15221734409
本研究以乙酰檸檬酸三丁酯（ATBC） 為研究對象，通過網絡毒理學與分子對接策略探究其誘導腦 毒性的機制。利用 ChEMBL 、STITCH 、GeneCards 等數據庫篩選出與ATBC 暴露和腦損傷相關 的213 個潛在靶點，經 STRING 和 Cytoscape 分析得到23 個核心靶點（包括 AKT1 、CASP3、HSP90AA1 等）；GO 和 KEGG 分析顯示核心靶點主要富集于癌癥相關通路、神經活性配體 - 受 體相互作用通路等；分子對接（Autodock）證實 ATBC 與核心靶點結合能 < 0 ，結合穩定。研究表 明，ATBC 可能通過調控腦細胞凋亡增殖、激活炎癥通路、影響神經可塑性，增加腦癌風險、引發 神經炎癥，并可能導致認知障礙和神經退行性疾病，為 ATBC 腦毒性機制及環境污染物毒性評估提 供理論基礎。
研究背景
乙酰檸檬酸三丁酯（ATBC）是一種由檸檬酸酯化形成的有機化合物，它是聚氯乙烯（PVC）和其他聚合物材料常用的首選增塑劑。目前，ATBC通常被認為是一種安全的增塑劑，只有在 非常高的濃度下才被認為有毒。然而，ATBC的遷移率高達79.8 mg/kg ，約為鄰苯二甲酸酯（PAEs）的10倍，引發了人們對其潛在暴露風險的擔憂。并且ATBC缺乏與塑料中聚合物的化 學結合，很容易塑料制品中浸出，然后擴散到血液、體液、室內空氣、灰塵、環境土壤和水中。
由于ATBC的消耗量不斷增加，其遷移率和可浸出性也很高，因此需要制定一種新的策略來全 面評估ATBC的健康安全性和風險，并深入研究其潛在毒理學機制。考慮到暴露于PAEs所產生 的神經毒性作用和潛在的病理性腦損傷，可以合理地假設具有類似化學結構的ATBC也可能對 大腦產生不良毒性影響。并且ATBC暴露時間延長，腦損傷的可能性增加。
研究方法和內容
?數據來源與工具：
?數據庫：ChEMBL、STITCH（獲取 ATBC 靶點）；GeneCards、OMIM（獲取腦損傷靶點）；DAVID、FUMA（GO/KEGG 分析）。
?分析工具：STRING（構建蛋白 - 蛋白相互作用網絡，PPI）；Cytoscape 3.8.2（篩選核心靶點）；Autodock（分子對接）。
?核心靶點篩選標準：需同時滿足：①介數中心性 > 中位數；②緊密性中心性 > 中位數；③平均最短路徑長度 > 中位數；④度值 > 2 倍中 位數。
應用網絡毒理學和分子對接分析ATBC對腦損傷的假定毒性。
揭示ATBC介導的腦損傷的核心靶點和關鍵通路。
促進網絡毒理學和分子對接技術對緊急環境化學品的毒性和潛在分子機制進 行有效評估。
研究結果
01 靶點篩選結果
從 ChEMBL 和 STITCH 篩選出256 個 ATBC 靶點，從 GeneCards 和 OMIM 篩選出8841個腦損傷高相關靶點，經整合去重得到213 個潛在靶點（ATBC 誘導腦毒性的交集靶點）。
圖 1 乙酰檸檬酸三丁酯（ATBC）與腦 損傷相關靶點的維恩圖
02 潛在靶點的互作網絡及核心靶點的獲取
利用STRING數據庫構建了潛在靶點的蛋白質-蛋白質相互作用網絡（PPI），共得到212個 節點和569條邊。
通過對互作網絡的分析，作者識別了23個與ATBC引起腦毒性相關的核心靶點，并對這些核 心靶點重新構建了互作網絡。其中AKT1 、CASP3和HSP90AA1是top3的靶點
圖 2 潛在靶點的蛋白質 - 蛋白質相互作 用（PPI）網絡
圖 3 核心靶點的蛋白質 - 蛋白質相互作 用（PPI）網絡
03 潛在靶點功能分析和通路富集分析
潛在靶點與核心靶點主要富集于癌癥相關通路、神經活性配體 - 受體相互作用通路、鈣信號 通路、cAMP 信號通路等，與腦損傷類型一致。
圖 4. 潛在靶點的 GO 富集分析（前 10 位）
(A) 該柱狀圖展示了 213 個潛在靶點在基因本體論（GO）的三個類別（生物過程 BP 、細胞組分 CC 、分子功能 MF）中，經錯誤發現率（FDR） 排序后前 10 位的顯著富集條目。FDR 值反映富集的統計學顯著性，數值越小表明顯著性越高；柱形高度對應基因計數，體現該類別內的富集 程度。這些富集條目凸顯了可能受 ATBC 暴露影響的關鍵生物過程、細胞組分和分子功能。
