机器学习辅助的3D动态SERS策略用于生理测绘:环境维度老化的纳米塑料和相应的蛋白质冠状病毒复合物的生物毒性
Ruili Li1, Yuyang Hu1, Xiaotong Sun1
1College of Chemistry and Chemical Engineering, Central South University, Changsha 410083, China.
Analytical chemistry
|October 9, 2024
概括
老化纳米塑料 (NP) 和它们的蛋白质相互作用对健康构成风险. 使用机器学习的新3D动态SERS策略揭示了老化的NP及其蛋白质冠状体如何诱导细胞死亡,特别是铁亡.
科学领域:
- 环境科学 环境科学
- 毒理学 毒理学 毒理学
- 生物化学 生物化学
背景情况:
- 纳米塑料 (NP) 是普遍存在的环境污染物,对人类暴露的担忧越来越大.
- 在NP上,衰老过程和蛋白质冠状形成显著改变了它们的毒性.
- 目前的细胞毒性测定缺乏时间分辨率和分子细节,以充分评估NP影响.
研究的目的:
- 开发和验证一种用于分析NP诱导的分子水平细胞反应的新方法.
- 为了比较原始NP,老化的NP (aNP) 和aNP与蛋白质冠状 (aNPs-蛋白质冠状) 的细胞毒性.
- 研究环境衰老对NP毒性和细胞死亡途径的影响.
主要方法:
- 整合3D动态表面增强拉曼散射 (3D DSS) 与机器学习算法.
- 从常见聚合物 (PS,PVC,PMMA,PC) 和它们的老化对应物中制备和表征NP.
- 对暴露于各种NP类型的人类肝细胞细胞分泌中的分子变化的分析.
主要成果:
- 紫外线诱导的NP衰老增加了细胞对铁亡的敏感性和整体细胞毒性.
- 陈旧的NP上的蛋白质冠状体显著减轻了毒性,减少了类似于ferroptosis的分子特征.
- 3D DSS-ML方法有效地根据NP类型和衰老状态区分了生物反应.
结论:
- 环境老化和蛋白质冠状形成是调节NP生物毒性的关键因素.
- 使用机器学习开发的3D DSS为NP毒理学的分子水平评估提供了强大的工具.
- 这项研究提供了各种NP类型,老年NP及其在人肝细胞中的蛋白质冠冕的全面比较.
