整合机器学习和分子动力学模拟来破译二氧化相关脂肪肉瘤的分子网络

科学领域:

• 毒理学 毒理学 毒理学
• 在瘤学瘤学.
• 分子生物学分子生物学

背景情况:

• 包括2,3,7,8-Tetrachlorodibenzo-p-dioxin (TCDD) 在内的二氧化类污染物是已知的人类致癌物.
• 追溯研究表明,二氧化碳暴露与软组织肉瘤,特别是脂肪肉瘤之间存在相关性,但基本机制尚不清楚.

研究的目的:

• 调查二氧化对脂质瘤的毒理影响.
• 为了确定涉及于二氧化碳诱导的脂肪肉瘤的关键蛋白质.
• 为二氧化相关性脂肪肉瘤提出潜在的治疗策略.

主要方法:

• 利用数据库来识别二氧化和脂肉瘤的目标.
• 采用缩分析和网络毒理学来分析目标重叠.
• 使用表型数据,临床信息,机器学习模型,分子对接和药物实验的验证结果.

主要成果:

• TCDD通过异生生物反应途径,代谢干扰和癌症受体相互作用来调节脂肪细胞恶性瘤.
• 基碳化合物受体 (AhR) 部分调解这些毒性作用.
• 五种关键蛋白质 (CDH3,ADORA2B,MMP14,IP6K2,HTR2A) 被确定为与二氧化相关的脂肪瘤发展的预测因子.
• 素是一种HTR2A抗剂,显示出减轻二氧化毒性作用的潜力.

结论:

• 网络毒理学为毒理学分析提供了一种高效且具有成本效益的方法.
• 这项研究为二氧化相关脂肪瘤的机制提供了新的见解.
• 确定了关键的蛋白质生物标记物和与二氧化物相关的脂肪肉瘤的潜在治疗剂 (ketanserin).