基于随机森林模型的尼日利亚奥孙州冈比亚按蚊复合体物种分布预测及其对疟疾防控的启示

本研究针对尼日利亚奥孙州疟疾防控需求，通过随机森林模型（RF）预测冈比亚按蚊复合体（An. gambiae s.l.）的分布格局。研究人员采集17个地方政府区域（LGA）的幼虫样本，结合23项环境变量（19项生物气候+4项地形），发现99%为An. coluzzii，并揭示月均昼夜温差（9-10°C）和冷月温度（18-19°C）为关键驱动因子。成果为靶向蚊媒控制（如LLINs和LSM）提供空间决策依据，发表于《Scientific Reports》。

　　

疟疾作为尼日利亚最严重的公共卫生问题之一，每年导致大量5岁以下儿童和孕妇死亡。尽管该国已大规模分发长效杀虫蚊帐（LLINs），但疟疾负担仍占全球病例的54%，其中奥孙州儿童感染率高达27.6%。这一矛盾现象背后，是疟疾主要传播媒介——冈比亚按蚊复合体（Anopheles gambiae s.l.）的生态适应性和空间分布规律尚未被充分认知。尤其值得关注的是，该复合体中不同近缘种（如An. gambiae s.s.和An. coluzzii）可能具有差异化的环境适应性，而传统形态学鉴定难以区分这些物种，必须依赖分子技术。

为填补这一知识空白，奥孙州大学联合尼日利亚医学研究所等机构的研究团队开展了一项开创性工作。他们通过系统采集奥孙州17个地方政府区域（LGA）的蚊虫幼虫样本，结合随机森林（Random Forest, RF）机器学习算法，首次绘制了该州冈比亚按蚊复合体的高精度分布图谱。这项发表于《Scientific Reports》的研究不仅揭示了An. coluzzii在该州的绝对优势地位（占比99%），更发现了温度波动与海拔对蚊媒分布的关键调控作用。

研究团队采用多学科交叉方法：首先依据WHO标准在2022-2023年间采集25,000余只幼虫，经形态学和PCR分子鉴定确认物种；随后整合19项WorldClim生物气候数据和4项SRTM地形参数，通过空间验证（留一法LGA交叉验证）构建RF模型；最终利用响应曲线解析关键环境因子的阈值效应。

主要发现如下：

物种组成与空间格局
分子鉴定显示An. coluzzii在所有17个LGA中占据绝对优势（99%），仅1%为An. gambiae s.s.。阳性孳生点主要分布在居民区50米范围内，以雨水形成的小型积水为主。地理分布模型预测中央和西部地区适宜度最高，其中Obokun等5个东部LGA存在局部高适宜区。

环境驱动机制
变量重要性分析揭示：月均昼夜温差（Mean diurnal range, 贡献值5.2）和冷月均温（3.5）是最强预测因子。响应曲线显示：当月温差达9.5-10°C、冷月温度18-19°C时，蚊媒适宜度最高。值得注意的是，海拔（3.2）与适宜度呈正相关，打破传统"低海拔高风险"认知。降水因子中，最湿月降水量（215-240mm）和降水季节性（67-70mm）影响显著。

模型性能验证
ROC曲线下面积（AUC=0.7）和均方残差（MSR<0.1）表明模型具有中等以上预测效能。空间交叉验证证实模型在未采样区域具备外推能力。

这项研究在理论和实践层面均具有突破性意义。从科学认知角度，首次证实An. coluzzii在奥孙州的生态优势，其偏好中等温度波动（而非极端高温）的特性，可能与该物种应对气候变化的应激适应有关。实践中，研究直接指导防控资源配置：中央州月温差9-10°C区域应作为LSM（幼虫源管理）重点靶区，而8月（冷月）的低温期是实施成虫控制的黄金窗口。

研究也存在一定局限，如未考虑水体理化性质、人类活动强度等微观因素。未来若整合这些数据，可进一步提升模型精度。总体而言，这项工作为尼日利亚实现"精准疟疾防控"提供了首个空间决策工具，其方法论框架也可推广至其他热带地区的病媒控制规划。