能捕捉到的更大的变异性。这种PCB同系物指纹的特征是相对于其他年龄组,PCB-28和PCB-209同时升高,从而将其与主导的年龄相关模式区分开来。虽然PCB同系物指纹的年龄相关差异显而易见,但在性别或种族组别中未观察到明显的指纹差异。NHANES数据集局限于35种主要为Aroclor相关的同系物,这一局限性强调了扩大同系物覆盖范围以充分表征非典型或非传统PCB同系物指纹的重要性。总体而言,基于UMAP的可视化为在群体生物监测数据集中将个体PCB同系物指纹与典型人口统计学模式进行比较,以及识别值得进一步调查的偏差提供了一个实用框架。
该研究发表于《Environmental Forensics》。多氯联苯(PCB,Polychlorinated Biphenyl)作为一类人造化学物质,因其环境持久性和对人体健康的潜在危害,尽管已在1979年被美国禁止生产,仍普遍存在于一般人群体内。传统的生物监测(Biomonitoring)主要依赖总浓度或单一同系物浓度的单变量统计(如第95百分位)来界定背景暴露上限,难以解析高维数据中同系物组成比例(即“指纹”)在人口组别内的细微变化,且无法有效区分异常暴露与背景水平的差异。现有研究虽表明建筑相关暴露会导致轻氯化同系物占比升高,但大规模人群数据集如国家健康与营养检查调查(NHANES,National Health and Nutrition Examination Survey)中指纹结构的人口学变异尚未被明确可视化。此外,PCA(Principal Component Analysis,主成分分析)等传统降维手段在处理非线性高维化学指纹时存在局限。因此,研究人员开展此项研究,旨在应用并比较多种降维技术,特别是UMAP(Uniform Manifold Approximation and Projection,均匀流形逼近与投影),以可视化NHANES数据中PCB同系物指纹的人口统计学模式,识别偏离典型模式的异常指纹,从而补充传统浓度监测的不足。
研究人员主要采用的关键技术方法如下:研究数据来源于2003–2004周期NHANES血清样本,包含2285个样本中的35种PCB同系物(Congener)测量值,经剔除全同系物空白样本后保留1896个样本,缺失值及低于检测限值采用MICE(Multivariate Imputations by Chained Equations,多元链式方程插补)与贝叶斯乘法替换法处理。随后并行应用三种降维技术:线性方法的PCA、非线性概率方法的t-SNE(t-Distributed Stochastic Neighbor Embedding,t分布随机邻域嵌入)及UMAP,其中t-SNE与UMAP设定固定随机种子(seed=1234)以确保可重复性,利用R语言及相关专用程序包与自定脚本实现高维指纹向二维空间的嵌入投影,并将Aroclor商用混合物参考指纹投射至同一UMAP空间以提供氯化度背景参照。
研究结果部分总结如下:
3.1. Comparison of PCA, t-SNE, and UMAP for Visualizing NHANES PCB Congener Fingerprints。研究人员通过比较三种降维散点图发现,PCA对高浓度样本敏感,导致少数高负荷个体远离主云团,掩盖整体指纹模式;t-SNE产生过度碎片化的微小密集簇,强调局部相似性但削弱宏观连续性,使相似指纹可能分离;而UMAP在保留局部相似性的同时维持了大尺度结构,产生连续嵌入,中央分布与外围独特节点清晰,能最优解释PCB同系物指纹结构并提供最佳可视化效果。
3.2. Demographic Patterns in NHANES PCB Congener Fingerprints Visualized with UMAP。在此大节下:
3.2.1. Age Stratification of PCB Congener Fingerprints。研究人员将年龄层叠加于UMAP发现明确的年龄相关组织:12–19岁组占据独立区域,表现为低氯化同系物(如PCB-28、PCB-52)占比较高,靠近Aroclor 1242参考点;40岁及以上组占据更广泛区域,分为两个不同群组,高氯化同系物贡献变异明显,靠近Aroclor 1260;且SUM(35种同系物和)随年龄单调增加。此外,少部分年轻人指纹聚于老年关联区域,显示跨年龄重叠。
3.2.2. Sex- and Ethnicity-Related Patterns in PCB Congener Fingerprints。研究人员可视化性别与族裔分布发现,男(Male)女(Female)在嵌入空间中高度重叠,无性别分离;非西班牙裔白人(NHW)、非西班牙裔黑人(NHB)、墨西哥裔美国人(MA)及其他族裔在UMAP空间中亦广泛重叠,占据共享区域,无明显聚类。尽管ANOVA显示族裔间总体浓度有差异,但该差异未转化为UMAP空间中的指纹组成分离,表明在测得同系物分辨率下指纹组成在族裔间相似。
3.2.4. Identification of a Distinct PCB Congener Fingerprint in Younger Individuals Using UMAP。研究人员利用UMAP识别出12–19岁亚组中一独特子集(如ID:24379),其指纹未随主导年轻模式聚类,而位于常关联≥40岁区域。该指纹特征为PCB-209与PCB-28相对贡献同时升高(PCB-209均值8.2 ng/g脂质,总PCB均值109 ng/g脂质,其PCB-209/总PCB比值高于同龄其余群体及老年人),此差异源于同系物组成比例而非总体浓度升高,且该模式在PCA与t-SNE中未显现。
3.3. Application of UMAP in Exposure Evaluation。研究人员指出UMAP可将个体指纹与其人口统计学典型指纹比对:若匹配则暗示暴露于该年龄组典型范围;若差异显著则提示异常暴露,需溯源调查。
讨论部分总结:研究人员讨论指出,建筑暴露等研究已证明指纹可因暴露途径改变(如吸入致轻氯化同系物升高),而Anniston社区健康调查虽总PCB升高但多元结构与NHANES相似,说明高体负荷未必伴随主导多元模式偏移。NHANES涵盖轻氯化同系物提供了评估途径敏感性差异的基础。UMAP在此凸显了年轻人中非典型指纹的存在,但受限于数据集仅含35种主为Aroclor相关同系物,无法推断具体暴露源或非传统同系物(如无意生成同系物)的全貌。
结论部分翻译:本研究证明了UMAP在可视化群体规模生物监测数据中高维化学指纹(此处以PCB同系物指纹为例)的实用性。应用于2003–2004年NHANES血清测量,UMAP在评估的降维方法中提供了最具解释性的低维表征,在保留相对同系物组成的同时允许同时可视化人口统计学模式。在全NHANES人口中,年龄成为构建PCB同系物指纹的主导因素,老年个体中较高氯化同系物相对贡献呈清晰递进。相比之下,PCB同系物指纹在性别和族裔组别间显示大量重叠,表明这些组别间总体PCB浓度的差异在测得同系物捕捉的分辨率下,并未对应于独特的指纹组成。UMAP可视化进一步识别出12–19岁个体的小部分子集,其PCB同系物指纹未随其年龄组主导模式聚类,而是占据嵌入空间中更常关联老年个体的区域。此区别反映相对同系物组成的差异而非总PCB浓度升高。鉴于NHANES数据集有限的同系物覆盖,未推断该指纹的特定暴露源或机制。总之,这些发现阐明了基于可视化的方法如何通过使个体PCB同系物指纹与预期人口统计学模式直接比较来补充传统基于浓度的生物监测。结果也强调了未来生物监测工作中更广泛的同系物覆盖对充分表征非典型或不常见PCB同系物指纹的重要性。
要不要我帮你把这篇论文解读里的关键结论按“年龄/性别种族/青年亚群”三个维度整理成一段简洁的要点摘要,方便你快速回顾?