《ACS ES&T Water》：Insights from Explainable AI-Assisted Microbial Source Tracking in an Urban Watershed
编辑推荐：
城市流域的微生物污染对公共健康构成重大挑战，然而传统监测对识别污染源或环境驱动因素提供的见解有限。本研究整合了芯片式数字聚合酶链反应（cdPCR）——一种灵敏的微生物源追踪（MST）方法——与可解释人工智能（AI），以识别华盛顿特区Rock Creek流域的主
城市流域的微生物污染对公共健康构成重大挑战，然而传统监测对识别污染源或环境驱动因素提供的见解有限。本研究整合了芯片式数字聚合酶链反应（cdPCR）——一种灵敏的微生物源追踪（MST）方法——与可解释人工智能（AI），以识别华盛顿特区Rock Creek流域的主要粪便来源和关键环境驱动因素。研究人员在三个站点进行了为期13个月（2021–2022年）的双周水样采集，并分析了四种宿主相关MST标记物（HF183、Rum2Bac、DG3和GFD）。在将随机森林（Random Forest）模型拟合到大肠杆菌（E. coli）浓度数据后，研究人员使用夏普利加性解释（SHAP）——一种可解释人工智能工具——来量化变量重要性和局部效应。尽管HF183通过cdPCR表现出最高浓度，但SHAP将犬类相关DG3标记物识别为关键预测因子，特别是在风暴事件期间，表明犬类相关粪便输入是E. coli浓度升高的主要贡献者。风暴事件、浊度和最小水汽压差（minimum VPD）是最具影响力的环境驱动因素。SHAP进一步揭示了粪便污染显著的时空异质性，表明来自多个来源的偶发性贡献。这种数字PCR与可解释人工智能的新颖整合增强了对粪便污染动态的理解，并为精准水质管理提供了可操作的见解。
**论文解读文章**
**研究背景**
城市流域中的微生物污染对公共健康和生态完整性构成严重威胁。粪便指示菌（FIB），如大肠杆菌（E. coli）和肠球菌，常被用作监测肠道病原微生物潜在存在的代理指标。在美国，《清洁水法》第303(d)条将数千英里河流列为因粪便污染而受损，估计占美国河流总里程的23%。人类、宠物和野生动物的共存，加上高比例的不透水表面，加剧了细菌水质标准的超标。城市流域受到来自点源和面源的多样化且动态混合的粪便污染影响，这些污染源随土地利用模式、水文条件和基础设施完整性而变化。在风暴事件期间，合流制污水溢流、地表径流和雨水排放将粪便污染物从不透水表面输送到受纳水体。在干旱天气下，持续的来源如污水渗漏、非法连接和老化基础设施可能继续将粪便细菌引入溪流。非人类来源，包括宠物、城市野生动物和候鸟，进一步增加了微生物负荷，使源归因复杂化。许多城市河流还接收来自农业或农村土地利用的上游输入，将反刍动物和牲畜粪便标记物引入城市水流。这种时空变异性和方法学差异挑战了主导污染源的准确识别，并限制了针对性缓解策略的有效性。
为应对这一挑战，研究人员开发了微生物源追踪（MST）技术，利用遗传标记物区分不同宿主的粪便污染。数字聚合酶链反应（PCR），特别是芯片式数字PCR（cdPCR），已成为量化MST标记物的稳健方法。与基于液滴的dPCR相比，cdPCR在封闭工作流程中使用固定微室分区，降低了污染风险，并提供高度均匀的分区以实现稳健的目标定量。尽管MST方法取得了显著进展，但在将微生物源数据与更广泛的环境背景整合方面仍存在空白。城市微生物水质受多种相互作用因素影响，包括水文、水化学、土地利用、地质和季节动态。然而，很少有研究系统探索这些变量如何相互作用以塑造粪便污染的时空格局。更好地理解这些关系对于从检测转向预测和预防至关重要。
机器学习作为人工智能（AI）的一个子集，已被越来越多地应用于跟踪水中的微生物污染源。然而，这些模型的“黑箱”性质通常限制了可解释性和透明度，无法解释源特异性贡献或环境驱动因素的作用。为解决这些局限性，可解释人工智能（explainable AI）的概念被引入，旨在使模型预测对人类可理解。其中，夏普利加性解释（SHAP）基于合作博弈论，通过将预测分解为加性特征贡献来量化每个预测因子对单个模型预测的贡献。SHAP提供全局特征重要性和样本特定的模型预测解释。与常规解释方法相比，SHAP具有优势，例如提供预测因子效应的方向和大小，从而实现对微生物污染的更可解释分析。
本研究开发了一个新颖框架，用于量化城市流域粪便污染的源贡献并识别环境驱动因素。Rock Creek流域是波托马克河的一个高度城市化的支流，根据美国《清洁水法》第303(d)条被列为细菌污染受损，为评估这一整合框架提供了理想案例。该框架整合了cdPCR方法用于量化宿主相关粪便遗传标记物以追踪微生物源，以及结合可解释AI算法的机器学习模型。据研究人员所知，这是首次将分子分析工具与可解释AI相结合以量化微生物源贡献的研究，提供了对粪便污染动态的机理理解，并为精准水质管理提供了可操作见解。该论文发表在《ACS ES》。
