원인 불명의 만성 신장 질환과 관련된 지하수를 부식질 유사 유기물질로 파악 Ⅱ
Nov 27, 2023
DOM과 CKDu 관련 수화학의 관계
F-의 과도한 섭취는 인간의 신장 조직을 손상시킬 수 있으므로 높은 F- 농도는 CKDu11,61로 이어지는 수원의 징후로 간주됩니다. 보충 그림 8에서 볼 수 있듯이 지하수 시료의 C1%와 F- 농도 사이에는 유의한 양의 상관관계가 있었습니다(r= 0.62, p < 0.05). 이는 C1이 CKDu를 유발할 수 있는 지하수원을 인식하는 데 민감한 구성요소임을 나타냅니다. C1%는 Ca{{1{27}}}}와도 유의미한 양의 상관관계를 보였습니다(r=0.60, p < 0.05). C1과 카르복실기는 Ca2+와 결합하여 인체 신장에 유해한 복합체를 형성할 가능성이 높으며15 이는 CKDu의 중요한 원인입니다. 이는 CKDu 발병 지역의 지하수가 CKDu 발병 지역이 아닌 지역의 지하수보다 Ca2+ 농도가 더 높다는 관찰 결과와 일치합니다10,18. 또한 본 연구에서는 Si 농도와 경도가 증가함에 따라 C1%도 증가하였다(r= 0.60, 0.61, p<0.05). CKDu는 경도가 높고 Si 농도가 높은 지하수와도 관련이 있는 것으로 알려져 있는데, 이 지하수를 마실 경우 인간 배아 신장 세포가 손상될 수 있기 때문입니다12,14. 요약하면, C1%는 일반적으로 CKDu와 연관되어 있다고 간주되는 무기 화학 성분과 양의 상관관계가 있으며, 이는 C1%를 CKDu 관련 지하수 공급원을 식별하기 위한 인식 지표로 사용하는 잠재적 타당성을 나타냅니다.
CKDu 지하수와 비CKDu 지하수의 C1%가 더 큰 것은 지표수의 유입과 관련이 있는 것으로 추정됩니다(그림 2). 실제로 지표수의 위에서 언급한 무기화학성분의 농도는 지하수의 농도보다 훨씬 낮았다(보충표 4). 연구 지역의 풍화 균열수가 주요 지하수 자원이라는 점을 고려하면, 지표수가 지하수를 보충하는 과정이 느리고, 이는 보충 과정에서 강한 물-암석 상호 작용(예: 침출 및 이온 교환)을 일으키고 지하수의 농축으로 이어집니다. 지하수의 무기화학물질. 예를 들어, F-와 OH-의 화학적 유사성으로 인해 지표수의 pH 값이 높을수록 재충전 과정에서 이온 교환에 의해 미네랄에서 더 많은 F-가 탈착될 가능성이 높으며62, 이는 상대적으로 낮은 pH 값을 초래합니다. 지표수보다 CKDu 지하수에서 F-가 더 많습니다.
FDOM을 통한 CKDu 관련 수자원 인식 본 연구에서는
CKDu 지하수와 비-CKDu 지하수 간의 DOM은 C1%와 HIX 측면에서 유의한 차이가 있으므로 이러한 차이는 자체 개발한 CKDu 인식 임계값 평가를 통해 CKDu와 관련된 수원에 대한 조기 경고 및 신속한 인식에 사용될 수 있습니다. (CRTA) 방법. 다양한 DOM 지표의 적합한 인식 임계값(RT)을 탐색하고 CRTA 방법의 적용 가능성을 테스트하기 위해 DOM 지표의 가정된 임계값과 CKDu 지하수(DPC)의 탐지 확률 및 비CKDu 지하수의 탐지 확률 간의 관계( 지하수 시료(n= 54)의 DPN)은 보충 그림 9에 나와 있습니다. DPC와 DPN은 HIX, C1%, DOC 및 C4%의 변화에 대략 S자 모양으로 매우 잘 반응하는 것으로 나타났습니다. 곡선. C1%를 예로 들어 가정된 C1% 임계값이 DPC와 DPN 곡선의 교차점(28.8%) 값을 초과하면 DPC는 C1% 증가에 따라 증가하고 항상 DPN보다 컸습니다. C1%의 가정된 임계값이 교차 값(28.8%)보다 작을 때 DPN은 C1%가 감소함에 따라 증가하고 항상 DPC보다 컸습니다. 즉, 교차점에서 가정된 임계값 C1%를 RT로 사용하면 DPC는 적어도 RT보다 C1%가 높은 70.1%(교차점에서 감지 확률)에 도달합니다(보충 표 5). CKDu 관련 수원은 70.1% 이상이었다. C1%의 가정된 임계값이 RT 미만인 경우 DPN은 70.1%를 초과하며, 이는 CKDu와 관련되지 않은 수원으로 감지된 수원의 가능성이 최소 70.1%임을 나타냅니다. 따라서 C1%의 RT를 이용하면 하나의 수원이 CKDu 관련인지, 비CKDu 관련인지 식별할 확률이 70.1% 이상으로 매우 우수한 인식 적용성을 나타낸다.
