《Environment International》：Molecular mechanisms of DBDPE-induced spermatogenic disorder: A network toxicology, machine learning, and
in vivo experimental validation
编辑推荐：
随着新型溴代阻燃剂十溴二苯乙烷(DBDPE)在环境与人体中广泛检出，并被列为高度关注物质(SVHC)，其潜在的生殖毒性成为亟需解决的科学问题。为揭示DBDPE导致生精障碍的分子机制，研究者整合网络毒理学、机器学习与体内实验验证，系统筛选出HIF-1信号通路、缝隙连接通路及PRKACG、WDR5、AURKC、PFKP、ASGR1等5个核心靶点，并通过小鼠模型证实DBDPE暴露可破坏睾丸结构、降低精子质量及核心蛋白表达。该研究为阐明DBDPE生殖毒性机制提供了关键证据，对评估其环境健康风险、保护男性生育力具有重要意义。
在电子设备、纺织品、建筑材料等众多产品中，为了防火安全，常常会添加一种名为溴代阻燃剂的化学物质。十溴二苯乙烷（Decabromodiphenyl ethane, DBDPE）便是其中一种被广泛使用的“新秀”，它被视为传统溴代阻燃剂十溴二苯醚（BDE-209）的主要替代品。然而，这种替代似乎并不完美。DBDPE化学性质稳定，难以降解，正通过生产和使用持续进入环境，在空气、土壤、水体甚至生物体内被频繁检出，更令人担忧的是，它已出现在人类血清和母乳中。由于突出的持久性和生物累积潜力，欧洲化学品管理局在2025年将DBDPE列为“高度关注物质”（Substance of Very High Concern, SVHC）。与此同时，全球范围内男性精子数量持续下降已成为一个严峻的生殖健康问题，而环境化学物的暴露被认为是关键推手之一。尽管已有初步研究提示DBDPE暴露可能与精子数量减少、活力下降有关，但其导致生精障碍的具体分子机制，特别是关键的分子靶点和信号通路，仍如一团迷雾。为了拨开迷雾，揭示DBDPE损害男性生育力的深层原因，并为环境风险评估提供科学依据，由Wei Shi、Yuanteng Sun等人组成的研究团队，在《Environment International》上发表了一项综合性研究。他们创造性地将计算预测与实验验证相结合，系统阐明了DBDPE导致生精障碍的分子机制。
为了回答上述科学问题，研究者采用了一套整合“干湿”实验的研究策略。首先，在计算预测层面，他们利用网络毒理学方法，从公共数据库中获取DBDPE的潜在作用靶点，并与从基因表达数据库中筛选出的非梗阻性无精子症患者的差异表达基因进行交叉分析，初步筛选出候选基因并进行功能富集分析。接着，运用多种机器学习算法对候选基因进行降维和优化，识别出核心靶点基因，并通过分子对接技术模拟DBDPE与这些靶点蛋白的结合模式。其次，在实验验证层面，研究者构建了长期低剂量DBDPE暴露的小鼠模型，通过组织病理学分析评估睾丸结构损伤，利用计算机辅助精子分析系统检测精子浓度和活力变化，并采用蛋白质免疫印迹技术验证核心靶点蛋白的表达水平变化。
3.1. Prediction of DBDPE-binding targets and acquisition of DEGs
研究人员首先从数据库中获取了DBDPE的化学结构，并预测出其564个潜在作用靶点。同时，他们整合了多个非梗阻性无精子症患者的转录组数据集，通过差异表达分析，鉴定出3488个差异表达基因，其中下调基因2194个，上调基因1294个。这部分工作为后续寻找DBDPE与生精障碍之间的关联基因奠定了基础。
3.2. Identification of key module genes
为了更系统地识别与疾病相关的基因模块，研究者进行了加权基因共表达网络分析。他们构建了一个具有无标度拓扑特征的共表达网络，从中鉴定出22个基因模块。通过分析模块与疾病性状的关联，发现MEblue模块与NOA呈最强的负相关，表明该模块中的基因在疾病状态下显著下调，是潜在的关键模块。
3.3. Identification of potential targets for DBDPE-induced spermatogenic disorder
此部分研究将上述工作衔接起来。将564个DBDPE相关靶点与1743个NOA相关基因取交集，最终得到33个重叠的候选基因，这些基因可能是DBDPE诱导生精障碍的潜在介质。对这些基因进行蛋白质-蛋白质互作网络分析，发现它们之间存在复杂的相互作用。进一步的基因本体和京都基因与基因组百科全书通路富集分析显示，这些基因显著富集于HIF-1信号通路和缝隙连接通路，提示这两条通路可能在DBDPE的生殖毒性中扮演关键角色。
