基于硅胶腕表重复测量的个体化学暴露组变异性特征分析

《Journal of Exposure Science & Environmental Epidemiology》：Characterizing variability in personal chemical exposure to improve exposomics

本研究针对个人化学暴露组（exposome）研究中变异性认知不足的问题，通过两项大规模硅胶腕表（silicone wristbands）个人暴露评估研究，系统分析了化学物质浓度在个体内（intra-individual）和个体间（inter-individual）的变异性。研究发现某些多环芳烃（PAHs）在个体内表现出时间一致性，但部分化学物在不同研究间结果差异显著，提示需在不同时间点重复测量。环境变量（PM2.5、HMS烟雾密度、温度）对多数化学物数据变异的解释力有限，但结合PM2.5与HMS信息可显著提升苯乙烯、邻二甲苯等物质的检测概率预测（R2最高达0.76）。该研究为暴露组学时间维度的评估提供了重要方法学参考。

　　

在我们生活的环境中，化学物质无处不在，从汽车尾气、工业排放到野火烟雾，这些暴露如何影响我们的健康，是环境健康科学的核心问题。暴露组（exposome）的概念，即人一生中所有环境暴露的总和，正受到越来越多关注。然而，暴露组研究面临一个巨大挑战：如何准确捕捉化学暴露在时间和个体间的动态变化？传统方法往往依赖固定站点的空气质量监测数据（如PM_2.5）或卫星烟雾密度数据，但这些数据能否真实反映每个人的实际暴露水平？近年兴起的硅胶腕表（silicone wristbands）作为一种便捷的个人被动采样器，为这一难题提供了新思路。它能同时捕获吸入、皮肤接触等多种暴露途径的化学物质，且与生物样本中的代谢物水平高度相关。但一个关键问题尚未解决：基于腕表的短期测量结果，能否可靠地推演一个人长期的化学暴露模式？这亟需深入理解化学暴露在个体内（不同时间点）和个体间（不同人）的变异性。

为此，由Lisa M. Bramer和Holly M. Dixon等研究人员领导团队，在《Journal of Exposure Science & Environmental Epidemiology》上发表了一项重要研究。他们整合了美国俄勒冈州尤金市（Eugene）和圣海伦斯市（St. Helens）两项独立的个人暴露研究数据，这是迄今为止规模最大的腕表暴露变异性分析，涵盖586只腕表、23,812个化学数据点。尤金研究招募了35名成年哮喘患者，他们在9个月内分两个时段每日佩戴腕表，共收集426只样本，期间经历了严重的野火烟雾事件（PM_2.5日均值最高达179.0 μg/m3）。圣海伦斯研究则纳入46名社区居民，在8个月内每两个月佩戴腕表一周，共收集160只样本，该地区未受野火直接影响。研究分析了94种（尤金）和58种（圣海伦斯）有机化学物，重点关注43种共有的多环芳烃（PAHs）。

研究团队采用了多种关键技术方法。个人暴露通过硅胶腕表进行采样，腕表经乙酸盐萃取后，尤金样本通过气相色谱-质谱联用（GC-MS）分析94种挥发性/半挥发性有机化合物（VOCs/SVOCs），圣海伦斯样本则通过GC-三重四极杆质谱（GC-MS/MS）靶向分析58种PAHs。环境数据包括美国环保署（EPA）提供的日均PM_2.5浓度、美国国家海洋和大气管理局（NOAA）的 Hazard Mapping System（HMS）烟雾密度等级（无、轻、中、重）以及日均最高气温。统计分析方面，对每个化学物分别构建了浓度模型（对数转化浓度值）和检测模型（检测概率的二元指标），均采用广义线性混合效应模型，固定效应为PM_2.5、HMS和温度，随机效应为个体参与者。利用方差分解（variance partitioning）量化环境变量与个体间/个体内变异对总变异的解释比例。

研究结果

化学暴露的变异性特征

化学物检测情况在两研究中差异显著。尤金研究94种化学物中59种被检出，圣海伦斯58种中50种检出，仅26种重叠。尤金腕表中浓度最高的为壬烷、二甲苯和十七烷，圣海伦斯则为菲和甲基菲等PAHs。变异系数（CV）分析显示，不同化学物在不同研究中的变异程度各异。

