综述：彗星试验在人体生物监测研究中作为工具的影响因素分析

《Mutation Research - Reviews in Mutation Research》：The comet assay as a tool in human biomonitoring studies: effects of confounding factors

本综述系统评述了彗星试验（Comet Assay）在人体生物监测应用中面临的各种混杂因素（Confounding Factors），如年龄、性别、吸烟、季节效应（Period Effects）等，强调了其在评估DNA链断裂（DNA Strand Breaks）时需谨慎控制变量以避免偏倚（Bias），并为研究设计与统计分析提供了实用建议。

　　

彗星试验作为一项灵敏的分子生物学技术，在评估环境与职业暴露所致DNA损伤的人体生物监测研究中占据重要地位。然而，暴露与DNA损伤之间的直接关系常常受到多种混杂因素的影响。除了年龄、性别和吸烟等常见因素外，剧烈的体力活动、慢性疾病、药物治疗和饮食等也被认为是彗星试验中背景DNA损伤水平的重要决定因素。此外，周期效应（或称季节性变异）在相当多的研究中被观察到，其潜在诱因包括太阳辐射、温度和空气污染的时间性变化。

混杂因素的类型

在评估暴露与结局之间的关联时，需要区分不同类型的变量。中介变量（Mediators）位于暴露与结局之间的因果路径上，例如，焊接工人DNA损伤可能部分由焊烟中的铬介导。效应修饰因子（Effect Modifiers）会改变暴露对结局的影响程度，例如代谢酶基因多态性。经典的混杂因素（Confounders）则同时与暴露和结局相关，若不加控制，会扭曲真实的暴露-效应关系。此外，碰撞因子（Colliders）是另一种特殊变量，对它的错误控制（如过度调整）可能会在统计分析中引入偏倚，导致虚假关联。

关于彗星试验中混杂因素的综述

自2000年以来，多篇综述已强调在彗星试验研究中控制混杂因素的重要性。早期综述指出年龄、性别、吸烟、体育锻炼、空气污染、居住氡、感染、饮食和季节等因素可能影响背景DNA链断裂水平。随后的指南和项目（如ComNet和hCOMET COST Action）进一步将混杂因素分类，并强调了区分混杂、效应修饰和中介作用的重要性。一项涉及大量数据的汇总分析表明，年龄与DNA链断裂呈正相关，而性别或吸烟习惯则未显示一致效应。

混杂因素的Meta分析

Meta分析为特定混杂因素的效应大小提供了量化证据。分析显示，年龄和性别的影响相对较小，而室外空气污染和吸烟习惯的效应则更为明显。 exhaustive physical exercise（力竭性身体运动）与更高的效应大小相关。周期效应（高值与低值相比）的效应大小似乎高于年龄、性别和吸烟等经典混杂因素。慢性疾病患者的DNA损伤水平显示出最高的效应大小。

非选择性健康受试者研究中混杂因素的影响

对非选择性健康人群的横断面研究和小组研究进行分析，可以更准确地评估混杂因素的影响，避免了作为暴露研究对照组可能存在的选择偏倚。在这些研究中，年龄的影响仅在少数研究中被报道。性别差异在多数研究中未显示显著关联。吸烟作为混杂因素的结果不一，早期研究报道了阳性关联，而近期研究则多未显示统计学显著性。饮酒消费在大多数研究中未显示与DNA损伤相关。然而，相当数量的研究检测到了周期（或季节性）效应，并且这种效应从1995年到2024年期间表现一致。

采样周期（周期效应）

周期效应指的是DNA损伤水平随时间发生的系统性变化，影响整个或大部分研究人群。它有时被称为季节性变异，但其发生可能不限于季节。最常见的与周期效应相关的外部暴露是太阳辐射、温度、室外空气污染和饮食（抗氧化）因素。研究表明，在欧洲进行的研究普遍观察到夏季DNA链断裂水平较高，并与太阳辐射、户外温度等因素相关，尽管少数研究报道了冬季水平更高的情况。这些观察结果强调了在生物监测研究设计中考虑采样时间的重要性。

其他可能影响彗星试验结果的因素

除了上述因素，实验程序本身的变异、传染病、共同暴露以及基因-环境相互作用也可能影响彗星试验的结果。实验室内变异源于琼脂糖浓度、裂解、碱处理、电泳等关键步骤的差异。急性或慢性感染可能导致DNA损伤水平升高或对DNA损伤剂的敏感性增加。涉及DNA修复蛋白和外源物代谢酶基因的多态性可能通过基因-环境相互作用影响彗星试验结果，但其作为效应修饰因子的作用需要针对特定的环境或职业暴露，并基于先验假设进行统计交互作用检验。

评论与展望

总体而言，剧烈的体力活动和慢性疾病是相对较强的混杂因素，研究者在设计生物监测研究时通常会通过排除受试者来避免其影响。周期效应是背景DNA链断裂变异性的一个重要来源，在干预试验中尤其需要关注。年龄、性别和吸烟等常见混杂因素的影响相对较弱且不一致，这为研究设计提供了一定的灵活性，例如可以探索这些因素作为效应修饰因子的作用，而非单纯地通过限制来避免混杂。在统计分析方面，建议采用多变量检验，并谨慎解释调整后效应大小的变化，以避免中介变量或碰撞因子偏倚。绘制因果图有助于理清暴露、协变量和结局之间的复杂关系，是进行恰当统计分析的基础。最终，在报告彗星试验结果时，应优先关注效应大小及其置信区间，而非仅仅依赖P值，并清晰说明控制混杂因素的程序。