《Environmental Science and Ecotechnology》：Weighted network analysis of adverse outcome pathways decodes the multiscale mechanisms of environmental toxicity
编辑推荐：
本研究针对合成化学品毒性表征远滞后于其生产应用、传统毒性测试框架难以应对的数据危机，开发了AOP-ExpoVis计算平台。该平台创新性地整合暴露组-疾病网络与AOP本体，通过加权表型-疾病评分算法，系统性地桥接多尺度数据，识别关键表型并映射至已知毒性通路，从而优先识别致病机制。在BDE-47、砷和PFAS三个案例中验证表明，该平台能准确识别保守及化学物特异性毒性通路（如AhR激活、脂代谢紊乱），为数据密集型环境下的化学危害优先排序和监管风险评估提供了开源工具，推动了预测毒理学的发展。
现代环境毒理学正面临一场严峻的数据危机。全球市场上流通的合成化学品超过35万种，然而传统“逐一测试”的毒性表征方法远远跟不上新化学品的涌现速度，导致绝大多数化学物质缺乏明确的毒性机制和健康效应数据，成为“数据贫乏”化学品。这种数据缺口严重制约了精确的环境健康风险评估，尤其当现实暴露是多种污染物以复杂方式相互作用时，问题更为棘手。不良结局通路框架为组织毒性知识提供了机制支架，但其当前发展仍局限于线性通路且偏向于已被充分研究的终点；而暴露组范式虽能捕获广泛的环境应激源，却往往缺乏因果解释所需的机制深度。因此，开发能够系统桥接这些多尺度数据的整合性新范式，以解码化学物诱导的复杂疾病机制，成为领域内的核心挑战。
在此背景下，天津医科大学公共卫生学院的研究团队在《Environmental Science and Ecotechnology》上发表了其最新研究成果。他们开发了一个名为AOP-ExpoVis的整合计算平台，该平台将暴露组-疾病网络与AOP本体相结合，通过一种加权的表型-疾病评分算法来优先识别致病机制。研究整合了化学物、基因、表型和疾病之间的关联，识别关键表型并将其映射至经过人工审编的通路，从而生成可检验的机制假说。
研究团队主要运用了几项关键技术方法：1) 从Comparative Toxicogenomics Database和AOP-Wiki等权威数据库获取并整合化学-表型-疾病关联数据及AOP知识；2) 构建异质网络并开发加权表型-疾病评分算法，该算法结合超几何检验和网络拓扑结构（节点度中心性）来计算表型的重要性得分，以规避高度研究实体（枢纽节点）带来的偏差；3) 基于基因本体术语语义相似性对优先表型进行聚类分析，形成具有生物学一致性的毒性模块；4) 将计算预测的表型模块与AOP-Wiki数据库中的关键事件进行系统映射和功能关联性过滤；5) 利用独立的外部转录组数据（如GEO数据库中的HepG2细胞数据）和团队自身开展的体外实验（如HT22小鼠海马神经元细胞模型）对平台预测的机制进行验证，通过计算预测表型与实验富集的GO术语之间的语义相似性来评估预测准确性。
3.1. 系统概述与比较优势
研究将疾病-基因、化学物-疾病、疾病-表型、化学物-表型关联编码为邻接矩阵，边缘权重源自CTD中人工审编的证据。WPD评分将基因和化学物衍生的超几何概率整合为一个统一指标，优先考虑与特定、低连接度基因或化学物相关的表型，而非与枢纽节点相连的实体。随后，基于GO术语的语义相似性对表型进行聚类，形成由高Hopkins统计量（非随机聚类）和GOSemSim验证（生物学一致性）支持的毒性模块。这些模块被映射到AOP-Wiki中的已知KEs，从而将预测与已建立的毒性通路联系起来。
3.2. 平台实现与工作流程
AOP-ExpoVis平台将十个CTD衍生的表格合成为一个连贯的网络。平台采用局部拓扑感知评分以减轻枢纽偏差。宏观可视化显示了高频关联，而用户可以检查单个化学物或疾病以获取关于相关基因、表型和支持证据的更细粒度信息。
