糖尿病是一種以慢性高血糖為特征的代謝紊亂，已成為全球主要的公共衛生問題。糖尿病微血管病（DMiVD）是糖尿病的常見并發癥，主要包括糖尿病腎?。?span>DKD）、糖尿病視網膜病變（DR）和糖尿病周圍神經病變（DSPN）。內分泌干擾化學物質（EDC）是干擾內源性激素的合成、分泌、運輸、結合、作用或消除的外源性物質，研究發現EDC暴露與DMiVD致病機制密切相關。為探討內EDC如何導致糖尿病微血管疾病。

         本研究使用PubChem、ProTox 3.0和ChEMBL評估內分泌干擾化學毒性。通過SwissTargetPrediction和Similarity Ensemble方法確定相關的EDC靶點。從CTD、GeneCards和OMIM中檢索糖尿病微血管疾?。ㄌ悄虿∧I病、視網膜病變和感覺多發性神經?。┑幕虬悬c。通過交叉EDC和疾病相關靶點來確定候選靶點。使用STRING建立PPI網絡來識別樞紐基因。通過Metascape進行功能富集分析。使用Discovery Studio和CDOCKER進行EDC化合物與中心靶點的分子對接。分別在DKD、DR和DSPN中確定了843、474和623個潛在毒性靶點。KEGG通路分析將DKD中EDC毒性與癌癥、趨化因子信號傳導等關鍵通路聯系起來，樞紐靶點包括EGFR、ALB、MYC、ESR1和HSP90AA1。DR與MAPK、ERBB、NOD樣受體信號傳導和腎細胞癌通路相關，ALB、EGFR、MYC、BCL2和CD4被確定為樞紐靶點。DSPN中EDC可能影響趨化因子、細胞凋亡、VEGF和JAK-STAT信號通路，其中ALB、EGFR、MYC、ESR1和BCL2是樞紐靶點。分子對接證實了EDC組分與樞紐靶點之間的強結合活性。為確定EDC參與糖尿病微血管疾病的毒性靶點和機制提供理論基礎。

         該研究于2025年4月發表在《International journal of surgery》，IF：12.5。

技術路線

主要研究結果

1. EDC對DKD的影響

         使用SwissTargetPrediction和SEA數據庫預測了12個主要EDC的靶點。合并和去除重復后，鑒定出1,486個獨特的EDC相關靶點。從CTD、GeneCards和OMIM檢索DKD相關基因靶點，過濾后產生9,999個獨特靶點。使用Venny2.1.0，鑒定出843個重疊靶點（圖1A），代表潛在的有毒靶點，通過這些靶點，EDC可能有助于DKD發病機制。為了分析這些共同靶點，通過將843個共享靶點導入STRING數據庫（圖1B）構建PPI網絡，參數設置為“多種蛋白質”，智人和高置信度最小相互作用分數。這導致了一個由829個節點和13,999個邊緣組成的網絡（圖1C），突出了EDC相關毒性靶點和DKD病理生理學之間的復雜相互作用。由于PPI網絡中的蛋白質相互作用，它被表示為無向圖。高密度區域或模塊是具有生物學意義的集群。為進一步研究EDC誘導的DKD毒性機制，將網絡導入CytoScape3.9.0，其中使用MCODE和CytoHubba插件進行聚類分析。根據度值確定了前10個中心靶標（圖1D），因為這些可能在EDC誘導的DKD毒性中發揮關鍵作用。

         使用Metascape平臺，對與EDC誘導的DKD毒性相關的843個候選靶點進行了GO和KEGG通路富集分析。GO分析顯示，就BP而言，候選靶點主要參與穩態、凋亡和脂質代謝，而在CC中，它們主要與突觸、質膜區域和細胞表面相關。關于MF，這些靶點主要與酶結合、激酶活性和腺苷核苷酸結合有關。KEGG通路富集分析確定了基于P值的前10條通路，其中最重要的是癌癥、趨化因子信號、凋亡、鈣信號和通過細胞色素P450進行藥物代謝的通路。這些結果為EDC促進DKD毒性的潛在機制提供了有價值的見解，突出了疾病進展中涉及的關鍵生物學過程和途徑。

