代谢改变桥接尿液中卤化酚和双酚的暴露与血脂异常：来自电子废物回收地区的证据

《Environmental Pollution》：Metabolic alterations bridge exposure to urinary halogenated phenols and bisphenols to dyslipidemia: Evidence from an e-waste recycling area

　　

摘要
卤代酚和双酚类是与电子废弃物（e-waste）拆解活动相关的代谢干扰化学物质。然而，它们对脂质代谢的不良影响及其潜在机制尚未得到充分理解。基于对中国某电子废弃物回收区227名电子废弃物从业者及居民的横断面研究，我们测量了11种尿液卤代酚和双酚类化合物，定量分析了4项血清脂质参数，并进行了非靶向血清代谢组学分析。血脂异常及其亚型（高胆固醇血症、高甘油三酯血症和高低密度脂蛋白胆固醇血症）根据临床标准进行定义。在协变量调整后，6种酚类化合物（PCs）及其混合物与血脂异常及其亚型的患病几率增加相关，其中3,5-二氯酚对血脂异常、高低密度脂蛋白胆固醇血症和高甘油三酯血症的贡献最大，而3,4-二氯酚对高胆固醇血症的贡献最大。在男性、正常体重人群及年龄小于60岁的人群中观察到更强的关联性。中介分析识别出9种显著中介这些关联的代谢物（中介比例：14.8%-63.7%），这些代谢物注释至氨基酸、能量和视黄醇代谢通路。分层划分分析显示，PCs暴露单独解释了脂质代谢变异的4.28%，表明其具有有意义的贡献。这些发现为卤代酚和双酚类暴露与脂质稳态之间的关联提供了潜在的机制见解，并凸显了减少电子废弃物从业者及周边居民暴露于这些化学物质的必要性。

引言
电子废弃物（e-waste）已成为全球增长最快的固体废物流之一（Kuang等，2026）。根据《2024年全球电子废弃物监测报告》，2022年全球电子废弃物产生量达到创纪录的6200万吨，较2010年增长了82%，但仅有22.3%被记录为正式收集和回收（国际电信联盟，2024）。大量电子废弃物，包括废弃电路板、电线、塑料和金属，在不健全的环境条件下被倾倒、交易或处理，导致复杂的有毒物质混合物释放到周围环境中（Kuang等，2026）。已识别出超过1000种有害物质作为电子废弃物的组成部分或不当回收活动的产物，如金属、多环芳烃和酚类化合物（PCs）（国际电信联盟，2024）。

在 这些污染物中，卤代酚（HPs）、双酚类（BPs）及其前体因具有破坏代谢稳态的潜在能力而日益受到关注（Khani等，2023；Lin等，2025；Micha?owicz等，2022；Tang等，2025）。双酚类广泛用于双酚基材料（Liao等，2013），包括聚碳酸酯塑料和环氧树脂，并可能在电子废弃物拆解和处理相关的机械摩擦、粉碎和热降解过程中从这些材料中释放（Liu等，2011；Xie等，2026）。溴代酚可能直接作为添加剂使用，或通过溴代阻燃剂的环境降解或体内生物转化形成（Ho等，2012；Koch等，2018；Micha?owicz等，2022）。环境中的氯代酚主要与工业化学品的使用相关（Olaniran等，2011）。然而，在电子废弃物回收的背景下，氯代酚可通过溴代阻燃剂与含氯聚合物之间的卤素交换反应生成（Zhang等，2024a），也可通过碳质残渣和无机氯源的从头合成形成（Peng等，2016）。除了这些环境形成途径外，氯代酚还可能在人体中通过其他氯化有机化合物（如氯苯和六氯环己烷）的代谢形成（Angerer等，1983；Bogaards等，1995）。近期的生物监测研究报告，电子废弃物回收区居民的多种HPs和BPs尿液浓度显著高于参考人群（Kuang等，2026；Lin等，2020）。值得注意的是，一个由2,4,6-三溴酚（2,4,6-Tri-BP）、4-溴酚（4-Mono-BP）和2,4,5-三氯酚（2,4,5-Tri-CP）组成的标志物组合在暴露组与非暴露组之间表现出很强的判别能力（Kuang等，2026）。尽管4-Mono-BP通常未被报道为电子废弃物环境中占主导地位的溴代酚或多溴二苯醚的主要代谢物（Lin等，2020），但其在暴露分类中的贡献支持将其作为电子废弃物相关暴露的补充指标纳入。此外，尿液氯酚生物标志物捕获了来自多种暴露来源的信号，从而有助于更全面地反映电子废弃物暴露概况（Angerer等，1983；Peng等，2016）。在这些标志物中，2,4,5-Tri-CP也在机器学习预测模型中被识别为排名靠前的特征，支持了这些氯酚生物标志物的代表性。然而，目前的研究主要关注暴露特征描述，电子废弃物回收区中HP、BP或其前体暴露升高的健康影响仍缺乏充分理解。

