AOP指导的贝叶斯网络框架用于识别全氟和多氟烷基物质诱导发育性神经毒性的候选更安全理化域

《Journal of Hazardous Materials Advances》:An AOP-informed Bayesian Network Framework for Identifying Candidate Safer Physicochemical Domains in Per- and Polyfluoroalkyl Substances-induced Developmental Neurotoxicity

【字体: 大 中 小 】 时间:2026年07月16日 来源:Journal of Hazardous Materials Advances 9.1

编辑推荐:

  全氟和多氟烷基物质(per- and polyfluoroalkyl substances, PFAS)的广泛使用及其环境持久性,引发了对其潜在发育性神经毒性以及对更安全替代物需求的关注。为支持安全设计(safe-by-design, SbD)评估,本研究构建

  
全氟和多氟烷基物质(per- and polyfluoroalkyl substances, PFAS)的广泛使用及其环境持久性,引发了对其潜在发育性神经毒性以及对更安全替代物需求的关注。为支持安全设计(safe-by-design, SbD)评估,本研究构建了一个由不良结局路径(adverse outcome pathway, AOP)指导的贝叶斯网络(Bayesian network, BN)框架,将机制毒理学与概率建模相结合。研究人员将经整理的AOP网络与暴露于12种结构多样PFAS后人胚胎干细胞和神经干细胞的体外响应数据相结合,并将来源于神经干细胞(neural stem cell, NSC)的数据集与理化描述符整合,用于训练BN模型。在所测试的化学空间内,较短的碳链长度、较低的logKow、较高的蒸气压以及较大的水溶解度,均与分子起始事件(molecular initiating events, MIEs)、关键事件(key events, KEs)及下游结局节点中较低的预测毒性相关响应持续一致地相关;在这些描述符条件下,后验概率分布向较低响应状态偏移。该框架并非仅依赖结构相似性,而是将理化特征与通路层面的生物学响应相连接,从而为PFAS优先级排序及面向SbD的设计提供了定量且具有机制可解释性的依据。
该文发表于《Journal of Hazardous Materials Advances》,围绕全氟和多氟烷基物质(per- and polyfluoroalkyl substances, PFAS)的发育性神经毒性(developmental neurotoxicity, DNT)评估与安全设计(safe-by-design, SbD)问题展开。研究背景在于,PFAS因碳—氟键稳定而具有优异的热稳定性、表面活性和疏油疏水性能,因此被广泛应用于工业和消费品中,但同样也因此表现出环境持久性和部分化合物的生物累积潜力。现有证据表明,PFAS暴露与免疫毒性、肝毒性、内分泌干扰、发育与生殖毒性等多种不良健康结局相关。尤其值得关注的是,毒理学效应会因官能团类型和碳链长度等结构特征而明显不同。由于PFAS数量庞大、结构多样,依靠逐一动物试验开展全面危害评价在资源、时间和伦理层面均不可行,因此亟须建立基于共享理化特征与毒理机制的群组化替代评估策略。

在这一背景下,单纯依据结构相似性进行分组存在局限,因为毒性最终是通过分子相互作用及其下游生物学响应体现的,而非仅由结构本身决定。研究人员因此引入不良结局路径(AOP,指从分子起始事件到关键事件再到不良结局的机制框架)作为机制组织骨架,并结合贝叶斯网络(BN,一种用于描述变量条件依赖关系的概率图模型)开展定量分析,以建立理化性质与DNT相关通路扰动之间的联系。研究聚焦于DNT,是因为发育中的神经系统对化学扰动高度敏感,早期暴露可能造成持续性的结构和功能缺陷,而目前关于PFAS类物质DNT的证据仍主要集中于少数传统化合物,短链及研究不足的同系物存在明显证据缺口。

为解决上述问题,研究人员构建了一个AOP指导的BN框架,考察代表性PFAS面板中理化性质与DNT相关响应之间的关联,并据此识别与较低预测毒性相关的候选理化域。研究选取12种PFAS,覆盖羧酸盐与磺酸盐两大功能类别、C4至C14的碳链长度范围,以及“受监管”“受限制”和“替代品”三类监管语境。研究先以AOP-Wiki中与发育性神经功能障碍有关的10条AOP为基础,整合形成初始网络,再依据PFAS相关文献补充事件间方向性联系,最终筛选出可在干细胞实验体系中测量的节点,形成包含3个分子起始事件(MIEs)、4个关键事件(KEs)和1个下游结局节点的可检测网络。由于学习和记忆受损等高级神经发育不良结局无法在当前体系中直接量化,研究以细胞死亡作为末端可测量结局节点。

