光引发剂和紫外线滤光片作为氧化应激损伤的诱因：来自国家级监测、体外及计算机模拟研究的证据

《Environment International》：Photoinitiators and UV filters as triggers of oxidative stress damage: evidence from national monitoring to in vitro and in silico studies

　　赵雷城|贾彦泽|杜亚杰|李兆鹏|裴浩然|吕新燕|王哲希|王书航|闫跃彤|石玉萌|程志鹏|曹志国
**摘要**
本研究探讨了现实世界中光引发剂（PIs）和紫外线过滤剂（UVFs）暴露所导致的氧化应激损伤的机制。我们分析了从中国各地收集的334对灰尘和尿液样本，并对其中鉴定出的关键污染物进行了体外实验、分子对接和Western blot分析。在灰尘（平均值分别为559 ng/g和636 ng/g）和尿液（分别为15.7 ng/mL和17.1 ng/mL）中普遍检测到了PIs和UVFs。灰尘浓度与地区经济发展呈正相关，而尿液中的含量通常在女性中高于男性。多重回归模型显示，尿液中的污染物水平与七种氧化应激生物标志物之间存在显著的正相关关系。PI-184、BP、PI-651、BP-3和UV-360被确定为主要贡献因子。在HK-2细胞中，这些化合物表现出剂量依赖性的细胞毒性，并显著增加了细胞内的ROS和MDA水平。ROS染色进一步证实了暴露后细胞内氧化应激的增强。分子对接结果表明，这些化合物可能与Keap1、Nrf2和CAT发生相互作用。Western blot分析进一步显示Keap1、Nrf2和CAT的表达发生了变化，这支持了抗氧化防御途径的破坏。这些发现表明，人类暴露于PIs和UVFs可能会引发氧化应激损伤，并突显了它们的潜在健康风险。

**1. 引言**
氧化应激在衰老过程和许多慢性疾病的发病机制中起着核心作用（Li等人，2023年；Zhang等人，2021年）。当活性氧（ROS）的生成超过了生物体的抗氧化防御系统的清除能力时，脂质、蛋白质、DNA和RNA等生物大分子会受到氧化损伤，最终损害正常的生理功能（Dalle-Donne等人，2006年；Forman和Zhang，2021年；Maehara等人，2020年）。新兴的环境污染物如光引发剂（PIs）和紫外线过滤剂（UVFs）具有诱导氧化应激的潜力（Giokas等人，2007年；Jung等人，2013年）。在UVFs中，苯并三唑类化合物会抑制亚洲蛤蜊的抗氧化酶活性，引发明显的氧化应激反应（Zhang等人，2023年），而苯酚酮-3（BP-3）会通过增加过氧化氢酶（CAT）活性和消耗谷胱甘肽水平来破坏四膜藻（Tetrahymena thermophila）的氧化还原平衡（Gao等人，2013年）。此外，7种PIs会降低HEK293T细胞的活力并诱导细胞凋亡（Zeng等人，2021年）。这些发现表明，PIs和UVFs有可能在生物体内引发氧化应激损伤，凸显了了解其对人类健康影响的重要性。

了解PIs和UVFs的外部和内部暴露模式是评估其引发氧化应激损伤能力的基本前提（Zhang等人，2021年）。PIs和UVFs广泛用于工业和消费品中（Giokas等人，2007年；Jung等人，2013年），由于在使用和处置过程中持续释放，它们在室内灰尘、污泥、空气、水和沉积物等环境介质中普遍存在（Chang等人，2019年；Du等人，2022年；Ruan等人，2012年；Toptanci等人，2024年；Zhang等人，2011年）。室内灰尘已被广泛认为是这些化合物的主要储存库（Klepeis等人，2001年）。然而，关于室内灰尘中这些化合物的研究大多局限于小规模的区域调查（Ao等人，2018年；Du等人，2022年；Liu和Mabury，2019a），且大多数集中在高暴露的职业环境中（例如电子废物回收设施、印刷厂和美甲沙龙）（Ao等人，2018年；Li等人，2020a；Shen等人，2024c），未能反映大规模家庭环境中的暴露情况。值得注意的是，关于PIs和UVFs内部暴露的数据极为有限。尿液是一种非侵入性的、易于收集的生物介质，可用于表征近期的人类环境污染物暴露情况（Esteban和Casta?o，2009年）。确有研究报道了传统苯酚酮类紫外线过滤剂（BP-UVFs）（Gao等人，2015年；Gomersall等人，2024年）和苯并三唑类紫外线过滤剂（BTR-UVFs）（Asimakopoulos等人，2013年；Mao等人，2024年）的普遍存在，尿液中的浓度分别可达0.93 ng/mL和24.5 ng/mL。然而，关于PIs和新兴三嗪类紫外线过滤剂（TA-UVFs）的尿液数据几乎不存在，尽管一些PIs已在血清和母乳等生物介质中被检测到（Li等人，2021年；Liu和Mabury，2018年；Liu和Mabury，2019b）。重要的是，基于灰尘的外部暴露评估和基于尿液的内部暴露评估几乎总是独立进行的（Ji等人，2023年；Kang等人，2016年），这阻碍了评估灰尘摄入对内部负担的贡献。这些暴露特征上的差距妨碍了准确评估PIs和UVFs在现实世界条件下对人体造成的潜在氧化应激损伤。

