多溴联苯醚内分泌干扰效应机制研究取得进展

简介: 郭良宏研究组在OH-PBDEs导致雌激素干扰效应的分子机制研究中取得进展。以往的研究发现OH-PBDEs与ER的结合能力比内源性雌激素E2低几个数量级,所以激活ER可能不是其产生雌激素效应的主要途径。

中国科学院生态环境研究中心环境化学与生态毒理学国家重点实验室郭良宏研究组在多溴联苯醚 (PBDEs) 内分泌干扰效应的机制研究中取得新进展,相关成果近日发表于国际期刊Environmental Health Perspectives (Cao et al. 2018)

PBDEs是一类在日常生活中广泛使用的溴代阻燃剂。环境流行病学研究揭示了人体PBDEs暴露与内分泌系统不良健康效应之间的密切相关性。动物实验表明PBDEs暴露可以导致甲状腺激素和雌激素相关的功能受到影响。然而,目前对于PBDEs产生内分泌干扰效应的毒性机制还不明确,对PBDEs在生物体内的作用靶分子、分子起始事件 (MIE) 和有害结局通路 (AOP) 还未完全揭示。

郭良宏研究组针对PBDEs的环境健康问题,从分子作用、细胞效应、细胞功能、计算模拟等不同层面,对PBDEs内分泌干扰的毒性机制进行了长期、系统的研究。针对甲状腺激素系统,该组研究了PBDEs的羟基化代谢产物OH-PBDEs与三种甲状腺激素转运蛋白 HSA,TTR和TBG的结合反应,以此评估污染物对体内甲状腺激素转运的潜在干扰效应 (Environ Sci Technol., 2012; J Am Soc Mass Spectrom., 2014)。还研究了OH-PBDEs与甲状腺激素核受体TR的结合反应,在细胞内对TR介导信号通路的激活效应,证实其可能通过激活TR对甲状腺系统产生干扰效应 (Toxicol Appl Pharmacol., 2013)。针对雌激素系统,该组研究了OH-PBDEs与雌激素核受体ER的结合反应,及在细胞内对ER信号通路的激活效应,揭示了OH-PBDEs可能通过激活ER产生雌激素干扰效应 (Toxicology, 2013)

近期,该研究组在OH-PBDEs导致雌激素干扰效应的分子机制研究中取得进展。以往的研究发现OH-PBDEs与ER的结合能力比内源性雌激素E2低几个数量级,所以激活ER可能不是其产生雌激素效应的主要途径。郭良宏组近期的研究工作首次发现OH-PBDEs能够与雌激素膜受体GPER结合,并激活GPER介导的信号通路,进而导致其所调控的细胞迁移功能的改变。实验结果证实OH-PBDEs可通过GPER介导的非基因通路产生快速的雌激素效应,而且产生效应的浓度比ER基因通路低100倍,最低浓度达到100 nM,与人体实际暴露水平接近。因此,GPER信号通路可能是OH-PBDEs在活体上产生雌激素效应的主要途径。

以上研究工作得到中科院先导专项B和国家基金委项目的资助。

image

OH-PBDEs通过GPER通路产生雌激素干扰效应

原文发布时间为:2018-08-02
本文来自云栖社区合作伙伴“中科院之声”,了解相关信息可以关注“中科院之声

相关文章
|
19天前
|
机器学习/深度学习 数据可视化 数据处理
构建可靠的时间序列预测模型:数据泄露检测、前瞻性偏差消除与因果关系验证
在时间序列分析中,数据泄露、前瞻性偏差和因果关系违反是三大常见且严重影响模型有效性的技术挑战。数据泄露指预测模型错误使用了未来信息,导致训练时表现优异但实际性能差;前瞻性偏差则是因获取未来数据而产生的系统性误差;因果关系违反则可能导致虚假相关性和误导性结论。通过严格的时序数据分割、特征工程规范化及因果分析方法(如格兰杰因果检验),可以有效防范这些问题,确保模型的可靠性和实用性。示例分析展示了日本天然气价格数据中的具体影响及防范措施。 [深入阅读](https://avoid.overfit.cn/post/122b36fdb8cb402f95cc5b6f2a22f105)
78 24
构建可靠的时间序列预测模型:数据泄露检测、前瞻性偏差消除与因果关系验证
|
3月前
|
机器学习/深度学习 人工智能 算法
探索量子计算:原理、进展与未来影响
探索量子计算:原理、进展与未来影响
|
2月前
|
机器学习/深度学习 数据采集 人工智能
打破RLHF瓶颈,克服奖励欺骗!Meta发布全新后训练方式CGPO,编程水平直升5%
Meta提出了一种名为约束生成策略优化(CGPO)的新型后训练范式,用于解决基于人类反馈的强化学习(RLHF)在多任务学习中的挑战,如奖励欺骗和极端多目标优化。CGPO通过混合裁判(MoJ)技术,结合成本效益约束策略优化和分层技术,系统化地识别RLHF中的平衡点。与传统方法相比,CGPO在多个任务上表现出色,包括一般聊天、STEM问题、指令遵循、数学、编程和知识等,且具有理论保证。CGPO还能够检测并缓解奖励欺骗行为,显著提升了多任务学习的性能。论文链接:https://arxiv.org/pdf/2409.20370
58 7
|
5月前
|
自动驾驶 物联网 5G
波束跟踪技术在5G中的重要性及其应用
波束跟踪技术在5G中的重要性及其应用
158 0
|
7月前
|
机器学习/深度学习 搜索推荐 知识图谱
图神经网络加持,突破传统推荐系统局限!北大港大联合提出SelfGNN:有效降低信息过载与数据噪声影响
【7月更文挑战第22天】北大港大联手打造SelfGNN,一种结合图神经网络与自监督学习的推荐系统,专攻信息过载及数据噪声难题。SelfGNN通过短期图捕获实时用户兴趣,利用自增强学习提升模型鲁棒性,实现多时间尺度动态行为建模,大幅优化推荐准确度与时效性。经四大真实数据集测试,SelfGNN在准确性和抗噪能力上超越现有模型。尽管如此,高计算复杂度及对图构建质量的依赖仍是待克服挑战。[详细论文](https://arxiv.org/abs/2405.20878)。
116 5
|
9月前
|
数据采集 机器学习/深度学习 自然语言处理
数据更多更好还是质量更高更好?这项研究能帮你做出选择
【5月更文挑战第28天】研究探索了在机器学习中数据质量与规模的权衡,提出质量-数量权衡(QQT)概念和神经网络可扩展定律,考虑数据非同质性、效用衰减及多数据池交互。结果表明预训练时数据质量和规模同等重要,应根据情况权衡。但研究局限于模型预训练、特定类型模型和模拟数据验证。[[链接](https://arxiv.org/pdf/2404.07177.pdf)]
73 1
|
机器学习/深度学习 人工智能 决策智能
顶会是否应该降低接收门槛?用博弈论探索最优审稿和决策机制
顶会是否应该降低接收门槛?用博弈论探索最优审稿和决策机制
|
机器学习/深度学习 传感器 资源调度
引入隔离率与潜伏人员的SIR模型附matlab代码
引入隔离率与潜伏人员的SIR模型附matlab代码
|
机器学习/深度学习 人工智能 监控
如何检测和克服MLOps中的模型漂移
机器学习 (ML) 被广泛认为是数字化转型的基石,但 ML 模型最容易受到数字环境变化动态的影响。 ML 模型由创建它们的时间段内可用的变量和参数定义和优化。