对硝基苯酚降解产物与FK506结合蛋白相互作用分子机制

杨传玺; 王小宁; 朱青; 薛岩; 刘琳; 刘永林; 谢康; 陈栋; 孙好芬; 王炜亮

doi:10.7524/j.issn.0254-6108.2022112101

对硝基苯酚降解产物与FK506结合蛋白相互作用分子机制

1.
青岛理工大学环境与市政工程学院，青岛，266520
2.
山东省创新发展研究院，济南，250101
3.
青岛理工大学管理工程学院，青岛，266520
4.
济南大学土木建筑学院，济南，250022

通讯作者: E-mail：sdqcsdnu@163.com

基金项目:
国家自然科学基金(42207019，41672340)资助.
中图分类号: X-1; O6

Molecular mechanism on interaction between p-nitrophenol degradation products and FK506 binding protein

1.
School of Environmental and Municipal Engineering, Qingdao University of Technology, Qingdao, 266520, China
2.
Shandong Institute of Innovation and Development, Jinan, 250101, China
3.
School of Management Engineering, Qingdao University of Technology, Qingdao, 266520, China
4.
School of Civil Engineering and Architecture, University of Jinan, Jinan, 250022, China

Corresponding author: WANG Weiliang, sdqcsdnu@163.com

Fund Project: the National Natural Science Foundation of China（42207019，41672340）.

摘要: 对硝基苯酚（p-nitrophenol，p-NP）作为典型内分泌干扰物，其环境污染与人体健康问题一直是环境领域的研究热点. 环境中对硝基苯酚降解产物（p-NP degradation products，p-NP-DPs）与FK506结合蛋白（FK506 binding protein，FKBP5）结合形成p-NP-DPs-FKBP5加合物是p-NP-DPs产生雌激素和抗雄激素活性的主要机制. 然而，p-NP-DPs与FKBP5相互作用的分子水平机制尚未引起足够的重视. 本文采用分子对接技术模拟计算p-NP-DPs与FKBP5相互作用的结合能和结合面积. 结果表明，p-NP-DPs与FKBP5相互作用结合面积顺序为213 Å²（4-硝基邻苯二酚）>200 Å²（p-NP）>184 Å²（邻苯二酚）>175 Å²（对苯二酚）>173 Å²（苯酚）>171 Å²（对苯醌），结合能顺序为−3.69 kcal·mol⁻¹（4-硝基邻苯二酚）> −3.76 kcal·mol⁻¹（p-NP）> −3.81 kcal·mol⁻¹（对苯二酚/邻苯二酚）>−3.83 kcal·mol⁻¹（对苯醌）> −3.91 kcal·mol⁻¹（苯酚），高频氨基酸残基为Pro221、Gly224、Glu227、Ala228、Gly282、Lys283、Tyr284、Met285和Gln286，p-NP-DPs药效团主要包括氢键供体（—OH）、氢键受体（—NO₂和C=O）、芳香中心（苯环）和疏水中心（C原子）. p-NP-DPs理化性质对p-NP-DPs与FKBP5相互作用强度的影响主要取决于分子量和拓扑极表面积（100%）、氢键受体数量（75%）、密度（50%）和闪点（25%）. 本研究对认识水环境中p-NP-DPs分子水平健康效应和环境风险具有重要科学意义.
- 对硝基苯酚 /
- FK506结合蛋白 /
- 分子对接 /
- 药效团 /
- 构效关系
Abstract: P-nitrophenol (p-NP), as typical endocrine disruption chemicals (EDCs), their environmental pollution and human health issues have always been hotspots in the environmental field. The p-NP-DPs-FKBP5 adducts, formed by p-NP degradation products (p-NP-DPs) and FK506 binding protein (FKBP5), is the main estrogenic and anti-androgenic mechanism. However, this molecular-level mechanism between p-NP-DPs and FKBP5 has not attracted enough attention. In this study, the molecular docking technology was used to simulate the binding energy and binging area between p-NP-DPs and FKBP5 interaction. The results indicated that the order of binging area between p-NP-DPs and FKBP5 interaction was 213 Å² (4-nitrocatechol) > 200 Å² (p-NP) > 184 Å² (o-dihydroxybenzene) > 175 Å² (p-dihydroxybenzene) > 173 Å² (phenol) > 171 Å² (p-benzoquinone), but the order of binding energy between p-NP-DPs and FKBP5 interaction was −3.69 kcal·mol⁻¹ (4-nitrocatechol) > −3.76 kcal·mol⁻¹ (p-NP) > −3.81 kcal·mol⁻¹ (p-/o-dihydroxybenzene) > −3.83 kcal·mol⁻¹ (p-benzoquinone) > −3.91 kcal·mol⁻¹ (phenol). The high frequency amino acid residues were included Pro221, Gly224, Glu227, Ala228, Gly282, Lys283, Tyr284, Met285 and Gln286. The pharmacophores of p-NP-DPs were included hydrogen-bond donor (—OH), hydrogen-bond acceptor (—NO₂ and C=O), aromatic center (benzene ring) and hydrophobic center (C atom). The physicochemical properties of p-NP-DPs were dependent on molecular weight and topological polar surface area (100%), hydrogen bond donor count (75%), density (50%) and flash point (25%). The research results probably enhance people’s knowledge and understanding of molecular-level health effects and environmental risks of p-NP-DPs in the water environmental system in the future.
- p-NP /
- FKBP5 /
- molecular docking /
- pharmacophore /
- structure-activity relationship

多环芳烃（polycyclic aromatic hydrocarbons, PAHs）是一类环境中广泛存在的有机污染物，主要来自于人为源，如石油泄漏、汽车排放、化石燃料和生物质燃烧、工业过程以及化学制造，也有部分来自火山活动、森林火灾和成岩作用等自然源^[1-2]. 这类污染物因其分布广、生物累积性和对人类的潜在生态风险^[3]而受到广泛关注. 16种PAHs被美国环境保护署（USEPA）列为优先控制的污染物^[4]. 其中，含有2—3个苯环的低分子量PAHs被认为是非致癌物，而含有4—6个环的7个高分子量PAHs被列为致癌物^[5]. PAHs一旦释放到环境中，能够通过水和空气进行长距离的迁移，扩散到全球范围的土壤^[6-7]、沉积物^[8-9]、水^[10]和大气^[11-12]中. PAHs不易降解，容易被土壤颗粒吸附^[13-14]，因此土壤埋藏了环境中90%以上的PAHs，是一个重要的汇^[15].