血脂异常是心血管疾病的主要可改变危险因素，而心血管疾病仍然是全球死亡和残疾的首要原因（Eckhardt等，2024；Murray等，2020；Parvez等，2021）。传统的危险因素，包括不健康饮食、体力活动不足和遗传易感性，仅解释了血脂异常风险变异的一部分，提示环境暴露可能作出潜在贡献（Zheng等，2026）。将酚类化合物与脂质紊乱联系起来流行病学证据正在涌现。短期暴露于BPs和三氯生（TCS）与血液脂质谱的不利变化相关（Xiang等，2024），2,5-二氯酚（2,5-Di-CP）与高密度脂蛋白胆固醇（HDL-C）降低和脂质代谢障碍相关（Wei等，2016）。实验研究进一步表明，HPs、BPs及相关前体可通过损害脂肪酸氧化、增强脂质合成、促进脂滴积累和诱导氧化应激来扰乱脂质稳态（Lin等，2025；Sun等，2020；Sun等，2026）。尽管已有这些文献报道的联系，仍有两个关键空白需要解决。首先，大多数证据来自暴露水平相对较低的一般人群，尚不清楚在电子废弃物回收区典型的高暴露水平和更复杂污染物混合物下，这些关联是否持续存在（Hu等，2026）。其次，机制研究主要集中于选定的通路，如氧化应激和核受体信号通路，而与HP和BP暴露相关的全局代谢扰动在很大程度上尚未被探索（Murray等，2020；Roth等，2020）。

为了解决这些空白，我们分析了中国某电子废弃物回收区227名居民的配对尿液和血清样本。量化了11种PCs的尿液浓度作为体内HP和BP暴露的生物标志物。测量了血清脂质指标，并根据标准化临床标准定义了血脂异常及其亚型。我们在协变量调整后检查了尿液PCs与血脂异常及其亚型的关联。随后采用非靶向血清代谢组学特征化全局代谢扰动，并识别连接酚类暴露与血脂异常的代谢物。进一步应用分层划分分析估计酚类暴露相对于其他协变量对脂质代谢变异的相对贡献。本研究旨在明确尿液HP和BP暴露与血脂异常之间的关联，识别关键代谢改变，并在电子废弃物回收区典型的高暴露和共暴露情景下，为优先污染物和潜在毒性靶点提供证据。

研究人群
2020年4月至9月，我们在广东省清远市长塘镇招募志愿者，该地区是中国东南部一个典型的电子废弃物回收区。合格参与者为年龄≥18岁且在当地居住较长时间的成年人。排除标准包括恶性肿瘤、妊娠或哺乳期。从初始招募人群中，我们进一步排除了以下个体：(1)自报心血管疾病、肝脏或肾脏功能异常病史；(2)
研究人群的一般特征和PCs暴露水平
研究人群的人口统计学和临床特征总结于表S3。共纳入227名参与者，平均年龄为55.9岁。大多数参与者为男性（70.9%），63.9%从事电子废弃物回收行业。血脂异常总体患病率为67.8%，其中高低密度脂蛋白胆固醇血症（54.2%）和高总胆固醇血症（43.6%）是最常见的亚型。11种PCs的尿液浓度见图S5和表S4。所有分析物均

讨论
在本项针对电子废弃物从业者及周边居民的研究中，特定PCs的个体暴露和混合物暴露均与血脂异常及其亚型风险升高相关。分层分析进一步提示这些关联在不同人群亚组间可能存在潜在差异。非靶向代谢组学识别了与PCs暴露和血脂异常均相关的代谢改变，为观察到的关联的潜在通路提供了见解。分层

结论
本研究证明，电子废弃物从业者及周边居民暴露于特定PCs及其混合物与血脂异常及其亚型风险升高相关，年龄、BMI和性别为效应修饰因子。识别出9种参与氨基酸、能量和视黄醇代谢的代谢物作为关键中介物，占观察到的关联的14.8%至63.7%。此外，PCs暴露单独解释了脂质代谢变异的4.28%，表明其

CRediT作者贡献声明
Xiang Ming-Deng: 调查。Song Yin-Fei: 调查。Yu Yun-Jiang: 写作——审阅与编辑，指导。Yu Ying-Xin: 写作——审阅与编辑，指导。Kuang Hong-Xuan: 写作——审阅与编辑，写作——初稿撰写，指导，方法论，调查，形式分析。Li Meng-Yang: 写作——初稿撰写，方法论，调查，形式分析。Wang Xiu-Fei: 调查。Chen Tian-Hong: 方法论，调查，形式分析。

未引用参考文献
Cao和Wang，2023；Eckhardt和Kaifie，2024；Koch和Sures，2018；Liao和Kannan，2013；Olaniran和Igbinosa，2011；Ostojic和Rátgéber，2025；Spitler和Davies，2020；Wei和Zhu，2016。

伦理声明
所有参与者或其法定代表均已签署书面知情同意书，同意参与本研究并发表文章。参与者的隐私权已得到保护。

本研究包含器官或组织捐献者。本研究涉及人类生物材料，已获得捐献者、其近亲属或法定代表的同意，同意将这些材料用于本研究和文章发表。本研究使用的样本并非来源于已执行的《利益冲突声明》
作者声明他们没有已知的商业利益冲突或个人关系，这些冲突或关系可能影响本文报告的工作。

《利益冲突声明》
? 作者声明他们没有已知的财务利益冲突或个人关系，这些冲突或关系可能影响本文报告的工作。

致谢
本研究受国家自然科学基金（批准号：42430717，Yu Yun-Jiang；42577509，Kuang Hong-Xuan）、广东省基础与应用基础研究基金（批准号：2025A1515011506和2026A1515012394，Kuang Hong-Xuan）以及广州市科技计划项目（批准号：2025A04J7210，Kuang Hong-Xuan）资助。

Li Meng-Yang | Kuang Hong-Xuan | Chen Tian-Hong | Wang Xiu-Fei | Song Yin-Fei | Xiang Ming-Deng | Yu Ying-Xin | Yu Yun-Jiang
广东省污染物暴露与健康联合实验室，广东省环境催化与健康风险防控重点实验室，广东工业大学环境健康与污染控制研究所，广州，510006，中国