《Forensic Science International: Reports》：Modern human δ13C isoscapes in Brazil reveal spatial structure in a C?-dominated diet landscape
编辑推荐：
本研究基于牙本质胶原蛋白与指甲角蛋白的配对分析，构建了巴西现代人类组织δ13C等值线图。研究人员采用随机森林（Random Forest）建模方法，并结合气候与社会经济协变量，揭示了巴西东北部和东南部地区膳食碳源同化的空间格局。牙本质δ13C值主要与环境变量相
本研究基于牙本质胶原蛋白与指甲角蛋白的配对分析，构建了巴西现代人类组织δ13C等值线图。研究人员采用随机森林（Random Forest）建模方法，并结合气候与社会经济协变量，揭示了巴西东北部和东南部地区膳食碳源同化的空间格局。牙本质δ13C值主要与环境变量相关，而指甲δ13C值则与市政国内生产总值（GDP）和收入不平等（Gini系数）等社会经济指标联系更为紧密。偏依赖图（Partial Dependence Plots, PDPs）展示了δ13C与预测变量之间截然不同的关系，表明环境因素可能作为空间代理变量发挥作用，而社会经济变量则更直接地影响膳食摄入。两种组织间δ13C值的差异为评估个体生命历程中C?食物消费的变化提供了探索性分析途径。尽管模型性能表现中等，但研究结果凸显了稳定同位素等值线图作为膳食重建工具及在复杂社会地理环境中法医应用的潜力。研究人员强调，需要时间分辨数据并扩大采样范围，以提高模型稳健性，并支持对区域及生命阶段膳食动态的解读。
论文解读
一、研究背景与问题
稳定同位素分析是考古学、生态学和法医学中重建生物体饮食与地理来源的重要工具。其中，碳稳定同位素比值（δ13C）能够区分植物光合作用中的C?与C?代谢途径，因此特别适用于研究包含C?型主食（如小麦、大米、水果）与C?型食物（如玉米、甘蔗或食用C?作物饲料的动物肉类）的混合饮食。氮稳定同位素（δ1?N）则反映生物体的营养级水平。然而，在现代城市化社会中，食品供应链的全球化和工业化导致人类饮食趋于同质化，δ13C值在较大地理范围内往往压缩在约1‰以内，限制了其作为地理溯源工具的效力。巴西的情况则较为特殊，由于其食品系统中C?来源（玉米、甘蔗及C?饲养的牲畜）广泛存在，巴西人组织中的δ13C值普遍高于其他多数国家，且变异范围更广（约8‰），为构建有意义的空间分布模型提供了可能。传统的地统计插值方法（如克里金法）依赖数据的空间自相关结构，而人类δ13C数据往往在短距离内表现出高变异性，限制了传统方法的有效性。因此，需要新的建模策略来整合气候和社会经济等多维协变量，以构建更稳健的δ13C等值线图。
二、研究内容与结论
针对上述问题，研究人员利用一项近期调查中来自巴西东北部（n=62）和东南部（n=30）共92名参与者的配对指甲和牙齿样本数据，构建了人类组织δ13C等值线图。研究采用“随机森林变量选择”（Variable Selection Using Random Forests, VSURF）算法结合随机森林回归的两步机器学习方法，将气候变量（如降水量MAP、温度MAT、相对湿度RH、潜在蒸散发PET）和社会经济指标（如人类发展指数HDI、基尼系数GINI、国内生产总值GDP、家庭收入Renda、识字率Alfa）作为预测协变量。结果表明，牙本质δ13C模型仅保留了气候变量（MAP和PET），而指甲δ13C模型则同时纳入了气候（RH）和社会经济（GDP、GINI）变量。模型性能中等：牙本质模型RMSE为1.0‰，MAE为0.8‰，R2=0.33；指甲模型RMSE为0.6‰，MAE为0.5‰，R2=0.36。生成的等值线图显示出东南部δ13C值较不偏负、东北部较偏负的空间趋势，与先前研究一致。但牙本质等值线图在圣保罗州西部出现一个偏离整体趋势的“热点”区域，该区域社会经济水平高，预期应呈现较不偏负的δ13C值，这一异常提示不同组织类型可能以不同方式反映饮食与环境影响。偏依赖图分析显示，牙本质δ13C在降水量高、潜在蒸散发低的区域呈现较不偏负的值；指甲δ13C与社会经济变量的关系则更为直接。该研究的重要意义在于证明了将社会经济指标作为协变量纳入随机森林模型，能够改善人类组织δ13C空间插值的可靠性，为法医溯源和饮食重建提供了新工具，尤其是在饮食结构复杂的社会地理环境中。