마찬가지로, HIX의 가정 역치, DOC 농도, C4%의 관계와 검출 확률의 관계는 C1%의 가정 역치와 검출 확률의 관계와 동일했습니다. 그러나 교차점에서 검출 확률이 상대적으로 낮기 때문에(보충표 5) HIX, DOC, C4%를 이용한 인식 적용성은 C1%만큼 좋지 않다. 다른 DOM 지표의 경우 DPN 또는 DPC 곡선은 임계값의 변화에 따라 크게 변동했습니다. 또한, PC1 점수의 가정된 임계값과 검출 확률과의 관계에 따르면, PC1 점수를 이용한 인식 확률은 63.8%인 것을 알 수 있다.
C1%, C4%, HIX 및 PC1 점수 대 탐지 확률의 가정된 임계값은 경험적 볼츠만 방정식에 의해 맞춰졌습니다(그림 4). 그림 4에서 볼 수 있듯이 C1%의 가정된 임계값은 가장 높은 결정 계수(R2)를 가졌습니다(보충 표 6). 검증 결과 예측값이 측정값과 가까운 것으로 나타나(Fig. 5) 피팅 결과가 타당함을 알 수 있다. 또한, paired t-test에서는 C1%나 PC1의 점수만을 인식지표로 하여 예측값과 측정값이 크게 다르지 않은(p > 0.05) 것으로 나타났다. C1%의 RMSE(Root Mean Square Error)도 가장 낮았으며, 이는 C1%의 피팅 결과가 본 연구 영역의 데이터와 일치함을 나타냅니다. 무엇보다도 C1%는 CKDu 관련 수원과 CKDu 관련 수원이 아닌 수원을 구별하는 데 가장 적합하고 효과적인 DOM 지수입니다.
CRTA 방법.
피팅 곡선의 함수에 따르면, CRTA 방법을 사용한 C1%의 RT는 28.8%였습니다. CRTA 방법으로 계산된 최적 임계값의 예측 가능성과 장점을 명확히 하기 위해 동일한 54개의 지하수 시료를 사용하여 혼동행렬을 기반으로 한 ROC(Receiver Operating Characteristic) 곡선과 PR(Precision-Recall) 곡선도 수행했습니다( 보충 그림 10, 11). ROC 및 PR 분석에서는 곡선 아래 면적(AUC)이 0.763보다 큰 경우에만 곡선 모델이 예측 가능성이 있는 것으로 간주되었습니다. 일반적으로 AUC가 클수록 모델의 예측 가능성이 더 우수함을 나타냅니다. C1%의 ROC 곡선(0.777)과 PR 곡선(0.816)의 AUC는 다른 DOM 지수에 비해 크게 나타나 C1%가 인식 지수로 가장 적합한 것으로 나타났습니다. 이는 CRTA 방법의 결과와 일치합니다. 그러나 스크리닝 모델의 우수성과 양의 상관 관계가 있는 Yonden 지수의 최대치(보충 방법)에 따르면 ROC 곡선에서 C1%의 최적 RT는 36.3%였습니다. PR 곡선에서 C1%의 최적 RT는 정밀도와 재현율의 조화 평균이며 정확한 예측 능력을 나타내는 F1-점수의 최대값을 사용하여 27.6%였습니다. C1%를 인식지수로 사용한 PR 곡선, ROC 곡선, CRTA 방법의 예측성을 비교하기 위해 실제 예측성을 얻기 위한 검증을 위해 21개의 지하수 시료에 이러한 RT를 적용했습니다(보충표 7). CRTA법을 이용한 CKDu 지하수 예측가능성(75.0%)은 PR 곡선(75.{36}}%)과 일치했으나 ROC 곡선(50)보다는 높았다. .0%); CRTA법을 이용한 non-CKDu 지하수의 예측도(66.7%)는 PR곡선(55.6%)보다는 높았으나 ROC곡선(88.9%)보다는 낮았다. 보다 나은 비교를 위해 비CKDu 지하수에 대한 예측 가능성의 기하 평균과 CKDu 지하수의 예측 가능성을 사용하여 포괄적인 예측 가능성을 보여주었습니다. CRTA법의 종합적 예측가능성은 70.7%로 가장 높았고, ROC 곡선(66.7%), PR 곡선(64.5%) 순이었다. 