**主要关键的技术方法**
本研究的主要技术方法包括：芯片式数字PCR（cdPCR）定量四种宿主相关MST标记物（人类HF183、犬类DG3、反刍动物Rum2Bac、鸟类GFD）；随机森林（Random Forest）模型拟合E. coli浓度数据；夏普利加性解释（SHAP）进行全局和局部特征重要性分析。样本队列来源于美国华盛顿特区Rock Creek流域的三个站点（RCR01、BRB01、RCR0P），于2021年2月至2022年2月期间共采集96个水样（78个基流和18个湿天气样本）。
**研究结果**
**3.1 探索性分析**
通过描述性统计和皮尔逊相关分析，研究人员发现E. coli浓度平均为3,049 MPN/100 mL，与DG3（r=0.38）、HF183（r=0.31）和Rum2Bac（r=0.24）呈显著正相关，并与风暴事件（r=0.67）、浊度（r=0.51）、水流（r=0.44）和最小水汽压差（VPD
min，r=0.33）正相关，与pH负相关（r=?0.36）。所有站点主要土地利用类型为开发用地（>70%）。
**3.2 粪便指示菌和粪便遗传标记物的时空变异**
所有96个样本均检测到E. coli，42.7%低于美国环保署（USEPA）娱乐水质标准（RWQC）的410 MPN/100 mL阈值。基流浓度范围为56.1–9,330 MPN/100 mL，风暴事件期间显著升高至1,046–51,720 MPN/100 mL。四个遗传标记物呈现不同时空模式：人类相关HF183在支流站点BRB01浓度最高（峰值260,937 copies/100 mL），上游站点RCR01仅3%检测到；鸟类相关GFD呈间歇性检测，低中位数浓度；犬类相关DG3主要在湿天气检测到，浓度通常低于2,000 copies/100 mL；反刍动物相关Rum2Bac浓度较低，主要出现在特定风暴时期。
**3.3 机器学习模型性能与特征归因**
随机森林模型经5折交叉验证优化，最佳配置（800棵树，最大深度8，最小分裂样本2，叶节点样本1，特征子集√11）实现R2=0.656（SD 0.064）和RMSE=0.377（SD 0.032）。SHAP条形图显示风暴事件是最重要的预测因子，其次是浊度、DG3（犬类标记物）、最小VPD和HF183（人类标记物）。比电导和水流贡献中等，而Rum2Bac、前期干旱天数、pH和GFD贡献较低。
**3.4 粪便污染的源贡献**
在四个MST标记物中，DG3是最重要的预测因子，其次是HF183和Rum2Bac，表明犬类相关来源是影响E. coli浓度的主要贡献者。SHAP热图显示显著时空异质性：犬类来源在多个采样事件中呈强正贡献，反刍动物来源在个别事件中表现中等贡献，人类来源在支流站点少数样本中贡献中等，鸟类来源贡献最弱。
**3.5 粪便污染的环境影响因素**
在七个环境因素中，风暴事件、浊度和最小VPD是最具影响力的预测因子。SHAP全局解释显示风暴事件驱动强正分散的SHAP值，最小VPD正贡献，浊度正贡献。SHAP热图进一步揭示了环境因素贡献的局部变异，例如风暴事件在不同站点和日期的影响程度不同。
**总结讨论与研究结论**
讨论部分指出，尽管cdPCR显示人类相关遗传标记物（HF183）浓度最高，但可解释AI框架表明犬类来源（DG3）是粪便污染的主要贡献者，这一发现挑战了人类来源为主的传统假设。犬类污染的重要性在高密度城市环境中日益受到关注，尤其是在风暴事件期间通过径流运输。反刍动物和人类来源的贡献中等，而鸟类来源贡献最小。环境驱动因素中，风暴事件是最关键因素，浊度和最小VPD也发挥重要作用，反映了径流事件和物理化学条件对微生物负荷的调控。SHAP提供了全局和局部解释能力，可识别各样本中不同来源和因素的相对贡献，优于仅依赖检测频率或丰度的方法。研究局限性包括：采样站点数量有限，DG3标记物可能与野生犬科动物（如郊狼）交叉反应，以及仅针对四种粪便遗传标记物。
**研究结论**：
本研究将高灵敏度cdPCR定量与可解释机器学习建模相结合，实现了精细分辨率微生物源追踪与透明模型解释。该框架为从预测转向可解释的粪便污染源和驱动因素识别提供了新颖示范，弥合了实验室微生物学方法与现代数据科学工具之间的差距。通过SHAP的全局和局部解释，研究人员量化了每个粪便源和环境因素对每个观测样本的相对重要性，揭示了被平均掩盖的偶发性源贡献模式（如反刍动物或人类在特定事件中占主导），以及风暴驱动污染特征在不同站点和日期间的显著差异。这种粒度对于指导针对性干预措施至关重要，例如调查特定风暴事件或局部基础设施故障，而非仅依赖大尺度平均。研究发现，犬类粪便（而非人类输入）是研究站点的主要贡献者，这为流域管理提供了明确可操作的启示：在高度城市化区域（如华盛顿特区），应优先通过教育宣传、增设废物处置站、加强街道清扫和雨水口清理等措施控制宠物废物，同时投资绿色基础设施以应对风暴事件的影响。本研究所展示的方法为地方政府结合高分辨率微生物数据和先进分析工具设计更有效、公平且可辩护的水质干预措施提供了一个可复制的模板。
