吡虫啉通过网络毒理学与机器学习驱动膀胱癌进展的新机制：关键靶点SREBF1/TGFBI的发现与验证

《BMC Pharmacology and Toxicology》：Imidacloprid contributes to bladder cancer progression: preliminary evidence based on network toxicology, machine learning and molecular docking

本研究针对新型烟碱类杀虫剂吡虫啉(IMI)的膀胱癌(BCa)风险开展多组学探索。团队整合CTD/TCGA/GEO数据库，通过机器学习筛选出SREBF1、PRELP、TGFBI、TNFAIP2、TACR3五个关键基因构建预后模型，发现高风险患者对Rizavasertib等激酶抑制剂敏感。分子对接证实IMI与靶蛋白强结合，体外实验揭示10 ng/mL IMI通过调控上述基因表达促进膀胱癌细胞增殖/迁移/侵袭。该研究为环境污染物致癌机制提供新证据，并为膀胱癌个体化治疗提供生物标志物。

　　

当我们在超市选购蔬菜水果时，很少会想到这些农产品在生长过程中可能接触过哪些化学物质。吡虫啉作为全球使用最广泛的新烟碱类杀虫剂，不仅残留在农作物上，更通过水源和食物链进入人体。令人担忧的是，美国国家健康与营养调查显示，近半数普通人群尿液中检测到新烟碱类农药或其代谢物。尤其值得注意的是，吡虫啉在人体内代谢后主要经尿液排泄，这使得膀胱成为其潜在的靶器官。然而，这种日常暴露是否会导致膀胱癌发生发展，至今仍是未解之谜。

在这项发表于《BMC Pharmacology and Toxicology》的研究中，明杰团队开展了一项跨学科探索。研究人员首先从比较毒物基因组学数据库(CTD)获取531个吡虫啉相关基因，结合癌症基因组图谱(TCGA)中膀胱癌的RNA测序数据，鉴定出138个差异表达的吡虫啉相关基因(DEIRGs)。通过蛋白互作网络分析发现，这些基因显著富集于胰岛素抵抗、化学致癌作用、cAMP信号等关键通路。随后运用10种机器学习算法构建预后模型，并在两个独立队列(GSE13507、GSE31684)中进行验证。

研究团队通过多元Cox回归进一步筛选出SREBF1、PRELP、TGFBI、TNFAIP2和TACR3五个关键基因构建风险评分模型。高风险组患者总生存期显著缩短，且对Rizavasertib(ATR抑制剂)、Saracatinib(Src抑制剂)等靶向药物更敏感。分子对接显示吡虫啉与这些靶蛋白具有强结合力，结合能均小于-7 kcal/mol。最引人注目的是，体外实验证实相当于职业暴露浓度(10 ng/mL)的吡虫啉处理，显著增强了膀胱癌细胞的克隆形成、伤口愈合和Transwell侵袭能力。

DEIRGs的筛选与功能特征

研究人员通过整合CTD数据库和TCGA膀胱癌数据集，成功筛选出138个DEIRGs，其中62个上调、76个下调。蛋白互作网络分析显示这些基因形成包含986个相互作用的复杂网络，其中ESR1、BCL2、SIRT1等30个基因被识别为枢纽基因。拷贝数变异分析发现CDKN2A基因在近30%的病例中存在缺失，这可能是吡虫啉促进膀胱癌发展的关键机制之一。

预后模型的构建与验证

通过10种机器学习算法的系统比较，随机生存森林(RSF)模型表现出最佳预测性能(C-index=0.766)。基于五个关键基因构建的风险评分模型在训练集、测试集和两个外部验证集中均显示出稳定的预后区分能力。高风险组患者的死亡风险是低风险组的2.00-2.63倍，且在不同临床亚组中保持一致性。

肿瘤微环境与药物敏感性

免疫浸润分析揭示高风险组肿瘤微环境中M2型巨噬细胞显著增多，而CD8⁺ T细胞和树突状细胞减少，这种免疫抑制状态可能与吡虫啉的暴露相关。药物敏感性预测显示高风险患者对多种激酶抑制剂更敏感，而低风险患者则更适合PARP抑制剂治疗。

分子对接与实验验证

分子对接结果显示吡虫啉与五个靶蛋白均能形成稳定的复合物，结合能介于-8.2至-9.8 kcal/mol之间。体外实验证实10 ng/mL吡虫啉处理显著促进膀胱癌细胞增殖、迁移和侵袭。RT-qPCR和Western blot结果一致显示：吡虫啉暴露上调SREBF1、PRELP和TGFBI表达，下调TNFAIP2表达，而对TACR3无显著影响。

这项研究首次通过多组学整合分析揭示吡虫啉暴露与膀胱癌进展的关联，建立的风险分层模型不仅为预后预测提供新工具，更指导个体化治疗选择。特别值得注意的是，职业暴露浓度(10 ng/mL)的吡虫啉即能驱动癌症恶性表型，这为制定更严格的环境污染物安全标准提供科学依据。该研究创新性地将环境毒理学与肿瘤精准医疗相结合，为理解化学污染物致癌机制开辟新视角。