《Journal of Hazardous Materials Advances》：Integrating population epidemiology and bioinformatics to decipher the hypertensive effects of per- and polyfluoroalkyl substances mixtures
编辑推荐：
本文综述了全氟及多氟烷基物质（PFAS）混合物暴露与高血压风险关联的前沿研究。通过整合人群流行病学与生物信息学分析，研究发现PFAS混合暴露与高血压风险呈正相关，尤其在≤65岁人群和女性中更显著。研究揭示了PFBS、PFHpA、PFNA和PFOS是关键贡献物，并识别出CYP3A4、MAPK1/3、AKT1等10个核心基因。机制研究表明，PFAS可能通过扰乱PI3K-Akt、MAPK信号通路及脂质代谢等途径诱发高血压。这项跨学科研究为理解环境污染物在高血压发生中的作用提供了新的机制见解。
整合人口流行病学与生物信息学解析PFAS混合物的高血压效应
高血压是全球主要的公共卫生挑战，是心血管疾病、慢性肾病和中风的重要可改变风险因素。新兴证据表明，广泛存在的环境污染物可能在扰乱血压调节中发挥重要作用，其中全氟及多氟烷基物质（PFAS）因其环境持久性、生物累积潜力和已证实的生物活性而备受关注。PFAS因其卓越的化学稳定性被广泛应用于灭火泡沫、不粘涂层等工业领域。由于长链PFAS（如PFOA）的生物累积潜力和多代毒性，正被GenX、F-53B等短链替代品所取代。这些物质通过消化系统进入人体，但其与高血压关系的流行病学研究结果尚不一致，且对复杂混合物效应及其生物学机制的理解仍有限。
为克服单一污染物模型和单一统计框架的局限，一项研究构建了一个循序渐进的证据链。该研究首先通过流行病学调查评估PFAS混合暴露对高血压风险的影响，随后利用生物信息学工具阐明其潜在的分子机制，确保了机制分析与流行病学发现直接关联。
人群基础流行病学调查
该研究于2018年11月至2019年8月期间，采用整群随机抽样方法，从中国广州市的三个行政区招募了1312名成年人作为最终分析样本。研究人员测量了参与者血清中26种PFAS及其替代品的浓度，并根据中国高血压防治指南（2018年修订版）诊断高血压。
研究首先评估了参与者的基本特征。在1312名参与者中，平均年龄为55±15.3岁，60.7%为女性，高血压患病率为27.2%。与无高血压的参与者相比，高血压患者年龄更大，体重指数（BMI）更高，教育水平更低。此外，高血压患者血清中多种PFAS（如PFOA、PFNA、PFBS、PFOS、6:2 Cl-PFESA等）的中位浓度显著更高。
为了从高维暴露中筛选出重要变量，研究系统评估了六种机器学习算法。随机森林（RF）模型表现最佳，其曲线下面积（AUC）值最高（0.776）。基于基尼平均减少度，模型筛选出与高血压关联最重要的10种污染物，包括6:2 Cl-PFESA、PFHpS、PFHxS、PFHpA、8:2 Cl-PFESA、PFOS、PFNA、PFBS、PFTrDA和PFOA。自助重采样分析证实了这10种污染物重要性排名的稳健性。
在单一污染物分析中，限制性立方样条模型揭示了大多数PFAS与高血压比值之间显著的正向暴露-反应关系。与最低暴露四分位数相比，PFHpA、PFBS、PFHpS、PFOS和6:2 Cl-PFESA的最高暴露四分位数均与高血压风险显著增加相关。
