整合多组学数据与机器学习方法，解析马兜铃酸诱导的肾细胞癌的分子网络及基因特征

《Biochemical and Biophysical Research Communications》：Integrated multi-omics data and machine learning approaches to decipher the molecular network and gene signatures of renal cell carcinoma induced by aristolochic acid

本研究通过整合机器学习与多组学分析，系统揭示了 aristolochic acid（AA）诱导肾细胞癌（RCC）的分子机制，筛选出SORD等8个核心调控基因，并验证其与AA暴露及RCC发展的关联，为精准防治提供新策略。

　　

张帆|韩帅|潘丹|高琳娜|宋伟杰

天津医科大学肿瘤医院，国家癌症临床研究中心，癌症预防与治疗重点实验室，天津300060，中国

摘要

目的

本研究旨在阐明马兜铃酸（AA）暴露通过何种分子机制驱动肾细胞癌（RCC）的发病机制，利用集成机器学习（ML）和多组学方法系统地识别和验证将AA与RCC发展联系起来的关键靶点。

方法

通过对多个相关数据集进行差异表达分析，我们精确筛选出与RCC密切相关的靶基因。采用多学科方法，结合机器学习算法、网络毒理学和分子对接技术，以阐明AA与其靶蛋白之间的结合相互作用。

结果

机器学习分析确定了八个核心基因（HPD、SORD、CYP4F2、ERBB4、ALAD、PLAU、PYGL、KCNK5）作为关键调控因子。作为核心调控枢纽基因，分子对接模拟结果显示了AA与其靶蛋白之间的潜在结合相互作用。细胞学验证实验表明，AA表现出浓度依赖性的肾细胞活力抑制作用，同时下调SORD的表达。临床发现显示，与正常肾脏组织相比，SORD在肾癌组织的细胞质中高度表达。

结论

这是首次利用ML引导的多组学框架系统地建立AA暴露与RCC肿瘤发生之间的全面联系的研究。我们确定了SORD作为关键机制参与者，并证明了其功能和临床相关性，为AA诱导的RCC的分子发病机制提供了见解。我们的综合方法为阐明环境致癌物相关机制和识别新的治疗靶点提供了强有力的策略。

引言

肾细胞癌（RCC）占肾恶性肿瘤的80%-90%，全球每年新发病例超过40万例[1]。RCC发病率的上升与衰老、肥胖、高血压和吸烟等风险因素有关。尽管成像技术的进步提高了早期诊断率，但大约30%的患者在初次诊断时已出现转移，导致预后较差[2]。RCC的分子异质性表现为由VHL失活驱动的缺氧信号通路的异常激活，而表观遗传基因（如PBRM1、BAP1和SETD2）的突变进一步加剧了代谢重塑和免疫微环境的失调[3]、[4]。尽管联合使用靶向药物（例如VEGFR抑制剂）改善了晚期患者的生存结果，但只有30%-40%的患者表现出持续反应[5]、[6]，可靠的预测生物标志物仍然缺乏，这突显了疾病的复杂性以及优化治疗策略的迫切需求[7]。

马兜铃酸（AA）是一种硝基菲类化合物，天然存在于马兜铃科植物中，如马兜铃（Aristolochia manshuriensis，关木通）、防己（Aristolochia fangchi，广防己）和青木香（Aristolochia debilis，青木香）[8]、[9]。自20世纪90年代以来，AA的肾毒性和致癌性逐渐被揭示，其生物医学影响已成为全球公共卫生和毒理学研究的重要课题[10]、[11]。AA的实际危害不仅来自传统草药中的直接用药暴露，还来自其作为环境生物污染物通过食物链进入人体。例如，巴尔干地区的地方性肾病（BEN）与当地小麦田中混杂的马兜铃植物种子污染有关[12]、[13]。长期食用受污染的面粉会导致AA在人体内积累，引发慢性肾病和上尿路癌[14]。类似的暴露途径也存在于亚洲地区，特别是在中国大陆和台湾地区[8]、[15]。使用含有AA的草药与肝癌和尿路上皮癌的发病率显著相关。

