使用转录学数据和不良结果路径网络来探索和PCB-126的内分泌干扰性质

科学领域:

• 毒基因组学和环境健康
• 内分泌干扰和风险评估
• 负面结果路径 (AOPs) 框架

背景情况:

• 像转录组学这样的omics技术提供了对毒性的洞察力,但将这些数据集成到监管框架中是具有挑战性的.
• 目前对内分泌干扰物 (ED) 的评估很大程度上依赖于动物研究,需要使用替代方法和改进的风险评估策略.
• 在欧盟,确定EDs是首要任务,同时减少和取代动物试验.

研究的目的:

• 利用不良结果途径 (AOPs) 整合转录学数据以识别EDs.
• 建立分子数据 (转录学) 和ED识别不利结果之间的联系.
• 评估AOP网络在整合RNA测序 (RNA-Seq) 数据中对监管毒理学的潜力.

主要方法:

• 为雌激素,雌激素,甲状腺和类固醇生成 (EATS) 模式构建AOP网络.
• 在暴露于 (Cd) 或PCB126.6的斑马鱼胚胎上进行RNA测序 (RNA-Seq).
• 通过基因本体学 (GO) 术语将RNA-Seq数据连接到AOP网络,使用丰富图和发明路径分析 (IPA).

主要成果:

• 对于Cd和PCB126.6来说,已经确定了与EATS相关的GO生物过程 (BP) 术语.
• 手动将GO BP条款映射到AOP网络中显示了更多的连接而不是数据驱动的方法,突出了AOP协调的必要性.
• 丰富地图和IPA结果支持了这两种模型化合物的潜在EATS相关影响.

结论:

• 对于将RNA-Seq数据整合到用于ED识别的毒性评估中,AOP网络显示出有前途.
• 在标准化AOP及其相关术语以实现无监管数据集成方面,仍然存在挑战.
• 需要进一步开发,以充分利用AOP框架内的转录组学数据,以进行可靠的健康风险评估.