自闭症谱系障碍环境研究的系统性证据图谱构建方案：aWARE项目

本研究针对自闭症谱系障碍（ASD）与环境暴露关联研究的复杂性和分散性问题，开发了基于系统性证据图谱（SEM）方法的交互式数据库aWARE。通过全面检索PubMed、Web of Science和Scopus数据库，整合人类与实验动物研究数据，并采用半自动化工具Dextr?进行数据提取，最终通过Tableau实现可视化呈现。该研究填补了现有综述的局限性，为科研人员、临床工作者及公众提供可查询的证据资源，推动ASD环境病因学的机制探索和公共卫生决策。

　　

自闭症谱系障碍（Autism Spectrum Disorder, ASD）是一种神经发育性疾病，主要表现为社交沟通障碍和重复刻板行为。近年来，全球ASD患病率显著上升，美国疾控中心数据显示，2000年每150名儿童中有1例确诊，而2020年这一比例升至1/36。尽管诊断标准更新和公众意识提高部分解释了这一趋势，但环境因素的潜在作用日益受到关注。研究表明，基因与环境暴露的交互作用可能是ASD发病的重要机制，尤其是生命早期接触的空气污染物、农药、重金属等环境化学物质以及物理因素（如电磁辐射）。然而，现有证据分散且研究设计异质性高，缺乏系统整合的工具，阻碍了对环境暴露与ASD关联的整体认知。

为应对这一挑战，美国国家环境健康科学研究所（NIEHS）的研究团队开展了aWARE项目（Web-based tool for Autism Research and Environment），旨在通过系统性证据图谱（Systematic Evidence Map, SEM）方法，构建一个开放获取的交互式数据库，全面梳理和可视化环境暴露与ASD相关的科学证据。该项目不仅涵盖人类流行病学研究，还纳入实验动物模型（如啮齿类、斑马鱼、果蝇等）及人类脑类器官研究，以提供多层次的证据支持。相关研究方案发表于《Engineering Microbiology》，为环境健康领域提供了方法论创新和资源整合的范例。

研究采用多项关键技术方法：首先，通过PubMed、Web of Science和Scopus数据库进行无限制年份和语言的文献检索，检索策略基于PECO（Population, Exposure, Comparator, Outcome）框架设计；其次，使用DistillerSR?软件进行标题、摘要和全文筛选，并利用机器学习优化筛查效率；数据提取通过半自动化平台Dextr?完成，涵盖研究设计、暴露类型、物种模型、结局指标等字段；最终通过Tableau软件生成交互式证据图谱，支持用户按暴露类别、证据流（人类/动物）、研究设计等维度查询和筛选数据。此外，项目还引入社区参与机制，通过倾听会议和研讨会收集自闭症群体（包括患者家庭、临床医生和研究人员）的反馈，优化工具内容和可用性。

研究结果

证据图谱的覆盖范围与特征

aWARE项目共识别并整合了截至2023年的相关研究，包括53项人类研究、46项动物实验和50篇综述文献。人类研究主要聚焦空气污染、金属和工业化学品，而动物研究集中于农药和金属暴露。证据图谱显示，约70%的研究评估了产前至婴幼儿期（0-3岁）的暴露窗口，且多采用生物标志物（如尿液、血清）或环境建模方式量化暴露水平。在动物模型中，啮齿类研究占比最高（85%），其中超过90%同时评估了社交行为（如三室实验）和刻板行为（如迷宫重复性）；非哺乳动物模型（如斑马鱼的社会偏好测试）则提供跨物种比较证据。

环境暴露类别的证据分布

研究发现，空气污染物（尤其是PM_2.5和NO₂）与ASD关联的流行病学证据最充分，涉及12项队列研究和8项病例对照研究。金属暴露（如铅、汞）的研究呈现地域异质性，其中亚洲地区报告阳性关联的文献占比60%。值得注意的是，Valproic acid（丙戊酸）作为ASD动物模型阳性对照物被纳入图谱，其机制研究提示组蛋白修饰可能介导神经发育毒性。此外，物理因素（如电磁场）的证据较少，仅占全部研究的5%，且结果存在矛盾性。

数据缺口与研究机遇

证据图谱揭示了显著的数据不平衡现象：例如，内分泌干扰物（如邻苯二甲酸盐）在人类研究中仅占8%，而动物模型中达25%；维生素D和叶酸暴露的研究几乎全部集中于人类队列。跨证据流比较显示，仅30%的化学物质（如有机磷农药）同时在人类和动物研究中被探索，提示需加强跨学科整合。此外，非英语文献（如中文研究）的纳入不足可能造成地理偏倚。

结论与意义

aWARE项目通过系统性证据图谱方法，首次实现了环境暴露与ASD关联研究的全面可视化整合。该工具不仅帮助识别研究空白（如物理暴露和数据稀缺化学物），还为优先资助方向提供依据（例如推动机制一致的跨物种研究）。其创新性体现在三方面：一是突破传统综述的局限性，将人类、动物和类器官证据纳入统一框架；二是通过社区参与确保工具贴合用户需求（如临床医生快速查询特定暴露证据）；三是支持动态更新，未来可发展为“活证据图谱”（Living Evidence Map）。

从公共卫生视角，aWARE有助于解析ASD环境病因的复杂机制，推动政策制定者关注早期预防策略（如产前减少空气污染暴露）。对科研人员而言，该工具可避免重复研究并指导meta分析选题。尽管当前版本未进行偏倚风险评估，但团队计划在未来版本中加入研究质量标记字段。总之，aWARE为环境健康研究提供了可扩展的方法范式，其应用可延伸至其他复杂疾病的环境归因研究。