이는 CRTA 방법이 ROC 곡선과 PR 곡선보다 CKDu 지하수와 비-CKDu 지하수 스크리닝에 대해 더 나은 C1% RT를 얻었음을 보여줍니다. 또한 PC1 점수의 PR 곡선의 AUC는 0.700으로 나타나 PC1 점수의 ROC 곡선의 AUC는 0.7 미만이지만 PC1도 인식 지표로 사용할 수 있음을 나타냅니다. CRTA 방법으로 구한 PC1 점수의 RT와 비교하여, PR 곡선으로 구한 PC1 점수의 최적 RT는 비CKDu 지하수에 대한 실제 예측성은 동일했지만 CKDu 지하수의 실제 예측성은 낮았습니다. 따라서 CKDu 지하수와 비CKDu 지하수를 인식하는데 있어서 PR 곡선과 ROC 곡선보다 CRTA 방법이 더 유리한 것으로 나타났다.
CRTA의 환경-지질학적 건강 영향 본 연구에서는 DOM 광학 지수를 사용하여 CKDu 관련 지하수의 DOM 특성을 조사하고, 임계값 설정을 위한 합리적인 확률 기반 지침을 제공함으로써 CKDu 관련 지하수와 CKDu 관련 지하수의 구별이 이루어졌습니다. 지표의. 이를 통해 저소득층 주거지역의 깨끗한 지하수 공급원 발굴 및 인식에 기여할 것입니다. 먹는물의 수질을 개선하고 CKDu를 예방하기 위해 오염된 물을 처리하기 위한 역삼투압 및 나노여과 기술이 제안되었으나14,18 이러한 기술은 좋은 경제적 여건이 필요하고 실제 생산에 적용하기가 어렵습니다. 위 섹션에서 설명한 바와 같이 CRTA가 인정한 C1%는 저렴한 비용으로 CKDu 지하수를 스크리닝하기 위한 실현 가능하고 합리적인 지표입니다. 실제로 각 지표에 대해 측정값과 RT를 비교한 후 선택된 함수를 통해 DPC 또는 DPN을 계산하여 피팅 곡선의 어떤 함수를 선택할 것인지 결정해야 합니다. CRTA 방식으로 FDOM의 C1%로 CKDu 관련 수원을 선별하면 식수 보안이 향상되고 CKDu 발생 지역에서 CKDu 발생을 예방할 수 있습니다. C1%의 RT는 일부 환경 요인(예: 수문학 및 지질 조건)의 영향을 받을 수 있습니다. 앞으로 CRTA의 적용 가능성을 테스트하고 확대하기 위해 다른 전형적인 CKDu 풍토병 지역에서 지하수에 용해된 유기물에 대한 더 많은 연구가 필요합니다. CRTA 방법의 적용이 민감한 FDOM 지표에만 국한되지 않는다는 점은 언급할 가치가 있습니다. 대부분의 이전 연구에서는 CKDu 관련 지하수와 비CKDu 관련 지하수의 Ca2+, F−, 경도 및 Si와 같은 무기 화학물질도 크게 다르다는 점을 강조했습니다14,61. 따라서 이러한 무기 민감 지표에도 CRTA 방법을 적용할 수 있습니다. 본 연구에서는 CRTA가 인식한 Ca{21}}와 Si의 RT를 통한 DPC와 DPN이 각각 82.4%와 64.2%에 도달할 수 있음을 확인하였다(보충 그림 12, 보충 표 5). 경도와 F-의 RT에 의한 검출 확률은 좋지 않습니다. DPC 플롯 대 F- 파동의 가정된 임계값은 여러 비-CKDu 지하수에서 높은 F- 농도에 기인합니다(보조 그림 8). 따라서 DPN 곡선 대 F- 가정된 임계값은 CRTA를 사용한 F- 가정된 임계값에 대한 DPC 곡선보다 수원을 식별하는 데 더 신뢰할 수 있습니다. 또한 FDOM 지표와 무기 지표를 결합하면 CRTA를 통해 안전한 수자원을 공동으로 인식할 수 있어 결과 인식의 신뢰성이 향상됩니다. 앞으로는 다양한 지질학적, 수문학적 환경을 갖춘 더 넓은 지역에서 더 많은 지하수 샘플을 이용한 조사가 권장됩니다.