建立PI和UV暴露与不良健康结果之间的关联对于准确识别潜在健康风险至关重要（Sambiagio等人，2022年）。体外和体内研究表明，某些PIs和UVFs通过氧化还原循环产生自由基（Awadallah等人，2012年；Gao等人，2015年）。尽管多种氧化应激生物标志物（OSBs）以可检测的浓度通过尿液排出（Feng等人，2023年；Sies等人，2017年），但目前评估氧化应激的方法仍然有限，从OSB监测到细胞验证和潜在机制探索的研究也较为欠缺。具体而言，许多研究探讨PIs和UVFs与氧化应激的关联主要集中在个别化合物和OSBs上（Huang等人，2023年；Kim等人，2016年；Rocha等人，2018年），这限制了对污染物与多种OSBs之间关联的全面理解。此外，以往的研究主要依赖传统的Spearman相关系数（Awadallah等人，2012年）或多线性回归（MLR）模型来检验污染物与OSBs之间的关联（Santos等人，2022年；Wang等人，2024年；Yu等人，2025年），这限制了关键驱动化合物的识别，因为这些模型无法充分解决混合暴露中的潜在非线性效应和相互作用（Zhang等人，2025年；Zhang等人，2019年）。值得注意的是，通过体外实验（例如细胞模型）对氧化应激损伤的验证尚缺乏，且这些化合物引起的氧化应激的潜在机制尚未通过计算机模拟（例如分子对接）得到确认（Kim等人，2016年；Rocha等人，2018年）。一个综合框架，整合多种具有不同指示功能的OSBs、多种统计模型以及体外和计算机模拟方法，可以更准确地全面评估PIs和UVFs共同暴露在人体内引起的氧化应激损伤。

为了解决上述知识空白，本研究建立了一个结合环境和人体生物监测、体外实验及机制分析的综合评估框架。研究的主要目标包括：（1）确定从中国31个省收集的室内灰尘和人尿样本中18种PIs和19种UVFs的存在和分布特征；（2）表征PIs和UVFs的外部和内部暴露情况，并通过室内灰尘摄入估计内部暴露量；（3）利用体外实验、分子对接和Western blot分析来研究关键PIs和UVFs引起的氧化损伤并阐明潜在机制。

**2. 材料与方法**
**2.1. 采样信息**
2023年7月至9月期间，从中国大陆所有31个省、直辖市和自治区的参与者处收集了334对室内灰尘和尿液样本。采样地点涵盖了经济发达的东部沿海地区、中部地区以及不太发达的西部地区，从而涵盖了全国范围内的广泛社会经济差异。平均每个省收集了约10对样本，这与以往的全国性生物监测研究的采样规模相当（Ge等人，2023年；Zhu等人，2019年）。为了尽量减少潜在的背景干扰，排除了患有急性或慢性传染病、炎症性疾病、肝肾功能障碍、其他已知会导致内源性氧化应激升高的疾病的人以及最近服用过任何药物的人。通过问卷调查收集了年龄、性别和家庭收入等关键人口统计特征，有助于调整研究人群的潜在异质性。研究保持了相对平衡的城市-农村分布。该研究旨在描述普通居民在典型家庭条件下的整体暴露情况，而非专门研究地区差异或极端非典型人群。因此，并没有特别过度采样偏远地区。样本收集信息以及人口统计和居住特征总结在支持信息中的Text S1和Table S1中。本研究使用的人体样本与之前发表的研究中的样本来自同一批次（Shi等人，2025年）。研究方案已获得南京大学伦理委员会的批准（批准号NKUIRB2023015）。河南师范大学伦理委员会也认可并确认了这一批准。所有参与者在样本收集前均提供了知情同意。

**2.2. 化学物质和样本处理**
本研究分析了18种PIs、19种UVFs和7种OSBs。研究的PIs包括7种苯酚酮（BPs）、6种胺类共引发剂（ACIs）、2种噻氧蒽酮（TXs）和3种磷氧化物（POs）。研究的UVFs包括6种BP-UVFs、6种BTR-UVFs和7种TA-UVFs。使用了三种同位素标记的内标，分别为2-异丙基-d7-噻氧蒽酮（2-ITX-d7）、苯酚酮-d10（BP-d10）和UV-328-d4。PIs、UVFs、OSBs和内标的完整名称、CAS编号及详细信息列在Table S2中。提取和浓缩方法参考了相关文献并进行了小幅修改（Gao等人，2015年；Huang等人，2023年；Li等人，2020b），详细信息见Text S2。

