通过内分泌增强减少的人类转录组选内分泌破坏性化学物质的新方法

科学领域:

• 毒理学 毒理学 毒理学
• 基因组学就是基因组学.
• 计算生物学 计算生物学

背景情况:

• 内分泌干扰化学物质 (EDCs) 通过干扰激素通路而构成风险.
• 传统的体外查需要多个生物测试来进行全面的EDC评估.
• 需要有效的高通量方法来识别EDC并了解它们的机制.

研究的目的:

• 开发和验证用于EDC查的内分泌增强减少人体转录组 (ERHT) 方法.
• 利用机器学习来分析转录组配置文件和识别化学诱导路径反应.
• 评估ERHT在EDC分类和验证中的性能和稳定性.

主要方法:

• 基于1200个优先基因开发的ERHT,涵盖110个内分泌相关途径.
• 使用机器学习对1068个剂量依赖的转录组概况进行EDC分类.
• 量化化学诱导的关键通路反应,以提高识别准确度.
• 使用已知的EDC,非活性物质和外部数据集 (210种化学物质) 验证了ERHT.

主要成果:

• 在内部交叉验证中,ERHT表现出很好的分类性能,AUC为0.84±0.03.
• 对210种化学品的外部验证显示,外推精度超过80%.
• 路径响应在多个测序平台上一致,表明了稳定性.

结论:

• ERHT提供了一种可靠和有效的方法,用于对内分泌干扰化学物质进行高通量查.
• 这种方法通过路径分析,为EDC的综合性毒性机制提供了新的见解.
• 在毒理学查和风险评估方面,ERHT代表了重大进步.