通过机器学习、网络毒理学和分子对接技术,揭示空气污染引发肺癌腺癌的分子机制

《Biochemical and Biophysical Research Communications》:Unraveling the molecular mechanisms of air pollution-induced lung adenocarcinoma through machine learning, network toxicology, and molecular docking

【字体: 大 中 小 】 时间:2026年01月01日 来源:Biochemical and Biophysical Research Communications 2.2

编辑推荐:

  空气污染通过特定基因调控促进肺腺癌(LUAD)发生发展,研究整合多组学数据与计算毒理学,发现8种污染物(如BaP、PM2.5)与265个分子互作靶点,其中CA4与BaP存在高亲和力结合。构建AI驱动的预测模型识别5个核心调控基因(CA4抑制,SPP1等上调)。研究揭示大气污染物通过炎症、DNA损伤和代谢重编程等机制驱动LUAD生物学改变,为靶向治疗提供理论依据。

  
杨旭|袁斌|张明军
安徽医科大学第二附属医院肿瘤科,中国安徽合肥230031

摘要

目的

空气中的环境污染物已被证实是致癌物。本研究阐明了这些污染物在肺腺癌(LUAD)发病机制中的作用机制。

方法

通过差异表达分析和加权基因共表达网络分析(WGCNA)对转录组进行谱型分析,以识别与恶性肿瘤相关的分子靶点。通过对环境毒理学数据库的计算筛选,发现了对空气污染物有反应的基因,并将其与LUAD相关的靶点进行交叉参考。采用了一种综合分析框架,结合了人工智能驱动的模式识别、系统毒理学和计算结构生物学,来研究污染物与大分子的相互作用。基于表达的患者分层使得能够对与CA4相关的致癌过程进行通路富集分析。

结果

对八种大气污染物(苯、二氧化硫、一氧化氮、一氧化碳、二氧化氮、甲苯、臭氧和苯[a]芘)的系统性评估,发现了265个分子相互作用因子,其中包括58个潜在的LUAD介导因子。预测模型确定了五个表达发生显著变化的中心调节因子(CA4和CAT的抑制;SPP1、CDH1和TIMP1的升高;所有P < 0.05)。计算机模拟结构分析显示,典型的多环芳烃苯[a]芘(BaP)与碳酸酐酶IV蛋白之间存在高亲和力结合。

结论

空气污染可能通过特定的基因调控促进LUAD的发生。所识别的枢纽基因和验证的CA4-苯[a]芘相互作用为进一步研究提供了机制上的见解。

引言

肺癌仍然是中国最常见的致命恶性肿瘤[1]。作为非小细胞肺癌(NSCLC)的主要亚型,肺腺癌(LUAD)约占所有肺癌病例的40%。流行病学研究表明,无论吸烟状况、年龄或性别如何,腺癌都占NSCLC诊断的约40%,这突显了其在全球临床中的重要性[2,3]。疾病的发生机制涉及多种因素,包括环境因素(香烟烟雾和空气中的颗粒物)、遗传风险因素(EGFR/KRAS突变)以及表观遗传修饰[4]。 在分子水平上,LUAD的进展特征是遗传不稳定(如8p染色体丢失)、表观遗传异常(包括DNA甲基化变化)以及关键信号通路的持续激活,尤其是RTK/RAS/MAPK和PI3K/AKT/mTOR轴[5]。与吸烟相关的LUAD病例经常表现出特定的TP53/KRAS突变,这些突变与苯[a]芘诱导的DNA损伤相关,通过独特的突变模式揭示了暴露与生物标志物之间的明确关系[6]。越来越多的证据表明,特定的大气污染物在LUAD的起始和进展中起着积极作用。多环芳烃如苯[a]芘(BaP)会诱导DNA加合物的形成、基因组不稳定以及烟草无关的LUAD特有的突变特征。PM2.5及其有机成分会促进慢性炎症、上皮-间充质转化和代谢状态的改变,从而加速恶性转化。臭氧暴露会加剧氧化应激并损害气道上皮的完整性,而重金属(包括镉和砷)则调节氧化还原信号通路并破坏关键的肿瘤抑制通路。这些污染物引起的生物扰动共同导致了LUAD中的转录失调、肿瘤微环境重塑和代谢重编程,为本研究中将污染物响应基因网络与LUAD分子特征相结合提供了机制基础。 流行病学证据已明确证明了空气污染对肺部恶性肿瘤的致癌作用,室外空气污染是全球肺癌死亡的主要环境风险因素,仅次于吸烟[7,8]。大气污染物根据其物理状态进行系统分类,颗粒污染物包含多环芳烃(尤其是苯[a]芘)、N-亚硝基化合物、纤维矿物和金属毒物的混合体。气相污染物包括光化学氧化剂、含硫化合物和氮氧化物[2]。 网络毒理学已成为环境健康研究中的一个变革性学科,它提供了将多组学技术与机器学习相结合的新分析框架。这一范式转变显著提高了我们解析环境毒物与疾病病因之间复杂生理相互作用的能力。最近的研究展示了这种整合方法的力量[9]:例如,研究显示,将毒物-靶点数据库与转录组谱型分析相结合可以识别化学暴露的潜在分子中介因子,同时利用基于网络的毒理学方法预测污染物相关的信号通路,并通过人类疾病数据集进行验证[10]。这些进展为我们的当前研究提供了坚实的方法论基础,在研究中我们整合了污染物-蛋白质相互作用数据、多队列LUAD转录组学、机器学习优先级排序和结构建模,以探索污染物驱动的致癌机制。关于PM2.5相关肺癌发生的当代研究通过多模态组学研究提供了关键见解,这些研究从机制上表明EGFR和KEAP1是调控PM诱导的恶性转化的核心节点[11]。平行进行的代谢组学研究揭示了脂质信号级联的深刻变化,其中花生四烯酸-COX2轴成为驱动炎症相关肿瘤进展的主要代谢开关[12]。 目前关于空气污染相关LUAD的研究取得了相当大的进展;然而,仍存在一些关键的知识空白。现有的研究主要采用还原论方法,专注于单向的“暴露-反应-效应”范式,而忽视了基因组不稳定性和动态免疫微环境变化之间的复杂双向相互作用[13]。为了解决这一根本挑战,我们的研究采用了综合系统毒理学框架,结合了三个互补的分析维度:通过多组学数据融合全面重建空气污染引起的致癌网络,通过基于共识拓扑的特征选择进行严格的分子枢纽识别和分层排序,并通过集成机器学习进行增强,以及通过集成分子对接来验证靶点的参与和相互作用热力学。这项多方面的研究为颗粒物触发的LUAD的病理生理级联提供了前所未有的见解,特别强调了揭示可针对的分子脆弱性,以便在易感人群中开发个性化治疗[14],[15],[16]。基于结构的计算建模的最新进展进一步提高了配体-蛋白质相互作用预测的准确性,使得可以通过基于物理的评分函数识别毒物结合口袋并估计结合亲和力。分子对接已成为评估污染物-蛋白质相互作用的广泛使用的方法,最近的研究使用高分辨率晶体结构和精细的评分策略来表征环境污染物和外源物质的结合机制(《生物化学与生物物理学档案》,110521;110504;768,110368)。这些发展为我们的基于结构的苯[a]芘(BaP)与CA4的对接分析奠定了坚实的基础,以探索污染物暴露与LUAD生物学之间的潜在分子界面。 为了为本研究建立连贯的逻辑基础,我们构建了一个概念性的因果框架,将大气污染物暴露与LUAD的病理生物学联系起来。在这个框架中,空气中的有毒物质如苯[a]芘(BaP)、PM2.5相关有机物和重金属颗粒通过与污染物响应蛋白靶点的相互作用引发分子扰动,进而改变与炎症、DNA损伤、代谢应激和上皮转化相关的信号通路。这些由污染引起的分子紊乱在跨转录组数据集识别的LUAD相关失调基因上汇聚。虽然这项工作整合了网络毒理学、多队列转录组学、机器学习优先级排序和基于结构的建模来追踪这些机制联系,但所得到的关联仍然是计算推断的结果,而非实验验证的结果。因此,这里提出的框架应被视为生成假设的框架,为未来的实验验证提供机制候选者。