**2.3. 仪器分析和定量方法**
PIs、UVFs和OSBs的检测使用Nexera LC-40超速液相色谱系统与Triple Quad 5500+质谱仪（LC-MS/MS；AB Sciex，Framingham，MA，USA）结合进行，电喷雾离子化源配置为多反应监测模式。使用ACQUITY UPLC BEH C18柱（2.1×100 mm2，1.7-μm粒径；Waters，Milford，MA，USA）分离PIs和UVFs，使用ACQUITY UPLC HSS T3柱（100×2.1 mm2，1.8-μm粒径；Waters，Drinagh， Ireland）分离OSBs。仪器分析的详细描述见Text S3和Tables S3–S5。

**2.4. 质量保证和质量控制（QA/QC）**
对灰尘和尿液中的PIs和UVFs以及尿液中的OSBs进行了二十次程序空白值评估。从相应的样本测量值中减去了平均空白值。使用基质加标回收测试评估了不同基质中的方法准确性。标准加标样本中目标分析物的回收率分别为：灰尘中的PIs为80%–153%，尿液中的PIs为60%–115%；灰尘中的UVFs为80%–144%，尿液中的UVFs为60%–142%；尿液中的OSBs为62%–101%。虽然部分分析物（8%）的回收率略有偏差，但这通常是由于从复杂生物和环境基质中同时提取多个目标时由基质引起的信号增强（Asimakopoulos等人，2014年；Steiner等人，2020年；Van den Eede等人，2012年）。尽管如此，所有最终浓度均使用同位素标记的内标进行了校正，以补偿基质效应并提高定量准确性。为了验证样品预处理和仪器分析的稳定性，随机选取了20个灰尘样本和20个尿液样本进行三次分析。相对标准偏差（RSD）始终低于7%，表明分析稳定性和重现性良好。此外，每批50个样本还分析了一个溶剂空白和两个校准标准，以监测仪器性能。方法检测限（MDL）定义为程序空白中检测到目标物质时所有空白样本标准偏差的三倍。对于未检测到的化合物，MDL定义为产生3:1信噪比的分析物浓度。PIs在灰尘中的MDL范围为<0.01至8.71 ng/g，在尿液中的MDL范围为<0.01至3.65 ng/mL；UVFs在灰尘中的MDL范围为0.012至3.09 ng/g，在尿液中的MDL范围为0.002至2.46 ng/mL；OSBs在尿液中的MDL范围为0.06至0.38 ng/mL。详细的QA/QC信息见Table S6。暴露评估
通过室内灰尘摄入的PIs和UVFs的估计每日摄入量（EDIdust，ng/kg bw/day）按以下公式计算（Du et al., 2022a）：
(1) EDIdust = Cdust × DIR × IEF × CF × BW
其中Cdust表示室内灰尘中UVFs和PIs的中位浓度（ng/g），DIR代表灰尘摄入率（mg/day），IEF表示室内暴露比例（在室内平均时间的百分比），CF是换算因子，BW表示体重（kg）。
假设暴露量稳定，每种化合物的 total daily intake（EDItotal，ng/kg bw/day）基于其尿液浓度计算（Zhang et al., 2015）：
(2) EDItotal = Curine × f × BW
其中Curine表示UVFs和PIs在尿液中的中位浓度（ng/mL），f代表每日尿液排泄量（mL/day），BW表示体重（kg）。
EDI计算的详细参数列在表S7.2.6中。

细胞培养
由于尿液主要由肾脏产生，而肾小管在尿液形成和调节中起关键作用，因此选择了人类肾-2细胞（HK-2；Fuheng Biotechnology Co., Ltd., 上海，中国）来评估选定化合物的急性毒性。使用DMSO作为溶剂来制备测试化合物。最终的DMSO浓度根据暴露剂量在0.1%到0.5%之间变化。为了评估潜在的溶剂效应，进行了独立验证实验，其中细胞分别用0.1%、0.25%和0.5%的DMSO单独处理。HK-2细胞在添加了10%胎牛血清和1%青霉素-链霉素的最小必需培养基中，在5% CO2和37 ℃下培养，然后处理12小时，使用的混合物包含PI-184、BP、PI-651、BP-3和UV-360，浓度分别为0.1、10和100 μM。这些化合物的选择基于它们在混合物效应分析中的相对重要性、测量的尿液浓度以及其在DMSO中的溶解度，以确保实验的可行性。具体来说，10 μM的中等剂量是通过将选定化合物的尿液中位浓度转换为摩尔单位来估算的，从而近似研究人群中观察到的环境相关暴露水平。进一步包括较低（0.1 μM）和较高（100 μM）剂量以系统地评估剂量-反应关系。当细胞达到80%的汇合度时，用1:2的稀释比例的胰蛋白酶处理。使用适当的检测试剂盒测量细胞活力和生物标志物（ROS和MDA）。荧光显微照片使用倒置荧光显微镜（Leica Microsystems GmbH，德国）获得，荧光强度使用ImageJ软件量化。样品吸光度使用多模式微孔板读取器（PerkinElmer，新加坡）测量，最终结果使用GraphPad Prism 10.1.2软件（GraphPad Software，La Jolla，CA，美国）量化。关于体外程序的详细信息提供在文本S4.2.7中。

