近日，首都医科大学附属北京朝阳医院（以下简称朝阳医院）生殖医学中心与北京大学公共卫生学院和烟台毓璜顶医院合作研究的论文《利用机器学习构建各种微量元素的血卵分布模型并探索转运相关通路》（Using Machine Learning to Construct the Blood-Follicle Distribution Models of Various Trace Elements and Explore the Transport-Related Pathways with Multiomics Data）发表在Environmental Science & Technology上。

朝阳医院生殖医学中心主任鹿群教授、北京大学公共卫生学院王斌教授和烟台毓璜顶医院副主任医师庄丽丽为该论文的共同通讯作者，北京大学公共卫生学院张国欢博士为论文的第一作者。

该研究纳入来自北京市和山东省两个生殖中心进行体外受精-胚胎移植队列的168名女性，对35种微量元素、代谢组学、脂质组学、蛋白组学进行检测并分析。研究发现砷（As）、镍（Ni）、锰（Mn）、锡（Sn）、铋（Bi）五种微量元素在卵泡液中的浓度显著高于血清浓度，在卵泡液中存在富集的现象（富集组元素）。锑（Sb）、锗（Ge）、钕（Nd）、谱（Pr）、钐（Sm）、钇（Y）、汞（Hg）、钆（Gd）、钴（Co）、钍（Th）、镧（La）、铀（U）、硒（Se）、肽（Ti）、铁（Fe）十五种元素的卵泡液浓度显著低于血清浓度，其从血液向卵泡液的传输过程可能受到限制（传输受限组元素）。“富集组元素”和“传输受限组元素”的传输效率（卵泡液浓度/血清浓度）总体上在各自组内显著正相关，而在组间呈负相关。多组学分析表明，雌激素信号通路、糖代谢相关通路可能与上述元素的血-卵传输效率有关。通过整合多个生物信息学数据库，构建了微量元素的血-卵传输相关通路网络图，结果显示富集组的元素与类固醇激素的生物合成及信号通路（卵巢内）、卵细胞成熟有关。最后，利用弹性网络（ENET）、支持向量机（Support vector machine, SVM）、随机森林(Random forest, RF)、极致梯度提升树（Extreme gradient boosting tree, Xgbooting tree）四种机器学习算法建立了卵泡液中35种微量元素浓度的预测模型。结果表明：利用机器学习模型可以较好地预测卵泡液中的微量元素浓度，其中RF的预测结果最为准确。

该文章较为全面地描述了多种微量元素的血-卵分布特征。采用多组学分析发现了雌激素的合成及信号通路可能与微量元素的血-卵分布特征有关。使用机器学习模型预测了卵泡液中多种微量元素浓度，从而提供了一种低侵入性的暴露评估方法。该研究结果以女性生殖健康的角度，可促进多种微量元素的环境暴露风险评估。

生殖医学中心 宋字仪