(B) 氣泡大小對應特定通路中的基因表達量，氣泡的顏色飽和度表示富集顯著性。
5. 潛在靶點的 KEGG 富集分析（前 20 位）
(A) 該氣泡圖以 FDR 值倒序展示了前 20 位顯著富集的 KEGG 信號通路。每個氣泡代表一個特定通路，氣泡面積表示該通路中富集的基因數量，顏色 深度（紅色越深）表示富集顯著性越高。213 個交集基因主要參與多種 KEGG 通路，其中神經活性配體 - 受體相互作用及相關信號通路尤為突出。
(B) 該柱狀圖展示了各通路的富集頻率與顯著性，柱形長度對應基因計數（反映富集分數和顯著性水平），柱形越高表示基因計數越多、富集程度越高。 圖中簡明直觀地呈現了與 ATBC 誘導腦毒性密切相關的前 20 位富集 KEGG 信號通路。
04 核心靶點的通路富集分析
利用DAVID和FUMA數據庫對23個核心靶點進行經典通路分析，包括KEGG富集分析和Reactome富集分析。
6 . 核心靶點 KEGG 富集分析的重疊基因水平梯度柱狀圖（前 20 位）
05 ATBC和腦損傷核心靶蛋白的分子對接
利用AutoDock軟件對ATBC和五個核心靶點（AKT1 ，CASP3 ，HSP90AA1 ，ESR1和MMP9） 的相互作用進行了分子對接分析。5個對接結果均顯示出較低的結合能，都可以自發結合，表 明ATBC與靶點之間具有較強的親和力。
圖 7. 各靶蛋白與 ATBC 的最低結合能分子對接結果
(A) ATBC 與絲氨酸 / 蘇氨酸激酶 1（AKT1）的對接結果；
(B) ATBC 與半胱氨酸天冬氨酸蛋白酶 3（CASP3）的對接結果；
(C) ATBC 與熱休克蛋白 90α 家族 A 成員 1（HSP90AA1）的對接結果；
(D) ATBC 與雌激素受體 1（ESR1）的對接結果；
(E) ATBC 與基質金屬蛋白酶 9（MMP9）的對接結果。
討論與結論
1. 毒性機制推測：ATBC 可能通過調控腦癌細胞凋亡與增殖、激活炎癥信號通路、調節神經可塑性，影響腦癌發生發展、引發神經炎癥，并 增加認知障礙和神經退行性疾病風險。
2. 研究意義：為理解 ATBC 腦毒性分子機制提供理論基礎，建立環境污染物毒性高效評估策略，為相關疾病預防治療提供依據。
3. 局限性：現有動物研究多為高劑量短期暴露，與人類低劑量長期暴露場景差異大，需進一步長期流行病學和動物實驗驗證。
研究意義及創新點
1 ：本研究如何篩選出ATBC 誘導腦毒性的核心靶點？涉及哪些數據庫和工具？
研究首先通過 ChEMBL 和 STITCH 數據庫篩選出 256 個 ATBC 相關靶點，通過 GeneCards 和 OMIM 數據庫篩選出 8841 個腦損傷高相關靶點，經整合去重得到 213 個潛在交集靶點；隨后利用 STRING 數據庫構建蛋白 - 蛋白相互作用（PPI）網絡（212 個節點，569 條邊），并通過 Cytoscape 軟件分析節點拓撲屬性，最終篩選出 23 個核心靶點，篩選標準為介數中心性、緊密性中心性、平均最短路徑長度均 > 中位數，且度值 > 2 倍中位數。
2：ATBC 誘導腦毒性的核心靶點和關鍵通路有哪些？它們如何參與腦損傷過程？
核心靶點包括 AKT1 、CASP3 、HSP90AA1 、ESR1 、MMP9 等（其中 AKT1 度值最高，為 101）；關鍵通路主要為癌癥相關通路、神經活性配體 - 受體相互作用通路、 鈣信號通路。這些核心靶點通過調控腦癌細胞凋亡與增殖（如 AKT1 調控細胞存活，CASP3 介導凋亡）、激活炎癥信號（如 HSP90AA1 促進慢性炎癥）、破壞血腦屏 障與調節神經可塑性（如 MMP9 參與免疫炎癥與血腦屏障破壞），最終導致腦癌風險增加、神經炎癥及認知功能下降。
3 ：本研究采用的網絡毒理學與傳統毒理學方法相比，有何優勢？
相比傳統毒理學方法，網絡毒理學優勢在于：①系統性：整合多數據庫和組學數據，從整體網絡層面分析污染物與靶點、通路的相互作用，避免傳統方法僅關注孤立靶 點的局限性；②高效性：通過生物信息學工具快速篩選靶點和通路，縮短對新興環境污染物毒性評估的周期，適應大量未表征化學品的評估需求；③預測性：結合分子 對接等技術預測潛在相互作用，可針對低劑量長期暴露場景（更貼近人類實際暴露）提供機制推測，彌補動物高劑量短期實驗的不足。
歡迎來到
