近日，首都醫科大學附屬北京朝陽醫院（以下簡稱朝陽醫院）生殖醫學中心與北京大學公共衛生學院和煙臺毓璜頂醫院合作研究的論文《利用機器學習構建各種微量元素的血卵分布模型并探索轉運相關通路》（Using Machine Learning to Construct the Blood-Follicle Distribution Models of Various Trace Elements and Explore the Transport-Related Pathways with Multiomics Data）發表在Environmental Science & Technology上。

朝陽醫院生殖醫學中心主任鹿群教授、北京大學公共衛生學院王斌教授和煙臺毓璜頂醫院副主任醫師莊麗麗為該論文的共同通訊作者，北京大學公共衛生學院張國歡博士為論文的第一作者。

該研究納入來自北京市和山東省兩個生殖中心進行體外受精-胚胎移植隊列的168名女性，對35種微量元素、代謝組學、脂質組學、蛋白組學進行檢測并分析。研究發現砷（As）、鎳（Ni）、錳（Mn）、錫（Sn）、鉍（Bi）五種微量元素在卵泡液中的濃度顯著高于血清濃度，在卵泡液中存在富集的現象（富集組元素）。銻（Sb）、鍺（Ge）、釹（Nd）、譜（Pr）、釤（Sm）、釔（Y）、汞（Hg）、釓（Gd）、鈷（Co）、釷（Th）、鑭（La）、鈾（U）、硒（Se）、肽（Ti）、鐵（Fe）十五種元素的卵泡液濃度顯著低于血清濃度，其從血液向卵泡液的傳輸過程可能受到限制（傳輸受限組元素）。“富集組元素”和“傳輸受限組元素”的傳輸效率（卵泡液濃度/血清濃度）總體上在各自組內顯著正相關，而在組間呈負相關。多組學分析表明，雌激素信號通路、糖代謝相關通路可能與上述元素的血-卵傳輸效率有關。通過整合多個生物信息學數據庫，構建了微量元素的血-卵傳輸相關通路網絡圖，結果顯示富集組的元素與類固醇激素的生物合成及信號通路（卵巢內）、卵細胞成熟有關。最后，利用彈性網絡（ENET）、支持向量機（Support vector machine, SVM）、隨機森林(Random forest, RF)、極致梯度提升樹（Extreme gradient boosting tree, Xgbooting tree）四種機器學習算法建立了卵泡液中35種微量元素濃度的預測模型。結果表明：利用機器學習模型可以較好地預測卵泡液中的微量元素濃度，其中RF的預測結果最為準確。

該文章較為全面地描述了多種微量元素的血-卵分布特征。采用多組學分析發現了雌激素的合成及信號通路可能與微量元素的血-卵分布特征有關。使用機器學習模型預測了卵泡液中多種微量元素濃度，從而提供了一種低侵入性的暴露評估方法。該研究結果以女性生殖健康的角度，可促進多種微量元素的環境暴露風險評估。

生殖醫學中心 宋字儀