基于统一多实验数据集的机器学习分析提示鼠伤寒沙门氏菌攻毒生长育肥猪相对体重增重具有阶段依赖性可预测性

《Veterinary Sciences》：Machine Learning Analysis of a Harmonized Multi-Experiment Dataset Suggests Phase-Dependent Predictability of Weight Gain in Salmonella-Challenged Pigs

　　

该研究旨在利用来自四项实验的统一数据集评估体重增重的内部可预测性，这些实验采用共同的鼠伤寒沙门氏菌（Salmonella Typhimurium）攻毒方案，对象为生长育肥猪。将230头猪的个体动物数据统一为数据库，包含生长性能、体成分、血清生化指标和实验水平信息。相对体重增重按每个评估期起始体重计算，并分别在急性期（攻毒后0–7天；RWG7；n = 132）和慢性期（攻毒后7–28天；RWG7–28；n = 131）评估。采用个体水平五折交叉验证比较线性模型（Linear Model）、弹性网络（Elastic Net）、随机森林（Random Forest）、极端梯度提升（XGBoost）、广义可加模型（Generalized Additive Models，GAMs）和支持向量机（Support Vector Machine，SVM），其中来自同一源实验的猪可同时出现在训练折和验证折。另拟合单回归树作为探索工具。急性期交叉验证R²范围为0.078–0.186，表明可用基线变量仅解释RWG7变异的一小部分。慢性期预测性能较高，尤其是线性模型和弹性网络，二者交叉验证性能基本相当，R²分别为0.419和0.420。随机森林和XGBoost获得较高的样本内性能，但出折性能显著较低，提示统一数据集内存在过拟合结构。体重、体成分、生化变量和源实验对模型预测有贡献，表明预测信号同时纳入个体生理状态和实验间异质性相关信息。总体而言，急性期生长性能难以由基线信息预测，而慢性期生长表现出较强的内部预测信号。该比较反映各阶段开始时可用预测变量信息的差异，因为慢性期模型还纳入了第7天测定的体重和相对体重增重。由于在向独立实验或商业群体外推前需要进行留实验验证或外部验证，这些结果应解释为探索性和假设生成性。

研究背景与问题：鼠伤寒沙门氏菌（Salmonella enterica serovar Typhimurium，ST）是影响全球养猪生产的重要血清型，生长猪感染后死亡率通常较低，但发病率高并可持续肠道定植，感染猪可成为无症状携带者并间歇排菌，从而维持群体内传播。ST感染降低生长性能，主要与免疫应答的代谢成本有关：原本用于肌肉蛋白沉积的营养物质被转向急性期蛋白合成、肠道屏障完整性维持、抗氧化防御和组织修复。然而，猪只对这些过程的反应幅度差异很大，反映生理、免疫、代谢和性能相关因素间的复杂互作，即使无明显临床症状也可能显著影响生长。传统广义线性模型和混合效应模型仍是假设检验和治疗效应估计的重要工具，但机器学习（machine learning，一种数据驱动预测建模方法）可在不施加严格参数假设的情况下识别复杂数据模式；随机森林、XGBoost和支持向量机等已用于动物科学中的预测建模、变量优先排序和模式识别。原文指出，基线生化指标和早期生长反应在攻毒后不同阶段对相对体重增重（relative weight gain，RWG，按各阶段起始体重校正的增重比例）的预测程度仍不清楚；整合多个受控实验的个体动物数据可扩大动物特征和实验条件范围，但需考虑方法学一致性和实验间异质性。分阶段分析有助于区分与早期生长扰动相关的预测因子和与持续卫生压力下后续生长相关的预测因子。因此，研究人员比较急性期和慢性期相对体重增重的内部预测性能，使用各阶段开始时可用预测信息，并识别贡献于模型预测的个体水平和源实验指标；假设慢性期内部可预测性高于急性期，因为早期攻毒后生长受快速变化且异质的宿主反应影响，而后期生长预测可能受益于初始宿主反应开始后收集的信息。

