《Environment International》：Sparse group lasso weighted quantile sum regression for analyzing chemical mixture effects: bidirectional effect estimation with two-stage group-level evaluation
编辑推荐：
SGL-WQS（稀疏组套索加权分位数和回归）估计分组的双向WQS型指数。稀疏组套索（sparse group lasso）优先选择相关组内的成分。模拟（simulations）评估了共线性（collinearity）、样本量（sample size）、高维性（
SGL-WQS（稀疏组套索加权分位数和回归）估计分组的双向WQS型指数。稀疏组套索（sparse group lasso）优先选择相关组内的成分。模拟（simulations）评估了共线性（collinearity）、样本量（sample size）、高维性（high dimensionality）和校准（calibration）。考虑复杂调查的尿中挥发性有机化合物（VOC）示例说明了下游重拟合。开源R包支持可重复的混合物分析。
在环境流行病学领域，人类持续暴露于来自空气、水、食物和消费品等多种来源的化学混合物，这些暴露往往以相关混合物的形式存在，而非单一化学物。传统单一化学物回归分析在同时暴露且相关的情况下难以解释，受多重共线性、多重比较和共暴露混杂影响。因此，研究人员需要同时估计整体混合物效应并识别驱动该效应的特定化学物或化学物组，这催生了加权分位数和（WQS）回归、分位数g计算（qgcomp）、贝叶斯核机器回归（BKMR）等方法。然而，现有方法在需要同时优先选择相关预定义组内活性成分、解析同一组内相反方向效应、以及在训练估计指数条件下评估保留数据中的组方向关联时，存在实用缺口。为此，研究人员提出了稀疏组套索加权分位数和回归（SGL-WQS），旨在通过两阶段架构（分离正则化指数构建与保留数据中的探索性组方向关联总结）来弥补这一缺口。该研究发表在《Environment International》。
研究人员主要采用的技术方法包括：SGL-WQS回归，结合稀疏组套索（sparse group lasso）正则化与WQS指数框架，通过分裂编码设计为每个化学物分配分离的正负系数分量，利用2G组惩罚（G为化学物组数）实现组内方向分离；通过自举平均权重稳定估计，并应用净系数约定将每个化学物分配至其主导方向；通过次要方向阈值（默认0.10）减少正负指数间的抑制效应；在保留验证集上拟合广义线性模型，估计训练集指数条件下的组特定方向下游关联。模拟研究涵盖大规模（n=100,000）、相关性鲁棒性、活性成分优先排序、样本量敏感性（n=100-50,000）、基准比较（使用gWQS、qgcomp、groupWQS包演示数据集及NHANES 2017-2020疫情前尿中挥发性有机化合物（VOC）代谢物数据，n=2,090）、高维敏感性（p=50-200）及验证阶段校准等。开源R包sglwqs支持可重复分析。
**3.1 大规模模拟与混合方向效应**
通过大规模模拟（n=100,000），研究人员在金属组内设置混合方向效应，发现SGL-WQS在条件验证阶段GLM中产生与预期数据生成模式一致的估计：PCB组正指数（β=0.356, SE=0.0159, p<2×10
?16），金属组正指数（β=0.0939, p=4.35×10
?9）和负指数（β=?0.132, p<2×10
?16），PFAS组指数均不显著（p>0.05）。该方法成功分离金属组内正负方向化学物（汞、硒归为正，铅、镉归为负），并正确排除PCB组不支持的方向。
**3.2 相关性鲁棒性**
通过改变组内相关性（r=0.2-0.95），研究人员发现所有方法的权重信号浓度随相关性增加而下降，但SGL-WQS的条件验证阶段组级总结相对稳定：PCB正指数在r=0.95时仍有21/30种子产生条件p<0.05，而PFAS组（零效应）仅0-3/30。这表明两阶段架构在多共线性下仍能提供信息性探索性组级总结。
**3.3 活性成分优先排序**
在仅一个化学物有真实效应的场景（组内其他为空但相关），研究人员比较各方法权重集中度。qgcomp系数衍生归因最高（PCB: 0.57±0.20; 金属: 0.59±0.22），而SGL-WQS（0.45±0.16; 0.44±0.18）与groupWQS、gWQS相当。但SGL-WQS条件验证阶段总结更频繁地为活性组产生p<0.05标志。
**3.4 样本量敏感性**
方向分配准确率在n=500至5,000间显著改善，SGL-WQS在中等样本量下表现较好（n=500: 71.0%; n=5,000: 83.8%），但在n=50,000时低于qgcomp和gWQS。在n=100时，方法特定收敛问题出现，但SGL-WQS在收敛运行中表现出数值稳定性。条件验证阶段p<0.05比例随样本量增加而增加，零效应组保持低比例。
**3.5 基准比较**
通过NHANES VOC代谢物数据演示，研究员展示了SGL-WQS的调查加权重拟合功能。在保留的组方向指数中，芳香烃负指数（中位数?0.115, 30/30种子p<0.05）、二烯/烯烃/环氧化物负指数（?0.176, 30/30）、腈/酰胺/氰化物相关代谢物正指数（0.171, 30/30）和负指数（?0.066, 30/30）以及活性醛正指数（0.074, 30/30）均显著。与未加权比较方法（qgcomp、gWQS、groupWQS）的估计方向一致，但标准误和p值因调查权重而不同。
**3.6-3.9 额外敏感性分析**
高维模拟（p=50-200, n=1,000）中所有方法均完成，方向分配准确率相当，但成分归因随p增加而下降。验证阶段校准显示完全全局零假设下条件拒绝率接近名义水平0.05。配对结果族模拟显示，高斯与二项分布结果在方向分配和条件p<0.05比例上存在差异，但整体趋势一致。
**讨论**
研究人员指出，SGL-WQS的主要贡献是：在训练估计指数条件下提供探索性保留组方向总结、同时解析预定义组内双向效应、以及在小样本中通过正则化获得数值稳定性。条件验证阶段组级总结比权重度量更稳定，这是因为验证GLM估计组级指数系数，对组内权重重新分布不敏感。次要方向阈值有效区分了真正混合方向组与单向组。与现有方法比较，SGL-WQS不是替代而是补充，适用于组内双向效应和组感知成分优先排序的场景。样本量需与p、效应模式、结果族及输出目标联合解释，低维强信号场景在中等样本量下即可，高维弱信号场景则需更大样本量。局限性包括：稀疏组套索混合参数α影响有限但需敏感性分析；λ选择在小样本不稳定；次要方向阈值存在权衡；当前实现仅支持连续和二分类结果。建议用户先明确科学目标，使用至少200次自举迭代，进行λ/α和次要方向阈值敏感性分析，并与对应估计量的方法比较。
**结论**
SGL-WQS提供了一个实用的指数框架，用于分析环境流行病学中的化学混合物效应。通过将稀疏组套索惩罚与加权分位数和方法相结合，该方法能够在尊重化学物组结构（包括同组内混合方向效应）的同时，同时估计双向指数。其两阶段架构在训练估计指数条件下提供探索性保留组和方向特定总结，但不应被解释为正式的选择性推断。开源R包sglwqs使环境混合物研究人员能够使用该方法。双层次稀疏框架可能扩展到其他具有自然组结构的领域，如多组学分析，但需进一步评估。
