基于多组学整合分析构建苯并[a]芘与尼古丁暴露相关宫颈癌的多指标风险预测模型

本研究针对烟草相关化合物苯并[a]芘(BaP)和尼古丁与宫颈癌的分子关联机制不明的问题，通过整合毒理学分析、多组学数据和机器学习算法，构建了包含9个关键靶基因(SLAMF6/SELP/CXCL3等)的风险预测模型。研究揭示了BaP通过结合SLAMF6蛋白促进宫颈癌进展的分子机制，发现高风险组患者免疫微环境显著抑制，并筛选出tipifarnib-P1等潜在治疗药物。该成果为宫颈癌的精准预防和个体化治疗提供了新靶点，发表于环境毒理学权威期刊《Ecotoxicology and Environmental Safety》。

宫颈癌作为全球女性第四大恶性肿瘤，每年导致超过34万人死亡，其发病机制除HPV感染外，环境因素特别是烟草暴露的作用日益受到关注。苯并[a]芘(Benzo[a]pyrene, BaP)和尼古丁作为烟草中的主要致癌成分，已被证实能通过诱导DNA损伤、促进细胞增殖等途径参与宫颈癌发生，但其分子机制尚未系统阐明。目前临床缺乏针对烟草暴露相关宫颈癌的特异性预测模型，且BaP/尼古丁与肿瘤微环境的交互作用研究存在空白。

为突破这些局限，研究团队整合TCGA和GEO数据库中294例宫颈癌样本的多组学数据，采用ChEMBL等数据库筛选出109个BaP/尼古丁与宫颈癌的共有靶基因。通过StepCox+Lasso等10种机器学习算法构建预后模型，最终锁定SLAMF6、SELP等9个核心基因。验证队列显示模型对1/3/5年生存率的AUC达0.78-0.82。分子动力学模拟发现BaP与SLAMF6结合能低至-61.752 kJ/mol，实验证实BaP处理可上调宫颈癌细胞SLAMF6表达。

主要技术方法包括：基于TCGA-CESC和GSE44001队列的转录组数据分析；采用AutoDock和GROMACS进行100 ns分子动力学模拟；通过ESTIMATE算法评估免疫浸润；利用CTRP/PRISM数据库筛选敏感药物；采用孟德尔随机化(MR)分析基因与疾病的因果关系。

3.1 靶基因网络与蛋白互作分析

通过STITCH等数据库筛选682个化合物相关基因与1451个宫颈癌基因，发现109个交集基因。PPI网络显示SLAMF6与CXCL3等存在显著互作，提示协同致癌可能。

3.2 风险预测模型构建

机器学习筛选出包含AIG1、YKT6等9基因的模型，高风险组患者中位生存期显著缩短(HR>1, P<0.001)。列线图整合临床特征后预测3年生存率的AUC达0.78。

3.5 功能富集分析

低风险组糖酵解和缺氧通路激活，而高风险组同种异体移植排斥反应通路富集。CNV分析显示SLAMF6在肿瘤中拷贝数显著扩增。

3.6 肿瘤免疫微环境特征

高风险组ESTIMATE评分降低50%，CD8⁺ T细胞浸润减少。免疫治疗响应分析显示低风险组对PD-1抑制剂敏感性更高(IPS评分P<0.01)。

3.8 分子对接验证

BaP与SLAMF6的RMSD稳定在8.9 Å，关键结合残基为LEU20和PHE22。MR分析证实SLAMF6表达与宫颈癌风险正相关(OR>1)。

3.10 关键基因实验验证

qPCR显示BaP处理使HeLa细胞SLAMF6表达上调2.3倍(P<0.01)，Western blot验证蛋白水平变化。

讨论部分指出，该研究首次系统揭示BaP通过SLAMF6调控宫颈癌进展的分子机制，创新性地整合多组学与动力学模拟技术。发现的9基因标记不仅能预测预后，还为免疫治疗分层提供依据。局限性在于缺乏HPV分型数据，且药物敏感性需体内实验验证。这些发现为环境致癌物相关宫颈癌的早期预警和精准干预提供了重要理论支撑，强调控烟在宫颈癌一级预防中的关键作用。