为了评估PFAS混合物的综合效应，研究采用了贝叶斯核机器回归和加权分位数和回归模型。BKMR模型显示，在完全调整协变量后，PFAS混合物暴露与高血压风险增加呈显著正相关，并观察到单调的剂量-反应关系。后验包含概率表明PFBS在联合关联中贡献最大。WQS回归进一步将PFBS确定为主要贡献者，其次为PFHpA、PFNA和PFOS。值得注意的是，这三种分析方法解决不同的推论问题——随机森林量化高维暴露的边际判别重要性，BKMR表征具有非线性的整体混合物效应，WQS估计混合物内的条件贡献——因此它们的化合物排名并非完全一致。
分层分析揭示了不同人群的易感性差异。在年龄分层模型中，观察到污染物混合物与≤65岁参与者的高血压比值呈正相关，而在>65岁的参与者中未观察到关联。在性别分层模型中，发现污染物混合物与女性的高血压比值呈正相关，但与男性无关。交互作用检验表明，年龄和性别与PFAS混合物对高血压风险的影响存在显著交互作用。使用WQS回归进行的分析也得出一致结果。这些差异可能归因于老年人更频繁地使用降压药、更复杂的共病，以及女性可能存在的激素因素（如PFAS与雌激素通路的相互作用）影响。
生物信息学机制探索
为阐明PFAS暴露与高血压关联的分子机制，研究对流行病学分析中确定的四个高权重PFAS（PFBS、PFHpA、PFNA、PFOS）进行了毒理基因组生物信息学分析。
通过查询比较毒理学数据库，获得了这四种PFAS相关的潜在靶基因。同时，从基因表达综合数据库、GeneCards和CTD中系统检索了高血压相关基因。韦恩图分析揭示了PFAS暴露与高血压基因集之间存在141个重叠基因，这些共同靶点可能作为PFAS相关高血压发病机制的潜在分子连接点。
对这141个靶基因进行通路富集分析。京都基因与基因组百科全书通路分析显示，与PFAS相关高血压最显著富集的通路包括脂质与动脉粥样硬化、乙型肝炎、糖尿病并发症中的AGE-RAGE信号通路、人巨细胞病毒感染、流体剪切应力与动脉粥样硬化、PI3K-Akt信号通路、卡波西肉瘤相关疱疹病毒感染、丙型肝炎、非酒精性脂肪肝病以及MAPK信号通路等。基因本体富集分析表明，这些共同靶点在生物过程方面主要富集于对外源性刺激、营养水平和氧化应激的反应；在细胞组分方面，主要富集于膜筏、膜微区和细胞膜穴样内陷；在分子功能方面，则富集于RNA聚合酶II特异性DNA结合转录因子结合等功能。
为了厘清PFAS暴露与高血压病理学之间的分子连接，研究利用STRING数据库构建了蛋白质-蛋白质相互作用网络。该网络包含139个节点，由264条边连接。通过Cytoscape软件的CytoHubba插件应用最大团中心性算法，识别出得分最高的前10个枢纽基因，分别为CYP3A4、CYP1A1、CYP2E1、CYP1A2、EPHX1、MAPK3、MAPK1、CREB1、AKT1和TP53。这些枢纽基因参与了与外源性物质代谢、信号转导和转录调控等多种与高血压风险相关的生物过程。
PFAS相关高血压的潜在分子机制
生物信息学分析为PFAS混合物暴露导致高血压的潜在机制提供了多层次、相互关联的假设框架。
细胞色素P450酶介导的代谢紊乱被认为是关键机制之一。CYP3A4、CYP1A1、CYP2E1和CYP1A2等酶是外源性物质代谢的核心。研究表明，PFAS暴露可改变这些酶的活性。一方面，PFAS激活的CYP1A1可产生过量的活性氧，这是高血压的病理标志之一。另一方面，CYP1A和CYP2E亚家族能将花生四烯酸代谢为具有血管扩张、抗炎和抗凋亡作用的环氧二十碳三烯酸。而枢纽基因EPHX1作为一种可溶性环氧化物水解酶，能与CYP450酶家族相互作用，并将具有血管活性的EETs生物转化为生物活性较低的二羟二十碳三烯酸，从而降低其血管保护作用。