分子对接分析
采用分子对接技术来研究PIs和UVFs在人体中引起氧化应激损伤的潜在机制。目标蛋白质的三维（3D）晶体结构从RCSB蛋白质数据库获取，而化合物的3D结构从PubChem获取。选择Keap1（PDB ID: 4L7B）、Nrf2（PDB ID: AF_AFQ16236F1）和CAT（PDB ID: 1DGB）作为氧化应激的最终目标。Keap1是Nrf2信号通路中的关键蛋白质。在氧化应激下，Keap1-Nrf2复合物解离，导致抗氧化防御系统的激活（Kataoka et al., 2016）。CAT是一种抗氧化酶，在保护细胞免受氧化应激方面起着至关重要的作用（Komina et al., 2012）。初始结构通过去除水分子和共结晶配体并添加氢原子进行了预处理。对接使用CB-Dock2软件进行，排名最高的结合构象使用Discovery Studio 2025软件套件（BIOVIA，Dassault Systèmes，San Diego，CA，美国）可视化。蛋白质和化合物的3D结构提供在图S1.2.8中。

Western blot分析
Western blot程序参照先前发表的研究（Mishra et al., 2017, Omondi et al., 2024）进行。HK-2细胞暴露于最终浓度为0、0.1、10和100 μM的PIs和UVFs混合液中12小时。处理后，提取总细胞蛋白并进行Western blot分析，检测Keap1、Nrf2、CAT和GAPDH。蛋白质条带通过化学发光可视化并通过密度分析量化。详细的实验程序提供在文本S5.2.9中。

统计分析
通过减去相应的空白值来校正测量浓度。尿液中的PI、UVF和OSB浓度根据比重进行调整（Bommarito et al., 2024, Shi et al., 2025, Zhang et al., 2025）。与肌酐相比，选择比重调整是因为它不太受个体生理变量的影响（例如，肌肉质量、年龄、性别和饮食），并且更稳定地反映了不同人群的总体尿液浓度（Barr et al., 2004, Boeniger et al., 1993, Sauvé et al., 2015）。PIs和UVFs的原始数据使用SCIEX OS软件（AB Sciex，Framingham，MA，美国）处理。统计分析使用Origin软件（版本2024，Origin Lab Corporation，MA，美国）和SPSS statistics 22软件（SPSS Inc., Armonk，NY，美国）进行。低于MDL的PI和UV浓度在统计分析中假定为1/2 MDL。数据既不呈正态分布也不呈对数正态分布；因此，应用Mann–Whitney U检验进行数据比较。Spearman相关性分析用于研究不同矩阵中目标化合物浓度之间的相关性。MLR模型用于评估个别化合物与OSBs之间的关联，加权分位数和（WQS）回归模型用于评估污染物混合物效应，贝叶斯核机器回归（BKMR）模型用于检查潜在的非线性相互作用。这些模型在R统计环境（v4.5.1）中使用专门的包“gWQS”和“bkmr”执行。所有模型均调整了性别、年龄、BMI和吸烟状态。共变量最初是从现有文献中最常用的变量中选取的（Fu et al., 2024, Pérez-Díaz et al., 2024, Shi et al., 2025, Zhang et al., 2025）。p值<0.05被认为具有统计显著性。

3. 结果与讨论
3.1. 配对灰尘和尿液样本中PIs和UVFs的发生和分布及其相关性
灰尘
在中国各地的室内灰尘样本中广泛检测到PIs和UVFs，检测频率（DF）从16.2%到100%不等（表S8和S9）。灰尘中的∑18PI浓度范围从56.6 ng/g到37500 ng/g（中位数：559 ng/g），这显著低于加拿大多伦多的水平（1255 ng/g）（Liu and Mabury, 2019a）。在PIs中，PI-184在灰尘中的浓度最高（256 ng/g），占∑18PI浓度的64%（图S2a, b）。类似地，一项关于美甲沙龙室内灰尘的研究确定PI-184是主要化合物，这归因于其在家庭产品和工业领域的广泛应用（Shen et al., 2024b）。灰尘中的∑19UV浓度范围从29.3 ng/g到75900 ng/g（中位数：636 ng/g），其中BEMT（142 ng/g，37%）和EHT（105 ng/g，25%）的浓度最高（图S2c, d）。这些值远低于之前在中国南部报告的水平（BEMT：1520 ng/g，EHT：507 ng/g）（Du et al., 2022a），这可能是由于地理位置的原因（Tian et al., 2025）。
中国各地室内灰尘中的PIs和UVFs表现出明显的空间异质性，浓度存在显著的区域差异（图1a, b）。特别是，城市的PI和UV浓度显著高于农村地区（图1d，p < 0.05）。此外，灰尘污染物浓度与区域的GDP有很强的正相关性（PIs：r = 0.669，p < 0.001；UVFs：r = 0.468，p < 0.01）（图1e, f）。这种经济和城乡梯度模式与其他在中国室内灰尘中发现的新兴污染物（如三聚氰胺和季铵化合物）一致（Shi et al., 2025），强调区域发展是暴露差异的关键驱动因素，并突出更发达、城市化地区的居民面临的风险增加。

