揭示空气中微塑料的系统影响:将呼吸学和机器学习与双组织转录学相结合

科学领域:

• 环境健康 环境健康
• 毒理学 毒理学 毒理学
• 生物标志物发现发现

背景情况:

• 空气中的微塑料 (MPs) 具有显著的吸入风险,但目前对MP诱导的健康影响的检测方法不足.
• 评估微塑料暴露对肺和心脏等器官的系统影响需要创新的,非侵入性的技术.

研究的目的:

• 开发一种使用呼吸学和转录学评估微塑料诱导的肺和心脏损伤的非侵入性方法.
• 在呼出的呼吸中识别特定的挥发性有机化合物 (VOC) 生物标志物,这表明了微塑料的暴露.

主要方法:

• 暴露C57BL/6小鼠不同尺寸的聚烯微塑料 (0.1微米,2微米,10微米).
• 使用光诱导的关联性离子化飞行时间质谱法对呼出的挥发性有机化合物 (VOC) 进行分析.
• 整合机器学习用于VOC生物标记物识别,并对肺和心脏组织进行转录组分析.

主要成果:

• 机器学习确定了与微塑料暴露相关的特定VOCs (硫化,乙,烯,烯,烯,烯).
• 转录组分析揭示了与免疫失调,代谢障碍和心脏功能障碍相关的基因表达的显著改变.
• 组织学和免疫组织化学验证证了肺炎和心脏损伤.

结论:

• 呼吸学和转录学的整合提供了一种新的,非侵入性的方法来评估微塑料诱导的健康影响.
• 已识别的挥发性有机化合物作为有前途的生物标志物,用于早期检测和与微塑料相关的呼吸道和心脏问题的公共卫生监测.