尽管存在一些自然来源，造成全球范围内PAHs污染的主要原因仍是与城市化密切相关的人为排放^[16]. 许多发展中国家，尤其是中国，正处于城市化兴起与快速发展的过渡时期. 由于大规模的城市化和工业化，我国城市地区大量人口密集，随之出现工业活动加剧、汽车使用激增等现象，从而导致大量PAHs通过大气沉降进入城市土壤^[17-18]. 此外，PAHs在城市土壤中的分布主要归因于其释放源的类型和位置^[19-20]. 因此，加剧的人类活动可能会改变城市土壤环境中PAHs的组成和分布. 基于不同PAH毒性的差异性，组成的改变也可能会引起暴露人群健康风险的变化. 然而，这个问题迄今为止较少引起关注^[21].

研究表明，城市化可能是影响城市土壤中PAHs环境行为的关键因素. Wang等^[22]通过分析土壤PAHs浓度、城市化指标以及土壤理化性质之间的相关性，提出人口密度是影响南京城市土壤PAHs含量的关键因素之一. Cao等^[21]基于苏南一个快速发展的城镇土壤中2009年和2014年PAHs的浓度，将其含量、组成和来源的变化归因于城市化进程. Jensen等^[23]发现挪威南部邻近奥斯陆的地区，因其人口较多和城市化程度较高，土壤中PAHs浓度高于位于挪威北部，人口较少的地区. 此外，也有一些学者^{[19, 24-26]}利用湖泊和水库中的柱状沉积物，以及不同城市化阶段或不同深度的土壤样品，探讨PAHs的环境行为与城市化过程之间的关系. 然而，深入探讨某个特定时期城市化进程对城市土壤中PAHs浓度、来源和暴露风险影响的研究却很少.

2008年至2012年，天津市处在城市化最快的时期^[27]，且2012年以前，全市生产总值（GDP）增速均保持在16%以上，为近15年来最高水平^[28]. 本研究基于天津市近郊地区（包括西青区、津南区、北辰区和东丽区）土壤中的16种优先控制PAHs的浓度数据，利用正定矩阵因子分解（positive matrix factorization, PMF）模型和终身累积癌症风险（incremental lifetime cancer risk, ILCR）模型定量解析出2008年和2012年天津市近郊地区土壤中PAHs的来源组成以及人体暴露风险，并将两个年份的解析结果进行对比分析. 旨在通过定点定期的监测结果，探讨在经济高速发展的背景下，快速城市化过程中区域土壤中PAHs排放源的变化及其引起的浓度、组成和生态风险的改变，进而揭示人类活动对城市环境的影响.

1. 材料和方法（Material and methods）

1.1 样品采集

2008年8月^[29]和2012年10月^[30]在天津市近郊地区（西青区、津南区、北辰区和东丽区）使用不锈钢勺分别采集获得83个和60个土壤样品（表层0—10 cm，各1 kg），并储存在聚乙烯密封袋中. 每1个样品由10—20个采自于站位点周边10×10 m²范围内的子样品混合而成. 每次采样之前使用丙酮冲洗不锈钢勺防止沾污. 所有土壤样品均放置在暗处，并尽快运送到实验室，经风干、研磨、过筛（50目）之后，于−20 ℃环境下保存.

1.2 PAHs的测定

采用加速溶剂萃取法（accelerated solvent extraction, ASE）对土壤样品进行萃取. 取16 g冻干土壤样品和5 g二氧化硅混匀后倒入34 mL ASE样品瓶，以丙酮与二氯甲烷（1:1体积比）混合溶液为萃取溶剂，将样品在温度和压力分别为120 °C和1500 psi的条件下萃取2次，每次5分钟，所得的提取液蒸发至近干，加入9 mL环己烷与丙酮（1:1体积比）的混合溶液. 替换溶剂之后的提取液依次使用凝胶色谱（LCTech Geremany）和弗罗里硅固相萃取柱进行纯化，所得洗脱液经氮吹浓缩至1 mL转入棕色安捷伦进样瓶中上机分析. 采用GC-MS方法对PAHs进行定量分析，仪器参数和分析方法的质量控制见文献[29]. 16种PAHs包括萘（NAP）、苊（ACE）、芴（FLO）、二氢苊（ACY）、菲（PHE）、蒽（ANT）、荧蒽（FLA）、芘（PYR）、䓛（CHR）、苯并（a）蒽（BaA）、苯并（b）荧蒽（BbF）、苯并（k）荧蒽（BkF）、苯并（a）芘（BaP）、二苯并（a，h）蒽（DahA）、苯并（g，h，i）苝（BghiP）和茚苯（1，2，3-cd）芘（IcdP）. PAHs加标回收率和指示物回收率分别为62.2%—116.7%和70.6%—119.1%.

1.3 PMF源解析

PMF是由Paatero和Tapper^[31]开发的，基于主成分分析的非负约束受体模型，常用于环境中PAHs的源解析^[32]. 该模型的矩阵方程式为：

$X = G \times F + E$

式中，X代表由n个样品的m种化合物的浓度组成的样品浓度数据矩阵；G代表主要源的贡献率矩阵（n×p，p为源的个数）；F代表主要源的成分谱矩阵（p×m）；E代表残差矩阵（n×m），定义为：

${e_{ij}} = {x_{ij}} - \sum\limits_{k = 1}^p {{g_{ik}}{f_{kj}}}$

式中，e_ij、x_ij、g_ik和f_kj分别为E、X、G和F中的对应元素. 在对F和G进行非负约束的同时，对每个数据点的不确定性进行加权. Q是模型的判据之一，当其收敛时才可进一步分析，且多次运行选Q较小的值来继续分析. Q的计算公式为：

$Q = \sum\limits_{i = 1}^n {\sum\limits_{j = 1}^m {{{\left( {\frac{{{e_{ij}}}}{{{\sigma _{i j}}}}} \right)}^2}} }$

式中σ_ij为第i个样品中第j种化合物的不确定性，其他项含义如前文所述.