         分子對接熱圖結果顯示，EDC與前五名樞紐靶標（圖2A）具有很強的結合親和力，包括EGFR（PDB ID：4Z21）、ALB（PDB ID：6M4R）、MYC（PDB ID：8X8S）、ESR1（PDB ID：6V8T）和HSP90AA1（PDB ID：4L90）。選擇結合能最低的前六名分子對接結果使用PyMOL進行可視化。值得注意的是，蒽和EGFR之間的相互作用涉及G465、D555和A444殘基，而苯并吩與ALB的THR-435、LEU-434、HIS-93、PRO-213和GLY-216殘基相互作用。DEHP與MYC的GLN-169殘基結合，PFOA與ESR1的GLY-465殘基相互作用，三氯生與ALB的GLY-467殘基相互作用（圖2B）。在GSE30528數據集中，與EDC誘導的DKD毒性相關的樞紐靶點的PCA分析顯示正常組和DKD組之間有明顯區別，PCA1解釋了25.99%的方差，PCA2占15.21%。DKD中EGFR、ALB和MYC下調，而ESR1和HSP90AA1上調，盡管差異沒有統計學意義（圖2C）。

圖1：EDC與DKD的關聯分析

圖2：12種EDC與DKD樞紐靶點的分子對接

2. EDC對DR的影響

         從CTD、GeneCards和OMIM數據庫共檢索到6,276個DR相關基因靶點。Venny2.1.0確定了EDC-相關和DR相關靶點之間的474個重疊靶點（圖3A），代表了EDC促進DR的潛在機制。通過將474個重疊靶點導入STRING數據庫（圖3B）構建PPI網絡，參數設置為“多種蛋白質”、智人和“高置信度”交互分數。這導致了一個由465個節點和6,519個邊緣組成的網絡（圖3C），突出了EDC相關毒性靶點與DR病理生理學之間的復雜相互作用。根據度值選擇了前10個樞紐靶點（圖3D），因為它們有望在EDC誘導的DR毒性中發揮關鍵作用。

         使用Metascape平臺，對與EDC誘導DR毒性相關的474個候選靶點進行了GO和KEGG通路富集分析。GO分析顯示，在BP中，靶點主要參與凋亡、調節細胞死亡和信號轉導的正向調節（圖3E）。在CC中，它們與分泌囊泡、外部包囊結構和膜側相關聯（圖3F）。在MF中，它們與相同的蛋白質結合、蛋白酶結合和過渡金屬離子結合相關聯（圖3G）。KEGG通路分析根據P值確定了前10條通路，其中顯著的包括MAPK、ERBB、NOD樣受體信號轉導和腎細胞癌通路（圖3H）。這些結果為EDC促進DR毒性的機制提供了見解，強調了疾病進展中涉及的關鍵生物過程和途徑。分子對接熱圖結果顯示，EDC與前五名中心靶點具有很強的結合親和力（圖4A），包括ALB（PDB ID：6M4R）、EGFR（PDB ID：4Z21）、MYC（PDB ID：8X8S）、BCL2（PDB ID：6MBE）和CD4（PDB ID：7DPO）。使用PyMOL可視化了結合能最低的前六個分子對接結果。值得注意的是，蒽與BCL2的ILE-130和ASP-129殘基相互作用，DBP與BCL2的ASN-316殘基結合，PFOA與EGFR的ASN-183、LYS-207、ARG-206、THR-177、HIS-244、TYR-184和GLY-153殘基相互作用。此外，PFOA與MYC的G491、D547和R330殘基相互作用。二嗪農與ALB的ALA-424和VAL-373殘基相互作用，而多氯聯苯與ALB的GLU-546和HIS-577殘基相互作用（圖4B）。

