《Ecotoxicology and Environmental Safety》：Nitenpyram promotes breast cancer progression via PARP1: Integration of multi-omics analyses with experimental validation
编辑推荐：
为探究新型烟碱类杀虫剂NIT的潜在致癌机制，研究人员整合了多平台生物信息学分析、PPI网络构建、分子对接与实验验证。研究发现NIT暴露可结合并调控KRAS、PARP1、EGFR等关键靶点，最终证实其能通过上调PARP1表达促进乳腺癌细胞增殖，为农药风险评估提供了新线索。
在农业生产和宠物饲养中，新型烟碱类杀虫剂（NEOs）因其高效、对脊椎动物低毒而被广泛使用。然而，其普遍存在导致了人类在尿液、血液、头发等生物样本中频繁检出，引发了人们对这类化合物长期暴露下潜在健康风险的担忧。已有研究提示，某些NEOs及其代谢物可能与氧化应激、线粒体损伤乃至肝癌风险增加存在关联。作为第一代烟碱类杀虫剂的代表，烯啶虫胺（NIT）主要用于宠物跳蚤防治，其在农作物上的使用在中国、日本等国仍有登记。尽管整体毒性较低，但前期研究表明NIT可能诱导DNA损伤、干扰关键信号通路，并与膀胱癌、食管鳞状肿瘤风险升高相关。然而，关于NIT是否致癌、特别是其具体分子机制，目前仍缺乏系统深入的研究。为了填补这一知识空白，解开NIT暴露与癌症发展之间的潜在联系，这项研究应运而生，并发表于《Ecotoxicology and Environmental Safety》期刊。
为了探究NIT的致癌机制，研究团队采用了一套整合计算生物学与实验验证的综合策略。关键技术方法包括：利用ProTox和ADMETlab平台进行NIT的毒性预测与ADMET性质分析；从PubChem、SEA、ChEMBL等六个数据库及GeneCards、TTD、OMIM等三个疾病数据库交叉筛选潜在致癌靶点；基于STRING数据库构建蛋白-蛋白互作（PPI）网络，并运用Cytoscape平台的CytoHubba插件及11种拓扑算法识别核心基因；利用TCGA、GTEx等公共数据库进行泛癌表达谱与预后分析；整合TCGA、GEO、CGGA、ICGC、EMBL-EBI等多个来源的53个测序队列、总计7324个样本，应用包括Lasso、Ridge、Elastic Net、Stepwise Cox、CoxBoost在内的15种机器学习算法构建多癌种预后模型；通过CB-Dock2平台进行分子对接，预测NIT与核心靶蛋白的结合模式与能量，并利用GROMACS进行分子动力学模拟验证复合物稳定性；对BRCA、CRC、LIHC等六种癌症的单细胞转录组测序（scRNA-seq）数据（涵盖71名患者，241,191个细胞）及BRCA、LUAD等四种癌症的空间转录组测序数据进行细胞亚群与空间分布分析；最后，在MDA-MB-231和MCF-7两种乳腺癌细胞系中，通过设置高剂量短期（100-1000 μg/mL，48小时）和低剂量长期（10-100 μg/mL，连续处理7天）两种暴露模式，进行克隆形成实验和蛋白质免疫印迹（Western Blot）实验，验证NIT对细胞增殖及PARP1蛋白表达的影响。
3.1. NIT毒性分析
通过ProTox和ADMETlab平台的计算分析，研究人员对NIT的毒性特征进行了系统评估。结果显示，NIT的半数致死量（LD50）为146 mg/kg，属于毒性类别3。其物理化学性质（如分子量、logP值）提示其具备一定的膜渗透性。毒性预测表明NIT可能具有皮肤毒性、遗传毒性等风险，并可能通过影响CYP2C8、CYP3A4、CYP1A2等细胞色素P450酶系统干扰代谢。
3.2. NIT致癌性靶点
通过整合6个NIT靶点预测数据库和3个癌症靶点数据库，研究筛选出131个NIT潜在致癌靶点。韦恩图分析显示，在NIT的332个潜在作用靶点与1631个已知致癌相关靶点中，存在131个交集靶点，它们被初步认定为NIT的致癌相关靶标。
3.3. 基因富集分析
对131个靶点进行富集分析发现，它们在KEGG通路上显著富集于“癌症通路”、“乙肝”、“前列腺癌”等。基因本体（GO）分析显示，这些靶点主要与膜结构（如膜筏、质膜）、对化学刺激的反应等生物学过程相关，提示NIT可能通过影响膜相关蛋白和细胞应激反应通路发挥致癌作用。
3.4. PPI网络
