《Environmental Technology & Innovation》：Integrated multi-omics reveals roles and interactions of plasma metals, metabolites, and blood clinical indicators in cervical cancer
编辑推荐：
本研究针对宫颈癌非侵入性诊断生物标志物有限及环境暴露与疾病机制关联不清的问题，研究人员通过整合血浆金属组学、代谢组学和血液临床指标，利用机器学习构建了优于传统肿瘤标志物的诊断模型，并揭示了重金属暴露与内分泌代谢紊乱协同促进宫颈癌风险的复杂网络，为环境健康干预提供了新见解。
宫颈癌是全球女性第四大常见癌症，每年新增病例超过60万，死亡人数超过30万。尽管疫苗接种和筛查策略取得了进展，宫颈癌仍然是严重的健康负担，尤其在低收入和中等收入国家。宫颈癌的发病机制复杂，涉及环境、遗传、代谢和免疫因素之间的相互作用。近年来的多组学技术发展使得全面表征癌症相关的分子特征成为可能，其中代谢组学通过直接反映生化活动，在识别癌症早期检测的潜在生物标志物方面发挥着关键作用。然而，关于宫颈癌的代谢组学研究仍然有限。另一方面，金属失衡与癌症的发生发展密切相关，金属组学研究揭示了多种癌症中的动态金属模式。现有研究多单独探讨宫颈癌的代谢组学变化或金属暴露，鲜有研究明确地将金属暴露特征与内分泌/代谢重编程及临床血液学指标联系起来，以阐明疾病的潜在机制。考虑到金属可能干扰氧化还原平衡、炎症和激素相关信号传导，它们可能是观察到的癌症代谢和内分泌重塑的上游驱动因素。因此，本研究旨在填补这一空白。
为了回答这些问题，研究人员整合了血浆金属组学、代谢组学和临床血液指标，描绘了宫颈癌中暴露-表型-通路的关系，确定了候选生物标志物的优先级，并开发了临床相关的预测模型。研究对436名受试者的数据进行了非靶向/靶向代谢组学和电感耦合等离子体质谱（ICP-MS）分析。主要技术方法包括使用超高效液相色谱-轨道阱高分辨质谱（UHPLC-Orbitrap-HRMS）进行血浆非靶向代谢组学分析，使用液相色谱-串联质谱（LC-MS/MS）进行靶向代谢组学分析，以及使用ICP-MS/MS测定血浆中29种金属元素的浓度。此外，研究还运用了多种生物信息学和统计学方法，如代谢物集富集分析（MSEA）、随机森林（RF）机器学习模型构建、贝叶斯核机器回归（BKMR）评估混合金属暴露风险，以及使用xMWAS包进行多组学整合网络分析。
3.1. 宫颈癌患者血浆代谢景观的重编程
基于非靶向代谢组学分析，研究鉴定出419个高置信度注释的代谢物。主成分分析（PCA）显示宫颈癌组与对照组明显分离。差异分析共鉴定出204个失调的代谢物（126个上调，78个下调）。这些发现描绘了宫颈癌血浆代谢谱的重编程，支持了利用非侵入性代谢物标志物预测宫颈癌的潜力。
3.2. 识别宫颈癌中的脂质代谢紊乱，特别是固醇脂质代谢
代谢物集富集分析（MSEA）显示，宫颈癌血浆代谢重编程的主要组成部分是脂质代谢通路（包括雄激素/雌激素代谢和脂肪酸生物合成）以及咖啡因代谢的显著改变。差异代谢物分类显示，类固醇及其衍生物是最显著富集的主要结构。通路富集分析进一步证实脂质代谢紊乱的富集程度最高。聚焦分析显示，脂肪酸酰基、脂肪酸及共轭物、固醇脂质、类固醇共轭物等类别发生了显著的代谢改变，其中激素相关的固醇脂质最为突出。分类和富集分析共同强调了脂质代谢紊乱，尤其是固醇脂质稳态，在宫颈癌发病机制中的关键作用。
3.3. 筛选关键代谢生物标志物并通过靶向代谢组学验证
基于上述结果，研究者筛选出五个关键生物标志物：雌酮葡萄糖醛酸、皮质醇、骨化三醇、雄烯二酮和硫酸睾酮。除硫酸睾酮外，其他标志物均表现出良好的预测性能。靶向检测证实，在宫颈癌患者中，雌酮葡萄糖醛酸和皮质醇上调，而雄烯二酮、咖啡因代谢物（副黄嘌呤和可可碱）、骨化三醇以及5-羟吲哚乙酸（5-HIAA）下调。
3.4. 基于代谢生物标志物使用机器学习构建最优宫颈癌诊断预测模型
通过重要性评估，确定了四个关键生物标志物：雄烯二酮、副黄嘌呤、可可碱和骨化三醇。在比较了九种机器学习算法后，随机森林（RF）模型表现最优。由这四个生物标志物组成的模型在测试集中达到了0.884的曲线下面积（AUC），显著优于单个生物标志物以及传统的临床标志物癌胚抗原（CEA）和癌症抗原125（CA125）及其组合。这凸显了该模型替代传统诊断标志物的潜力。
3.5. 血浆元素浓度与宫颈癌风险的关联