临床上，由AA暴露引起的疾病主要包括马兜铃酸肾病（AAN）及相关泌尿系统肿瘤[10]、[16]。AAN的特点是快速进展的肾间质纤维化和肾小管坏死，最终发展为终末期肾病[16]。此外，AA与DNA形成加合物（称为AL-DNA加合物），并诱导特征性的A:T→T:A碱基转换突变，从而驱动肿瘤发生[14]。研究表明，AA相关的上尿路上皮癌（UUC）和肾细胞癌（RCC）的分子病理机制与此突变特征密切相关。尽管中国自2003年起禁止使用高AA含量的药材（如马兜铃和防己），但某些含AA的药材仍受到限制使用。此外，由于历史上的AA暴露，慢性疾病和癌症的负担仍然存在。因此，深入探索AA的分子毒理学机制和实际暴露途径对于制定有效的公共卫生干预策略和临床预防控制措施具有重要意义。

网络毒理学能够构建涉及AA代谢物[17]、靶点和途径的动态相互作用网络，通过拓扑分析识别核心靶点簇和受扰动的途径，并揭示其“多靶点[18]、[19]、多途径”的致癌特性。机器学习驱动的建模可以整合多组学临床数据（全外显子测序、单细胞转录组学、空间代谢组学），建立定量预测模型，将AA暴露剂量、基因突变谱型和肿瘤表型联系起来，同时通过SHAP值解释关键生物标志物的贡献[20]、[21]。这种多尺度计算生物学框架不仅系统地解析了AA诱导的RCC的分子级联反应，还为毒素致癌性研究建立了新的范式，从静态关联过渡到动态机制，从而推进精确的预防和靶向治疗策略。

因此，本研究旨在整合公共数据库中的转录组数据，并运用网络毒理学、机器学习和分子对接模拟来筛选和初步验证将AA暴露与RCC的发生和发展联系起来的核心基因及其相互作用网络，从而为理解AA的肾致癌机制提供新的计算证据和假设。

章节片段

AA的化学组成和靶点鉴定

AA的成分分析和靶点鉴定过程如下：通过结合搜索PubMed和ChemSpider数据库完成。使用PubChem数据库的标准SMILES表示法进行描述（AA-I：CN1C=CC2=C1C(=O)C3=C(C2=O)C(=C(C4=C3OC(=C4)C5=CC=C(C=C5)O)O)C），AAI从Sigma购买，CAS号为313-67-7，纯度≥90%（通过HPLC确定），为粉末形式，作为磷脂酶A₂抑制剂。

三种策略

AA靶蛋白的获取

我们从PubChem数据库中获得了马兜铃酸（AA）的分子结构（图1A）。随后，通过整合三个主要数据库ChEMBL、PharmMapper和SwissTargetPrediction的预测结果，我们共识别出562个潜在的AA靶基因（联合基因计数）。值得注意的是，只有五个靶点（0.9%）被所有三个数据库共同预测（图1B）。这些高置信度的靶点可能参与了AA诱导的肾细胞

讨论

本研究结合网络毒理学与多模态机器学习和对接分析，系统地揭示了AA暴露（假设“A”和“AA”指代的是马兜铃酸）与肾细胞癌（RCC）的发生和发展之间的潜在关键分子桥梁。从庞大的基因相互作用网络中筛选出的八个核心基因（SORD、HPD、ERBB4、PLAU、CYP4F2、PYGL、KCNK5、ALAD）提供了全新的

结论

在本研究中，我们通过整合网络毒理学、分子对接模拟和127种机器学习算法，系统地阐明了马兜铃酸（AA）诱导的肾细胞癌（RCC）的多靶点分子机制，并成功识别出八个核心基因。这些基因不仅作为AA毒性的潜在关键效应器，还通过代谢重编程、异常信号通路和离子紊乱形成了协同致癌网络

CRediT作者贡献声明

韩帅：研究。潘丹：方法学。张帆：正式分析、数据管理、概念化。高琳娜：数据管理。宋伟杰：资金获取

伦理批准和参与同意

本研究的数据内容来自公共数据库，不涉及动物或人类伦理

临床试验编号

不适用

利益冲突

我现在声明，本文的合著者熟悉其内容，同意以当前形式在您的期刊上发表，所有作者均声明没有利益冲突。

出版同意

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

数据和材料的可用性

本研究中使用或分析的数据集可应要求从相应作者处获得。

资助

本工作得到了河北省中医药管理局科学研究计划项目（T2025062）的支持。由天津市重点医学学科（专业）建设项目（TJYXZDXK-009A）资助

利益冲突声明

?作者声明以下财务利益/个人关系可能被视为潜在的利益冲突：张帆报告与天津医科大学肿瘤医院存在工作关系。如果有其他作者，他们声明没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

不适用