本研究利用USEPA开发的PMF模型软件5.0，基于83（样品）×16（PAHs）数据集和60（样品）×16（PAHs）数据集，分别对2008年和2012年天津市近郊地区土壤中PAHs来源进行识别. 模型解析目标设置为计算出3到6个因子，且每次运行都用不同的起始点进行初始化. 对于每次运行，正定矩阵因子分解模型的样品数符合模型对最少样本量的需求，即样本数大于物种数的3倍^[33].

1.4 风险评估

利用ILCR模型可定量评估城市居民通过摄入、皮肤接触和吸入3种方式暴露于土壤PAHs的潜在健康风险^[34-35]. 基于USEPA标准模型计算潜在癌症风险的方程式^[36-37]如下.

$\begin{aligned} & {\rm{ILC}}{{\rm{R}}_{{\rm{ingestion}}}} = \frac{{{\rm{CS}} \times \left( {{\rm{CS}}{{\rm{F}}_{{\rm{ingestion}}}} \times \sqrt[3]{{{\rm{BW}}/70}}} \right) \times {\rm{I}}{{\rm{R}}_{{\rm{ingestion}}}} \times {\rm{EF}} \times {\rm{ED}}}}{{{\rm{BW}} \times {\rm{AT}} \times {{10}^6}}}\\ & {\rm{ILC}}{{\rm{R}}_{{\rm{dermal}}}} = \frac{{{\rm{CS}} \times \left( {{\rm{CS}}{{\rm{F}}_{{\rm{dermal}}}} \times \sqrt[3]{{{\rm{BW}}/70}}} \right) \times {\rm{SA}} \times {\rm{AF}} \times {\rm{ABS}} \times {\rm{EF}} \times {\rm{ED}}}}{{{\rm{BW}} \times {\rm{AT}} \times {{10}^6}}}\\ & {\rm{ILC}}{{\rm{R}}_{{\rm{inhalation}}}} = \frac{{{\rm{CS}} \times \left( {{\rm{CS}}{{\rm{F}}_{{\rm{inhalation}}}} \times \sqrt[3]{{{\rm{BW}}/70}}} \right) \times {\rm{I}}{{\rm{R}}_{{\rm{inhalation}}}} \times {\rm{EF}} \times {\rm{ED}}}}{{{\rm{BW}} \times {\rm{AT}} \times {{10}^6}}} \end{aligned}$

其中，CS是土壤中PAHs基于BaP的毒性当量^[1]（toxic equivalency factor, TEF）计算的转换浓度之和（mg·kg⁻¹）；CSF是致癌物斜率因子（mg·kg⁻¹·d⁻¹）⁻¹, 根据BaP的致癌能力进行测定；BW是体重；IR_ingestion和IR_inhalation人体土壤摄入效率和吸入效率；EF代表暴露频率；ED是暴露时长；SA是皮肤表面积；AF是真皮粘附因子；ABS为真皮吸附因子；AT为平均寿命；PEF为颗粒释放因子（见表1）. BaP的CSF_ingestion、CSF_dermal和CSF_inhalation分别为7.3、25、3.85（mg·kg⁻¹·d⁻¹）^-1[38].

表 1 ILCR评估模型参数值^[39]

Table 1. Parameters used in the ILCR assessment^[39]

暴露参数Exposure parameter	单位Unit	儿童Child	青少年Adolescent	成人Adult
BW	kg	13.95	46.75	58.78
IR_ingestion	mg·d⁻¹	200	100	100
IR_inhalation	m³·d⁻¹	10.9	17.7	17.5
EF	d·a⁻¹	350	350	350
ED	a	6	14	30
SA	cm²	2800	2800	5700
AF	mg·cm⁻²	0.2	0.2	0.07
ABS	—	0.13	0.13	0.13
AT	d	25550	25550	25550
PEF	m³·kg⁻¹	1.36×10⁹	1.36×10⁹	1.36E×10⁹

| Show Table

DownLoad: CSV

1991年USEPA发布的指南指出^[37]，百万分之一的癌症发病几率（ILCR = 10⁻⁶）是可接受的阈值. 因此，依据ILCR的判断标准如下：ILCR ≤ 10⁻⁶时代表可忽略风险；10⁻⁶ < ILCR < 10⁻⁴表示低风险；ILCR ≥ 10⁻⁴表示癌症高风险，需要特别关注. 在本研究中，依据年龄将居民分为儿童（0—10岁）、青少年（11—18岁）和成人（19—70岁）的3个群体进行癌症风险评估.

1.5 数据分析

利用Origin2019软件进行数据记录、数据处理以及表格制作；利用USEPA PMF 5.0软件进行PAHs来源识别及贡献计算. 天津市及其区县社会经济发展的数据分别引自2009年、2013年、2014年和2015年天津统计年鉴^[28].

2. 结果与讨论（ Results and discussion）

2.1 PAHs含量及组成的变化趋势

2008年至2012年，天津市近郊地区表层土壤中16种PAHs浓度呈倍数增长，7种致癌PAHs浓度也呈上升趋势. 如表2所示，五环化合物的浓度占比大幅度下降，而二环和四环化合物的占比均显著增加, 低分子量组分的比例由28.6%上升到34.8%. 优势化合物由苯并（b）荧蒽、荧蒽和苯并（g, h, i）苝转变为菲、萘和荧蒽. 萘、二氢苊、菲等低分子量PAHs的浓度明显增加. 虽然PAHs被认为是持久性有机污染物能长期存在于环境中，但其仍可通过光化学降解、生物降解和挥发作用从土壤中去除^[40]. 以往的研究发现^{[21, 41]}，PAHs在土壤中长期埋藏后，浓度会显著下降. 另外，具有不同个数苯环的PAHs在土壤中表现出不同的环境行为^[15]. 高分子量的PAHs通常能在土壤中埋藏较长时间，其降解速率随着分子量的增加而降低^[42]，而低分子量的更容易被光降解或生物降解. 因此，总浓度以及低分子量组分占比的增加，表明土壤环境中存在持续不断的PAHs输入，且污染状况趋于严重，这与该地区5年内经济高速发展，城市化进程加快有着密切的关系. 2008年西青区、津南区、北辰区和东丽区的常住人口总计228.59万，区县生产总值（GDP）共计1336.66亿元^[28]. 2012年，4个区的常住人口增加到283.03万，区县生产总值（GDP）增加了近一倍，达到2552.27亿元^[28]. 通常来说，人为源是环境中PAHs急剧增加的主要原因. 城市土壤中的PAHs主要来源于工业活动、机动车排放以及居民烹饪和取暖，因此，其受到区域经济发展水平、人口和工业化程度的影响^{[22, 43]}.