研究开展、结论与意义：研究人员将四项独立生长育肥猪实验的个体数据统一为数据库，这些实验均采用共同ST攻毒方案并在差卫生条件下进行；最终急性期分析纳入132头猪，慢性期纳入131头猪。研究比较六类模型的内部交叉验证表现，并以单回归树和模型特异变量重要性作探索。结论是急性期相对体重增重难以由基线信息预测，慢性期显示更强的内部预测信号；但该差异反映阶段间差异及慢性期模型额外纳入第7天体重和RWG7的信息差异，不能仅解释为慢性期生物学可预测性更高。原文强调结果为探索性和假设生成性，需留实验验证或外部验证后才能外推。其意义在于提示将机器学习与受控实验数据整合可识别攻毒后生长性能的候选预测因子，并为未来精准畜牧生产中卫生挑战下的监测工具和韧性指标研究提供假设生成框架。

关键技术方法（不超过250字）：数据库由四项独立生长育肥猪实验统一而成，共230头猪；源实验经S?o Paulo State University（UNESP）伦理批准（No. 4784/20、0607/22、2296/21），其中Fran?a等的两项研究为同一伦理批准下的独立队列。共同攻毒为口服约2×10⁹ CFU耐萘啶酸ST，并持续暴露于污染粪便且不清洁28天。统一变量包括生长性能、体成分（双能X射线吸收法，DXA）、血清生化及实验水平信息；分别构建RWG7（n = 132）与RWG7–28（n = 131）结局。比较线性模型、弹性网络、随机森林、XGBoost、广义可加模型和支持向量机，采用个体水平五折交叉验证，同源实验猪可同时进入训练和验证折；以出折（out-of-fold，OOF，未参与拟合的验证预测）计算RMSE和R²，并以单回归树和模型特异变量重要性作探索。

研究结果：

3.1 Predictability of Relative Weight Gain During the Acute and Chronic Phases（急性期与慢性期相对体重增重的可预测性）：研究人员比较各模型样本内与五折交叉验证表现。急性期XGBoost样本内R²=0.990、RMSE=0.006，随机森林R²=0.789；交叉验证R²仅0.078–0.186、RMSE 0.063–0.071，GAM最高（R²=0.186），XGBoost最低（R²=0.078）。慢性期XGBoost样本内R²=0.996；交叉验证中弹性网络和线性模型最高，R²分别为0.420和0.419，RMSE均为0.103；GAM R²=0.320，XGBoost R²=0.214，SVM在两阶段均较低。结论：慢性期最高交叉验证R²高于急性期，但慢性期模型额外纳入第7天体重和RWG7，故比较反映不同预测信息集下的性能差异。

3.2 Predictors of Acute-Phase Relative Weight Gain（急性期相对体重增重的预测因子）：通过单回归树、随机森林、线性模型/弹性网络和XGBoost的变量重要性分析。急性期回归树以基线尿素浓度为首个分割变量，尿素≥20 mg/dL者进一步按体重、白蛋白、甘油三酯和总蛋白分区，低尿素者主要按白蛋白和LDH分区；回归树变量重要性以基线白蛋白最高，其次尿素、体蛋白百分比、总蛋白和LDH，基线体重和源实验亦贡献，甘油三酯和肌酐重要性较低。随机森林以Arnaut等源实验指标最重要，其次白蛋白和体重；线性模型/弹性网络以Arnaut等、Fran?a等源实验指标最重要，生物变量中体脂百分比、基线体重、甘油三酯等较重要；XGBoost以白蛋白、体重、体蛋白百分比等最重要。结论：算法间排序不同，但白蛋白和体重在树模型中一致重要，源实验指标在随机森林、线性模型和弹性网络中较重要。