3.4. Identification of core target genes through machine learning algorithms
为了从33个候选基因中进一步提炼出最关键的靶点，研究者采用了三种机器学习算法进行筛选。弹性网络回归初步筛选出11个基因，支持向量机递归特征消除算法将其缩减至5个，随机森林算法则识别出6个特征基因。最终，取三种算法的交集，确定了五个核心基因：ASGR1、WDR5、PFKP、PRKACG和AURKC。数据分析表明，这五个基因在NOA患者中均显著下调。
3.5. SHAP explanatory analysis
为了评估模型的可靠性和解释性，研究者构建了九种机器学习模型，均显示出优异的诊断性能。其中随机森林模型表现最佳。通过SHAP可解释性分析量化各基因对模型预测的贡献，发现WDR5的贡献度最高，表明其在区分患者与健康对照中可能具有最重要的影响。
3.6. Construction and evaluation of the LR model
基于五个核心基因，研究者构建了一个逻辑回归诊断模型。该模型在训练集和独立验证集中均表现出极高的诊断准确性，其受试者工作特征曲线下面积分别达到0.986和0.935。决策曲线分析也证实了该模型具有良好的临床净获益。这五个基因的组合显示出作为NOA诊断生物标志物的潜力。
3.7. Molecular docking
为了从结构上验证DBDPE与核心靶点相互作用的可能性，研究者进行了分子对接模拟。结果显示，DBDPE与五个核心靶点蛋白（PRKACG、WDR5、AURKC、PFKP、ASGR1）均能稳定结合，结合能均低于-5 kcal/mol，其中与PRKACG的结合能最低（-8.3 kcal/mol）。这表明DBDPE在理论上可以直接与这些蛋白结合，从而可能干扰其正常功能。
3.8. DBDPE induced testicular damage and disrupted key targets of spermatogenesis
所有的计算预测最终都需要体内实验的验证。研究者建立了小鼠DBDPE暴露模型（0.5 mg/kg/天，持续12周）。组织病理学结果显示，暴露组小鼠睾丸生精小管结构遭到破坏，管腔扩张，生精上皮变薄且排列紊乱，生精细胞数量明显减少。计算机辅助精子分析表明，DBDPE暴露显著降低了精子浓度和活力。更重要的是，蛋白质免疫印迹实验证实，暴露组小鼠睾丸组织中五个核心靶点蛋白（PRKACG, WDR5, AURKC, PFKP, ASGR1）的表达水平均显著下调。这些结果完美验证了前期的生物信息学预测。
3.9. Proposed the adverse outcome pathway
基于所有研究证据，研究者提出了一个描述DBDPE诱导生精障碍的“不良结局通路”框架。该框架指出，DBDPE暴露通过与ASGR1、WDR5、PFKP、PRKACG、AURKC等核心蛋白相互作用，扰乱HIF-1信号通路和缝隙连接等关键细胞过程，进而导致睾丸结构损伤和精子发生障碍。
本研究通过整合网络毒理学、机器学习和体内实验，首次系统阐明了新型溴代阻燃剂DBDPE诱导生精障碍的分子机制。研究不仅发现HIF-1信号通路和缝隙连接通路是DBDPE生殖毒性的关键扰动通路，更重要的是鉴定出ASGR1、WDR5、PFKP、PRKACG和AURKC这五个核心靶点基因。分子对接证实了DBDPE与这些靶点具有稳定的结合潜力，而小鼠体内实验则直接验证了DBDPE暴露会导致睾丸损伤、精子质量下降以及这五个核心蛋白的表达下调。研究者进一步构建了基于这五个基因的高精度诊断模型，并提出了一个从分子起始事件到不良结局的完整通路框架。
这项研究的意义重大。首先，它深入揭示了DBDPE作为一种新兴环境污染物损害男性生殖健康的潜在分子机制，填补了该领域的研究空白。其次，研究所鉴定的核心靶点和通路，为未来开发针对DBDPE生殖毒性的干预策略或生物标志物提供了新的靶标和思路。最后，该研究强调了在评估和监管新型溴代阻燃剂时，除了关注其环境持久性，还必须高度重视其对人类生殖系统的潜在长期风险。研究结果呼吁需要更严格的环境监测和更全面的健康风险评估，以应对日益增多的“ regrettable substitution”问题，从而更好地保障男性生育力，维护公共生殖健康。