疾病相关靶点的识别与验证

从NCBI GEO数据库中检索了五项肺腺癌(LUAD)研究(GSE10072、GSE32863、GSE40791、GSE43458和GSE75037)的转录组数据集。这些数据集被分为发现组(GSE10072和GSE32863)和验证组(GSE40791、GSE43458和GSE75037)。为了减轻批量效应,实施了一个系统的标准化流程,并应用了替代变量分析(SVA)来建模和调整发现组中的潜在混杂因素。

空气污染物的靶蛋白分析

通过综合整合TargetNet、Swiss Target Prediction和SEA数据库的预测数据,我们系统地绘制了主要空气污染物的分子靶点图谱,揭示了不同的靶基因谱型:苯(128个靶点)、SO2(107个靶点)、NO2(102个靶点)、O3(88个靶点)、NO(109个靶点)、CO(110个靶点)、甲苯(149个靶点)和苯[a]芘(194个靶点)。对比较毒理学数据库(83个靶点)的补充筛选也得到了相关结果。

讨论

尽管吸烟仍然是男女肺癌的主要原因,但非吸烟女性的LUAD发病率异常高,这主要是由于空气污染暴露[17],[18],[19]。空气中的污染物,包括PM2.5、有毒金属和燃烧副产物,会引发一系列生物学效应:它们直接将致癌物传递到肺组织,同时引起慢性炎症、氧化DNA损伤和促进癌症的细胞变化[20],[21],[22]。

结论

总之,我们的综合毒理学-转录组学-机器学习框架识别了响应污染物的枢纽基因,并强调了CA4作为空气污染与LUAD生物学之间潜在的机制联系。未来的工作将集中于使用生化检测、污染物暴露模型和在LUAD细胞系及体内系统中的功能研究,来实验验证关键的污染物-基因相互作用,例如预测的BaP-CA4结合界面。此外,还将结合响应污染物的因素。

研究注册唯一识别号(UIN)

本研究未涉及人类参与者或前瞻性或回顾性临床试验,因此不适用UIN。

CRediT作者贡献声明

杨旭: 资源、方法学。 袁斌: 编写——原始草案。 张明军: 资金获取。

知情同意声明

不适用。

伦理批准

无人类/动物实验;数据可应要求提供。

同意

不适用。

担保人

张明军博士(通讯作者)对工作负全责,可访问数据,并控制发表决定。

来源和同行评审

未经委托,外部同行评审。

机构审查委员会声明

不适用。

出版同意

不适用。

数据可用性声明

转录组数据来自基因表达组学数据库(GEO;https://www.ncbi.nlm.nih.gov/geo/)和癌症基因组图谱LUAD队列(TCGA-LUAD;https://portal.gdc.cancer.gov/)。污染物-基因相互作用数据来自比较毒理学数据库(CTD;http://ctdbase.org/)、ToxCast/Tox21平台(https://www.epa.gov/chemical-research/toxicity-forecasting)、PubChem BioAssay(https://pubchem.ncbi.nlm.nih.gov/)和STITCH 5.0(http://stitch.embl.de/)。

资助

本研究得到了安徽省自然科学基金(资助编号1908085MH262)的支持。

利益冲突声明

作者声明没有利益冲突。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号