量子毒性负担指数：环境暴露混合物建模的量子力学框架

《Computational Toxicology》：Quantum toxic burden index: a quantum-mechanical framework for modeling environmental exposure mixtures

　　

摘要

现有的多污染物化学混合物建模方法在扩展相互作用时，存在数据自适应权重膨胀和组合爆炸问题。我们提出了量子毒性负担指数（QTBI），这是一个新颖的、与结局无关的计算框架，通过态矢量模拟将基线毒性概率映射到固定量子电路中，从而建模复杂暴露的联合作用。我们分析了2011–2018年NHANES数据（n = 6977），包含血铅、尿中特异性无机砷及其代谢物、血镉和血汞，在协同效应s = 0.6条件下，利用受控-R_Y（CRY）和受控受控-R_Y（CCRY）门对队列内暴露百分位数进行电路计算，得到未加权和效力加权QTBI。以mg/kg/天为单位提供的外部口服参考剂量被自动转换为相对效力比并重新缩放，使得效力加权QTBI与未加权指数保持在相同的[0,n]尺度上。在s = 0.6条件下，该框架在99.1%的参与者中捕获了协同共暴露相互作用，使其QTBI负担超过了严格加性基线s = 0。慢性肾脏病（CKD）比例从未加权QTBI最低四分位数的9.0%上升到最高四分位数的22.1%。对于未加权QTBI，无CKD者的中位数为2.56，有CKD者为2.91；校正后连续OR = 1.12（95% CI 1.01–1.24，p = 0.045），最高与最低四分位数比较OR = 1.34（95% CI 1.06–1.69，p = 0.014）。效力加权QTBI显示出相似的描述性梯度，但校正后的关联较弱（连续OR = 0.97，95% CI 0.88–1.07，p = 0.576；最高四分位数OR = 1.00，95% CI 0.80–1.24，p = 0.984）。QTBI为环境混合物提供了一种可解释的、量子启发的负担评分，可用于回归分析，本NHANES分析展示了该框架如何应用于人群生物监测数据。

引言

环境健康研究长期以来逐一对化学暴露进行处理，然而人们在日常生活中会同时接触多种污染物[1]。单污染物模型无法反映同时暴露如何产生协同或拮抗作用，共现化学品之间的高度相关性也会掩盖哪些物质最为关键[2]。铅、砷、镉和汞在全球范围内被列为最高优先级的环境毒性物质，并在人群血液和尿液中被常规检测[3]。在2007至2012年NHANES数据中，近一半的美国参与者体内三种或更多此类金属达到或超过人群中位水平，四金属组合是最常见的暴露模式之一[3]。实验混合毒理学进一步表明，联合作用可能偏离简单加性，包括某些金属组合，尽管这种偏离并非在所有化学类别中普遍存在[4]。综合来看，这些观察将人类环境健康界定为一个混合物问题，其中相关的体内负担而非孤立分析物才是相关的暴露单位。

将这一现实转化为流行病学推断需要与方法相匹配，以回答关于总负担、组分效应和联合作用的各自科学问题[5]。当暴露维度较低时，标准回归可提供可解释的效应估计，但相关多污染物面板会增加多重共线性、不稳定系数以及对收缩或降维的需求[2]、[5]。灵活的混合物方法如贝叶斯核机器回归可以表征非线性和非加性的暴露-响应曲面，同时解决高维相关性问题[6]。基于指数的方法如有权分位数和回归则将混合物总结为单一暴露项，具有数据驱动的组分权重，当预期效应朝单一方向作用时非常有用，但将负担定义与研究结局绑定在一起[7]。混合物工具的比较研究表明，没有单一方法能回答所有混合物问题，统计方法应遵循所研究的具体假设[8]。在许多应用情境中，仍然有用的是一种固定、透明的负担评分，该评分在结局建模之前编码共暴露结构，并可直接用于常规回归，而无需根据疾病结局重新估计混合物权重。

我们引入量子毒性负担指数（QTBI）作为实现该目的的量子启发式框架。QTBI将每种暴露映射到队列内百分位数，将这些值通过编码共暴露结构的固定量子电路传递，并返回单一可解释的负担评分用于标准回归。该电路受到经典硬件上模拟的相互作用的概率系统量子力学表示的启发[9]，但QTBI不是量子机器学习分类器，我们也不声称具有量子计算优势。与数字健康中量子方法的系统评估相一致，我们将量子力学视为相关暴露的建模语言，而非流行病学推断的替代方案[10]。负担评分之后的统计分析仍采用常规方法。

