欢迎来看雪球的生信套路！医学顶刊最近动作不少：JAMA宣布推出全新短篇综述系列，鼓励提交与肥胖、肥胖管理相关的所有文章类型。
未来文章可能涵盖的主题包括新兴甚至更有效的减肥药物、肥胖多模式管理等。怎么样？即使肥胖及相关慢病不是你的研究方向，不妨也来学习一下相通的思路。
今天看一篇使用机器学习方法评估化学物质与肥胖之间联系的文章：
Evaluating the relationship between environmental chemicals and obesity: Evidence from a machine learning perspective
评估环境化学物质与肥胖之间的关系：来自机器学习视角的证据
期刊：Ecotoxicology and Environmental Safety
IF：6.1
发布时间：2025/06/06
数据收集与预处理：
从美国国家健康与营养调查（NHANES）2011-2012年的数据中，筛选出1183名符合条件的参与者，收集了环境化学物质暴露、人口统计学信息、肥胖评估指标等数据，并对数据进行了必要的预处理，如自然对数转换等。
特征选择：
通过弹性网络模型，结合10折交叉验证，选出了与总体肥胖和腹部肥胖最相关的前20种环境化学物质。
机器学习模型构建与评估：
构建了包括支持向量机（SVM）、随机森林（RF）、k-最近邻（KNN）、朴素贝叶斯（NB）、AdaBoost和XGBoost在内的六种机器学习模型。通过10折交叉验证和多种评估指标（如AUC、准确率、精确率、召回率、F1分数和Brier分数）对模型性能进行评估，发现SVM和XGBoost模型在预测总体肥胖方面表现最佳，SVM在预测腹部肥胖方面表现最佳。
SHAP分析：
通过SHAP分析，确定了对总体肥胖和腹部肥胖预测贡献最大的变量，如4-OH-PHEN、2-OH-NAP、2-OH-PHEN、UMo、3-OH-FLUO等，并展示了环境化学物质在模型中的重要性排名。
环境化学物质与肥胖的关联分析：
经多因素调整后，发现4-OH-PHEN、2-OH-NAP、2-OH-PHEN与总体肥胖呈显著正相关，UMo、3-OH-FLUO与总体肥胖呈显著负相关；4-OH-PHEN与腹部肥胖呈显著正相关，3-OH-FLUO、USr、BPb与腹部肥胖呈显著负相关。此外，通过剂量-反应关系分析发现UMo与肥胖之间存在非线性关系。
中介效应分析：
中介分析显示高密度脂蛋白（HDL）部分中介了2-OH-PHEN暴露与总体肥胖之间的正相关关系，以及3-OH-FLUO暴露与总体肥胖之间的负相关关系；总胆固醇（TC）部分中介了BPb暴露与腹部肥胖之间的负相关关系；甘油三酯（TG）部分中介了4-OH-PHEN暴露与腹部肥胖之间的正相关关系。
Fig 1 六个机器学习模型预测全身性和腹部肥胖的性能评估
Fig 2 XGBoost模型的SHAP汇总图和SHAP值排名
Fig 3 SHAP值排名前五的环境化学物质与全身性肥胖和腹部肥胖的关联
Fig 4 全身性肥胖（A）和腹部肥胖（B）与SHAP值排名前五的环境化学物质的剂量反应关系图
Fig 5 脂质在环境化学物质与肥胖的关联中的中介作用
如果想深入挖掘临床公共数据库，既不用花时间精力额外收集数据，又能发表较优质的SCI；但又没有时间学习，达到能够独立分析的水平......怎么办？可以选择多种分段、多种套路组合的个性化服务！
搞不定选题，我们帮你出方案；
搞不定分析，我们帮你拿成果；
搞不定投稿返修，我们全流程陪跑......
雪球老师带队，已陪跑5000+科研项目，收到2500+客户报喜，值得信赖的团队，值得入场的优质个性化套路服务👇