表 2 天津市近郊区土壤中PAHs毒性当量因子、含量及组成

Table 2. Toxic equivalent factors, composition, and concentrations of PAHs in surface soils from suburban Tianjin in 2008 and 2012

PAHs	环数Aromatic ring	毒性当量因子TEF	2008（n = 83）			2012（n = 60）
PAHs	环数Aromatic ring	毒性当量因子TEF	均值/（ng·g⁻¹）Mean	范围/（ng·g⁻¹）Range	组成占比/%Proportion	均值/（ng·g⁻¹）Mean	范围/（ng·g⁻¹）Range	组成占比/%Proportion
萘	2	0.001	18.7	2.72—133	6.0	68.2	ND—441	10.8
二氢苊	3	0.001	3.96	ND—42.6	1.0	35.2	ND—697	4.1
苊	3	0.001	3.10	ND—19.2	1.3	4.44	ND—31.0	0.5
芴	3	0.001	17.0	1.23—86.5	8.4	12.8	ND—78.0	2.0
菲	3	0.001	36.5	1.98—336	8.4	131	7.45—1091	16.4
蒽	3	0.01	16.6	0.502—306	3.6	11.6	0.450—107	1.0
荧蒽	4	0.001	63.4	2.39—792	9.4	255	ND—3278	15.6
芘	4	0.001	56.9	1.17—728	8.0	154	1.00—1977	9.0
苯并（a）蒽^*	4	0.1	33.1	0.225—386	5.2	68.7	0.470—841	3.9
䓛^*	4	0.01	46.1	0.717—506	6.4	97.9	0.850—1210	6.7
苯并（b）荧蒽^*	5	0.1	103	ND—1010	13.6	118	1.38—1362	8.1
苯并（k）荧蒽^*	5	0.1	43.6	ND—669	5.5	43.3	0.230—549	2.6
苯并（a）芘^*	5	1	52.2	ND—728	6.8	86.6	0.370—1118	4.8
二苯并（a, h）蒽^*	5	1	22.9	ND—252	4.0	33.4	ND—348	2.4
茚苯（1, 2, 3-cd）芘^*	6	0.1	23.3	ND—244	3.1	106	2.37—1237	7.1
苯并（g, h, i）苝	6	0.01	66.3	ND—886	9.2	70.0	1.23—775	4.9
二环化合物	—	—	18.7	2.72—133	6.0	68.2	ND—441	10.8
三环化合物	—	—	77.2	6.34—701	22.6	195	7.90—1586	24.0
四环化合物	—	—	199	8.53—2413	29.1	575	2.32—7306	35.2
五环化合物	—	—	221	ND—2445	30.0	281	1.98—3377	17.9
六环化合物	—	—	89.6	ND—1129	12.3	176	4.90—2012	12.0
Σ_7-carPAHs	—	—	324	5.03—3582	44.7	554	7.98—6666	35.6
Σ₁₆PAHs	—	—	606	29.7—6705	100	1296	22.9—14722	100
注：“”代表7种具有致癌作用的PAHs；“ND”代表未检出；“Σ_7-carPAHs”代表7种具有致癌作用PAHs总含量；“Σ₁₆PAHs”代表16种PAHs总含量.　　 stands for 7 carcinogenic PAHs, ND stands for not detected, Σ_7-carPAHs stands for total concentrations of 7 carcinogenic PAHs, Σ₁₆PAHs stands for total concentrations of 16 PAHs.

| Show Table

DownLoad: CSV

2.2 PAHs的来源

2008年PAHs来源成分谱如图1所示，模型筛选出5个因子. 因子1中表征炼焦生产的芴^[44]占比达到71.2%，推断该因子代表炼焦排放，其贡献为6.0%. 因子2中蒽和菲的占比较高，分别为61.6%和52.5%，符合生物质燃烧的排放特征^{[16, 45]}，推断因子2为生物质燃烧排放，其贡献为14.5%. 因子3中优势组分为萘、苊和二氢苊，占比分别为54.6%、63.9%和66.9%. 萘是原油和石油产品的重要组成部分^[46-48]，并且二环和三环PAHs多与石油类来源有关^[49-51]. 因此，因子3表示石油源，其贡献为5.1%. 因子4中荧蒽（69.5%）、芘（70.8%）、䓛（56.2%）、苯并（a）蒽（72.9%）、苯并（b）荧蒽（67.1%）、苯并（k）荧蒽（55.6%）和苯并（a）芘（70.7%）占比较高，符合煤燃烧排放特征^{[16, 52-55]}. 因此，因子4表示燃煤源，其贡献为51.3%. 因子5中表征汽车尾气^{[16, 56-57]}的二苯并（a，h）蒽、茚苯（1，2，3-cd）芘和苯并（g，h，i）苝占比较高，分别为94.6%、51.2%和71.0%，推断该因子代表机动车排放，其贡献为23.1%.

图 1 2008年天津市近郊区土壤中PAHs来源成分谱

Figure 1. Profiles of each deductive source in 2008 obtained from PMF model

下载: 全尺寸图片幻灯片

2012年PAHs来源成分谱如图2所示，模型也筛选出5个因子. 因子1中荧蒽、芘、䓛、苯并（a）蒽、苯并（b）荧蒽、苯并（k）荧蒽和苯并（a）芘占比较高，分别为61.1%、56.8%、52.0%、57.5%、52.4%、55.0%和59.6%，符合煤燃烧排放特征^{[16, 52-55]}. 因此，因子1表示燃煤源，其贡献为41.0%. 因子2中表征原油和石油产品的萘^[46-48]占比达83.2%，推断该因子为石油源，其贡献为22.3%. 因子3中苊、芴和菲占比相对较高，其中芴和菲的占比分别为42.6%和26.8%，是炼焦生产的表征化合物^{[44, 55]}. 因此，因子3应该与焦炭的生产密切相关，其贡献为4.7%. 因子4中生物质燃烧过程排放的优势化合物二氢苊^[44-45]占比高达91.8%，推断该因子代表生物质燃烧排放，其贡献为3.6%. 因子5中的优势组分为二苯并（a，h）蒽、茚苯（1，2，3-cd）芘和苯并（g，h，i）苝，占比分别为78.7%、38.3%和33.2%，符合汽车尾气排放特征^{[16, 56-57]}. 因此，推断该因子代表机动车排放，其贡献为28.4%.