3.3. 案例研究1：BDE-47诱导神经退行性疾病的表型推断
BDE-47暴露与115个表型相关。与五种神经退行性疾病重叠的111个表型被识别为潜在的KEs。计算WPD得分并进行聚类分析，显示这些高优先级表型存在显著的非随机聚集和生物学一致性，提示BDE-47可能通过共同的神经生物学机制发挥作用，如扰动脂质生物合成和葡萄糖稳态。平台将表型映射至204个AOPs，经功能相关性过滤后，确定Aop:152、Aop:500、Aop:458和Aop:13为核心通路。体外实验验证了AOP:458的MIE——AhR激活。BDE-47以剂量依赖性方式降低HT22细胞活力，并引起形态学改变。转录组分析发现“细胞色素P450对外源物的代谢”通路显著富集。RT-qPCR验证证实BDE-47通过AhR调控Gstp2和Ugt2b34的表达。预测表型与转录组谱的GO术语之间存在显著一致性，验证了计算模型。
3.4. 案例研究2：砷诱导乳腺癌发生的表型推断
分析识别出311个与砷暴露相关的表型，聚焦于四种乳腺癌类型。重叠的246个表型被视为潜在KEs。聚类分析显示高优先级表型存在显著的聚类趋势，表明砷诱导的乳腺癌发生可能通过共享的致癌通路运作，如破坏DNA损伤反应和细胞周期控制。平台将砷与180个潜在AOPs连接，筛选出5个富集分数最高的AOPs（包括AOP:57和AOP:60），不仅确认了已知的AhR信号通路，还揭示了PXR信号等新的可能机制。
3.5. 案例研究3：PFAS诱导肝脏疾病的表型推断
PFOA和PFOS分别与286和240个表型显著相关。聚焦于五种主要肝脏疾病，表型交叉分析揭示了共享表型。聚类分析显示这些高优先级表型存在强聚类，支持存在收敛的生物学机制。平台识别出PFOA和PFOS各自相关的关键肝损伤AOPs。研究表明，两种PFAS化合物可通过协调的致病途径破坏肝脏稳态，但机制存在差异：PFOA主要通过涉及PXR/SXR受体激活的Aop:60途径和介导免疫激活的Aop:377途径诱导肝损伤；PFOS则主要通过AhR激活启动的Aop:57途径和涉及多种核受体的Aop:58途径发挥作用。对独立GEO转录组数据的分析验证了这种机制分歧：PFOA主要表现为炎症和免疫反应表型，而PFOS则表现出广泛的脂质和代谢稳态破坏。
3.6. AOP-ExpoVis平台能力综合评估
AOP-ExpoVis通过系统性的表型-疾病映射、基于网络拓扑的优先排序以及AOP关联和通路富集分析，建立了一个预测毒理学框架。其在三个独立案例研究中的预测能力得到了严格验证，案例设计旨在最小化偏差并确保客观评估。在所有案例中，计算预测和实验验证是独立并行进行的，有力地证实了该平台在机制导向的化学品安全评估中的预测能力和转化相关性。
3.7. AOP-ExpoVis平台的局限性
平台依赖现有知识库，预测范围受限于此。表型-KE映射策略可能遗漏尚未正式注释但具有生物学相关性的KEs。计算框架的定量能力和基准测试需要进一步发展，目前主要依赖定性和半定量方法。当前版本主要关注单一化学物暴露和线性通路，未来可扩展至混合物毒性、慢性低剂量效应等更复杂场景。
该研究建立的AOP-ExpoVis平台是一个支持数据整合、可视化和分析的强大毒理学研究工具。其核心创新在于WPD评分系统，减少了大规模网络中的枢纽偏差，优先排序与化学物毒性机制相关的表型。通过连接基因、化学物、表型和疾病网络，该平台能够识别KEs并将其映射到AOP-Wiki中的审编通路，为机制推断提供了一个系统框架。研究表明，AOP-ExpoVis能够持续预测化学物特异性毒性通路，为化学物优先排序和增强危害评估提供了机制信息，推动了预测毒理学的发展，并为在数据丰富的环境下改进监管风险评估提供了强大的开源工具。
