《Frontiers in Bioinformatics》：Machine learning identifies molecular targets of Di (2-ethylhexyl) phthalate in pulmonary arterial hypertension
编辑推荐：
本研究聚焦于环境污染物邻苯二甲酸二(2-乙基己基)酯（DEHP）如何诱发肺动脉高压（PAH）的分子机制难题。研究人员整合生物信息学和机器学习技术，识别出12个DEHP调控PAH进程的核心基因靶点，并揭示了其干扰血管稳态的潜在途径。该工作为理解环境因素致PAH的病因学及开发精准预防策略提供了新见解。
在生命科学领域，探索复杂疾病的成因，尤其是环境污染物如何悄无声息地“重写”我们的健康密码，一直是巨大的挑战。肺动脉高压（PAH）就是一种典型的、病因复杂的严重心肺疾病，其病理过程涉及遗传、环境和细胞信号网络等多个层面的交互作用。尽管像骨形态发生蛋白受体2（BMPR2）基因突变这样的遗传因素已被确认，但仍有相当一部分PAH病例无法用已知原因解释，暗示着环境因素扮演了关键但未被充分认知的角色。在众多潜在的环境“元凶”中，邻苯二甲酸二(2-乙基己基)酯（DEHP）的身影日益凸显。作为一种普遍使用的塑化剂，它广泛存在于各类塑料制品中。流行病学和实验研究已将其暴露与血管损伤、内皮功能障碍联系起来，然而，一个核心的知识鸿沟依然存在：我们确切地知道DEHP与PAH的发病有关，却不清楚它具体是如何“作案”的——它通过调控哪些关键基因、扰乱哪些特定的细胞通路，从而精准地推动肺血管重塑的病理进程？
为了回答这个关键问题，一项发表在《Frontiers in Bioinformatics》上的研究采用了创新的“系统毒理学”策略，将网络毒理学与机器学习驱动的生物信息学分析相结合，旨在跨越化学暴露预测与疾病特异性驱动因素识别之间的鸿沟。研究团队并没有满足于传统的相关性分析，而是试图直接定位那些既是DEHP的潜在作用靶点，又在PAH中起核心调控作用的基因网络，为DEHP诱导PAH构建一个全新的分子假说。
研究人员开展研究的主要技术方法包括：首先，从公共数据库获取了六个与PAH相关的转录组学数据集，并将其分为发现队列和独立验证队列，通过生物信息学流程（如SVA和ComBat算法）进行标准化以消除批次效应。接着，他们运用三种互补的策略（ChEMBL、SwissTargetPrediction、PharmMapper）预测DEHP在人类蛋白质组中的潜在靶点，并获得了1364个候选蛋白。之后，对PAH数据进行差异表达分析和加权基因共表达网络分析（WGCNA），以识别疾病相关基因。通过取交集，从1364个DEHP靶点和829个PAH相关基因中，精确定位了60个高置信度的交集基因。最后，研究构建了一个包含10个算法家族、128个模型实例的综合性机器学习框架，对60个候选基因进行筛选和排序，以识别出最稳健的核心诊断基因集合。模型性能主要通过受试者工作特征曲线下面积（AUC）评估，并利用SHAP（SHapley Additive exPlanations）分析来解释模型决策，量化单个基因的贡献。
3.1 Identification of potential target proteins of DEHP
通过整合来自ChEMBL、SwissTargetPrediction和PharmMapper三个平台的预测结果，研究确定了1364个人类蛋白质作为DEHP的潜在相互作用靶点。
3.2 Identification of PAH-Related differential genes and Co-Expression modules
对发现队列的转录组数据进行差异表达分析和WGCNA，分别识别出2669个差异表达基因和多个与PAH表型显著相关的基因共表达模块。两者的并集构成了包含829个基因的PAH相关基因集。
3.3 Identification and functional enrichment of DEHP-Associated targets in PAH
将1364个DEHP预测靶点与829个PAH相关基因取交集，获得了60个重叠基因。对这60个基因进行功能富集分析发现，它们显著富集于“甘油脂代谢过程”、“脂肪酸代谢过程”等生物学过程，以及“血管平滑肌收缩”和“钙信号通路”等关键通路，提示DEHP可能通过干扰脂质代谢和钙介导的血管张力调节来参与PAH发病。
3.4 Machine learning-based prioritization and interpretation of core genes
利用机器学习模型对60个候选基因进行进一步筛选和优先级排序。一个集成模型（结合glmBoost和Stepglm算法）表现最佳，并最终锁定12个核心诊断基因：ALKBH2、AOC2、BCL2L10、CTBP2、DNM2、ERLIN2、HPS6、PON2、RABGGTA、SLC4A7、SORT1和PDE4D。其中，HPS6、CTBP2、RABGGTA、SORT1、ALKBH2、BCL2L10、AOC2和PON2在PAH中显著下调，而SLC4A7、PDE4D、ERLIN2和DNM2显著上调。SHAP分析表明，HPS6和CTBP2是模型中最具影响力的正预测因子。
研究结论和讨论部分强调了这项工作的创新性和意义。该研究成功地将DEHP暴露与PAH的特定分子驱动网络直接联系起来，鉴定出的12个核心基因构成了一个新颖的高优先级假说。该假说超越了DEHP仅引起泛氧化应激的传统观点，提出DEHP可能通过协同破坏对血管稳态至关重要的特定生物过程来启动PAH相关病理。这些过程包括：削弱细胞应激修复能力（如PON2、ALKBH2下调）、扰乱囊泡运输和蛋白质分选（如SORT1下调、DNM2上调）、以及改变第二信使信号平衡（如PDE4D上调导致cAMP信号减弱，促进血管收缩和细胞增殖）。特别值得注意的是，这12个核心靶点中，仅有两个在独立临床数据集中差异表达，且与经典的遗传性PAH基因（如BMPR2等）无重叠。这表明DEHP可能通过影响一系列“非经典”靶点来促进疾病进展，最终汇聚于血管重塑的共同终末通路，深刻揭示了环境驱动疾病的复杂性。
这项研究的意义在于，它通过结合DEHP靶点预测（网络毒理学）和疾病特异性驱动因子识别（基于肺动脉高压组学数据的机器学习），比单纯的关联性研究更直接地将化学暴露与疾病发病机制联系起来。该研究范式特别适用于研究PAH这类复杂疾病，因为环境触发因素可能破坏其非线性的、相互关联的网络。然而，该研究也存在局限性，主要依赖于计算模拟和机器学习预测，缺乏湿实验室的实验验证。DEHP与这些靶点的具体结合亲和力、其对肺血管细胞的直接调控作用以及由此产生的表型变化，仍需通过分子对接、细胞功能实验和体内模型等实验方法进行进一步验证。此外，DEHP在环境中常与其他污染物（如多环芳烃）共存，它们共享氧化应激等上游效应机制，因此，识别出的核心基因网络可能代表一条DEHP偏好但非排他的通路，在共暴露场景下可能被放大，导致协同性血管损伤。这突显了研究污染物混合物以全面理解环境性PAH风险的重要性。