研究采用的主要关键技术方法可概括如下:首先,从AOP-Wiki检索并整合与发育性神经毒性相关的AOP,并结合PFAS神经毒性文献进行机制链路补充,建立可用于实验验证的AOP网络;其次,以人胚胎干细胞(ESCs)和人诱导多能干细胞分化的神经干细胞(NSCs)为体外模型,对12种PFAS进行暴露,检测细胞活力、活性氧(reactive oxygen species, ROS)、细胞内Ca2+、线粒体膜电位、脑源性神经营养因子(brain-derived neurotrophic factor, BDNF)、NRF-2、白细胞介素-1β(interleukin 1 beta, IL-1β)和转化生长因子-β(transforming growth factor beta, TGF-β)等终点;再次,利用美国EPA CompTox平台计算理化描述符并离散化分类,通过自助法(bootstrapping)增强小样本参数估计稳定性,在预先固定AOP拓扑结构条件下训练BN条件概率表,并实施情景化后验推断。

在结果部分,论文首先以“3.1. Structural, physicochemical, and regulatory landscape of the 12 target PFAS”为题,说明研究面板的构建逻辑。该部分通过对12种PFAS的结构、理化和监管属性进行并列布局,确保比较对象在官能团、碳链长度和监管背景上具有代表性。研究人员指出,这一面板虽不能代表整个PFAS类别的全部结构多样性,但已覆盖最广泛研究的主要亚类,为后续面板内比较和概率建模提供了足够的理化变异范围。

在“3.2. Proposed framework for integrating mechanistic toxicology with SbD strategies”中,研究人员提出并展示了整体研究流程。该框架依次包括AOP网络构建、干细胞体外实验生成统一生物学响应数据,以及BN模型整合理化描述符和生物响应并进行条件概率推断。通过这一分步骤流程,研究将机制毒理学证据、实验观测和SbD导向的筛选需求联系起来,为识别候选更安全理化域提供了机制上可解释、数量上可比较的依据。

在“3.3. AOP for developmental neurotoxicity”中,研究详细说明了AOP网络的构建结果。研究人员从AOP-Wiki中提取10条与DNT相关的AOP,并整合出涉及氧化应激、线粒体功能障碍、炎症信号和神经发育扰动的初始网络。随后,依据PFAS相关实验研究增加4条方向性联系,分别为ROS形成至BDNF水平改变、ROS形成至线粒体功能障碍、氧化应激(nrf-2)至BDNF水平改变,以及氧化应激(nrf-2)至线粒体功能障碍。最终保留下来的网络由3个MIE、4个KE和1个细胞死亡结局构成,为后续BN结构提供了先验约束。该部分的核心结论是,AOP不仅被用于事件归类,更被用于明确节点间方向依赖关系,从而提高了概率模型的机制锚定性。

在“3.4. In vitro experiment based on AOP”中,研究报告了体外实验结果。其下“3.4.1. Cytotoxicity”部分显示,在羧酸盐中,PFHpA、PFNA、PFDA、PFUnDA和PFTeDA引起浓度依赖性的细胞活力下降,而PFBA与PFOA仅有轻微降低,PFHxA几乎未见明显细胞毒性;在磺酸盐中,PFHpS和PFOS也呈现浓度依赖性活力下降,而PFBS和PFHxS影响较弱。基于此,PFUnDA和PFTeDA仅在100 μM下评估,其余化合物在100和300 μM下测试。更重要的是,NSCs较ESCs表现出更清晰的细胞毒性响应,因此被视为更敏感的模型。

在“3.4.2. Developmental neurotoxicity-related responses based on the AOP network”中,研究人员进一步比较了AOP相关各生物学事件的变化。NSCs中,羧酸盐暴露与多个终点改变相关,包括BDNF水平变化、细胞内Ca2+失衡、线粒体功能障碍和IL-1β表达变化,而ROS、nrf-2及TGF-β响应在不同化合物间一致性较弱;磺酸盐则在ROS形成、BDNF水平改变和细胞内Ca2+失调方面表现更明显。ESCs中的总体响应幅度低于NSCs,其中羧酸盐主要影响线粒体功能,磺酸盐主要诱导ROS反应,其余终点普遍较弱或不一致。定量上,8个AOP相关终点在12种PFAS中的显著响应总数,NSCs为46次,ESCs为23次,约相差2倍。这一结果支持将NSC数据用于后续AOP指导的BN分析。

在“3.5. Identification of candidate physicochemical domains associated with lower toxicity-related responses using BN modeling”中,研究人员利用BN分析理化描述符与网络中各节点响应模式的关系。该部分的总体结论是,在所测试PFAS化学空间内,较短碳链、较低logKow、较高水溶解度和较高蒸气压与较低预测毒性相关响应模式稳定相关。