그림 5 지하수 시료(n= 21)의 예측값과 측정값의 산점도. 점선의 함수는 y=x입니다. p-값은 예측값과 측정값 간의 paired t-test를 통해 구하였다.
행동 양식
연구 지역 연간 강수량에 따라 스리랑카는 건조한 반건조 지역과 습한 지역으로 나눌 수 있습니다8. 보충 그림 1에 표시된 것처럼 연구 영역(07도 25.911' - 07도 40.116'N, 80도 58.483' - 81도 04.888'E 및 06도 17.560' - 06도 24.158'N, 80도 54.769' - 80도 59.995'E)는 반건조 지역의 Girandurukotte(CKDu 풍토병 지역), Dehiattakandiya(CKDu 풍토병 지역) 및 Sewanagala(CKDu 비지역)에 위치하고 있습니다. 지형은 평탄하고 증발이 강하며 수자원이 부족하여 연평균 강수량은 약 1000mm이고 연평균 기온은 29도에서 33도 사이입니다. 남서부 몬순(SW) 우기는 5월부터 10월까지이고, 북동부(NE) 몬순 우기는 11월부터 2월까지입니다. 스리랑카에서 가장 긴 강인 마하웰리 강(Mahaweli River)이 연구 지역의 서쪽에 위치하고 있습니다. 지질학적으로 이 지역의 암석은 기본적으로 선캄브리아기 화강암과 편마암으로 운모, 각섬석, 인회석 및 기타 불소화 광물이 풍부합니다. 이 암석은 다공성이 낮지만 지하수 자원을 수용하는 단층과 절리가 발달했습니다. 지역 주민들은 주로 지하수를 식수로 사용합니다. 대부분의 사람들은 고결되지 않은 하천 퇴적물이나 얕은 풍화 기반암 대수층에서 파낸 우물을 통해 지하수를 얻습니다8. 깊은 기반암 대수층에서 균열 지하수를 얻기 위해 튜브 우물을 사용하는 주민은 거의 없습니다. 지표 수문학 네트워크는 주로 관개에 사용되는 인공 저수지(탱크) 캐스케이드 시스템에 의해 제어됩니다.
샘플 수집 및 보관
우리 팀은 지역 병원에서 제공한 정보를 바탕으로 대표적인 CKDu 환자들이 사용하는 우물(CKDu 지하수)에서 지하수를 수집했습니다. 또한 환자가 없는 가족이 사용하는 우물(비CKDu 지하수)에서 다른 세트의 지하수를 수집했습니다. 수조( 보충 그림 1). 샘플을 0.7 μm 석영 필터로 여과하고 스펙트럼 측정을 위해 프리미엄 등급 순수 염산을 사용하여 pH < 2로 산성화했습니다. DOC 분석을 위해 샘플을 0.45 μm 필터 멤브레인으로 필터링하고 pH로 산성화했습니다.<2 with premium-grade pure phosphoric acid. More details of sample collection are provided in Supplementary Method.
