机器学习和多维转录组学揭示了苯并(a)芘/NNK在促进喉癌发展中的关键分子网络，并建立了预后模型

《Environmental Nanotechnology, Monitoring & Management》：Machine learning and multi-dimensional transcriptomics reveal the key molecular network of benzo(a)pyrene/NNK in promoting laryngeal cancer and develop prognostic models

　　

胡一帆|何志珍|李双|韩宝爱|杨秀萍|陈雄

武汉大学中南医院耳鼻喉科、头颈外科，中国武汉430071

摘要

苯并(a)芘（BaP）和4-[(甲基亚硝基)氨基]-1-(3-吡啶基)-1-丁酮（NNK）作为典型的环境致癌物，广泛存在于烟草烟雾和空气污染中。它们的共同暴露是导致喉癌高发的重要原因。然而，它们协同致癌的分子机制仍不清楚。为了填补这一空白，本研究采用了一种综合策略，结合了网络毒理学、多维转录组学（批量和单细胞）、机器学习、分子模拟和细胞功能验证，系统地探讨了BaP和NNK共同暴露引发喉癌的机制。通过多维数据挖掘和机器学习算法，鉴定出了核心分子FADS1。功能富集分析表明，FADS1相关基因主要参与脂质代谢重构和肿瘤恶性表型调控途径。分子对接和100纳秒动力学模拟证实，BaP和NNK都能稳定结合FADS1，其中BaP的结合亲和力更强（ΔG = -9.0千卡/摩尔），结合模式主要基于范德华力和疏水相互作用。细胞实验表明，BaP和NNK的共同暴露可以显著上调喉癌细胞中FADS1的表达，增强细胞的增殖、迁移和侵袭能力，而沉默FADS1可以有效逆转这些恶性表型。总之，本研究阐明了FADS1在介导BaP/NNK协同促进喉癌中的关键作用，为理解环境化合物污染物的致癌机制提供了实验支持，并为风险评估、早期诊断以及空气污染和烟草暴露相关喉癌的精准预防和控制提供了潜在靶点。

部分摘录

环境影响

空气污染是喉癌的主要风险因素之一。苯并芘（BaP）和4-[(甲基亚硝基)氨基]-1-(3-吡啶基)-1-丁酮（NNK）是空气污染中的主要致癌成分，通常同时存在。本研究通过整合网络毒理学、多维转录组学、分子模拟和细胞实验，不仅揭示了BaP和NNK协同促进喉癌进展的关键分子网络，还

数据下载与处理

从NCBI的GEO数据库中获取了五个喉癌（LC）转录组数据集（GSE127165、GSE51985、GSE59102、GSE216664、GSE84957）和一个单细胞转录组数据集（GSE206332）。GSE127165、GSE51985和GSE59102被用作训练组，而GSE216664和GSE84957被用作验证组。在TCGA数据库（https://portal.gdc.cancer.gov）中，通过设置“HNSC, larynx”作为筛选条件，我们获得了119名患者的mRNA数据

BaP和NNK共同作用的靶蛋白鉴定及与喉癌相关的共同致病基因分析

根据BaP和NNK的化学结构，我们使用了三种预测工具ChEMBL、Similarity Ensemble Approach和Swiss Target Prediction来预测它们的潜在靶基因。整合数据并去除重复条目后，合并了两者的预测数据集，得到了301个交集基因（图S1A–B）。

为了识别与喉癌相关的关键基因，我们从GEO数据库中选取了三个喉癌数据集，即GSE127165

结论

在本研究中，我们选择了典型的环境致癌物BaP和NNK作为研究对象。我们采用了一种综合策略，结合了网络毒理学、多组学、分子模拟和细胞实验，阐明了这两种环境污染物共同暴露导致喉癌的机制。通过多维筛选，我们鉴定了核心分子FADS1。我们证实这两种环境污染物能够稳定结合

胡一帆：写作 – 审稿与编辑，撰写初稿，验证，概念构建。何志珍：写作 – 审稿与编辑，撰写初稿，可视化。李双：撰写初稿，数据管理，概念构建。韩宝爱：软件支持，资金筹集。杨秀萍：写作 – 审稿与编辑，资金筹集。陈雄：验证，监督，资源协调，资金筹集

作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。

所有转录组数据均可从公共数据库获取，Western blot的原始图像可在补充文件“Western blot original image”中找到。

? 作者声明他们没有已知的可能会影响本文工作的竞争性财务利益或个人关系。

致谢

本工作得到了中国国家重点研发计划（编号2024YFC2417900）、国家自然科学基金（编号82371135和82571299）、国家自然科学基金（编号82401377）和国家自然科学基金（编号82201269）的支持。