精英静水皮划艇运动员的无监督表型聚类、推断性表征与判别分类：神经肌肉与人体测量学决定因素

《Frontiers in Physiology》：Unsupervised phenotypic clustering, inferential characterization, and discriminant classification of elite flatwater canoeists: neuromuscular and anthropometric determinants

　　

摘要

引言：精英运动员的表型分析仍受限于将生理特征与运动表现结果相混淆的有监督框架。无监督机器学习为识别运动员内在表型特征提供了一种不依赖运动表现结果的替代方法。

方法：本研究将聚类算法应用于精英静水皮划艇运动员的综合实验室数据。21名国际级C1皮划艇运动员（12名男性，9名女性）接受了标准化测试组合，包括身体成分、肌肉收缩特性、活动度、最大力量和爆发力，以及通过功能性机电测力计（FEMD）进行的专项神经肌肉评估。所有运动表现变量均被排除，以确保纯粹的表型分段。预处理包括非对称缩尾处理（asymmetric winsorization）、Yeo-Johnson变换和稳健标准化（robust scaling）。应用K-Means和层次聚类（Ward连接法），通过轮廓系数（silhouette coefficient）、Davies-Bouldin指数和肘部法（elbow method）确定最优k值。通过随机森林分类器（Random Forest Classifier）评估判别变量重要性；使用决策树分析（max_depth=3）结合分层训练-测试验证（66.7%–33.3%）提取可解释的分类规则。聚类差异的统计表征采用ANOVA或Kruskal-Wallis检验及事后比较和Benjamini-Hochberg FDR校正；算法一致性通过调整兰德指数（ARI）量化。

结果：共出现三个表型聚类：高神经肌肉男性表型（n=7，33.3%）、女性主导表型（n=10，47.6%）和中神经肌肉男性表型（n=4，19.0%）（ARI=0.591）。性别分层显著（χ2=18.90，p<0.001）：女性主导表型中90%为女性运动员；两个男性表型均为男性，编码了性别二态性及同性别内神经肌肉分化。FEMD神经肌肉变量在判别中占主导地位（前15个重要变量中占75.9%；15个变量中有14个在Benjamini-Hochberg FDR校正后p_adj<0.01）。决策树分类达到100%训练准确率和71.4%测试准确率（5/7；95% CI：29.0%–96.3%；p=0.045 vs. 随机水平），但小测试分区限制了泛化性。在男性表型内，聚类0和聚类2表现出等效的神经肌肉特征（所有p>0.05），表型分离由非桨侧背阔肌（latissimus dorsi）持续收缩时间捕获；相对于女性主导表型的差异主要反映性别二态性。

讨论：无监督聚类提示精英皮划艇运动员存在三分表型结构，与性别二态性和同性别内神经肌肉分化一致，FEMD衍生的离心力为主要判别因子。分类规则可能为未来性别分层的人才识别和训练个体化提供信息；需要更大样本队列的外部验证。

研究背景方面，长期运动发展模型强调基于运动员特异性特征制定个体化训练处方的重要性。在静水皮划艇项目中，运动成功取决于生物力学、人体测量学和神经肌肉变量之间的复杂交互，其相对重要性因比赛距离和船型而异。既往研究强调了上肢最大力量和功率、有氧和无氧能力以及身体成分的相关性，但关于哪些变量最具决定性的分歧表明，当前模型缺乏广泛适用所需的特异性和稳健性。近期研究已向纳入皮划艇划桨技术专项的神经肌肉和生物力学信息方向发展。功能性机电测力计（FEMD）已成为评估专项多关节模式力量的有效可靠工具，能够在模拟皮划艇技术的姿势下进行测试设计。然而，目前尚无研究系统地将基于机器学习的表型分段应用于精英皮划艇运动员并采用基于FEMD的综合专项神经肌肉评估。这一空白至关重要，原因在于：皮划艇专项神经肌肉能力的个体变异可能遵循离散的表型特征而非单一连续体；单侧划桨技术导致的双侧力量不对称尚未通过聚类方法探索；不同变量域在定义运动员表型中的相对重要性未知；人才识别框架缺乏经验衍生的运动员分类学。

研究人员开展了一项横断面观察性分析，对21名国际级精英静水皮划艇运动员（C1级别，最低国家队代表资格）的实验室评估数据进行研究。研究采用无监督机器学习技术，包括主成分分析（PCA）、t分布随机邻域嵌入（t-SNE）进行降维，K-Means和Ward层次聚类进行分段，通过轮廓系数、Davies-Bouldin指数和调整兰德指数（ARI）进行内部验证。研究人员刻意排除了所有运动表现相关变量（1000 m、500 m和200 m比赛时间、排名和比赛位置），确保纯粹的表型分段。研究得出三个表型聚类：高神经肌肉男性表型（n=7，33.3%）、女性主导表型（n=10，47.6%）和中神经肌肉男性表型（n=4，19.0%）。FEMD衍生的神经肌肉变量主导聚类判别（前15个重要变量累计重要性的75.9%），其中FEMD增量测试中的峰值力（F_peak FEMD_INC-G）具有最高判别能力（重要性=0.061）。决策树分类达到71.4%测试准确率。研究意义在于：通过排除所有运动表现变量，本研究表明精英皮划艇运动员的表型差异可以在不依赖比赛结果的情况下被检测到，为性别分层的人才识别和训练个体化提供了初步框架。