샘플 분석
DOM의 형광 특성은 형광 분광계(Fluomax{{0}}, HORIBA JboinYvon, Japan)를 사용하여 테스트했습니다. 작동 조건은 다음과 같습니다: 광원은 150W 크세논 램프였습니다. 여기(Ex) 파장은 4nm 간격으로 250에서 400nm까지 설정되었습니다. 방출(Em) 파장은 2nm 간격으로 300~550nm 사이로 설정되었습니다. 슬릿의 폭은 3nm이고 스캐닝 신호의 통합 시간은 0.1초였습니다. 자외선-가시광선 흡광도는 분광 광도계(UV1900, Shimadzu, Japan)를 사용하여 200-600 nm에서 측정되었습니다. DOC는 TOC 분석기(Aurora 1030w, OI, USA)를 사용하여 분석 정밀도 ±2.0%로 검출 한계는 0.01 mg L−1 이다. 음이온 및 양이온 분석은 보충 방법에서 제공됩니다.
스펙트럼 지수 및 PARAFAC
휴미화 지수(HIX), 생물학적 지수(BIX), 형광 지수(FI), 불포화 구조를 갖는 DOM 농도(a254), 방향족 지수(SUVA254)를 포함하여 스펙트럼 지수를 계산했습니다(보충 방법). 및 스펙트럼 기울기(S275−295). MATLAB 그래픽 사용자가 개발한 efc 툴박스(http://www.nomresearch.cn/efc/indexEN.html)를 사용하여 PARAFAC 이전에 초순수의 내부 필터 효과와 배경 형광 신호를 모두 보정하고 Rayleigh 산란과 Raman 산란을 제거했습니다. 인터페이스20, FDOM 올바른 도구 상자64 및 N-way 도구 상자(https://www.mathworks.com/matlabcentral/fileexchange/1088-the-n-way-toolbox) 65. 모델 마침내 핵심 일관성 테스트와 분할 검증66을 통과했습니다. PARAFAC 구성요소는 이전 연구의 구성요소와 유사도가 0.95를 초과하는 것으로 확인되었습니다. PARAFAC 성분(C1%, C2%, C3% 및 C4%)의 상대적 풍부함은 각 성분의 최대 피크 강도(Fmax)를 모든 성분의 Fmax의 합으로 나누어 정량화했습니다.
CKDu 인식 임계값 평가(CRTA)
DOM 특성(예: C4%, C1% 및 HIX)과 무기 화학물질(예: Ca2+ 및 F−)의 매개변수를 평가 지표로 고려했으며, 이 동안 CKDu 지하수의 검출 확률은 (DPC)와 비CKDu 지하수(DPN)의 검출 확률을 정의하고 계산했습니다. 각 지표에 대해 초기 임계값(일반적으로 관측값의 최소값)이 설정되었으며, 그 이상인 샘플은 높은 값 그룹으로 할당되고 그 미만의 샘플은 낮은 값 그룹으로 할당되었습니다. 대부분의 지표(C1%, C2%, C3%, HIX, SUVA254, a254, DOC, PC1 점수, 무기지표)에 대해 DPC는 고가치군으로, DPN은 저가치군으로 계산하였다. 식에 따른 그룹. (1)과 식. (2) 각각. 기타 지표(C4%, S275-295, BIX, FI)의 경우 DPC는 낮은 값 그룹에서, DPN은 높은 값 그룹에서 계산되었습니다. 각각 (1)과 (2).
각 지표의 가정된 임계값이 최소에서 최대(보통 100 단계, 설정된 산술 시퀀스)로 증가함에 따라 해당 DPC 및 DPN이 계산되고 지표의 가정된 임계값 대 플롯이 표시됩니다. DPC 또는 DPN은 Fig. 6과 같이 그려졌다. 두 곡선 간 교차점 탐지 확률은 CKDu 지하수 인식에 대한 지표의 적용 가능성으로 정의하였고, 두 곡선 간 교차점 가정 임계값은 인식 임계값(RT)으로 정의하였다. ). RT에서 더 높은 검출 확률은 더 나은 인식 적용성을 제공합니다. 전체 지하수 시료 중 72%(n= 54)는 DPN과 DPC를 계산하는 데 사용되었으며 경험적 볼츠만 방정식으로 피팅되었으며 나머지(n=21)는 쌍 t에 의한 피팅 곡선을 검증하는 데 사용되었습니다. -테스트 및 RMSE(제곱평균제곱근 오차). paired t-test의 p-value가 0.05보다 크면 예측결과가 측정결과에 가깝다고 가정한다. RMSE 값이 낮을수록 예측 결과가 측정 결과에 더 가깝습니다.