图 2 2012年天津市近郊区土壤中PAHs来源成分谱

Figure 2. Profiles of each deductive source in 2012 obtained from PMF model

下载: 全尺寸图片幻灯片

基于上述PMF的解析结果发现，天津市近郊区域土壤中PAHs来源贡献率变化较大的是燃煤源、生物质燃烧排放和石油源. 其中，燃煤源和生物质燃烧排放的贡献率分别由2008年的51.3%和14.5%下降到2012年的41.0%和3.6%（图3）. 虽然煤炭是天津市工业的主要能源，但是燃煤源的贡献率在5年内下降了10.3%. 此外，根据地理位置和居民的生活习惯，调查区域的生物质燃烧应与露天焚烧秸秆和居民烹饪有关. 2008年天津市启动生态城市建设行动计划，包括生态区县建设，改善水、空气、生态环境质量，提升固体废物综合利用水平，加强农村环境污染防治，发展循环经济等7个方面. 为了实现节能减排、改善城市环境质量，很多企业在生产过程中使用电力、天然气等清洁能源取代了煤炭，到2012年，天津市单位工业增加值能耗由2008年的1.16吨标准煤每万元下降到0.95吨标准煤每万元. 因此，燃煤源贡献率的下降可能与该区域工业化发展过程中能源结构的变化、装备和技术的不断发展有关. 另一方面，生物质燃烧排放贡献率的下降则可能与禁止露天生物质燃烧，以及电力和液化石油气取代了生物质作为烹饪燃料有关.

图 3 PAHs来源贡献率变化趋势

Figure 3. Comparison of the source contributions for 2008 and 2012

下载: 全尺寸图片幻灯片

但是，5年内石油源的贡献率却由5.1%上升到22.3%. 天津作为我国北部重要的工业城市，石油化工是其优势产业之一. 2008年天津市石油化工联合其他五大优势产业完成工业总产值8323.89亿元，而到2012年仅石油化工这一项优势产业就完成产值3626.63亿元. 2017年发布的天津市石油和化学工业发展“十三五”规划纲要指出，2015年全市拥有石化企业711家，资产总额3756.57亿元，全年实现产值4024.32亿元，约占全市规模以上工业的15%. 到2020年，石油化工产业总产值将超过6000亿元. 同时，天津市也因天津港成为我国北部最重要的国际航运物流中心之一. 2020年天津港口货物吞吐量突破5亿吨，集装箱吞吐量突破1800万标准箱，均在全国港口中居第六位，“十三五”时期集装箱吞吐量年均增长5.4%，稳居全球集装箱港口十强. 因此，石油化工产业和航运物流产业的快速扩张与发展可能是石油源贡献率迅速增长的一个重要原因.

2.3 健康风险评估

ILCR模型解析结果表明，2008年和2012年天津市近郊地区居民土壤PAHs暴露风险值ILCRs_inhalation的数量级在10^-14—10^-10之间，远低于10⁻⁶. 因此，居民通过吸入方式接触到土壤中PAHs而导致的健康风险可以忽略.

如表3所示，2008年近郊地区居民土壤PAHs暴露风险值ILCRs_ingestion和ILCRs_dermal的范围分别为1.19 × 10⁻⁹—5.89 × 10⁻⁶和2.84 × 10⁻⁹—1.00 × 10⁻⁵，它们最大值分别出现在儿童和成人. 根据不同年龄段暴露人群的统计结果，分别有32.5%、24.1%和36.1%的土壤样品的儿童、青少年和成人暴露总风险值ILCRs_total处于低风险判定区间内. 2012年居民各暴露途径的风险值ILCRs均高于2008年，ILCRs_ingestion的范围为2.84 × 10⁻⁹—9.51 × 10⁻⁶，ILCRs_dermal的范围为6.79 × 10⁻⁹—1.62 × 10⁻⁵，两者最大值出现的年龄段和2008年一致. 儿童、青少年和成人暴露总风险值ILCRs_total大于10⁻⁶的土壤样品比例分别为41.7%、36.7%和45.0%，较2008年均有不同程度的增长. 值得注意的是，2008年和2012年居民土壤PAHs暴露风险值ILCRs_dermal均高于ILCRs_ingestion，并且2012年青少年和成人暴露风险值ILCRs_dermal的均值较2008年增长了一个数量级. 上述结果表明，2008年到2012年，天津市近郊地区居民土壤PAHs暴露风险在不断增加，且皮肤接触是主要的暴露途径；儿童因其对致癌物的高敏感性应归为最敏感的亚群体. 人群暴露风险的增加可能与机动车排放源贡献率增加有关. 根据PMF解析结果，虽然2012年机动车排放贡献率较2008年仅增加了5.3%，但是其估算排放量是2008年的2.6倍. 机动车排放量大幅度的增加导致更多的具有强致癌效力的特征组分^{[1, 56-57]}，如苯并（a）芘、二苯并（a, h）蒽和茚苯（1, 2, 3-cd）芘进入到土壤中，增加暴露人群的健康风险. 另一方面，石油源的贡献率和估算排放量的增幅虽然最大，但其排放至环境中的组分主要是致癌效力较低的低分子量PAHs.