在关键技术方法方面，研究人员采用标准化实验室测试组合，包括通过生物电阻抗分析评估身体成分、通过张力肌电图（TMG）评估主要肌肉收缩特性、通过标准测试单侧评估上下肢活动度、通过1次最大重复量（1RM）评估最大力量、通过单臂绳索划船和单侧腿举评估爆发力，以及通过FEMD进行皮划艇专项神经肌肉评估（包括最大等长力产生和增量负荷至自主力竭测试）。数据处理采用五阶段预处理流程：排除表现变量、缺失值检查、非对称缩尾处理、Yeo-Johnson幂变换和稳健标准化。聚类分析采用K-Means和Ward层次聚类，通过三种内部验证指标确定最优k值。判别变量重要性通过随机森林分类器（100棵树，随机种子=42）评估，分类规则通过浅层决策树（max_depth=3）提取，采用分层训练-测试划分（66.7%–33.3%）。统计表征采用ANOVA或Kruskal-Wallis检验及Tukey HSD或Dunn事后比较，应用Benjamini-Hochberg FDR校正。样本队列来源于国际级C1皮划艇运动员，所有数据在常规实验室评估期间收集，经当地伦理研究委员会批准（方案代码：07-1019）。

研究结果方面，样本特征显示最终分析样本包括21名精英静水皮划艇运动员（12名男性，9名女性），平均年龄20±4.4岁，身高170.8±10.5 cm，体重70.6±10.5 kg。身体成分分析显示平均体脂百分比为15.7±4.8%，男性运动员体脂（12.1±2.3%）显著低于女性运动员（20.5±2.4%；p<0.001）。年龄、身高和体重均存在统计学显著的性别差异（均p<0.05）。

最优聚类数确定方面，三种内部验证指标的收敛分析确定三个聚类为最优表型分段方案。肘部法显示k=3后组内方差减少的边际收益递减；轮廓系数分析确定k=2为最高凝聚-分离平衡值（0.110），k=3为0.056。尽管k=2在孤立情况下最大化轮廓指标，但k=3基于与肘部拐点的收敛证据和更大的生物学可解释性被选中。Davies-Bouldin指数从k=3（DB=2.265）到k=9（DB=1.401）呈单调递减趋势，与高维小样本条件下基于质心的有效性指数的已知行为一致。最优k=3解决方案由肘部拐点和轮廓系数的收敛证据确定。

聚类组成和算法一致性方面，K-Means聚类将样本分为三个表型组：聚类0（中神经肌肉男性表型，n=4，19.0%）、聚类1（女性主导表型，n=10，47.6%）和聚类2（高神经肌肉男性表型，n=7，33.3%）。Ward层次聚类产生类似组结构，树状图显示三个主要分支对应于缩放特征空间中不同的欧几里得距离阈值。K-Means和层次聚类方法之间的算法一致性通过调整兰德指数量化（ARI=0.591），表明超出随机期望的中等一致性。主成分分析在前两个成分中捕获了28.36%的总方差（PC1：19.36%，PC2：9.00%）。t-SNE投影显示增强的聚类分离。

聚类间性别分布方面，性别分布在三个表型聚类间表现出显著分层（χ2=18.90，p<0.001）。聚类1显示不成比例的女性代表（n=9，90.0%），仅有一名男性运动员。相反，聚类0和聚类2完全为男性。这种显著的性别-聚类关联表明三分表型结构在很大程度上反映了神经肌肉能力、身体成分和人体测量学特征的性别二态性。

判别变量重要性方面，随机森林分类器分析通过100棵决策树的平均基尼不纯度减少量化了281个变量表型空间的判别能力。前15个特征占累计重要性的39.4%，其中来自皮划艇专项FEMD增量测试的神经肌肉变量在层级中占主导地位（前15个累计重要性的75.9%）。F_peak FEMD_INC-G表现出最高判别能力（重要性=0.061），其次是FEMD_INC重复次数（0.033）和Work FEMD_INC-G（0.032）。Bootstrap重采样（B=1000）表明，平均仅36.9%的前15个变量在重采样中保留在前15排名中，表明与高维小样本设置一致的大量排名不稳定性。

