揭示食品污染物的致癌机制：一个整合了网络毒理学、机器学习和分子对接技术的计算机模拟框架

《JOURNAL OF FOOD SCIENCE》：Unraveling the Carcinogenic Mechanisms of Food Contaminants: An Integrated in Silico Framework Combining Network Toxicology, Machine Learning, and Molecular Docking

　　食品污染物致癌机制研究：整合网络毒性学、机器学习与分子对接确定关键靶点及生存关联。

　　食品污染对全球健康构成了重大威胁，其中某些污染物质具有致癌潜力，但目前对其如何影响癌症发生的具体分子机制仍不完全清楚。本研究旨在识别九种常见饮食污染物（包括草甘膦、全氟辛烷磺酸、亚硝胺、五溴二苯醚、甲基汞、二噁英、丙烯酰胺、吡咯里西德碱和黄曲霉毒素）在癌症发展中的关键分子靶点。通过整合多个在线数据库，研究团队识别了这些污染物与癌症相关的靶基因，并利用蛋白质-蛋白质相互作用（PPI）分析和可视化工具，研究了这些基因之间的相互作用。随后，通过基因本体（GO）和京都基因与基因组百科全书（KEGG）的功能富集分析，进一步揭示了潜在的致癌机制，特别关注了乳腺癌（BRCA）、前列腺癌（PRAD）和结直肠癌（COAD）这三种癌症，因为它们与污染物相关的通路有显著联系。

研究中采用了一系列方法来识别核心靶点，包括Cytoscape中的拓扑算法（Centiscape、MCODE和cytohubba的MCC算法），结合机器学习验证和加权基因共表达网络分析（WGCNA）。通过分子对接模拟，研究团队进一步分析了污染物与这些核心靶点之间的相互作用，揭示了可能的分子机制。研究结果表明，共有69个与多种癌症相关的交集靶点，功能富集分析显示这些靶点与多种癌症相关通路有显著关联。其中，JUN在乳腺癌中、CDC42在结直肠癌中、MAPK14在前列腺癌中被确认为关键调控靶点。利用癌症基因组图谱（TCGA）数据进行验证，结果表明这些靶点在相应的恶性肿瘤中表现出显著的表达差异（p < 0.05）。基因集富集分析（GSEA）揭示了与肿瘤进展机制一致的通路激活模式。分子对接模拟显示，污染物与所识别的核心靶点之间的结合能均小于等于?5.0 kcal/mol，表明这些食品污染物可能通过与关键靶点的相互作用，影响癌症的发生。

研究中，针对不同癌症类型，分析了污染物如何影响其相关的基因表达和功能。在乳腺癌中，通过整合15,632个与乳腺癌相关的靶点和450个食品污染物靶点，识别出369个可能与污染物诱导的乳腺癌相关的靶点。通过构建高置信度（≥0.9）的PPI网络，并应用Cytoscape进行分析，研究团队确定了49个核心靶点，其中JUN和EGFR被进一步确认为关键靶点。机器学习方法筛选出六个候选基因（PPARG、TLR4、EGFR、CASP3、CDK5、JUN），并开发了一个基于Rms包的预测模型，用于评估乳腺癌患者的5年生存率。这些发现不仅揭示了污染物与乳腺癌之间的潜在机制，还为临床应用提供了参考依据。

在前列腺癌中，通过整合9,629个与前列腺癌相关的靶点和450个食品污染物靶点，研究团队识别出323个可能与污染物诱导的前列腺癌相关的靶点。构建高置信度PPI网络后，确定了44个核心靶点，其中MAPK14被选为关键调控靶点。通过GO和KEGG分析，揭示了与前列腺癌相关的通路，如癌症相关通路、PI3K-Akt信号通路和癌症中的蛋白聚糖通路。机器学习筛选出15个关键基因，包括APP、CDC42、CYP19A1、ESR2、GSK3B、HSP90AB1、MMP9、NR3C1、PRKACA、PSEN1和RIPK2。研究团队还开发了一个基于Rms包的预测模型，用于评估前列腺癌患者的5年生存率，进一步验证了这些靶点的临床相关性。

在结直肠癌中，通过整合11,550个与结直肠癌相关的靶点和450个食品污染物靶点，识别出325个可能与污染物诱导的结直肠癌相关的靶点。构建高置信度PPI网络后，确定了48个核心靶点，其中CDC42被选为关键调控靶点。通过GO和KEGG分析，揭示了与结直肠癌相关的通路，如癌症相关通路、蛋白聚糖在癌症中的作用以及化学致癌作用与活性氧的相互作用。机器学习筛选出十二个关键基因（ABL1、AHR、CDC42、CYP19A1、ESR2、GSK3B、HSP90AB1、MMP9、NR3C1、PRKACA、PSEN1和RIPK2），并开发了一个基于Rms包的预测模型，用于评估结直肠癌患者的5年生存率。此外，通过分子对接分析，研究团队确认了污染物与CDC42之间的强结合能力，为理解其致癌机制提供了重要线索。

研究发现，某些食品污染物可能通过不同的靶点影响不同类型的癌症。例如，PFOS可能通过影响JUN促进乳腺癌的发展，而MAPK14可能在前列腺癌中起关键作用。此外，研究还发现，某些靶点（如JUN、MAPK14和CDC42）在多种癌症中具有共同的通路关联，这提示了食品污染物可能通过影响这些共同靶点，导致多种癌症的协同效应。例如，研究发现MAPK14的结合模式与已知抑制剂SB203580相似，这可能意味着食品污染物通过竞争性抑制ATP结合，影响下游MAPK信号通路，从而干扰炎症和应激反应。

研究还揭示了某些关键靶点的表达水平与患者生存率之间的关系。例如，JUN在乳腺癌中的高表达与更好的生存率相关，而CDC42的低表达则与较差的生存率相关。这些发现为开发针对这些靶点的靶向药物提供了潜在方向。此外，研究结果可能支持公共卫生政策，以减少高风险污染物的暴露，并促进早期癌症检测的生物标志物开发。

尽管本研究取得了重要进展，但仍存在一些局限性。首先，研究主要依赖于计算机模拟方法，而无法直接推断这些结果在体内的影响。因此，未来的研究需要通过实验手段（如动物模型）进一步验证这些发现。其次，研究未考虑污染物代谢产物的毒性，这可能影响整体结论的准确性。此外，污染物的协同效应在实际环境中可能更为复杂，但本研究并未深入探讨这些方面。因此，未来的研究应关注污染物混合暴露对致癌过程的影响，以更准确地评估受污染食品对健康的潜在风险。

综上所述，本研究通过整合PPI分析、机器学习算法、WGCNA和分子对接模拟，系统揭示了食品污染物如何通过影响关键分子靶点和通路，促进癌症的发生。研究结果不仅为理解污染物与癌症之间的分子机制提供了新的视角，也为开发有效的癌症预防和治疗策略奠定了基础。同时，研究也强调了食品安全改革和精准公共卫生策略的必要性，以减少全球癌症负担。未来的研究应进一步探索这些靶点在实际应用中的可行性，并结合实验研究，以更全面地评估食品污染对健康的影响。