機械学習と有害な結果の経路の枠組みを統合することによって,腸の幹細胞の微分化不均衡に対する液晶モノメアの影響に関する機械的洞察

科学分野:

• 環境 健康
• 毒理学について
• 胃腸内科

背景:

• 液晶単体 (LCM) の世界的な生産は増加しています.
• LCMに関連する環境と健康上のリスクは十分に理解されていません.
• LCMの毒性を評価することは,リスク評価に不可欠です.

研究 の 目的:

• LCMの混合物と個々の成分が腸内オルガノイドに及ぼす毒性の評価
• 腸内毒性を引き起こす特定のLCMを特定する.
• LCM誘発性腸内毒性の背後にある分子メカニズムを明らかにする.

主な方法:

• インビトロリスク評価のためにヒト腸内オルガノイドモデルを使用した.
• LCMの有毒成分を予測する機械学習モデルを適用した.
• 毒性経路を特定するために,有害結果経路 (AOP) フレームワークを使用した.
• 遺伝子発現データ (GEOデータセット) を分子シグネチャーアライメントのために分析した.

主要な成果:

• LCM混合物への曝露は,オーガノイドの膨張を阻害し,異常な暗号の分岐を引き起こした.
• 4つの機械学習モデルは,腸内毒性の重要な要因として4-シアノ-4'-エトキシビフェニル (EBCN) を特定しました.
• EBCNの曝露だけで細胞活性が低下し,腸のバリア機能が低下し,幹細胞ホメオスタシスが破壊された.
• 炎症性腸疾患の患者のサインを反映したEBCNにさらされたオルガノイドにおけるOLFM4の発現が上昇した.
• AOPの枠組みでは,免疫抑制がEBCN毒性を媒介する,補足成分C3を初期イベントとして特定した.

結論:

• LCM,特にEBCNは,腸の生理に重大な悪影響を及ぼします.
• この研究は,LCMとその成分に関する包括的な健康リスク評価の必要性を強調しています.
• オルガノイドモデルとAOPフレームワークは,化学物質の毒性を評価するための貴重なツールです.