基于预测雌激素活性框架结合生物测定法的食品添加剂潜在雌激素干扰物筛选

《Food Chemistry》：Screening of potential estrogen disruptors of food additives based on a framework for predicting estrogenic activity combined with bioassays

　　本摘要中，作者提出以下内容：• 建立了一套系统化的雌激素筛选框架。• 这是首次对食品添加剂的雌激素活性进行全面的、多层次筛选。• 三种添加剂在人类最大使用水平下会诱导小鼠子宫肌层增厚。## 引言雌激素干扰物是指具有雌激素活性的化学物质，它们能够模仿或阻断天然激素的作用，可能对多个生理系统产生不利影响。研究表明，雌激素干扰物的暴露与学习困难、攻击性增强、多动、生育能力下降以及物质依赖风险增加有关，而婴幼儿、儿童和孕妇对此尤为敏感。具有雌激素特性的食品添加剂尤其值得关注，因为它们在食品工业中广泛使用，并且通过日常膳食摄入存在长期低剂量暴露的潜在风险。目前，食品添加剂的安全性评价主要侧重于一般毒性、致癌性和致突变性，而雌激素干扰性评估尚未被纳入标准评价框架。近年来，化学物质的毒理学测试越来越多地依赖成本效益高、高通量的体外实验和计算方法来识别与毒理学终点相关的关键生物学通路和蛋白质。这些方法能够快速、广泛地筛选大量物质，从而促进早期危害识别和优先级排序。尽管这些方法应用日益广泛，但关于体外实验和计算方法的准确性及预测能力仍存在担忧，特别是在评估复杂的多层次生物学相互作用方面。因此，传统的体内检测方法——作为评估器官或组织水平内部暴露量的"金标准"——仍然是全面评估生物风险不可或缺的。此外，雌激素关注阈值与分层筛选系统的结合应用为低剂量化学物质的评估提供了有价值的框架，并为风险评估提供了科学依据。本研究采用了一套全面的框架，包括计算机模拟、体外筛选和体内测试，以系统评估食品添加剂中的雌激素活性。该研究利用计算机模拟来评估食品添加剂的雌激素活性和毒性潜力。采用AutoDock Vina预测雌激素受体与食品添加剂中雌激素干扰物之间的结合模式和亲和力。利用SA预测器和基于雌激素受体结合及结构警报方法的OECD QSAR工具箱，评估这些添加剂分子结构中的雌激素受体结合潜力和毒理学特征。此外，本研究还结合了美国环境保护署推荐的体外雌激素筛选方案与动物试验，以全面评估食品添加剂的雌激素干扰潜力。食品添加剂的最大使用量根据美国风味提取制造商协会和GB 2760–2024标准确定。以饮料为例，将人类通过饮料摄入的添加剂最大使用量转换为小鼠的灌胃剂量，以评估相关暴露水平下的潜在雌激素效应。据我们所知，本研究是首次将计算机模拟、体外实验和体内模型相结合，对食品添加剂的雌激素活性进行全面的、多层次的筛选，为评估复杂化学物质的雌激素干扰潜力提供了解决方案。## 片段摘录### 材料雌激素受体α、β由武汉艾泰捷尼克斯生物科技有限公司制备。MCF-7细胞系购自美国模式培养物收集中心，并在37°C、含5%二氧化碳的湿润培养箱中培养。17β-雌二醇（货号：E2758）购自美国圣路易斯市的Sigma-Aldrich公司。牛血清白蛋白（货号：A8020）、TMB单组分析物（货号：PR1200）、ELISA终止液（货号：C1058）和Triton X-100（货号：T8220）购自索莱宝生物科技有限公司。### 雌激素受体与高风险食品添加剂的分子对接采用分子对接技术来研究雌激素受体α/β与其配体之间的相互作用，以筛选能够与雌激素受体结合的添加剂。分子对接在雌激素受体的两个不同结合域上进行。从中国食品添加剂使用标准中选取了448种小分子化合物（排除大分子物质、氨基酸、脂质及其他非雌激素物质等）。### 结论本研究利用分子对接和结构警报分析筛选了符合"GB 2760–2024"标准的食品添加剂。预测有14种添加剂（其中10种含有毒性官能团）具有雌激素活性。随后，通过雌激素受体等体外测试确定了5种添加剂具有雌激素活性，包括二氢香豆素、甲基二氢茉莉酸酯、苯甲酸乙酯、4-苯基丁酸甲酯和4-己基间苯二酚。### 作者贡献声明**Ying Wang：** 撰写初稿、可视化、方法论、形式分析、数据管理、概念构思。**Ruiping Shan：** 可视化、验证、软件、形式分析。**Minglu Wang：** 撰写-审阅与编辑、软件、方法论。**Jiarui Cui：** 验证。**Liu Yang：** 验证。**Yanming Liu：** 资源、形式分析。**Hongyan Zhang：** 撰写-审阅与编辑、监督、资源、项目管理、资金获取。### 未引用参考文献1. Additives, E. P. O. F., Flavourings, et al., 20252. Chen and Xia, 20243. Hoang and Park, 20254. ?yido?an and Bay?nd?rl?, 20045. Lee et al., 20256. Liu et al., 20267. Liu et al., 20208. Matzuk and Lamb, 20089. Soni, W, Kurian, Chakraborty and Paari, 202410. Wang, Wei, Zhou, Chen and Ren, 202211. Wang et al., 202512. Wang et al., 201713. Wang et al., 202314. Yang et al., 2015### 利益冲突声明作者声明他们不存在已知的经济利益冲突或可能影响本文所报告工作的个人关系。### 致谢本研究得到国家自然科学基金资助（项目编号：32472462）。作者名单：Ying Wang、Ruiping Shan、Minglu Wang、Jiarui Cui、Liu Yang、Yanming Liu、Hongyan Zhang