基于STRING数据库构建了131个靶点的PPI网络，剔除孤立节点后得到包含124个节点的互作网络。运用11种拓扑算法（如MCC、Degree、Betweenness等）进行分析，最终筛选出在至少8种算法中被识别为核心的关键基因，共计26个PPI核心基因，包括KRAS、PARP1、CDK1、TP53等。
3.5. 泛癌表达图谱
利用TCGA和GTEx数据库，分析了26个PPI核心基因在33种癌症中的表达差异。结果显示，CDC25C、EZH2、CDK1等增殖相关基因在多种肿瘤组织中表达上调，而KIT、MAPK14等在特定癌症中表达下调。生存分析表明，CDC25C、CDK1、ITGB1等高表达是多种癌症的不良预后风险因素。
3.6. 多癌种机器学习预后建模
整合来自TCGA、GEO等平台的53个测序队列数据，针对11种癌症类型，应用15种机器学习算法构建了以PPI核心基因为特征的预后模型。例如，在结肠癌（COAD）中，Elastic_net_0.8模型表现最佳，CDK1、EGFR等基因被识别为重要的风险因子；在乳腺癌（BRCA）中，Coxboost模型显示HSP90AA1、ITGB1、TP53等基因对风险评分贡献显著。荟萃分析证实，这些模型得出的风险评分与对应癌症的不良预后显著正相关。
3.7. 分子对接与分子动力学模拟
将NIT与26个PPI核心蛋白进行分子对接。结果显示，NIT与KRAS、PARP1、KIT、ITGB1、EGFR、CXCR4这6个蛋白的结合能均低于-6 kcal/mol，其中与KRAS和PARP1的结合能最强（均为-7.0 kcal/mol），提示潜在的强相互作用。对PARP1-NIT复合物进行100 ns的分子动力学模拟显示，复合物结构稳定，均方根偏差（RMSD）和均方根涨落（RMSF）较低，且存在持续的氢键相互作用，从计算角度支持了二者结合的稳定性。
3.8. 多癌种单细胞与空间转录图谱
利用六种癌症的单细胞转录组数据分析了上述6个高亲和力靶点在肿瘤微环境细胞亚群中的表达。发现KRAS在增殖性T细胞中富集，PARP1在增殖性T细胞、B细胞中高表达，KIT在肥大细胞中表达，ITGB1在成纤维细胞中表达，EGFR在肺泡细胞中表达，CXCR4在B细胞、CD8+T细胞中高表达。空间转录组分析进一步显示，这6个靶点的基因集活性评分（AUC）在乳腺癌、肝细胞癌等肿瘤的恶性区域显著高于癌旁正常区域。
3.9. NIT上调乳腺癌细胞中PARP1的表达
生物信息学分析显示，PARP1在乳腺癌中高表达且与不良预后相关。实验验证部分，用不同浓度NIT处理MDA-MB-231和MCF-7细胞。克隆形成实验证实，NIT处理能显著促进两种乳腺癌细胞的增殖，且高剂量短期暴露的促增殖效果更为明显。Western Blot检测表明，NIT处理以剂量依赖的方式上调了两种细胞中PARP1的蛋白表达水平。
本研究通过整合多组学分析与实验验证，系统揭示了烯啶虫胺（NIT）潜在的致癌分子机制。计算预测与实验证据共同指向，NIT可能通过与KRAS、PARP1、KIT、ITGB1、EGFR、CXCR4等关键致癌蛋白发生相互作用，干扰细胞信号传导、DNA损伤修复、细胞粘附识别等核心生物学过程，从而为癌症的发生与发展创造有利条件。其中，PARP1被确定为NIT的一个关键作用靶点，NIT暴露能以剂量和时间依赖的方式上调PARP1蛋白表达，并促进乳腺癌细胞增殖，这为理解NIT的生物学效应提供了直接的实验依据。
在讨论中，作者阐述了这些核心靶点在癌症中的已知作用。KRAS是常见的癌基因突变热点；PARP1参与DNA修复，其功能紊乱可能导致基因组不稳定；EGFR和CXCR4涉及生长信号与细胞通讯；ITGB1影响细胞粘附与治疗抵抗；KIT则调控细胞增殖与分化。NIT与这些蛋白的潜在结合，可能破坏其正常功能，进而扰动肿瘤微环境，加速癌症演进。研究也指出了自身的局限性，包括主要结论基于计算预测和体外实验，暴露浓度高于环境检测水平，缺乏直接的体内因果证据等。因此，未来需要更多生理相关的动物模型、慢性暴露研究以及流行病学数据来系统评估NIT的致癌风险。
该研究的重要意义在于，首次通过如此系统的多维度分析，将一种广泛使用的常见杀虫剂与具体的癌症相关分子靶点和通路联系起来，并提供了初步的实验验证。这不仅增进了对NIT潜在健康风险，特别是致癌风险的科学认知，也为评估其他类似环境化学物的生物毒性提供了可借鉴的研究范式。在农药被普遍使用的当下，这项工作强调了深入开展其长期生物效应与风险评估的紧迫性，为公共健康决策和潜在的环境监管提供了重要的科学参考。