三、关键技术方法
研究人员主要采用了以下关键技术方法：一是随机森林变量选择算法（VSURF），用于从气候和社会经济变量中筛选最具预测力的协变量；二是基于ranger包的随机森林回归模型，通过重复5折交叉验证（10次重复）优化模型性能，并设置5000棵树保证稳定性；三是分位数随机森林（Quantile Random Forest, QRF）用于估计预测不确定性，通过四分位距（IQR）转换为标准偏差；四是利用terra包将训练好的模型应用于预测栅格，生成连续的空间预测表面（等值线图）。样本队列来源于巴西东北部（塞阿拉州CE、北里奥格兰德州RN）和东南部（米纳斯吉拉斯州MG、圣保罗州SP）的92名参与者，提供了92个指甲样本和77个牙根胶原蛋白样本。
四、研究结果
模型预测与性能评估：随机森林模型生成的预测值直方图与观测值分布总体接近，尤其是指甲模型，其分布更对称。但模型未能充分捕捉两种组织类型的极端δ13C值。误差指标显示模型性能中等，牙本质模型RMSE为1.0‰、MAE为0.8‰、R2=0.33；指甲模型RMSE为0.6‰、MAE为0.5‰、R2=0.36。相对于观测范围，两种模型的误差均约占20%左右，表明模型捕捉了部分空间信号，但仍有大量方差未解释。
等值线图空间格局：牙本质δ13C等值线图呈现出较平滑、连续的空间分布，主要受气候变量驱动，东南部较不偏负、东北部较偏负。但在圣保罗州西部出现一个异常的较不偏负“热点”区域，与预期不符。指甲δ13C等值线图则呈现更斑块状、与行政边界对齐的模式，反映了社会经济变量的影响。两种等值线图在空间结构上的差异主要源于输入预测栅格的空间分辨率和结构不同。
不确定性分析：通过分位数随机森林计算的标准偏差图层显示，牙本质模型在约85%的区域标准偏差低于1.3‰，中位数为0.8‰；高值主要出现在远离采样点的区域。指甲模型的标准偏差整体更低，最大值1.2‰，多数低于0.8‰。不确定性在采样稀疏或缺失区域显著升高，提示这些区域的预测应视为外推结果。
偏依赖图分析：牙本质δ13C与气候变量（MAP和PET）的关系呈现清晰模式，较不偏负的值出现在高降水、低蒸散发区域，但这种关系的潜在机制尚不明确，可能反映空间而非机制性影响。指甲δ13C与社会经济变量的偏依赖关系则更为直接。
五、讨论与结论
讨论部分指出，尽管数据集包含有价值的测量结果，但样本量相对较小，空间覆盖严重不平衡：东北部采样密集，中部和东南部稀疏，南部完全缺失。因此，模型性能和预测表面不成比例地受到采样点所代表的环境和社会经济空间的影响，在采样不足区域的预测主要依赖从其他区域学习的协变量-同位素关系，应视为模型外推而非本地支持的估计。这种局限性在中部巴西预测的大片低δ13C值区域尤为突出，该区域缺乏地面实况观测，增加了系统偏差的可能性。研究强调，全国尺度地图应视为临时性和假设生成性的，而非确定性的。未来工作应优先扩大中部、东南部和南部地区的采样，以提高空间代表性、减少外推并增强对全国尺度模式的信心。此外，牙本质和指甲等值线图在空间结构上的差异，除了预测栅格分辨率的影响外，也可能反映组织特异性时间整合的差异——牙本质反映较长的形成期，指甲代表更近期的饮食输入。研究结论认为，将社会经济指标纳入随机森林模型构建δ13C等值线图具有可行性，但模型性能仍有提升空间，需要时间分辨数据和扩大采样范围来增强模型稳健性，支持区域和生命阶段膳食动态的解读。
