多组学与计算毒理学解码PFAS在肝细胞癌中的分子机制及预后标志物发现

本研究针对PFAS（全氟和多氟烷基物质）暴露与肝细胞癌（HCC）的分子机制不明问题，通过整合网络毒理学、机器学习、单细胞RNA测序（scRNA-seq）和分子对接技术，揭示了APOA1、ESR1等6个核心靶点及其调控的代谢与免疫通路，构建了PFASRHSig预后模型（AUC达0.832）。该研究为PFAS诱导肝癌的机制提供了新见解，并为临床风险分层和靶向治疗提供了潜在标志物。

　　

论文解读

背景与科学问题
肝细胞癌（HCC）是全球癌症相关死亡的第三大原因，五年生存率不足20%。除传统风险因素如肝炎病毒感染和酒精滥用外，环境污染物全氟和多氟烷基物质（PFAS）的致癌作用日益受到关注。这类用于不粘锅、消防泡沫的“永久化学物质”因环境持久性和生物累积性，已在人体肝脏中广泛检出。尽管流行病学提示PFAS与肝癌相关，但其分子机制仍如“黑箱”——现有研究多依赖高剂量动物实验或间接肝酶标志物，缺乏系统性靶点筛选和临床转化证据。

研究设计与方法
温州医科大学的研究团队通过计算毒理学与多组学交叉策略，整合TCGA-LIHC等6个队列的转录组数据（n=1,171）、单细胞测序（71,915个细胞）和空间转录组，结合机器学习构建预后模型。关键技术包括：（1）从SwissTargetPrediction和CTD数据库筛选PFAS靶点；（2）PPI网络分析鉴定枢纽基因；（3）10种算法组合建立PFASRHSig风险评分；（4）分子对接验证PFAS-蛋白相互作用；（5）RT-qPCR和免疫组化（IHC）临床验证。

主要结果

1. 靶点筛选与网络分析
   通过数据库比对发现174个PFAS与HCC共有的靶点，PPI网络分析显示这些基因富集于脂肪酸代谢（P=1×10^-55）、PPAR信号（P=1×10^-22）等通路。CytoHubba鉴定出APOA1、ESR1等17个枢纽基因。

2. 机器学习预后模型
   Enet回归筛选的14基因模型（含PPARGC1A、SERPINE1）在6个队列中均显著区分高低风险组（HR=2.34-4.56, P<0.001），5年生存预测AUC达0.902（GSE54236）。

3. 单细胞与空间解析
   scRNA-seq揭示APOA1在恶性细胞高表达，而IGF1富集于巨噬细胞；空间转录组显示ESR1在正常肝细胞中表达更高，提示PFAS可能通过微环境异质性促进癌变。

4. 实验验证
   RT-qPCR证实6个核心基因（APOA1、ESR1等）在癌组织中表达下调（P<0.05），IHC显示ESR1蛋白在正常组织强阳性。分子对接表明PFOS与ESR1结合能达-7.6 kcal/mol，通过氟原子形成氢键。

结论与意义
该研究首次系统揭示PFAS通过干扰APOA1介导的脂代谢和ESR1调控的炎症反应驱动肝癌，PFASRHSig模型为患者预后提供了新工具。分子对接证实PFAS直接结合靶蛋白，为环境毒理学提供了结构生物学证据。未来可探索靶向SERPINE1或PPARGC1A的干预策略，并推动PFAS环境政策的制定。论文发表于《Journal of Translational Medicine》，为环境致癌物研究树立了多组学整合范式。