참조CES (CES)
1. Levine, KE 외. 스리랑카 풍토병 지역에서 원인 불명의 만성 신장 질환(CKDu)과 관련된 지구화학적 위험 요소를 식별하기 위한 탐구—생물학적, 식품 및 환경 시료에 대한 멀티미디어 실험실 분석.환경. 모니터. 평가하다. 188, 548 (2016).
2. Gansevoort, RT 외. 만성 신장 질환 및 심혈관 위험: 역학, 메커니즘 및 예방.란셋 382, 339–352 (2013).
3. Kulathunga, MRDL, Ayanka, WMA, Naidu, R. & Wijeratne, AW 스리랑카의 병인이 알려지지 않은 만성 신장 질환 및 환경 화학 물질에 대한 노출: 문헌 검토.환경. 지구화학. 건강 41, 2329–2338 (2019).
4. Rajapakse, S., Shanahan, MC & Selvarajah, M. 스리랑카의 원인 불명의 만성 신장 질환.국제 J. 점령. 환경. 건강 22, 259–264 (2016).
5. Hettithanthri, O. 외. 스리랑카의 원인 불명의 풍토성 만성 신장 질환에 대한 위험 요인: 건조 지역의 수자원 확보에 대한 회고.과학. 전체 환경. 795, 148839 (2021).
6. Edirisinghe, E. et al. 스리랑카의 원인 불명의 만성 신장 질환(CKDu) 풍토병 지역의 자연 오염을 이해하기 위한 지하수 및 지표수의 지구화학적 및 동위원소 증거.아이소트. 환경. 헬스스터드. 54, 244–261 (2018).
7. McDonough, LK, Meredith, KT, Nikagolla, C. & Banati, RB플로리다원인 불명의 만성 신장 질환(CKDu) 발병률이 높은 지역의 가정용 우물물에 대한 물-바위 상호 작용의 영향.npj 청소. 물 4, 1–9 (2021). 8. Balasooriya, S. et al. 지하수 지구화학과 원인 불명의 만성 신장 질환(CKDu) 사이의 가능한 연관성: 스리랑카 Ginnoruwa 지역의 조사.엑스포. 건강 12, 823–834 (2020).
9. Dissanayake, CB & Chandrajith, R. 지하수플로리다uoride는 스리랑카에서 원인을 알 수 없는 만성 신장 질환의 병인학에서 지구화학적 지표로 사용됩니다.실론 J. Sci. 46, 3–12 (2017).
10. Chandrajith, R. 외. 용량 의존적 Na 및 Ca플로리다불소가 풍부한 식수— 열대 건조 지역에서 만성 신부전의 또 다른 주요 원인입니다.과학. 전체 환경. 409, 671–675 (2011).
11. Wickramarathna, S., Balasooriya, S., Diyabalanage, S. & Chandrajith, R. 스리랑카 건조 지역의 만성 신장 질환의 환경적 병인 요인 추적—수리지화학 및 동위원소 접근법.J. Trace Elem. 메드. Biol. 44, 298–306 (2017).
12. Wasana, HM et al. 먹는물 수질과 원인미상 만성신장질환(CKDu)의 시너지 효과플로리다uoride, 카드뮴 및 물의 경도.환경. 지구화학. 건강 38, 157–168 (2016).
13. Tao, P. et al. 혼합 토지 이용 강에서 발색단 용존 유기물(CDOM)의 시공간적 변화: 지표수 복원에 대한 시사점.J. Environ. 관리. 277, 111498 (2021).
14. Lal, K. et al. CKDu의 지하수 수질 평가는 Srikakulam 지역의 Uddanam 지역과 인도 안드라 프라데시 전역에 영향을 미쳤습니다.접지 지속시키다. 개발. 11, 100432 (2020).
Wecistanche의 지원 서비스 - 중국 최대의 cistanche 수출업체:
이메일:wallence.suen@wecistanche.com
Whatsapp/전화:+86 15292862950
더 많은 사양을 보려면 쇼핑하세요.
https://www.xjcistanche.com/cistanche-shop (영어)
신장 감염을 위한 25% 에키나코사이드와 9% 액테오사이드가 함유된 천연 유기농 시스탄체 추출물을 섭취하세요