下载：下载高分辨率图像（352KB）
下载：下载全尺寸图像
图1. 中国31个省中（a）PIs和（b）UVFs在室内灰尘中的全国分布。背景阴影代表总浓度，而饼图显示了四种PIs和三种UVFs的组成；（c）中国室内灰尘中PIs和UVFs的组成；（d）中国城乡地区室内灰尘中PI和UV浓度的箱形图；人均GDP（104元）与（d）∑18PI和（e）∑19UV灰尘浓度的线性拟合。* p < 0.05，*** p < 0.001。
化学类别之间的显著相关性反映了它们的共同来源和相似的应用模式（Du et al., 2022, Li et al., 2020a）。例如，PI-184与EAB和EHDAB有很强的相关性（p < 0.001）（图S3a），这与它们在指甲护理产品中的共用途一致。MK和MEK之间的强相关性（p < 0.001）主要归因于它们在食品包装材料中的广泛使用（Komina et al., 2012, Sambiagio et al., 2022）。BP-3与其代谢物（4-OH-BP和BP-8）相关（r = 0.28–0.52，p < 0.001），BEMT与EHT相关（r = 0.32，p < 0.001）（图S3b），反映了它们在个人护理产品中的共同使用（Calafat et al., 2008, Kim and Choi, 2014, Wang and Kannan, 2013）。这些一致的相关模式表明，人类接触PIs和UVFs是通过复杂的混合物而不是单一化合物发生的，这强调了在评估其潜在健康影响时考虑混合物效应的重要性。

尿液
在中国各地的尿液样本中都检测到了所有的PIs和UVFs，DF范围从7.9%到100%（表S11和S12）。尿液中的∑18PI浓度在0.35 ng/mL到99.4 ng/mL之间（中位数：15.7 ng/mL），主要由BP（11.2 ng/mL，78.7%）主导，其次是PO（2.29 ng/mL，15.9%）（图2a和S4a）。值得注意的是，PI-184是尿液中最丰富的单个化合物（6.45 ng/mL，49%），其中位浓度几乎是BP（2.17 ng/mL，16%）的三倍（图S4b）。尿液的PI分布与室内灰尘的分布一致。尿液中的∑19UV浓度范围从0.21 ng/mL到3241 ng/mL（中位数：17.1 ng/mL），主要由TA-UVFs（10.9 ng/mL，81%）组成，其次是BP-UVFs（3.18 ng/mL，14%）（图2b和S4c）。BEMT在尿液中的浓度最高（6.81 ng/mL，51%），其次是EHT（4.20 ng/mL，28%）（图S4d），这与灰尘中的UV分布一致。尿液中的BP-3浓度与之前在欧洲人群中报告的浓度相当（Krause et al., 2017）。本研究中对很少监测的TA-UVFs的高浓度提供了关键见解，揭示了人类对这些研究不足的新兴污染物的广泛暴露。

下载：下载高分辨率图像（482KB）
下载：下载全尺寸图像
图2. 中国31个省中（a）PIs和（b）UVFs在尿液中的全国分布。背景阴影代表总浓度，而饼图显示了四种PIs和三种UVFs的组成；（c）中国尿液中PIs和UVFs的组成；（d）男性和女性尿液中PI和UV浓度的箱形图。* p < 0.05。
人口统计分析显示了不同的暴露模式。女性尿液中的PIs和UVFs浓度显著高于男性（图2d）。这种差异可能归因于特定性别的暴露模式，特别是更频繁使用含有这些化合物的个人护理产品。例如，PI-184（主要PI）广泛用于指甲油产品中，而BEMT和EHT（最丰富的UVFs）在防晒霜中的使用浓度超过3%（Ge et al., 2023, Shen et al., 2024a, Shen et al., 2024c）。更频繁的产品使用、更大的皮肤应用面积和日常重复暴露可能导致女性体内暴露更高。然而，目前的研究没有具体调查这些性别差异背后的机制。未来的受控体内实验可能有助于阐明这些差异背后的生物学或行为因素。此外，正常体重的个体的尿液中PIs和UVFs浓度显著低于体重不足和超重的个体（图S5a, b）。这一观察结果可能可以用毒代动力学的差异来解释。在超重个体中，由于几种目标化合物的亲脂性，其浓度升高，这些化合物在脂肪组织中积累并导致持续的尿液排泄（Jandacek and Tso, 2001, Wang et al., 2015）。在体重不足的个体中，较小的体重导致相对于单位体重的内部暴露更高（ATSDR, 2000）。这些生理和物理化学因素可能影响这些污染物的内部负担和排泄模式。此外，使用防晒霜/个人护理产品的用户的尿液中紫外线浓度显著高于非使用者（p < 0.01）（图S5c）。进一步研究表明，尿液中紫外线浓度与年龄之间存在显著的正相关关系（p < 0.05；图S5d），这与丹麦研究的结果一致，该研究报道老年青少年体内的BP-UVF水平较高（Frederiksen等人，2017）。这些差异可能归因于不同人群之间产品使用量和代谢率的不同（Dewalque等人，2015）。需要注意的是，这项研究使用的是单次尿样，主要反映了近期的暴露情况，可能无法完全反映长期的个体暴露情况，因为存在时间上的变异性。尽管这种方法适用于大规模人群筛查，但未来需要通过重复采样或24小时尿液收集来更好地评估长期暴露风险。