ICP-MS分析揭示了宫颈癌患者与健康对照之间血浆元素浓度的差异。主成分分析（PCA）和正交偏最小二乘判别分析（OPLS-DA）确定了与组间区分相关的元素。多变量逻辑回归模型鉴定出九个与宫颈癌风险显著相关的金属元素：镉（Cd）、铬（Cr）、钡（Ba）、锰（Mn）、锡（Sn）、铅（Pb）、锂（Li）、铜（Cu）和钴（Co）。其中，Cd、Cr、Pb、Ba和Li增加风险，而Mn、Cu和Sn具有保护作用。
3.6. 混合金属暴露显著增加宫颈癌风险
使用贝叶斯核机器回归（BKMR）模型评估了混合金属暴露对宫颈癌风险的累积效应。结果显示，当所有金属浓度达到第65百分位数时，宫颈癌的相对风险增加了1.78倍。单暴露效应分析显示，Cd和Pb仅在较低暴露水平下与较高的宫颈癌风险显著相关。单变量暴露-反应分析表明，Cd和Li与宫颈癌风险升高呈线性关系，而Sn和Cu与风险降低呈线性关系。双变量暴露-反应分析揭示了Pb与多种金属之间存在交互作用。这些结果表明，混合金属暴露对宫颈癌发病机制可能产生联合效应，且风险高于单一金属暴露。
3.7. 血液临床指标变化与宫颈癌风险的显著关联
研究发现宫颈癌患者的血液临床指标存在显著异常。具体表现为：红细胞计数（RBC）和淋巴细胞计数（LYM#）减少；甘油三酯（TG）、血糖（GLU）、癌胚抗原（CEA）和癌症抗原125（CA125）水平升高。多变量逻辑回归分析确定了多个与宫颈癌风险正相关或负相关的血液指标预测因子。相关分析进一步揭示了金属暴露与代谢及造血通路紊乱之间的潜在联系，例如Cd与GLU和TG呈正相关。
3.8. 构建宫颈癌中元素、临床指标和代谢物的整合网络
研究使用xMWAS包构建了元素、临床指标和代谢组学数据的整合网络。通过社区检测聚类和特征向量中心性度量（ECM）分析，揭示了以金属或临床指标为中心的五个簇，并通过共享的代谢物相互连接。例如，簇1包含临床指标（RBC、HCT、LYM#等）和代谢物，HCT、RBC和LYM#是关键的网络枢纽。簇3包含金属（Li、Cr和Co）、临床指标（PCT、PLT、GLU和CA125）和代谢物，GLU是关键枢纽。簇4包含金属（Pb、Ba）和代谢物，Pb是关键枢纽。这些网络分析揭示了金属暴露、血液学改变和代谢紊乱之间复杂的相互作用关系，为理解宫颈癌的发病机制提供了系统视角。
在讨论部分，研究者深入阐述了本研究的发现及其意义。首先，研究证实了宫颈癌中存在显著的脂质代谢重编程，特别是固醇脂质代谢紊乱。通过机器学习构建的基于四个代谢物（雄烯二酮、副黄嘌呤、可可碱、骨化三醇）的随机森林诊断模型，其性能优于传统的肿瘤标志物CEA和CA125，为非侵入性诊断提供了新的潜在工具。
其次，金属暴露分析表明，Cd、Pb、Cr、Co、Li和Ba的水平升高与宫颈癌风险增加相关，而Mn、Cu和Sn则显示出保护作用。BKMR模型进一步揭示了混合金属暴露的累积毒性效应，强调了在致癌作用研究中综合评估金属暴露的重要性。
第三，血液临床指标的异常，如RBC和LYM#减少，TG、GLU、CEA和CA125升高，反映了宫颈癌患者的系统性改变，连接了外部环境暴露与宿主代谢结果。
最重要的是，多组学整合网络分析揭示了金属、临床指标和代谢物之间复杂的相互作用。例如，Li和Cr与血糖（GLU）、血小板压积（PCT）以及雌酮葡萄糖醛酸和骨化三醇等代谢物共同聚集，提示这些金属暴露可能通过影响葡萄糖代谢和类固醇激素通路来影响宫颈癌风险。咖啡因及其代谢物（可可碱、副黄嘌呤）与红细胞参数正相关，与球蛋白负相关，暗示咖啡因摄入可能通过调节炎症和造血功能对宫颈癌产生保护作用。研究还发现皮质醇水平升高而骨化三醇水平降低，这与糖皮质激素通过维生素D受体（VDR）诱导CYP24A1表达、加速骨化三醇分解代谢的已知调控轴一致。
综上所述，这项研究系统性地整合了多组学数据，揭示了宫颈癌中血浆代谢物、金属元素和血液临床指标的异常及其相互关联的网络。研究发现异常的类固醇激素代谢（如雌酮葡萄糖醛酸升高、雄烯二酮降低）是关键特征，而金属暴露（如Li、Cr、Pb）可能通过影响关键代谢通路（如雌激素代谢）和血液指标来调节宫颈癌风险。此外，生活方式因素如咖啡因和维生素D的摄入可能有助于宫颈癌的预防。这些发现拓展了对宫颈癌代谢图景的理解，为疾病机制提供了新的见解，并为发现潜在的生物标志物和干预靶点奠定了基础。该研究发表在《Environmental Technology》期刊上，其整合分析框架为理解环境暴露与复杂疾病的关系提供了范例，对推动宫颈癌的非侵入性诊断和环境健康风险评估具有重要意义。
