供稿：李天洲，武汉大学
校稿：曾黎，武汉大学
推送：曾黎，武汉大学
今天给大家分享的文献发表在Environmental International上，标题为：Serum metabolome associated with novel and legacy per- and polyfluoroalkyl substances exposure and thyroid cancer risk: A multi-module integrated analysis based on machine learning，通讯作者为广西医科大学杨晓波教授。
全氟和多氟烷基物质（PFAS）是一类具有内分泌干扰特性的合成脂肪族碳氢化合物，由于其优异的热稳定性和化学稳定性以及高表面活性而被广泛应用于工业和家用产品中，PFAS由于其生物积累性和抗环境降解性而广泛存在于各种环境介质中，并可通过消化道、呼吸道、皮肤等途径进入人体。甲状腺癌（TC）是一种原发性内分泌系统癌症，在过去几十年中全球发病率显著增加，已有诸多研究表明PFAS可能与TC之间存在关联。在本研究中，作者采用病例对照研究以深入研究新型短链PFAS化合物、传统PFAS化合物与TC风险之间的潜在联系，同时研究了与PFAS暴露及TC发生相关的血清代谢物变化。
研究在甲状腺特异性队列中随机选取了373例TC患者，根据年龄（±5岁）及性别1:1匹配对照组，利用超高效液相色谱串联三重四级杆质谱对血清中11种PFAS，包括7种长链PFAS：全氟十二酸（PFDoA）、全氟十一酸（PFUnDA）、全氟癸酸（PFDA）、全氟壬酸（PFNA）、全氟辛酸（PFOA）、全氟辛磺酸（PFOS）、全氟己烷磺酸（PFHxS）和4种短链PFAS：全氟己酸（PFHxA）、全氟庚酸（PFHpA）、全氟丁烷磺酸（PFBS）和全氟戊酸（PFPeA）进行了检测和定量；随后，作者使用液相色谱串联电喷雾离子源质谱（LC-ESI-MS/MS）对50个随机选择的病例对照进行了血清非靶向代谢组学分析。数据的相关性分析包括三个主要部分（图1）。首先，将TC作为结果来评估PFAS暴露（路径1a）以及代谢物组（路径1b）的影响。然后，在TC组和对照组中探讨PFAS暴露与代谢物组的关联（路径2）。最后，整合暴露和代谢物组数据块以分析它们与TC的综合关联（路径3）。
图1 工作流程图
人口统计学结果（表1）显示，病例组与对照组在民族、教育水平和经济收入、甲状腺肿瘤家族史及烟草使用等方面存在差异（P＜0.05）。
表1 研究对象的基线资料（N=746）
TC组和对照组血清中PFAS的浓度分布如图2所示，10种PFAS在人群中的检出率高于80%（PFPeA除外），PFOA和PFOS的暴露水平最高，中位浓度分别为2.75和5.01ng/mL，检出率为100%。TC患者血清PFDoA和PFHxA水平显著高于健康对照组，而对照组PFOA和PFHxS水平较高（P<0.05）。
图2 血清中10种PFAS浓度箱式图
作者首先使用的弹性网络（ENET）和光梯度提升机（lightGBM）模型对PFAS进行了筛选，共筛选出5种PFAS，按照重要性降序排列为PFHxA、PFHpA、PFOA、PFDoA和PFHxS（图3），随后使用Shapley Additiveex Planation（SHAP）方法通过计算个体暴露对预测的贡献来解释最终模型。
图3 与TC风险相关的PFAS重要性排名
作者基于所选变量进一步构建BKMR和WQS模型以评估关键污染物的混合效应。BKMR结果显示，PFHxA具有显著的正效应，并且在其他污染物浓度较低时，其与TC的关联更强；PFOA与TC风险的负相关在其他污染物浓度固定在75百分位数时显著；此外，PFHxA还与其他四种化合物之间的显著交互作用（图4）。WQS模型表明，暴露于多种化学物质的混合物会显著增加TC风险，其中，PFHxA贡献最大，对TC风险的影响为正；PFHxS、PFOA和PFHpA虽然主导了负向效应的权重，但其负向效应未达到统计学显著性（P>0.05）（图5）。
图4 BKMR模型评估PFAS对TC的混合效应
图5 WQS模型探索PFAS与TC的关联
作者使用限制三次样条模型（RCS）对关键PFAS（全氟化学物质）剂量-反应关系的结果如图6所示。作者发现PFOA和PFHxA与甲状腺癌风险之间存在显著的非线性关联，PFDoA和PFHxS与甲状腺癌风险之间存在显著的线性关联，而PFBS暴露与甲状腺癌风险之间存在非线性关系，但整体效应不显著。
图6 6PFAS水平与甲状腺癌风险的剂量-反应关系
PCA分析中血清样本的代谢特征（图7A）也表明TC患者（TC组）和健康对照代谢特征（正常组）的血清代谢特征之间存在明显的分离趋势。OPLS-DA评分图显示两组之间的明显差异（图7B）。最终筛选出293种血清差异代谢物，其中195种在TC中上调，98种下调（图7C）。作者对293种差异代谢物进行了进一步定性，45种代谢物的定性水平被鉴定为I级，其中氨基酸代谢物最多，其次是脂肪酸类（FA）代谢物。
图7 与TC相关的血清差异代谢分析
作者使用偏最小二乘法（sPLS）算法从PFAS和代谢组数据集中寻找变量线性组合之间的最高协方差，最终确定它们关系中最显著的变量。分别筛选出了10个（图8A）和4个（图8B）与暴露最相关的代谢物，条形图显示了每个变量在两个成分上的权重的大小和方向。在14种代谢物中，TC患者中11种上调，3种下调。这些代谢物中的大多数是FA，以及3种氨基酸代谢物、3种有机酸及其衍生物和3种其他代谢物。
图8 sPLS算法筛选出与PFAS显著关联的血清代谢物
最后，作者对筛选出的5种PFAS和14种代谢物进行分析，确定两个潜在聚类，其中一个与TC风险增加相关，该聚类中PFAS和代谢物有特定的正负关联模式（图9）。
图9 PFAS暴露与血清代谢物的Sankey图分析
综上所述，本研究发现混合暴露的PFAS增加了甲状腺癌的风险，其中PFHxA是主要的贡献因素。此外，PFAS暴露与多种脂肪酸的失调有关，这些脂肪酸也与甲状腺癌显著关联。结果表明，PFAS暴露可能在TC中发挥作用，需要进行更广泛和纵向的研究，以更深入地了解PFAS和TC之间的关系以及这些关联的机制。
文章编号：471
原文链接：
https://doi.org/10.1016/j.envint.2024.109203
原文引用：
Fei Wang, Yuanxin Lin, Lian Qin, Xiangtai Zeng, Hancheng Jiang, Yanlan Liang, Shifeng Wen, Xiangzhi Li, Shiping Huang, Chunxiang Li, Xiaoyu Luo, Xiaobo Yang*.Serum metabolome associated with novel and legacy per- and polyfluoroalkyl substances exposure and thyroid cancer risk: A multi-module integrated analysis based on machine learning.Environ. Int.,2024, 195:109203.