基于配对室内灰尘和人尿液样本中PIs和UVFs的已知污染特征，进行了相关性分析，以阐明外部环境暴露与体内负担之间的联系。分析显示，大多数化合物之间的相关性较弱（p > 0.05），除了TPO、BP-3、EHT、BEMT和UV-360，它们表现出显著的正相关（图S6a、b）。这些发现与中国东部地区有机UVFs的研究结果一致，以及在苏州和北京进行的关于三氯生（TCS）/三氯卡班的研究（Ao等人，2018；Wang等人，2021）。鉴于暴露来源的多样性和个体之间的代谢差异，化合物之间的普遍弱相关性是合理的（Ao等人，2018；Dewalque等人，2015；Kang等人，2016）。然而，由于横截面设计的局限性以及个体间的显著差异，在解释这些相关性时需要谨慎。

对中国儿童和成人通过灰尘摄入的PIs和UVFs的日摄入量以及总暴露量进行了估算，基于它们在室内灰尘和尿液样本中的浓度。对于PIs，灰尘摄入对儿童的总暴露量仅贡献了0.11%–0.21%，而对成人则仅有0.02%–0.04%（图S7）。对于UVFs，灰尘摄入的贡献在儿童中为0.01%至1.74%，而在成人中低于0.51%（图S7）。类似地，其他常见环境化学物质（如对羟基苯甲酸酯<0.4%；TCS<0.05%（Wang等人，2021）和双酚A<1%（Loganathan和Kannan，2011））的灰尘摄入对总暴露量的贡献也很低。尽管灰尘摄入对总暴露量的贡献较小，但儿童和成人之间的暴露负担存在显著差异。通过灰尘摄入的PIs和UVFs的日摄入量在儿童中（分别为0.78 ng/kg体重/天和0.69 ng/kg体重/天）远高于成人（分别为0.17 ng/kg体重/天和0.23 ng/kg体重/天），表明儿童群体的暴露风险高出3至7倍。这种模式在主要化学类别中同样存在：双酚类的摄入量在儿童中为0.70 ng/kg体重/天，而在成人中为0.12 ng/kg体重/天；TA-UVFs在儿童中为0.30 ng/kg体重/天，而在成人中为0.11 ng/kg体重/天。这种较高的风险可以归因于儿童更频繁的手口接触、更长的室内活动时间以及较低的体重（Xue等人，2007），这种脆弱性模式在室内污染物（如全氟烷基化合物和阻燃剂）的研究中也是一致的（Wemken等人，2019；Yao等人，2018）。

作为新兴污染物类别，PIs和UVFs的健康风险尚未得到充分研究。据我们所知，双酚类（BP）是唯一一种可以根据推荐的参考剂量（RfD）30 μg/kg体重/天来评估健康风险的PIs同系物（Li等人，2020a）。与这个RfD相比，通过灰尘摄入的PIs和UVFs的摄入量可以忽略不计。然而，这种观点没有考虑到现实世界中的暴露情景，其中包括慢性、低剂量的摄入，以及儿童相较于成人更高的暴露风险。研究结果强调了在未来的健康风险评估中纳入脆弱亚群体的重要性。

通过多元回归模型评估PIs和UVFs与有机硫化物（OSBs）的关联，以及氧化应激损伤的潜在机制。在人体尿液样本中广泛检测到了七种目标OSBs，其检出率在95.8%到100%之间。其中，diY的尿液浓度最高（中位数：159 ng/mL），其次是8-oxo-Gua（14.9 ng/mL）、8-oxo-Guo（4.69 ng/mL）、8-OHdG（3.01 ng/mL）、15-PGF2α（0.62 ng/mL）、11-PGF2α（0.26 ng/mL）和8-PGF2α（0.11 ng/mL）。尿液中的8-OHdG浓度与巴西人群观察到的水平相当（0.4–29.5 ng/mL，中位数：4.40 ng/mL）（Rocha等人，2018）。虽然一些尿液中的OSBs浓度与中国西北部农村地区报告的水平相似[8-OHdG（中位数：3.79 ng/mL）、8-oxo-Gua（16.5 ng/mL）和8-oxo-Guo（4.52 ng/mL）]，但本研究中diY的尿液浓度（39.6 ng/mL）显著更高（Hua等人，2024）。经过性别、年龄、BMI和吸烟状况调整后的MLR模型显示，PIs/UVFs与OSBs之间存在明显的关联（表S12）。在PIs中，PI-184与8-PGF2α（β = 0.06，95% CI：0.02, 0.09）、11-PGF2α（β = 0.07，95% CI：0.02, 0.1）和15-PGF2α（β = 0.04，95% CI：0.03, 0.05）显著正相关。同样，BP（β = 0.14，95% CI：0.03, 0.13）和PI-651（β = 0.05，95% CI：0.01, 0.11）也与前列腺素正相关。BP和PI-184与8-oxo-Guo也显著正相关。在UVFs中，BP-3（β = 0.001，95% CI：0.01, 0.013）、UV-360（β = 0.04，95% CI：0.02, 0.07）和BEMT（β = 0.02，95% CI：0.01, 0.03）分别与8-PGF2α、8-oxo-Guo和8-OHdG显著正相关。这些结果表明，PIs和UVFs可以通过脂质过氧化以及DNA和RNA的损伤在体内诱导氧化应激。

