探讨壬基酚作为阿尔茨海默病潜在环境贡献因素的可能性:一项整合计算分析与实验证据的假设生成性研究
《NeuroToxicology》:Exploring Nonylphenol as a Potential Environmental Contributor to Alzheimer’s Disease: A Hypothesis-Generating Study Integrating Computational Analyses and Experimental Evidence
【字体:
大
中
小
】
时间:2026年09月12日
来源:NeuroToxicology 3.8
编辑推荐:
•网络毒理学分析鉴定了潜在连接非离子聚丙烯酚(NP)与阿尔茨海默病(AD)的目标。
•NP 可能影响与 AD 相关的凋亡、炎症和突触途径。
•分子对接预测了 NP 对核心枢纽目标的亲和力。
•对 AD 转录组进行机器学习(ML)鉴定了将 NP 与 AD 相关通路联系的关键事件
•网络毒理学分析鉴定了潜在连接非离子聚丙烯酚(NP)与阿尔茨海默病(AD)的目标。
•NP 可能影响与 AD 相关的凋亡、炎症和突触途径。
•分子对接预测了 NP 对核心枢纽目标的亲和力。
•对 AD 转录组进行机器学习(ML)鉴定了将 NP 与 AD 相关通路联系的关键事件。
•NP 诱导的核心基因变化已在 HT22 神经元和小鼠大脑皮层中得到验证。
引言
壬基酚(NP)是一种重要的新兴污染物,主要通过其前体壬基酚聚氧乙烯醚(NPEOs)在环境中降解形成(Nunes 等人,2022)。在工业上,NPEOs 用作受欢迎的非离子表面活性剂、增塑剂、树脂调节剂和农药乳化剂(De la Parra-Guerra 和 Olivero-Verbel,2020)。环境监测检测到 NP 广泛存在于水生态系统,包括废水排放、河流、湖泊和沿海水域(Sta Ana 等人,2024)。NP 在土壤和沉积物中表现出高吸附亲和力,导致持久保留和二次污染储库(Milinovic 等人,2015)。NP 显著的生物富集潜力导致鱼类和双壳类等水生生物中的浓度显著升高(He 等人,2020,Milinovic 等人,2015)。人类主要通过摄入受污染的水产品、从消费品中皮肤吸收以及职业途径暴露于 NP(Jin 等人,2014,Monteiro-Riviere 等人,2000,Stephan-Recaido 等人,2024)。全身吸收的 NP 优先积聚在富含脂质的组织中(脂肪组织、大脑、肝脏和肾脏),在那里主要通过羟基化和葡萄糖醛酸化进行生物转化,然后通过尿液和粪便排泄(Liu 等人,2023)。毒理学研究表明,NP 诱导神经系统多个结构和功能的损伤(Duan 等人,2016,Sharma 等人,2020,Vega-López 等人,2024)。NP 通过神经元氧化应激、神经递质稳态破坏(包括乙酰胆碱酯酶抑制)和线粒体功能障碍介导学习和记忆缺陷(Luo 等人,2021,Mao 等人,2010,You 等人,2023)。学习和记忆损伤是阿尔茨海默病(AD)的核心临床特征。NP 诱导的神经元氧化应激和线粒体功能障碍与 AD 病理共享关键机制,包括与 Aβ沉积相关的氧化损伤和突触功能障碍。这些证据表明,NP 可能通过类似机制促发 AD 相关致病通路(Li 等人,2019,Llanos-González 等人,2019)。
AD 是一种持续性的神经退行性疾病,其特征是认知功能逐渐且不可逆地衰退(Scheltens 等人,2021)。AD 的发病率、患病率和死亡率稳步上升(Yang 等人,2024)。AD 是中国最常见的第五大死因,导致患者、其家庭及更广泛社区的经济压力不断增加(Ren 等人,2022)。其致病机制中心是淀粉样前体蛋白(APP)的水解,产生神经毒性淀粉样蛋白 -β(Aβ)肽(Nalivaeva 和 Turner,2016)。这些切割产物逐渐聚合成富含 β-折叠的淀粉样纤维,最终形成不溶性老年斑(SP)(van Gerresheim 等人,2023)。AD 的临床预后仍然不佳:诊断后中位生存期为 7-10 年,目前不存在疾病改变疗法(Brookmeyer 等人,2002)。除年龄、遗传和血管 - 代谢合并症外,越来越多的流行病学和机制研究已将多种环境暴露与痴呆和 AD 的病因联系起来。一些出版物报道,长期暴露于环境空气污染物(尤其是细颗粒物,PM2.5)、某些金属(如铝)、溶剂和农药与全因痴呆和 AD 风险增加相关,尽管证据基础仍然异质,且因果关系尚未最终确定(Jones 等人,2024,Jones 等人,2025,Weuve 等人,2021,Zhao 等人,2021)。最近的一项研究报告称,暴露于多氯联苯(PCBs)使 AD 风险增加 6%(95% CI:1.02–1.10),暴露于有机氯农药(OCPs)使 AD 风险增加 11%(95% CI:1.05–1.17)。具体而言,PCB156(OR = 1.23,P < 0.01)和β - 六氯环己烷(β-HCH;OR = 1.35,P < 0.001)被确定为与 AD 相关的显著风险化合物(Wang 等人,2025)。此外,文献强调了内分泌干扰物(EDCs),包括双酚类、邻苯二甲酸酯及相关化合物,作为 AD 相关神经病理的合理环境修饰因子(Killin 等人,2016,Livingstone 等人,2020)。实验上,已显示 NP 可在神经系统模型中诱导学习和记忆缺陷、氧化应激、线粒体功能障碍和突触改变(Duan 等人,2016,Li 等人,2019,Mao 等人,2010,You 等人,2023),所有这些均与 AD 涉及的关键致病机制重叠,如 Aβ相关氧化损伤和突触功能障碍(Hardy 和 Selkoe,2002,Llanos-González 等人,2019,Scheff 等人,2007)。尽管目前尚无流行病学研究考察 NP 暴露与 AD 风险之间的关联,但 NP 诱导的神经毒性表型与核心 AD 相关病理通路之间的直接收敛为进一步研究提供了合理的机制基础。鉴于直接证据的稀缺,本研究不旨在确认 NP 在 AD 中的因果作用;相反,我们采用整合计算和实验策略,生成可测试的机制假设,并优先确定可能将 NP 暴露与 AD 样神经毒性结果联系的关键分子事件。