研究还揭示了PI3K-Akt和MAPK信号通路的核心作用及其交叉对话。在PPI网络中，AKT1和TP53在PI3K-Akt通路内存在关键相互作用。AKT1的上调可促进血管平滑肌细胞的病理性肥大、增殖和收缩力增加，直接增加血管张力和外周阻力。尽管TP53可能减轻AKT1介导的VSMCs过度生长，但其过表达会诱导内皮细胞凋亡，通过损害血管舒张功能并维持血管微环境中的促炎和促血栓状态，从而加重内皮功能障碍。慢性的PI3K-Akt过度激活与持续的血管炎症及异常的细胞迁移和增殖相关，在高血压进展中形成前馈循环。
同时，MAPK信号通路的失调，特别是MAPK1和MAPK3的持续激活，会导致血管功能障碍和重塑。血管紧张素II、内皮素-1和氧化应激等病理刺激会导致VSMCs中MAPK1/3的持续磷酸化，从而驱动肥大、表型转换、收缩力增加和外周血管阻力升高。值得注意的是，CREB1作为PI3K-Akt和MAPK交叉对话的关键节点。在生理条件下，CREB1通过平衡的转录调控维持血管完整性。然而，通过PI3K-Akt/MAPK的双通路过度激活，会将CREB1的活性转向上调血管收缩介质、促炎细胞因子和细胞外基质调节剂的病理转录。这种转录重编程维持了内皮损伤和动脉重塑，从而加速高血压的发展。PI3K-Akt、MAPK和CREB1信号通路之间的交互作用表明，多靶点的预防性调节对于阻断这种自我放大的致病级联反应至关重要。
需要特别指出的是，随机森林分析将6:2 Cl-PFESA列为重要性最高的化合物，这提示氯代多氟醚磺酸可能存在独特的毒效动力学机制。与全氟羧酸和全氟磺酸不同，Cl-PFESAs在其碳主链中包含一个醚键、末端碳上的氯取代以及更短的全氟化链，这些结构特征显著改变了其蛋白质结合亲和力、膜分配和代谢敏感性。动物证据表明，6:2 Cl-PFESA优先与PPAR-γ结合，其结合亲和力高于PFOS，提示其脂质代谢紊乱可能通过PPAR-γ主导而非PPAR-α主导的通路发挥作用。此外，F-53B已被证明可在神经元和肾细胞中诱导线粒体ROS产生并损害线粒体氧化磷酸化，其通过可能导致氧化应激的机制可能与传统PFAS不同。这些发现共同表明，Cl-PFESAs可能通过与传统PFAS不同的机制导致高血压，值得进一步的专门研究。
总结与展望
综上所述，这项研究首次将基于社区的人群流行病学与网络毒理学数据库全面整合，系统调查了PFAS（包括新兴PFAS替代品）暴露与普通人群高血压风险之间的关联。多模态分析框架提供了三方面主要贡献：通过计算毒理学为PFAS相关高血压提供了新的机制见解；采用六种算法进行暴露-结局关联的深入筛选；并利用现代混合物分析方法展示了暴露-反应关系。
研究发现，PFAS单一化合物、替代品及其混合物的暴露均与高血压风险呈显著正相关，尤其是在≤65岁个体和女性中。生物信息学分析进一步识别出10个核心基因，包括CYP3A4、CYP1A1、CYP2E1、CYP1A2、EPHX1、MAPK3、MAPK1、CREB1、AKT1和TP53。这些基因主要参与脂质代谢与动脉粥样硬化通路、糖尿病并发症中的AGE-RAGE信号通路以及PI3K-Akt、MAPK和CREB1信号轴。这些发现为环境健康干预提供了机制依据。
然而，该研究也存在一些局限性。横断面设计本身无法推断PFAS暴露与高血压风险之间的因果关系。尽管机器学习方法识别出了稳健的关联，但仍需具有重复测量的前瞻性队列研究来建立时间关系。参与者的地域来源可能限制研究结果对其他地理人群的普遍适用性。此外，网络毒理学分析所识别的生物通路本质上是推测性的，需要针对性的体外和体内实验研究以及蛋白质组学验证加以证实。
未来研究需要在不同种族和地区人群中进行大规模验证，并结合实验研究深入探索PFBS、PFHpA等关键贡献物的具体作用机制，特别是新兴替代品与传统PFAS在致病通路上可能存在的异同，从而为制定针对性的环境健康政策和高血压预防策略提供更坚实的科学基础。