         在GSE60439數據集中，PCA分析顯示正常組和DR組之間有明顯的分離，PCA1解釋43.39%，PCA2解釋13.93%的方差。在DR患者中，ALB、EGFR、MYC、BCL2和CD4上調，盡管沒有統計學意義（圖4C）。

圖3：EDC與DR之間的關聯分析

圖4：12種EDC與DR樞紐靶點的分子對接

3. EDC對DSPN的影響

         從CTD、GeneCards和OMIM數據庫中收集與DSPN相關的基因靶點。過濾和去除重復后，鑒定出7,483個相關基因靶點。Venny2.1.0分析顯示623個常見靶點（圖5A），預測為通過EDC暴露潛在有助于DSPN發病機制的毒性靶點。通過將623個重疊靶點導入STRING數據庫（圖5B）構建PPI網絡，設置為“多種蛋白質”、智人和“高置信度”以獲得最小交互評分。該分析生成了一個具有613個節點和9,241個邊緣的網絡（圖5C），說明了EDC相關毒性靶點與DSPN病理生理學之間的復雜相互作用。根據度值，選擇了前10個中心靶標（圖5D），預計在EDC誘導的DSPN毒性進展中發揮關鍵作用。

         Metascape平臺對DSPN中與EDC毒性相關的623個候選靶點進行了GO和KEGG分析。GO分析顯示，這些靶點主要參與穩態、對氧化合物的反應和凋亡（BP）；質膜、細胞表面和突觸（CC）；以及酶結合、蛋白質結合和核苷酸結合（MF）。KEGG分析揭示了趨化因子信號傳導、細胞凋亡、ERBB、VEGF、JAK-STAT和II型糖尿病等頂級途徑。這些發現為與DSPN毒性相關的生物過程和途徑提供了見解。分子對接熱圖顯示EDC與前五個中心靶標之間具有很強的結合親和力：ALB（PDB ID：6M4R）、EGFR（PDB ID：4Z21）、MYC（PDB ID：8X8S）、ESR1（PDB ID：7UJW）和BCL2（PDB ID：6RJP）（圖6A）。使用PyMOL可視化了六種最低的結合能相互作用。草甘膦與ALB的GLY-945和ASP-946相互作用，DEHP與EGFR在GLU-852、TYR-210、CYS-863和LEU-864處結合。PFOA與EGFR的VAL-1941結合，Diazinon與LYS-1960和VAL-1941處的ALB相互作用，三氯生與ALB的ILE-1787和ESR1的LEU-95、HIS-96結合（圖6B）。

         與EDC誘導的DSPN毒性相關的樞紐靶點在前兩節中得到驗證。在GSE95849數據集中，PCA分析顯示正常組和DSPN組之間有明顯區別，PCA1占24.16%，PCA2占17.60%的方差。DSPN患者中EGFR上調，但不顯著。ALB和ESR1下調，而MYC和BCL2上調，差異顯著（P<0.05）（圖6C）。

圖5：EDC與DSPN的關聯分析

圖6：12種EDC與DSPN樞紐靶點的分子對接

結論

         這項研究整合了網絡毒理學、分子對接和生物信息學來推進EDC的研究。它為EDC在DmiVD（DKD、DR和DSPN）發展中的致病機制提供了新的見解。未來針對EDC的策略，如開發消除EDC或抑制其影響的藥物，可能為預防和治療DmiVD（DKD、DR和DSPN）提供新的方法。

實驗方法

         EDC毒性驗證；檢索EDC目標；DMiVD相關基因靶標的檢索；EDC與DMiVD共同靶點的識別；PPI網絡的構建；GO生物過程和KEGG途徑富集分析；分子對接分析；數據庫中驗證樞紐基因表達

參考文獻

         Song S, Huang L, Zhou X, Yu J. Exploring the toxicological network in diabetic microvascular disease: The Role of Endocrine Disrupting Chemicals. Int J Surg. Published online April 11, 2025. doi:10.1097/JS9.0000000000002394. IF: 12.5 Q1.