《Translational Oncology》：Multi-scale evidence chain: Linking environmental BPA exposure to ovarian cancer through integrated omics and experimental models
编辑推荐：
背景： 卵巢癌(OC)是女性癌症死亡的主要原因之一。除遗传和生殖风险因素外，新出现的证据表明双酚A(BPA)——一种广泛存在的内分泌干扰化学物质(EDC)——可能导致卵巢致癌作用，但其潜在机制尚不清楚。方法： 研究人员采用了结合以下方法的 multidimen
背景： 卵巢癌(OC)是女性癌症死亡的主要原因之一。除遗传和生殖风险因素外，新出现的证据表明双酚A(BPA)——一种广泛存在的内分泌干扰化学物质(EDC)——可能导致卵巢致癌作用，但其潜在机制尚不清楚。方法： 研究人员采用了结合以下方法的 multidimensional 策略：(1) 横断面NHANES分析（66例OC病例，291例匹配对照），(2) 使用GWAS数据的双样本孟德尔随机化(MR)，(3) 整合生物信息学（靶点预测、九个GEO数据集、加权基因共表达网络分析(WGCNA)、机器学习），(4) 分子对接/动力学模拟，以及(5) SKOV3细胞的功能实验。结果： OC患者的尿BPA水平显著升高(p < 0.05)。孟德尔随机化分析提示存在与潜在因果效应一致的阳性关联(OR=1.25, p = 0.029)。跨算法鉴定出五个枢纽基因(LCN2, LIPA, NR3C1, NR3C2, PGR)，模拟显示其具有稳定的BPA结合能力。单细胞分析揭示恶性上皮细胞中富集特征(p = 0.009)。功能实验证实BPA促进OC增殖、迁移和侵袭(p < 0.05)。结论： 这项综合分析提供了支持BPA暴露与OC发病机制相关联的多组学证据，MR发现提示了潜在的因果关系（需独立重复验证），并鉴定出五个枢纽基因作为潜在的生物标志物和治疗靶点。
论文解读：环境双酚A暴露与卵巢癌发病机制的多尺度整合研究
本研究由Yongjin Luo、Shipan Mo、Pengxia Song等学者合作完成，发表于《Translational Oncology》。卵巢癌作为致死率最高的妇科恶性肿瘤，其发病机制除遗传因素外，环境因素尤其是内分泌干扰物双酚A（BPA）的作用日益受到关注，然而其具体分子机制尚不明确。为此，研究人员构建了一个从人群流行病学到分子机制验证的多尺度证据链，旨在阐明BPA暴露与卵巢癌之间的关联及其潜在致病机理。
在研究技术方法上，作者采用了多组学整合策略。首先利用美国国家健康与营养调查（NHANES）数据库进行横断面分析，并通过1:5倾向性评分匹配（PSM）控制混杂因素。其次，采用双样本孟德尔随机化（MR）分析，利用FinnGen和GWAS Catalog的汇总数据评估BPA与卵巢癌的因果关系。在转录组层面，整合了9个GEO数据集进行差异表达分析和加权基因共表达网络分析（WGCNA）。此外，研究还结合了单细胞RNA测序（scRNA-seq）解析肿瘤微环境中的细胞异质性，利用机器学习算法（LASSO、SVM、随机森林）筛选枢纽基因，并通过分子对接及100ns分子动力学（MD）模拟验证蛋白互作，最后在SKOV3细胞系中进行体外功能实验验证。
研究结果
Elevated urinary BPA and triclosan levels in ovarian cancer patients
基于NHANES数据分析显示，卵巢癌患者的尿液中BPA和三氯生（TCS）水平显著高于对照组（p < 0.05）。经 propensity score matching 后，BPA浓度差异依然具有统计学意义，表明BPA暴露与疾病状态存在独立关联。
Mendelian randomization evidence linking BPA exposure to ovarian cancer risk
孟德尔随机化分析结果显示，遗传预测的BPA暴露水平与卵巢癌风险呈正相关（IVW OR=1.25, p = 0.029）。散点图、漏斗图和留一法敏感性分析均证实了结果的稳健性，支持了BPA对卵巢癌发病的潜在因果效应。
Parallel screening of differentially expressed genes in ovarian cancer and BPA-associated genes