3.3 Predictors of Chronic-Phase Relative Weight Gain（慢性期相对体重增重的预测因子）：通过慢性期回归树和变量重要性分析。回归树以实验为首要分割变量，后续按肌酐、白蛋白、LDH、总蛋白、体蛋白和体脂百分比分割；变量重要性实验最高，其次基线体重、LDH、体蛋白百分比、体脂百分比等。随机森林以Fran?a等、Arnaut等、Fran?a等源实验最重要，其次基线LDH和体脂百分比；线性模型/弹性网络以第0天和第7天体重、Fran?a等源实验、RWG7最重要，体脂/体蛋白百分比、白蛋白、LDH等中等重要；XGBoost以基线LDH、Fran?a等源实验、RWG7、Fran?a等源实验最重要。结论：实验相关预测因子突出但算法排名不同；LDH在随机森林和XGBoost中较重要，体重和早期生长信息在线性模型/弹性网络中突出，RWG7在XGBoost中居前。

讨论总结：讨论指出，无论建模方法如何，内部交叉验证预测性能在急性期普遍较低、慢性期较高，但必须结合各阶段开始时不同预测信息集解释。该结果与Le Floc’h等的概念一致，即免疫和代谢指标可解释卫生挑战下猪生长个体间变异的较大比例。基线白蛋白在多模型中反复贡献，其作为负急性期蛋白（acute-phase protein，炎症时肝脏合成变化的蛋白）可在系统性炎症时因氨基酸和肝脏合成能力转向正急性期蛋白而下降，可能反映炎症负荷、肝脏蛋白代谢和代谢稳态平衡。血尿素反映氨基酸分解和未用于蛋白合成的氮处置，免疫激活时氨基酸可由肌肉蛋白沉积转向急性期蛋白合成、免疫细胞增殖和组织修复，但其预测贡献不能仅归因于免疫激活，因源实验营养策略不同。乳酸脱氢酶（lactate dehydrogenase，LDH）为非特异组织损伤指标并参与细胞乳酸代谢，但其预测贡献不能归于特定组织或通路。体蛋白和体脂百分比反复重要，提示既往体成分反映营养状态、生理成熟、养分分配及支持维持、免疫和组织沉积的资源，但其为相互关联描述，不能解释为独立因果效应。急性期低预测可能反映ST感染早期反应快速动态和个体异质性；慢性期较高R²不能仅归因于更强生物学可预测性，因模型额外纳入BW7和RWG7，且原文未分离这些贡献；RWG7–28不应视为已验证的韧性表型。线性模型和弹性网络在慢性期内部交叉验证最佳，灵活模型样本内高而出折明显下降，提示过拟合。源实验因素突出，可能捕获实验间性别、初始体重、营养策略、管理、环境、季节和潜在微生物压力等系统差异，这些与实验部分混杂，不能解耦。限制包括：个体水平交叉验证允许同源实验猪同时进入训练和验证折，报告性能应视为统一数据集内内部可预测性而非外推性；实验与试验水平特征部分混杂；变量重要性依赖算法，未进行带不确定性估计的置换重要性或SHAP分析；可用变量受源研究限制，炎症细胞因子、病原负荷、氧化状态标志和临床症状未一致测定；预测区间内采食量因与结局同期测定而被排除。

研究结论翻译：这项跨实验机器学习分析提示，在鼠伤寒沙门氏菌攻毒的生长育肥猪中，相对体重增重的内部可预测性在不同攻毒后时期因可用预测变量信息集不同而不同。急性期相对体重增重显示有限的内部可预测性，可能是因为基线变量未能捕捉攻毒后形成的动态反应。相反，慢性期相对体重增重显示较强的内部预测信号。然而，这种差异可能既反映阶段间的生物学差异，也反映更接近慢性增重区间测定的预测变量的可用性。在评估的预测因子中，与蛋白质代谢和炎症状态相关的生化标志物，包括白蛋白、尿素和乳酸脱氢酶，以及体成分变量，持续对相对体重增重的预测有贡献。这些发现突出与代谢状态和体成分相关的变量作为攻毒后生长性能的候选预测因子，但未确立其因果作用。线性模型和弹性网络在慢性期获得最高的内部交叉验证性能。总体而言，该研究提示将机器学习方法与受控实验数据集整合可改善猪生长性能候选预测因子的识别，并支持一个假设生成框架，用于未来开发卫生挑战下精准畜牧生产的预测工具。