表型聚类的统计表征方面，在完整281变量测试组合中，推断性检验识别出88个变量原始p<0.05；经Benjamini-Hochberg FDR校正后，51个变量保留统计显著性（p_adj<0.05）。事后比较表明，聚类1在所有增量FEMD衍生指标上表现出相对于聚类0和聚类2显著减弱的神经肌肉能力（所有成对p≤0.010）。聚类0和聚类2在所有15个成对比较中表现出统计学等效特征（所有p>0.05），表明这两个表型之间完全功能等效。身体成分和代谢变量证实了神经肌肉分层模式。功能人体测量学和肌肉收缩特性变量呈现不同的判别特征。

通过决策树分类验证聚类稳定性方面，浅层决策树分类器（max_depth=3）达到完美训练准确率（100.0%，14/14）并在保留数据上保持71.4%准确率（5/7；95% CI：29.0%–96.3%）。尽管测试准确率点估计显著超过随机水平（33.3%；单侧二项检验p=0.045），但宽置信区间是小样本验证的直接统计后果。可解释的决策树架构编码了一个简约的双阈值分类算法：根节点基于F_peak FEMD_INC-E≤39.48 N分割，立即将聚类1分离；超过39.48 N的运动员进入基于非桨侧LD持续收缩时间≤152.05 ms的二次分叉。

通过雷达图可视化比较表型特征方面，六个判别变量的标准化均值以雷达图形式可视化。聚类0表现出跨大多数维度的平衡特征；聚类1表现出最小的径向多边形面积，神经肌肉维度标准化值持续减弱；聚类2表现出跨所有维度的最大多边形扩展。聚类0和聚类2在雷达可视化维度上表现出多边形重叠，反映其统计等效性。

表型聚类解读方面，聚类2代表高性能原型，以优越的神经肌肉能力为特征；聚类1表现出较低的绝对神经肌肉输出，主要归因于规范性性别二态性；聚类0在神经肌肉FEMD维度上与聚类2处于表型等效位置，算法分离可能由背阔肌持续收缩时间阈值、未测量的潜在变量或小样本聚类中的随机方差驱动。

讨论部分总结：本研究识别了国际级静水皮划艇运动员的三分表型结构，编码了两个叠加的生物学变异来源：性别二态性和同性别内神经肌肉分化。性别-聚类关联的Cramér's V=0.949表明非常强的效应量。内部验证指标表明有限的聚类分离（轮廓系数=0.056）和K-Means与Ward连接之间的中等算法一致性（ARI=0.591），提示三聚类解决方案描述的是重叠的表型梯度而非离散的分类特征。决策树分类保持71.4%测试准确率。主要方法学贡献在于刻意排除所有运动表现变量，确保纯粹的表型分段独立于结果污染。FEMD衍生变量主导聚类判别（前15个累计重要性的75.9%）。聚类0和聚类2在男性表型空间内表现出完全统计等效性，表明算法分离反映的是细微的多变量差异而非有意义的神经肌肉表现梯度。身体成分和人体测量学贡献方面，聚类1的身体成分特征与规范性女性生理学一致而非表明运动表现不足。聚类稳定性方面，ARI=0.591表明中等一致性，结合低轮廓系数，意味着三聚类边界解决方案对算法选择和初始化参数敏感。实际应用方面，简约双阈值分类算法为前瞻性运动员表型分析提供了候选框架。局限性方面，最重要的局限是性别与聚类分配的结构性混杂。未来研究应在充分把握的性别平衡队列中复制聚类架构，以分离训练相关表型变异与规范性生物学二态性。

结论翻译：无监督机器学习应用于精英静水皮划艇运动员的综合实验室表型分析，提示存在三分表型结构，似乎编码了两个生物学上有意义的变异轴：性别二态性，将女性主导表型（聚类1，90%女性）与两个完全男性聚类分开；以及同性别内神经肌肉分化，区分高神经肌肉男性表型（聚类2）和中神经肌肉男性表型（聚类0）。FEMD衍生的神经肌肉变量主导聚类判别（前15个累计重要性的75.9%），峰值离心力作为主要分类节点，编码了性别规范性力量差异和运动专项神经肌肉能力。三聚类解决方案表现出中等算法一致性（ARI=0.591）和可解释的分类规则（71.4%测试准确率；95% CI：29.0%–96.3%），宽置信区间反映了七例验证的固有统计局限性而非系统性模型失败。通过排除聚类中的所有运动表现变量，本研究表明精英皮划艇运动员的表型差异可以在不依赖比赛结果的情况下被检测到，但受限于本探索性样本。中神经肌肉男性表型（聚类0，n=4）需要纵向验证以确定其构成稳定的表型亚型还是男性神经肌肉连续空间的算法分区。未来研究应在充分把握的性别平衡队列中复制聚类架构，以分离训练相关表型变异与规范性生物学二态性，并采用独立外部验证以建立所提出分类规则的前瞻性泛化性。