方差来源分解

方差分解结果揭示，化学暴露变异性模式存在明显的地域差异。

在尤金研究中，如图3A所示，芘（pyrene）和磷酸三（2-氯乙基）酯（TCEP）等化学物的浓度在个体内变异较大（点位于左上方），个体间差异分别解释了总变异的87.2%和78.5%。而1,2-二甲基萘（1,2-dimethylnaphthalene）则表现出较高的个体内一致性（点位于右下方）。在检测概率方面（图3B），尤金研究中没有化学物表现出高度的个体内一致性。相比之下，圣海伦斯研究（图4）中，多个较高分子量的PAHs在检测概率上表现出较强的个体内一致性（点位于右下方），而晕苯（coronene）的浓度个体内变异较大。

环境变量的解释力

环境变量（PM_2.5、HMS、温度）对大多数化学物的数据变异性解释力有限。如图5所示，仅在21%（尤金）和30%（圣海伦斯）的建模化学物中，环境变量组合的R2达到或超过0.1。值得注意的是，环境变量的解释力更多体现在检测模型而非浓度模型。在尤金研究中，苯乙烯（styrene）、邻二甲苯（o-xylene）、乙苯（ethylbenzene）和菲（phenanthrene）的检测概率变异性能被环境变量较好地解释（组合R2为0.51-0.76），这主要得益于PM_2.5和HMS信息的结合（例如，菲的检测概率变异中，HMS单独解释了75%）。在圣海伦斯，萘（naphthalene）和乙基萘（ethylnaphthalene）等化学物的检测概率则与HMS和温度信息更相关。

研究间比较

对12个在两研究中均被成功建模的化学物进行分析发现（图6），其变异性模式在两研究间的一致性不尽相同。1-甲基萘、2-甲基萘、雷特烯（retene）、萘和1,4-二甲基萘这五种化学物，其个体内与个体间变异的比率在两研究中相似（靠近图中虚线），表明这些化学物的暴露在个体层面可能具有时间上的稳定性。然而，1,2-二甲基萘、荧蒽（fluoranthene）、芘、芴（fluorene）等另外六种化学物，虽然在单个研究内表现出较高的个体内一致性，但其变异性模式在两研究间差异显著，提示对于这类化学物，在不同研究或时间点进行重复测量至关重要。

结论与讨论

本研究通过先进的统计模型量化了个人化学暴露的多种变异性来源，显著优于以往仅依赖相关性分析的方法。主要结论包括：首先，识别出一组在个体内表现出时间一致性的化学物（如1-甲基萘等），这意味着针对这些化学物的暴露评估，在研究设计时可能无需过于密集的重复测量，而可侧重于扩大人群样本量。其次，发现另一组化学物（如1,2-二甲基萘、芘等）虽在单个研究内个体内一致性高，但研究间结果不一致，强烈表明未来暴露组研究需要对这类化学物在不同时间点进行跨研究测量，以捕捉其真实暴露模式。第三，浓度数据与检测（是/否）数据提供了互补信息，需结合分析才能全面理解暴露变异性。例如，菲在尤金研究中的浓度个体内一致，但其检测与否却并不一致。第四，宏观环境变量（PM_2.5、HMS、温度）对大多数化学物暴露变异的解释力有限，证实仅靠区域环境监测数据不足以精确评估个人暴露，但它们在某些化学物（如苯乙烯、菲）的检测概率预测中展现价值，尤其在野火烟雾等极端事件期间（PM_2.5与HMS结合）。

研究的局限性包括参与者以白人、高学历为主，且尤金参与者均为哮喘患者，可能限制结果的普适性。此外，两研究分析的化学物谱系不同，仅有12种化学物可直接比较，凸显了未来研究需标准化目标化学物列表的重要性。

总之，这项研究为暴露组学中“时间维度”的评估提供了关键见解和方法学框架。它强调了个体化、重复测量的重要性，并为未来研究在设计采样策略（如权衡重复测量次数与样本量）和纳入更精细的行为、环境变量方面指明了方向，推动暴露组学向更准确、个性化评估迈进。