表 3 不同群体暴露于土壤PAHs的潜在癌症风险

Table 3. Age-specific potential cancer risk via exposure to soil PAHs in 2008 and 2012

		2008			2012
人群Population		均值Mean	最小值Min	最大值Max	均值Mean	最小值Min	最大值Max
儿童Child	ILCR_ingestion	4.87 × 10⁻⁷	2.28 × 10⁻⁹	5.89 × 10⁻⁶	7.84 × 10⁻⁷	5.45 × 10⁻⁹	9.51 × 10⁻⁶
	ILCR_dermal	6.07 × 10⁻⁷	2.84 × 10⁻⁹	7.34 × 10⁻⁶	9.78 × 10⁻⁷	6.79 × 10⁻⁹	1.19 × 10⁻⁵
	ILCR_total	1.09 × 10⁻⁶	5.12 × 10⁻⁹	1.32 × 10⁻⁵	1.76 × 10⁻⁶	1.22 × 10⁻⁸	2.14 × 10⁻⁵
青少年Adolescent	ILCR_ingestion	2.53 × 10⁻⁷	1.19 × 10⁻⁹	3.07 × 10⁻⁶	4.09 × 10⁻⁷	2.84 × 10⁻⁹	4.95 × 10⁻⁶
	ILCR_dermal	6.32 × 10⁻⁷	2.96 × 10⁻⁹	7.65 × 10⁻⁶	1.02 × 10⁻⁶	7.08 × 10⁻⁹	1.24 × 10⁻⁵
	ILCR_total	8.85 × 10⁻⁷	4.14 × 10⁻⁹	1.07 × 10⁻⁵	1.43 × 10⁻⁶	9.92 × 10⁻⁹	1.73 × 10⁻⁵
成人Adult	ILCR_ingestion	4.66 × 10⁻⁷	2.18 × 10⁻⁹	5.65 × 10⁻⁶	7.52 × 10⁻⁷	5.22 × 10⁻⁹	9.11 × 10⁻⁶
	ILCR_dermal	8.28 × 10⁻⁷	3.88 × 10⁻⁹	1.00 × 10⁻⁵	1.34 × 10⁻⁶	9.28 × 10⁻⁹	1.62 × 10⁻⁵
	ILCR_total	1.29 × 10⁻⁶	6.06 × 10⁻⁹	1.57 × 10⁻⁵	2.09 × 10⁻⁶	1.45 × 10⁻⁸	2.53 × 10⁻⁵
注：ILCR_total = ILCR_ingestion + ILCR_dermal

| Show Table

DownLoad: CSV

3. 结论（Conclusions）

2008年至2012年，天津市近郊地区城市化发展在一定程度上改变了土壤中PAHs的来源、含量和组成.

（1）土壤中16种PAHs的总含量均值增加了1倍，菲、萘和荧蒽取代苯并（b）荧蒽、荧蒽和苯并（g, h, i）苝成为优势组分，萘、二氢苊、菲等低分子量PAHs的浓度明显增加.

（2）五环化合物占比大幅度下降，而二环和四环化合物占比均显著增加.

（3） PMF解析结果表明，燃煤源和生物质燃烧排放的贡献率均减少10%以上，石油源的贡献率增加17.2%.

（4）当地居民土壤PAHs暴露风险在不断增加，儿童作为最敏感的亚群体应受到关注，皮肤接触是主要的暴露途径. 机动车排放源贡献率的增加可能的导致暴露风险上升的重要原因.

图 1 p-NP-DPs结构式：p-NP（a）、苯酚（b）、对苯二酚（c）、对苯醌（d）、4-硝基邻苯二酚（e）和邻苯二酚（f）

Figure 1. Structure of p-NP-DPs: p-NP （a）, phenol （b）, p-dihydroxybenzene （c）, p-benzoquinone （d）, 4-nitrocatechol （e） and o-dihydroxybenzene （f）

下载: 全尺寸图片幻灯片

图 2 p-NP-DPs与FKBP5相互作用的分子对接结果

Figure 2. Interaction results between p-NP-DPs and FKBP5 using molecular docking technology

下载: 全尺寸图片幻灯片

图 3 小分子种类/分子量对结合能和结合面积的影响

Figure 3. Effect on binding energy and binding area with types/molecular weight of small moleculars

下载: 全尺寸图片幻灯片

图 4 p-NP-DPs与FKBP5相互作用结合区域：p-NP（a）、苯酚（b）、对苯二酚（c）、对苯醌（d）、4-硝基邻苯二酚（e）和邻苯二酚（f）

Figure 4. Binding domain between p-NP-DPs and FKBP5: p-NP （a）, phenol （b）, p-dihydroxybenzene （c）, p-benzoquinone （d）, 4-nitrocatechol （e） and o-dihydroxybenzene （f）

下载: 全尺寸图片幻灯片

图 5 p-NP-DPs与FKBP5相互作用药效团：p-NP（a）、苯酚（b）、对苯二酚（c）、对苯醌（d）、4-硝基邻苯二酚（e）和邻苯二酚（f）氢键受体： hydrogen-bond acceptor（HA）；氢键供体： hydrogen-bond donor（HD）；芳香-疏水中心： aromatic-hydrophobic center（AHC）；疏水中心： hydrophobic center（HC）

Figure 5. Pharmacophores between p-NP-DPs and FKBP5: p-NP （a）, phenol （b）, p-dihydroxybenzene （c）, p-benzoquinone （d）, 4-nitrocatechol （e） and o-dihydroxybenzene （f）

下载: 全尺寸图片幻灯片

图 6 高频氨基酸分布

Figure 6. Distribution of high frequency amino acid residues

下载: 全尺寸图片幻灯片

表 1 p-NP-DPs的理化性质

Table 1. Physicochemical property of p-NP-DPs

名称Sample	CAS	熔点/°C Melting point	沸点/°C Boiling poin	闪点/°C Flash point	密度/（g·cm⁻³） Density	lgS_w
p-NP	100—02—7	113—114	279	169	1.480—1.50	-0.74
苯酚Phenol	108—95—2	40.9	181.8	79	1.04—1.07	0
对苯二酚p-dihydroxybenzene	123—31—9	170—173	285—287	165	1.330—1.332	N/A
对苯醌p-benzoquinone	106—51—4	114—116	180	93	1.318—1.320	N/A
4-硝基邻苯二酚4-nitrocatechol	3316—09—4	174—176	N/A	N/A	N/A	N/A
邻苯二酚o-dihydroxybenzene	120—80—9	105	245	127	1.344	0.62

名称Sample	相对分子质量Molecular weight	lgP	拓扑极表面积/Å²Topological polar surface area	氢键供体数量Hydrogen bond donor count	氢键受体数量Hydrogen bond acceptor count
p-NP	139.1100	1.91	66	1	3
苯酚Phenol	94.1130	1.46	20.2	1	1
对苯二酚p-dihydroxybenzene	110.1120	0.59	40.5	2	2
对苯醌p-benzoquinone	108.0960	0.2	34.1	0	2
4-硝基邻苯二酚4-nitrocatechol	155.1090	1.66	86.3	2	4
邻苯二酚o-dihydroxybenzene	110.1120	0.88	40.5	2	2
说明：N/A为数据未查到