通过对GEO数据集的批次校正和差异分析，鉴定出5329个差异表达基因。GSVA分析表明BPA相关基因特征在肿瘤组织中显著富集。WGCNA构建了基因共表达网络，筛选出与BPA评分最相关的红色（r=0.41）和黄色（r=0.62）模块。
Mechanistic exploration of BPA targets and actionable pathways in ovarian cancer
通过整合BPA靶点数据库预测、差异基因及WGCNA模块的交集，获得18个核心基因。GO和KEGG富集分析显示这些基因主要参与异生物质反应、激素代谢及IL-17信号通路。
Single-cell RNA sequencing analysis of ovarian cancer samples
单细胞转录组分析将细胞分为10个主要群体。比较发现，所有细胞类型在癌症样本中比例均有所增加，其中成纤维细胞和上皮细胞占比较高。
The single-cell landscape of BPA-associated signature scores
通过计算BPA特征评分，发现恶性上皮细胞中的评分显著高于其他细胞类型（p = 0.009）。细胞通讯分析表明，高BPA组细胞间相互作用更强，且与成纤维细胞和内皮细胞的连接更为紧密。
Machine learning identifies five key genes
三种机器学习算法（LASSO、SVM、RF）交叉验证后，最终锁定五个共识枢纽基因：LCN2、LIPA、NR3C1、NR3C2和PGR。
Machine learning-based evaluation of diagnostic biomarkers in OC
SHAP模型分析显示，随机森林（RF）算法诊断效能最佳（AUC=0.989），其中NR3C2被识别为最重要的预测因子。
Identification of key genes from single-cell transcriptomic
单细胞水平表达分析显示，LCN2主要在恶性上皮细胞中表达，LIPA在巨噬细胞中富集，而NR3C1、NR3C2和PGR在癌与正常组织间存在显著差异表达。
Analysis of immune cell infiltration and hub gene correlations in ovarian cancer
免疫浸润分析表明，LCN2和LIPA与细胞毒性CD8+T细胞和NK细胞呈正相关，而NR3C1、NR3C2和PGR则与树突状细胞和单核细胞呈负相关，揭示了枢纽基因对肿瘤免疫微环境的调控作用。
Two subtypes classified based on hub genes for OC
基于五个枢纽基因的共识聚类将卵巢癌分为C1和C2两个亚型。C2亚型表现为NR3C2和PGR低表达，且具有独特的免疫浸润模式和致癌通路激活特征。
Molecular docking for BPA and hub targets
分子对接结果显示，BPA与五种靶蛋白（LCN2、LIPA、NR3C1、NR3C2、PGR）的结合能均低于-5.0 kcal/mol，表明存在自发结合倾向，且主要通过氢键和π-π堆积维持稳定性。
The molecular dynamics (MD) simulation results
100 ns分子动力学模拟进一步证实了BPA-受体复合物的结构稳定性，RMSD和Rg值保持稳定，验证了分子对接的预测结果。
BPA exposure promotes malignant behaviors of ovarian cancer cells in vitro
体外实验证实，1 nM和10 μM的BPA处理均能显著促进SKOV3细胞的增殖、克隆形成、迁移及侵袭能力（p < 0.05）。
讨论与结论
讨论部分指出，本研究首次提供了BPA暴露与卵巢癌风险关联的多组学证据。尽管MR分析受限于SNP数量采用了较宽松的阈值，但其结果与横断面数据相互印证。研究发现BPA可能通过干扰激素信号（如PGR、NR3C1/2）和脂质代谢重编程（LCN2、LIPA）驱动肿瘤进展。值得注意的是，单细胞分析揭示了BPA特征在恶性上皮细胞中的特异性富集，这与体外实验中观察到的促癌表型一致。此外，研究识别出的五个枢纽基因不仅具有诊断价值，还可能作为逆转肿瘤免疫抑制微环境的潜在靶点。
结论
本研究数据表明BPA暴露与卵巢癌风险显著相关，提示这种内分泌干扰化学物可能积极参与疾病发病机制。这些结果强调了BPA作为卵巢癌潜在决定因素和机制生物标志物的相关性，支持制定针对性的预防策略和环境卫生干预措施。