其中,“3.5.1. Major physicochemical patterns across the selected PFAS panel”指出,碳链长度是最清晰、最一致的判别因子。短链PFAS在多个生物节点上更常表现为稳定状态概率升高,即与较低预测扰动相关。官能团差异亦存在,但在全网络中的一致性不及碳链长度;羧酸盐在某些上游事件上更稳定,磺酸盐在某些下游事件上更稳定。分配与可利用性相关描述符也显示出重要趋势:较低logKow、较高水溶解度和较高蒸气压通常与较低预测扰动相关。该部分表明,较短链和较低疏水性的PFAS总体上与较低的DNT相关细胞扰动相联系。

在“3.5.2. Consensus-based integration of candidate physicochemical domains”中,研究进一步将多个描述符整合为候选理化域。结果显示,仅凭单一描述符不足以解释模式,较低预测毒性相关响应更适合被理解为综合理化谱:其特征包括较短碳链、较低熔点与沸点、低至中等logKow、较高水溶解度,以及在部分情形下的羧酸盐官能团。该部分强调,碳链长度在结构维度上最具主导作用,而C:F比和官能团作用更具情境依赖性。

在“3.5.3. Inventory-level illustration within the applicability domain”中,研究将面板推导出的候选较低毒性理化谱映射到CompTox PFAS数据库清单中,作为适用域(applicability domain, AD)内的示例性应用。结果表明,同时满足全部候选较低毒性标准的PFAS仅占有限子集,说明该整合理化谱比任何单一描述符都更具筛选选择性。研究同时强调,这种解释仅适用于已测试面板所代表的理化域内,不宜直接推广至全体PFAS类别。

在“3.6. Contextualization of BN-derived physicochemical patterns and implications for safe-by-design”中,作者对结果的生物学合理性、方法学意义和局限性进行了讨论。“3.6.1. Biological plausibility of BN-derived patterns in light of previous PFAS evidence”指出,BN得出的规律与既往研究相吻合,即PFAS毒性往往随碳链增长而增强,且不同官能团在摄取和毒代动力学相互作用上存在差异。已有研究显示,更长链PFAS和磺酸盐类可能具有更高细胞摄取与累积,并伴随更强细胞活力下降、线粒体损伤与ROS升高,因此本研究中碳链长度作为主要判别因子的结论具有生物学可合理性。

“3.6.2. Methodological contribution and SbD relevance of the AOP-informed BN framework”强调,本研究超越了逐一描述符或逐一终点的比较方式,将理化性质与AOP指导的体外生物响应整合到同一概率框架中,从而能够对MIE、KE和下游结局节点上的扰动模式进行协同解释。这一方法特别适用于SbD早期优先排序,因为其不仅给出何种理化谱更优,还提供了为何更优的机制透明解释。研究同时提醒,较短链、较低logKow和较高水溶解度虽与较低DNT相关预测响应相关,但这些性质也可能降低常规水处理技术对PFAS的去除效率,因此不能将其简单理解为可直接替代的“更安全”方案,而应与环境归趋和可处理性共同评估。

“3.6.3. Considerations and limitations of the present framework”则系统总结了局限。首先,实验采用100和300 μM的筛选浓度,高于一般人群生物监测中的PFAS水平,因此结果应理解为筛选层面的面板内比较模式,而非对真实暴露水平DNT风险的绝对预测。其次,研究对象仅为12种全氟烷基酸(perfluoroalkyl acids, PFAAs),未覆盖醚类、酰胺类、支链、阳离子或两性离子PFAS等更广泛结构亚类,因此适用域有限。再次,所用生物系统为ESC和NSC体外模型,虽适于评估早期神经发育扰动,但无法完全再现体内脑发育过程的时空复杂性。最后,未来可通过增加分子描述符、引入体外到体内外推(in vitro-to-in vivo extrapolation, IVIVE)和生理学基础药代动力学(physiologically based pharmacokinetic, PBPK)模型,以及扩展多浓度实验设计,进一步增强框架的定量能力和外推价值。

研究结论部分可译述如下:本研究表明,将经整理的AOP网络与源自体外干细胞响应的数据整合至BN框架中,能够以机制透明的方式识别与PFAS较低预测发育性神经毒性相关的理化域,从而推动PFAS评价从仅基于结构分组转向基于概率和通路锚定的分析方法。由于所识别的候选较低毒性域——较短碳链长度、低至中等logKow、较高蒸气压和较高水溶解度——是相对于已测试PFAS面板的理化空间定义的,因此其实际价值不在于提供绝对安全标准,而在于为PFAS早期优先级划分和安全设计评估提供一个可解释、具有经验依据的起点。由此,随着未来研究对该方法不断扩展和优化,这一框架有望促进AOP指导的概率评估在监管和设计导向应用中的更广泛使用。
相关新闻
生物通微信公众号
微信
新浪微博

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