下载: 导出CSV

表 2 p-NP-DPs与FKBP5相互作用和理化性质Spearman相关性分析

Table 2. Spearman correlation between physicochemical property and interaction of p-NP-DPs and FKBP5

理化性质Physicochemical property	结合能Absolute value of binding energy		结合面积Binding area
理化性质Physicochemical property	相关性系数Correlation coefficient	P	相关性系数Correlation coefficient	P
分子量Molecular weight	−1^**	0.0056	0.9276^*	0.0167
熔点Melting point	−0.6377	0.2000	0.3714	0.4972
沸点Boiling point	−0.7182	0.1667	0.7000	0.2333
闪点Flash point	−0.9747^*	0.0333	0.8000	0.1333
密度Density	−0.9747^*	0.0333	0.9000	0.0833
lgS_w	0.5000	1.0000	−0.5000	1.0000
lgP	−0.5798	0.2389	0.7714	0.1028
拓扑极表面积Topological polar surface area	−1^**	0.0056	0.9276^*	0.0167
氢键供体数量Hydrogen bond donor count	−0.5323	0.3000	0.6172	0.2333
氢键受体数量Hydrogen bond acceptor count	−0.9549^*	0.0167	0.8197	0.0667
* P < 0.1，** P < 0.05.

下载: 导出CSV

表 3 p-NP-DPs与FKBP5相互作用和理化性质Pearson相关性分析

Table 3. Pearson correlation between physicochemical property and interaction of p-NP-DPs and FKBP5

理化性质Physicochemical property	结合能Absolute value of binding energy		结合面积Binding area
理化性质Physicochemical property	相关性系数Correlation coefficient	P	相关性系数Correlation coefficient	P
分子量Molecular weight	−0.9591^**	0.0025	0.9589^**	0.0025
熔点Melting point	−0.7880	0.0626	0.4672	0.3502
沸点Boiling point	−0.7669	0.1303	0.6279	0.2567
闪点Flash point	−0.8471	0.0701	0.6638	0.2218
密度Density	−0.9928^***	0.0000	0.6887	0.1985
lgS_w	0.3750	0.7553	−0.6296	0.5665
lgP	−0.3641	0.4780	0.7306	0.0991
拓扑极表面积Topological polar surface area	−0.9743^***	0.0000	0.9597^**	0.0024
氢键供体数量Hydrogen bond donor count	−0.4120	0.4170	0.4180	0.4095
氢键受体数量Hydrogen bond acceptor count	−0.9860^***	0.0000	0.9230^**	0.0087
P < 0.05，* P < 0.01.

