之前跟大家分享过不少网络药理学的文章，不知道大家有没有看腻呀？今天咱们来点不一样的！
熟悉网络药理学的朋友应该了解其大致发文套路：选定药物与疾病→药物与疾病靶点获取→构建网络模型→功能分析→实验验证，这也是比较经典、且稳妥的发文思路。
从以上思路可以看出，
要想发网药，首先得确定要研究的药物和疾病，
那要是确定不下来呢？
或者只知道一个大致的影响因素可以做吗？
嘿嘿，在馆长这里一切皆有可能！
大家研究的疾病应该固定的吧，咱们可以先疾病入手，选择一到多个大致可能对其有影响的因子，基于
NHANSE
中海量的数据，利用
机器学习
、
孟德尔随机化
探究其与疾病的关系，确定
关键化合物
，然后利用
网络药理学
分析潜在靶点和机制。
理论部分结束，下面咱们上文章！
这是河北医科大学团队发表在中科院一区TOP刊《Journal of Hazardous Materials》上的文章，研究运用基于
NHANSE数据库
，利用
加权广义线性模型、加权分位数和、贝叶斯核机器回归
等机器学习方法，结合
因果中介分析
与
网络药理学分析
，全面深入地探究
挥发性有机化合物（VOCs）
对
青少年生长
的影响，剖析其潜在机制，为公共卫生领域应对环境污染物危害提供关键依据。
PS：网药最初进入我们的视野，总是与中医药等药理相关的文章出现。那么与NHANSE+机器学习+中介分析的结合就会让审稿人眼前一亮，趁着新思路文章少，
有需要的小伙伴快来找馆长定制分析吧！
定制生信分析
生信服务器
加好友
备注“99”
领取试用
l
题目：青少年挥发性有机化合物暴露和生长指标：揭示关联和潜在干预策略
l
杂志：
Journal of Hazardous Materials
l
影响因子：IF=
12.2
l
发表时间：202
4
年
9
月
研究背景
随着工业化发展，环境污染尤其是VOCs对健康影响受关注。青少年生长受环境因素影响显著，而目前关于VOCs对青少年生长影响的研究不足。本研究旨在填补这一空白，探究VOCs暴露与青少年生长指标的关联，对制定预防策略和理解其危害有重要意义。
研究思路
1. 数据来源与处理：
从NHANES 2011 - 2018选取746名青少年数据，测量VOCs代谢物、身体指标、BMD、维生素D等，进行数据校准和转换。
2. 分析VOCs与生长指标关系
-
运用加权GLM分析单个VOC与生长指标关系，筛选关键VOC。
-
用WQS和BKMR模型评估混合VOCs对生长指标的影响。
3. 探究BMD的中介作用
-
分析VOCs与BMD的关系。
-
明确BMD与生长指标的关联。
-
评估BMD在VOCs与生长指标关系中的中介效应。
4. 进行亚组和敏感性分析
：按不同因素分层分析，采用多种方法进行敏感性分析，确保结果稳健。
5. 探索潜在机制和干预策略
-
通过网络药理学分析潜在机制，发现与IL - 17信号通路相关。
- 研究维生素D对VOCs与BMD和生长指标关系的影响，提出补充维生素D可能是干预策略。
主要结果
1、基线特征
该研究包括746名参与者，中位年龄为15.0岁，50.5%为男性。
表1 基线特征
2、VOCs与生长指标的关系
通过加权GLM、WQS和BKMR模型分析，发现多种VOCs与青少年生长指标（如身高、体重、BMI等）呈负相关，且在混合暴露时也呈现类似结果。
表2 单种 VOC 代谢物与生长指标的关联
图1 LASSO回归分析
图2 WQS回归分析
图3 BKMR模型分析
3、BMD的中介作用
BMD在VOCs混合物与生长指标关系中起中介作用，不同类型BMD中介比例不同，如亚总BMD在部分指标中介比例较高。
图4 总骨密度在尿中挥发性有机化合物与生长指标之间的中介作用
图5 小计骨密度在尿中挥发性有机化合物与生长指标之间的中介作用
图6 腰椎骨密度在尿中挥发性有机化合物与生长指标之间的中介作用
4、亚组分析结果
种族、PIR、家庭吸烟情况和身体活动对VOCs与生长指标关联无显著影响，但性别显著改变该关联，男性受VOCs影响更明显。
5、敏感性分析结果
