整合多组学技术和网络毒理学研究揭示了环境激素通过多靶点机制促进肝细胞癌发生的机制

《Ecotoxicology and Environmental Safety》：Integrated multi-Omics and network toxicology elucidate the multi-target mechanisms of environmental hormones in driving hepatocellular carcinoma

肝细胞癌（HCC）的分子机制及内分泌干扰化学物质（EDCs）的作用途径通过整合多组学数据、网络毒理学和机器学习技术系统解析。研究发现EDCs通过干扰细胞周期（CCNB1/2）、代谢（AKR1C3、FADS1）及免疫微环境重塑（Tregs、M0巨噬细胞富集）驱动HCC发生发展，构建的9基因Cox模型（HR=1.746）具有良好预后预测性能（AUC=0.836），并在柳叶刀癌症等4种癌症中验证了跨癌症适用性，并提示高 риск组对GDC-0810等药物更敏感。

　　
肝癌（Hepatocellular Carcinoma, HCC）作为全球第六大常见恶性肿瘤和第三大癌症相关死亡原因，其发病机制涉及多因素协同作用。近年来，环境内分泌干扰物（Endocrine-Disrupting Chemicals, EDCs）作为新兴风险因素受到广泛关注。EDCs通过干扰激素信号通路、代谢平衡及免疫微环境，可能促进肝细胞癌变。本研究通过整合分子毒理学、计算生物学与多组学数据，系统揭示了EDCs驱动HCC发展的分子机制，并构建了具有临床转化价值的九基因预后模型。

### 一、EDCs与HCC的关联机制
EDCs是一类广泛存在于环境中的化学物质，包括DDT、双酚A（BPA）、邻苯二甲酸酯（PBPs）等。其通过以下途径影响HCC发生：
1. **细胞周期调控**：EDCs与关键蛋白（如CCNB1/2、CDC7）结合，干扰细胞周期检查点，促进异常增殖。例如，DEs（己烯雌酚）与CCNB1的稳定结合（-8.9 kcal/mol）可增强核苷酸激酶活性，推动G1/S期转换。
2. **代谢重编程**：EDCs通过靶向AKR1C3（调控类固醇代谢）、FADS1（脂肪酸合成）等，导致能量代谢紊乱。BP（苯基丙酮）与AKR1C3的结合显著抑制促凋亡蛋白Caspase-3活性，促进肿瘤存活。
3. **免疫抑制**：EDCs诱导Treg细胞和M0巨噬细胞浸润，抑制效应性T细胞与NK细胞功能。例如，MIF（巨噬细胞炎症因子）与CD74受体形成轴心，阻碍激活型免疫细胞浸润。
4. **表观遗传与氧化损伤**：EDCs通过抑制CYP450酶系（如MeP与COMT结合）影响药物代谢，同时诱导ROS累积，破坏DNA修复机制。

### 二、九基因风险模型的构建与验证
研究通过多组学整合筛选出九个核心基因（CCNB1/2、AKR1C3、FADS1、CDC7、CBX1、TYMS、COMT、PDGFRA、TP53），构建了Cox回归风险模型：
- **模型性能**：在TCGA-LIHC队列中，模型AUC达0.784（1年）、0.709（3年）、0.630（5年），显著优于传统临床指标（如年龄、性别、分期）。
- **临床验证**：高风险组患者OS中位数较低风险组缩短（p<0.001），且与高TMB（突变负荷）、TP53突变及免疫抑制表型相关。
- **跨癌种泛化**：该模型在肺癌（LUAD）、胆管癌（KIRP）等33种癌症中均显示预后价值，提示其可能成为泛癌种生物标志物。

### 三、分子毒理学与结构生物学证据
1. **分子对接与动力学模拟**：EDCs与靶蛋白（如CCNB1、AKR1C3、FADS1）形成稳定复合物。例如，DDT与CCNB1结合能达-8.2 kcal/mol，且MD模拟显示其结合构象在10纳米运动范围内保持稳定。
2. **信号通路富集**：富集分析显示，核心基因主要参与AMPK、p53、FoxO等通路，其中AMPK信号与能量代谢异常密切相关，p53通路突变在70%高 риск患者中存在。
3. **免疫微环境重塑**：CIBERSORT分析表明，HCC中Treg与M0巨噬细胞比例升高（分别增加42%和35%），而CD8+ T细胞减少28%。单细胞转录组进一步揭示，纤维母细胞与内皮细胞通过SPP1-CD44轴促进基质重塑，形成免疫隔离屏障。

### 四、临床应用与转化价值
1. **预后分层**：模型可将患者分为高/低风险组，高组五年生存率下降至32%（vs. 65%），且与化疗抵抗相关（如对JQ1、PLX-4720耐药）。
2. **精准用药指导**：GDSC数据库分析显示，高-risk患者对GDC-0810（FGFR抑制剂）、BPD-00008900（EGFR抑制剂）和Fulvestrant（抗雌激素）敏感度提升1.5-2倍。
3. **早期预警指标**：结合EDCs暴露水平（如尿中邻苯二甲酸酯代谢物浓度），可建立个体化风险评分，预测HCC风险（AUC=0.82）。

### 五、环境暴露与防控策略
1. **主要暴露源**：食品加工塑料（BPA）、化妆品（苯甲酸酯类）、饮用水（PFASs）是EDCs的主要暴露途径。例如，BPA通过加热迁移进入食物链，其血药浓度与HCC风险呈正相关（OR=1.32）。
2. **防控建议**：
- **个人防护**：避免使用含BPA的食品容器，减少高温烹饪；选择无邻苯二甲酸酯的化妆品；饮用经过过滤的饮用水。
- **政策监管**：加强塑料制品中的化学替代品（如氢化蓖麻油酸酯）标准；对PCBs、DDT等持久性污染物实施跨境监测。
- **医疗干预**：对高风险患者推荐FGFR抑制剂联合免疫检查点抑制剂（如PD-1阻断剂），并定期监测TMB水平以调整治疗方案。

### 六、研究局限与未来方向
1. **局限性**：单细胞数据样本量较小（仅3例HCC），且未纳入动物实验验证。此外，模型对早期癌前病变（如NASH）的预测效能需进一步验证。
2. **改进方向**：
- **多组学扩展**：整合代谢组（如脂肪酸谱）与表观组数据，解析EDCs诱导代谢重编程的动态过程。
- **临床转化验证**：在队列规模更大的队列（如亚洲多中心研究）中验证模型稳定性。
- **机制深化**：通过类器官模型模拟EDCs暴露下的肝细胞癌变过程，结合空间转录组技术解析微环境异质性。

### 七、结论
本研究首次系统阐明EDCs通过“代谢-免疫-增殖”三角轴驱动HCC发展的多靶点机制，并开发首个可预测药物敏感性的九基因模型。该模型不仅为HCC患者分层管理提供工具，更为环境癌症的防控开辟新路径——通过阻断EDCs-靶蛋白相互作用（如AKR1C3-FADS1轴）或抑制MIF-CD74信号，可能逆转肿瘤微环境，实现免疫治疗增效。

未来需结合毒理学实验与临床大数据，建立“暴露-生物标志物-疗效”链式评估体系，推动从环境健康到精准医疗的范式转变。