考虑到共暴露可能产生的混合物效应，使用WQS模型来评估现实世界的暴露情景，并通过自助抽样获得的权重来确定氧化应激结果的关键贡献因素（Zhang等人，2019）。WQS分析显示每个化学类别内的关键贡献因素（图3a、b和S9a、b）。在PIs中，BP、PI-184和PI-651在大多数OSBs中的权重最高。值得注意的是，这些化合物在8-OHdG（DNA损伤）和8-oxo-Guo（RNA损伤）的WQS模型中占据主导地位，BP、PI-184和PI-651共同占了混合物指数权重的大部分，突显了它们在核酸氧化中的重要作用。此外，BP和PI-184在11-PGF2α模型（脂质过氧化）中也位列贡献因素前列。在UVFs中，UV-360和BP-3是氧化应激的最强大推动因素。UV-360在11-PGF2α模型中的权重最高，在8-OHdG和8-oxo-Guo模型中也是一项重要贡献因素（p > 0.1），表明其在脂质和核酸目标上的广泛氧化潜力。BP-3在11-PGF2α和8-OHdG模型中排名第二，而BEMT在多个OSBs中则表现出中等但稳定的贡献。这些发现表明，包括PI-184、BP、PI-651、BP-3、UV-360和BEMT在内的几种关键化合物参与了人体的氧化应激过程。

为了进一步探讨PIs和UVFs的健康风险，进行了体外细胞实验来验证上述统计关联，并提供生物学证据。鉴于现实世界中的人类暴露通常涉及具有潜在协同或拮抗作用的污染物混合物，因此进行了联合毒性评估（Caporale等人，2022；Du等人，2022；Ji等人，2023）。根据它们与OSBs的关联、环境浓度、在DMSO中的溶解度以及WQS模型结果，选择了PI-184、BP、BP-3和UV-360作为典型的混合暴露实验污染物。培养在含有0.1%、0.25%和0.5% DMSO的培养基中的HK-2细胞与仅培养在培养基中的HK-2细胞进行了比较，结果没有发现细胞活力的显著变化（图S11a）。这些结果证实，该DMSO浓度范围不会导致细胞死亡，也不会干扰实验结果。由于溶解度要求，不同处理组的DMSO浓度略有差异；然而，独立的活力测试确认在这一范围内 cytotoxicity 可忽略不计。细胞活力在暴露于0.1、10和100 μM的污染物混合物12小时后从99.8%下降到66.2%（图S11b），表明其具有一定的细胞毒性。使用DCFH-DA染色和荧光显微镜评估了细胞内的ROS生成情况。如图4a所示，对照组仅显示出微弱的绿色荧光，表明ROS的基础水平较低。随着暴露浓度的增加，荧光信号逐渐增强，表明细胞内的ROS生成增加。荧光强度的定量分析进一步证实了这一观察结果，显示荧光强度随浓度的增加而增加（图4b），表明暴露于化合物会导致剂量依赖性的细胞内氧化应激。此外，暴露于污染物混合物（0.1–100 μM）导致细胞内的MDA水平显著增加，与对照组相比增加了118%至214%（图4c）。这些发现与先前报道的个别化合物类别的效果一致。例如，TX类（PIs的一个子类）在大鼠肝细胞中诱导了较高的ROS和MDA水平（Nakagawa等人，2020），而BP-3在斑马鱼幼体中引发了氧化应激和脂质损伤（Sun等人，2025）。该研究的结果扩展了这一理解，表明PIs和UVFs在更接近真实世界条件的组合暴露情景下可导致人类肾细胞的氧化应激损伤。