鉴于 NP 是一种新兴污染物,检测成本高且在人群研究中存在技术挑战,将 NP 暴露与 AD 联系起来直接的流行病学证据仍然稀缺。为了解决这一局限性,本研究整合了网络毒理学、分子对接和机器学习方法,以调查 NP 与 AD 之间的潜在关联,并通过体外和体内实验进一步验证这些发现,从而为后续的流行病学调查提供新的基础。具体而言,采用网络毒理学系统地预测和验证环境毒物的致病机制,从而建立核心的 NP-AD 病理相关模型。我们进行了疾病本体(DO)分析、基因本体(GO)和京都基因与基因组百科全书(KEGG)富集分析、蛋白质 - 蛋白质相互作用(PPI)网络构建、枢纽目标鉴定和分子对接。通过这些方法,检查了重叠的 NP-AD 目标,这有助于提供关于 NP 相关改变在 AD 发病机制中涉及的主要生物过程和分子通路的见解。
为进一步从转录组角度评估上述网络与疾病的关联,本研究使用了 GSE132903 数据集,该数据集源自人类 AD 患者的微阵列数据,并应用了四种机器学习算法,即 LASSO、稳定性选择、随机森林和 XGBoost,在 AD 组和对照组之间进行特征选择。总体而言,网络毒理学、分子对接和机器学习的发现一致收敛于炎症、凋亡/坏死和突触损伤作为 NP 暴露和 AD 共有的三个关键病理轴。在此基础上,我们将分子、细胞和组织水平的观察组装成一个以 EGFR 为中心的整合概念模型。该模型阐明了 NP 诱导的核心信号网络扰动与神经元损伤/神经毒性之间的潜在机制联系,其中 AD 样病理变化代表一种可能的下游病理表现。随后,我们通过一系列体内和体外实验检验了这些结果。符合当前网络毒理学概念,这些计算机模拟和转录组分析在此主要用作假设生成工具,以优先确定候选机制和分子介导因子,它们本身并不构成 NP 暴露调节 AD 发病或进展的直接证据。然而,这些发现为环境因素对 AD 的潜在贡献提供了新的见解,并可能为未来针对化学诱导神经退行性的预防和干预策略提供科学基础。
章节片段
NP 暴露的目标筛选
通过 PubChem 数据库(https://pubchem.ncbi.nlm.nih.gov/)使用查询术语"4-nonylphenol"(CAS 104-40-5)检索 NP 的化学结构和 SMILES 标识符。通过查询比较毒理基因组数据库(CTD;http://ctdbase.org/)、ChEMBL(https://www.ebi.ac.uk/chembl/)和 SwissTargetPrediction(http://www.swisstargetprediction.ch/)鉴定 NP 的潜在目标,随后整合结果。目标名称已标准化并去除重复项
NP 的目标预测与分析
我们从 PubChem 获取了 NP 的化学结构和 SMILES 标识符以供后续分析。我们通过查询 CTD、SwissTargetPrediction 和 ChEMBL 鉴定了 480 个独特的 NP 相关目标,随后去除了重复项(图 1A)。这些目标的完整列表见补充表 S2。这些目标的 DO 分析揭示了 NP 的潜在健康影响。具体来说,它显示在代谢障碍(例如 2 型糖尿病)中显著富集,
讨论
在这项假设生成研究中,我们整合了网络毒理学、分子对接、机器学习和体内/体外实验,以系统地探索环境内分泌干扰物 NP 与 AD 相关分子和细胞变化之间的潜在机制重叠。从方法论角度看,网络毒理学、富集、对接和机器学习分析提供了预测性证据,有助于优先确定 NP 相关通路和目标,但它们
结论
总之,这项假设生成研究构建了一个将 NP 暴露与 AD 样神经毒性结果联系起来的推定整合概念框架,以 EGFR 介导的枢纽网络为中心,涉及 AKT1、BCL2、CASP3、TP53 和 STAT3。NP 与 EGFR 结合并上调其表达,同时伴随着促炎 STAT3 信号通路的激活以及 IFN-γ、TNF-α 和 IL-6 的增加。NP 暴露下调 AKT1 和 BCL2,损害神经营养和突触保护通路,而
资金
我们的研究得到了中国国家自然科学基金(82504373, 81973081)和辽宁省科技计划项目(2026JH2/101300064)的资金支持。
CRediT 作者贡献声明
Siyao Li:可视化。Dianqi Yao:获取资金,概念化。Xue Wang:撰写 - 原稿,可视化,数据管理,概念化。Tingyu Liu:调查,数据管理。Da Wang:撰写 - 审查与编辑,监督。Yuanyuan Xu:撰写 - 审查与编辑,概念化。Rui Ding:调查。Bingcheng Cai:调查。Yi Wang:撰写 - 审查与编辑,项目管理,获取资金,概念化。
利益冲突声明
作者声明他们不存在利益冲突。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
王雪 | 刘婷宇 | 李思瑶 | 姚电奇 | 丁睿 | 蔡兵城 | 王大 | 徐媛媛 | 王毅
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号