我们利用2011至2018年NHANES血铅、尿中特异性无机砷及其代谢物、血镉和血汞的生物监测数据来展示QTBI。慢性肾脏病（CKD）作为研究结局，因为砷、镉和铅是已知的肾毒性物质，而将低水平环境金属暴露与CKD联系起来的人群证据仍然相互矛盾且在方法上具有挑战性[11]。我们假设较高的QTBI将总结该金属混合物的联合毒性负担，并与CKD的较高几率相对应。先前的NHANES研究利用加权分位数和回归对青少年这四种金属的联合暴露和肾脏相关生物标志物进行了建模[12]。我们将该金属面板扩展到成年参与者，并使用CKD展示QTBI如何应用于人群生物监测数据，同时承认本分析旨在说明该框架，而非确立金属对肾脏疾病的因果效应或全国代表性的混合物-CKD风险。

章节摘要

QTBI框架概述

量子毒性负担指数（QTBI）通过两个步骤总结多暴露负担。首先，混合物面板中的每种暴露被转换为队列内百分位数，并由固定量子电路编码，返回单一标量负担评分。其次，该评分与协变量一起进入常规回归或其他标准流行病学模型。电路权重和门拓扑在任何结局分析之前固定，因此QTBI不会从...

结果

在包含6977名成人的NHANES示例中，在协同效应$s=0.6$条件下计算了未加权和效力加权QTBI，并与编码器诊断信息和CKD结局进行了总结。表2总结了分析队列的特征。

讨论

量子毒性负担指数（QTBI）为环境混合物负担引入了一个固定编码步骤，该步骤在任何结局分析之前定义。每种暴露以队列内百分位数的形式进入电路，通过由协同参数控制的预定门程序传递，并从最终量子状态中读取的边际毒性概率返回单一标量评分。然后使用熟悉的回归工具对该评分进行统计推断。这...

结论

QTBI提供了一个固定量子电路框架，用于从队列内百分位数总结多暴露负担，可选择从外部参考剂量进行效力加权读出，以协同参数化，并在经典硬件上评估，无需依赖结局的重新加权。NHANES金属混合物示例表明，编码器可以产生可解释的诊断信息、可用于回归的标量评分，以及在混合物编码与结局建模之间的实际分离。

数据与代码可用性

NHANES公开使用数据可从疾病控制中心获取（https://wwwn.cdc.gov/nchs/nhanes/）。qtbi R包（版本0.1.2）可从CRAN获取（https://CRAN.R-project.org/package=qtbi），源代码和NHANES示例脚本见https://github.com/january-msemakweli/qtbi。

写作过程中AI及AI辅助技术的声明

在准备本文的过程中，作者使用了Grammarly辅助语言编辑以及语法、清晰度和可读性改进。使用此工具后，作者根据需要对内容进行了审核和编辑，并对已发表文章的内容承担全部责任。

CRediT作者贡献声明

January G. Msemakweli：写作—审稿与编辑，写作—初稿，可视化，验证，软件，资源，项目管理，方法论，调查，形式化分析，数据管理，概念化。Hussein Mohamed：写作—审稿与编辑，验证，监督，项目管理，方法论，概念化。Laurel Kivuyo：写作—审稿与编辑，验证，方法论，概念化。Victor Okpanachi：写作—审稿与编辑，验证，

伦理批准

NHANES研究已获国家卫生统计中心伦理审查委员会批准。每个调查周期的IRB信息见https://www.cdc.gov/nchs/nhanes/about/erb.html。

伦理声明

作者未从参与者或其法定代理人处获得知情同意。在国家卫生统计中心（NCHS）最初收集NHANES数据过程中，已从所有参与者处获得知情同意。由于本研究完全依赖对这些公开可用、完全去标识化数据集的二次分析，作者无需或未能获得额外的知情同意。

本研究按照相关...

资金资助

本研究未获得任何专项资助。

利益冲突声明

作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

January G. Msemakweli|Hussein Mohamed|Laurel Kivuyo|Victor Okpanachi