为了进一步探索体外观察到的氧化应激反应的潜在分子基础，使用Keap1、Nrf2和CAT作为靶蛋白进行了分子对接模拟。如图S12所示，PI-184、BP、PI-651、BP-3和UV-360与Keap1、Nrf2和CAT的结合亲和力从中等到强不等，结合能分别介于-11.9至-4.5 kcal/mol之间。其中，UV-360与Keap1、Nrf2和CAT的结合亲和力最强，分别为-11.1、-8.9和-11.9 kcal/mol，而BP-3的亲和力相对较弱，分别为-4.5、-5.4和-6.2 kcal/mol。总体结合能表明，这些化合物可能与这些蛋白质以不同程度相互作用，这意味着本研究中观察到的氧化应激相关效应可能涉及多个抗氧化相关靶点。分子相互作用分析表明，PI-184、BP、PI-651、BP-3和UV-360与Keap1、Nrf2和CAT形成了各种非共价相互作用（图5a和S13a–c）。例如，UV-360通过与GLN-255和SER-254等氨基酸残基形成氢键而与CAT紧密结合，表明可能影响这种抗氧化酶的结构稳定性或功能，先前的研究也支持外源性化合物可能通过直接结合改变CAT的构象和活性（Komina等人，2012）。这一结果与先前的一项研究一致，该研究指出TCS与CAT的中心腔结合，导致构象变化并抑制其催化活性（Zou等人，2017年）。同样，BP通过与SER602残基形成氢键与Keap1相互作用。这种强烈的结合亲和力可能会引起空间阻碍或构象变化，从而破坏Keap1与Nrf2之间的正常相互作用，使得Keap1无法有效地将Nrf2标记为 ubiquitination 并进行降解（Dai等人，2022年；Kataoka等人，2016年）。总体而言，分子对接结果为体外实验中观察到的氧化应激损伤提供了分子层面的线索，表明PIs和UVFs可能通过与Keap1、Nrf2和CAT的相互作用干扰抗氧化防御过程。下载：下载高分辨率图像（492KB）下载：下载全尺寸图像

图5. (a) UV-360与Keap1、Nrf2和CAT的分子对接结果。(b) 代表性的Western blot图像以及(c) Keap1、(d) Nrf2和(e) CAT的相对蛋白表达水平的定量分析（均以GAPDH为基准）。数据以平均值±标准差表示（n = 3）；**p < 0.01。

为了验证预测的分子相互作用是否伴随着细胞水平上抗氧化防御相关蛋白的变化，进行了Western blot分析，以确定HK-2细胞在同时暴露于PIs和UVFs后Keap1、Nrf2和CAT的表达水平（图5b）。Keap1的表达从0.1 μM增加到10 μM，但在100 μM时下降（p < 0.01；图5c），这表明中等程度的暴露激活了上游的抗氧化调节机制，而更强的毒性压力可能会改变这种补偿反应。此前已有研究报道过在不同的压力强度下Keap1/Nrf2系统的类似非线性调节（Ning等人，2010年；Shanmugam等人，2016年；Taguchi等人，2011年）。相比之下，Nrf2的表达呈浓度依赖性增加，在100 μM时达到最高水平（p < 0.01；图5d），这与它作为细胞抗氧化防御中心调节因子的作用一致（Hu等人，2011年；Itoh等人，2004年；Ma，2013年；Suzuki等人，2023年；Zhang和Hannink，2003年）。所有处理组中的CAT表达均升高，并且在10 μM和100 μM组中保持相似的高水平（p < 0.01；图5e），表明下游的酶促抗氧化防御机制被激活，并且在较高浓度下趋于稳定（Nandi等人，2019年）。结合ROS和MDA的浓度依赖性增加以及细胞活力的下降，这些发现表明PIs和UVFs逐渐加重了HK-2细胞中的氧化应激损伤，并触发了沿Keap1–Nrf2–CAT轴的不同抗氧化反应。

4. 结论

本研究提供了全国范围内环境和人类生物监测的证据，证明在中国各地的室内灰尘和尿液样本中同时存在PIs和UVFs。通过多元回归模型发现了这些污染物与OSBs之间的显著正相关关系，并重点介绍了几种关键化合物，包括PI-184、BP、PI-651、BP-3和UV-360。体外实验进一步表明，这些化合物的联合暴露显著增加了HK-2细胞中的ROS和MDA水平，表明存在氧化应激损伤。分子对接表明这些污染物可能与Keap1、Nrf2和CAT发生相互作用，而Western blot分析揭示了这些蛋白表达的变化。综合这些发现，表明人类接触PIs和UVFs可能通过干扰细胞抗氧化防御途径而引起氧化应激损伤，为改进这些污染物的健康风险评估提供了新的证据。

然而，当前计算机模拟和体外分析所揭示的分子机制难以直接推广到体内条件。因此，需要未来的研究整合体外和体内模型，以更好地表征这些化学混合物的毒性效应及其潜在机制。还可以结合分子动力学模拟来补充静态对接结果，通过评估蛋白质-污染物复合物随时间的动态构象变化和结合稳定性。此外，还需要进一步研究Keap1–Nrf2途径和CAT在其他毒性效应中的作用。

**作者贡献声明**

- 赵雷成：撰写 – 审稿与编辑、撰写 – 原稿、可视化、资金获取。
- 贾燕泽：撰写 – 原稿、可视化、形式分析、数据管理、概念构思。
- 杜亚杰：可视化、方法学。
- 李兆鹏：可视化、概念构思。
- 彭浩然：可视化、方法学。
- Lv新燕：可视化、方法学。
- 王哲希：方法学。
- 王书航：方法学。
- 严月彤：方法学。
- 史玉萌：撰写 – 审稿与编辑。
- 程志鹏：撰写 – 审稿与编辑。
- 曹志国：撰写 – 审稿与编辑、可视化、资金获取、形式分析、概念构思。