下载: 导出CSV

[1]	李易, 陆锐, 沈锦优, 等. 废水中硝基芳香化合物检测方法研究进展[J]. 环境化学, 2016, 35(7): 1474-1485. doi: 10.7524/j.issn.0254-6108.2016.07.2015113001 LI Y, LU R, SHEN J Y, et al. Detection methods for nitroaromatic compounds in wastewater[J]. Environmental Chemistry, 2016, 35(7): 1474-1485 (in Chinese). doi: 10.7524/j.issn.0254-6108.2016.07.2015113001
[2]	JING Q F, YI Z L, LIN D H, et al. Enhanced sorption of naphthalene and p-nitrophenol by nano-SiO₂ modified with a cationic surfactant[J]. Water Research, 2013, 47(12): 4006-4012. doi: 10.1016/j.watres.2012.09.057
[3]	GHOSH A, KHURANA M, CHAUHAN A, et al. Degradation of 4-nitrophenol, 2-chloro-4-nitrophenol, and 2, 4-dinitrophenol by Rhodococcus imtechensis strain RKJ300[J]. Environmental Science & Technology, 2010, 44(3): 1069-1077.
[4]	马锋锋, 赵保卫. 玉米芯生物炭吸附水中对硝基苯酚的特性[J]. 环境化学, 2017, 36(4): 898-906. doi: 10.7524/j.issn.0254-6108.2017.04.2016080701 MA F F, ZHAO B W. Adsorption characteristics of p-nitrophenol in aqueous solution by corncob biochar[J]. Environmental Chemistry, 2017, 36(4): 898-906 (in Chinese). doi: 10.7524/j.issn.0254-6108.2017.04.2016080701
[5]	许婉馨, 杨波, 陈子伦, 等. 聚乙烯醇海绵负载铑催化剂催化还原对硝基苯酚[J]. 环境化学, 2020, 39(9): 2576-2583. doi: 10.7524/j.issn.0254-6108.2020050803 XU W X, YANG B, CHEN Z L, et al. Polyvinyl sponge supported RH catalysts for catalytic reduction of P-nitrophenol[J]. Environmental Chemistry, 2020, 39(9): 2576-2583 (in Chinese). doi: 10.7524/j.issn.0254-6108.2020050803
[6]	KADAM V V, SHANMUGAM S D, ETTIYAPPAN J P, et al. Photocatalytic degradation of p-nitrophenol using biologically synthesized ZnO nanoparticles[J]. Environmental Science and Pollution Research, 2021, 28(10): 12119-12130. doi: 10.1007/s11356-020-10833-w
[7]	TANEDA S, MORI Y, KAMATA K, et al. Estrogenic and anti-androgenic activity of nitrophenols in diesel exhaust particles (DEP)[J]. Biological & Pharmaceutical Bulletin, 2004, 27(6): 835-837.
[8]	LI C M, TANEDA S, SUZUKI A K, et al. Estrogenic and anti-androgenic activities of 4-nitrophenol in diesel exhaust particles[J]. Toxicology and Applied Pharmacology, 2006, 217(1): 1-6. doi: 10.1016/j.taap.2006.06.010
[9]	ZHANG Y H, PIAO Y G, LI Y S, et al. 4-Nitrophenol induces Leydig cells hyperplasia, which may contribute to the differential modulation of the androgen receptor and estrogen receptor-α and-β expression in male rat testes[J]. Toxicology Letters, 2013, 223(2): 228-235. doi: 10.1016/j.toxlet.2013.09.011
[10]	NI L, YANG C S, GIOELI D, et al. FKBP51 promotes assembly of the Hsp90 chaperone complex and regulates androgen receptor signaling in prostate cancer cells[J]. Molecular and Cellular Biology, 2010, 30(5): 1243-1253. doi: 10.1128/MCB.01891-08
[11]	WU D, TAO X Y, CHEN Z P, et al. The environmental endocrine disruptor p-nitrophenol interacts with FKBP51, a positive regulator of androgen receptor and inhibits androgen receptor signaling in human cells[J]. Journal of Hazardous Materials, 2016, 307: 193-201. doi: 10.1016/j.jhazmat.2015.12.045
[12]	李博, 刘书霞, 房森彪, 等. 分子对接与分子动力学计算模拟概论[J]. 比较化学, 2019(1): 1-10. LI B, LIU S X, FANG S B, et al. Progress in molecular docking and molecular dynamics simulation[J]. Journal of Comparative Chemistry, 2019(1): 1-10 (in Chinese).
[13]	ZHANG Y, ZENG Z T, ZENG G M, et al. Effect of Triton X-100 on the removal of aqueous phenol by laccase analyzed with a combined approach of experiments and molecular docking[J]. Colloids and Surfaces B: Biointerfaces, 2012, 97: 7-12. doi: 10.1016/j.colsurfb.2012.04.001
[14]	DING K K, KONG X T, WANG J P, et al. Side chains of parabens modulate antiandrogenic activity: in vitro and molecular docking studies[J]. Environmental Science & Technology, 2017, 51(11): 6452-6460.
[15]	NG C A, HUNGERBUEHLER K. Exploring the use of molecular docking to identify bioaccumulative perfluorinated alkyl acids (PFAAs)[J]. Environmental Science & Technology, 2015, 49(20): 12306-12314.
[16]	江文婷, 陈旭, 蔡茜茜, 等. 基于分子对接技术研究鱼源抗冻多肽与鱼肌球蛋白的相互作用[J]. 食品工业科技, 2022, 43(20): 29-38. doi: 10.13386/j.issn1002-0306.2022010078 JIANG W T, CHEN X, CAI X X, et al. Prediction of interaction between fish-derived antifreeze peptides and fish myosin by molecular docking[J]. Science and Technology of Food Industry, 2022, 43(20): 29-38 (in Chinese). doi: 10.13386/j.issn1002-0306.2022010078
[17]	赵子晗. CoS₂-N/nano-G气体扩散电极电Fenton氧化对硝基苯酚研究[D]. 哈尔滨: 哈尔滨工业大学, 2021. ZHAO Z H. Study on electro-Fenton oxidation of P-nitrophenol by CoS2-N/nano-G gas diffusion electrode[D]. Harbin: Harbin Institute of Technology, 2021 (in Chinese).
[18]	YANG J, PAN B, LI H, et al. Degradation of p-nitrophenol on biochars: Role of persistent free radicals[J]. Environmental Science & Technology, 2016, 50(2): 694-700.
[19]	DELPORT A, HARVEY B H, PETZER A, et al. The monoamine oxidase inhibition properties of selected structural analogues of methylene blue[J]. Toxicology and Applied Pharmacology, 2017, 325: 1-8. doi: 10.1016/j.taap.2017.03.026
[20]	RAMSAY R R, DUNFORD C, GILLMAN P K. Methylene blue and serotonin toxicity: Inhibition of monoamine oxidase A (MAO A) confirms a theoretical prediction[J]. British Journal of Pharmacology, 2007, 152(6): 946-951. doi: 10.1038/sj.bjp.0707430
[21]	LU C J, ZHOU Q, YAN J, et al. A novel series of tacrine-selegiline hybrids with cholinesterase and monoamine oxidase inhibition activities for the treatment of Alzheimer’s disease[J]. European Journal of Medicinal Chemistry, 2013, 62: 745-753. doi: 10.1016/j.ejmech.2013.01.039
[22]	PARK S E, PAUDEL P, WAGLE A, et al. Luteolin, a potent human monoamine oxidase-a inhibitor and dopamine D4 and vasopressin V1A receptor antagonist[J]. Journal of Agricultural and Food Chemistry, 2020, 68(39): 10719-10729. doi: 10.1021/acs.jafc.0c04502
[23]	DELPORT A, HARVEY B H, PETZER A, et al. Methylene blue analogues with marginal monoamine oxidase inhibition retain antidepressant-like activity[J]. ACS Chemical Neuroscience, 2018, 9(12): 2917-2928. doi: 10.1021/acschemneuro.8b00042
[24]	袁霞, 徐建业, 吕贞, 等. 卡马西平在UV/氯高级氧化工艺中的去除、转化与毒性评价[J]. 环境化学, 2021, 40(10): 3158-3170. doi: 10.7524/j.issn.0254-6108.2020062701 YUAN X, XU J Y, LYU Z, et al. Removal, transformation and toxicity evaluation of carbamazepine by the UV/chlorine advanced oxidation process [J]. Environmental Chemistry, 2021, 40(10): 3158-3170 (in Chinese). doi: 10.7524/j.issn.0254-6108.2020062701
[25]	KUMAR R, MOCHE M, WINBLAD B, et al. Combined X-ray crystallography and computational modeling approach to investigate the Hsp90 C-terminal peptide binding to FKBP51[J]. Scientific Reports, 2017, 7: 14288. doi: 10.1038/s41598-017-14731-z
[26]	LIU Z F, LIU Y J, ZENG G M, et al. Application of molecular docking for the degradation of organic pollutants in the environmental remediation: A review[J]. Chemosphere, 2018, 203: 139-150. doi: 10.1016/j.chemosphere.2018.03.179
[27]	WANG X N, YANG C X, SUN Y Y, et al. A novel screening strategy of anti-SARS-CoV-2 drugs via blocking interaction between Spike RBD and ACE2[J]. Environment International, 2021, 147: 106361. doi: 10.1016/j.envint.2020.106361
[28]	YANG C X, WANG X N, ZHANG L L, et al. Investigation of kinetics and mechanism for the degradation of antibiotic norfloxacin in wastewater by UV/H₂O₂[J]. Journal of the Taiwan Institute of Chemical Engineers, 2020, 115: 117-127. doi: 10.1016/j.jtice.2020.09.036
[29]	WANG X N, SUN Y Y, WANG Q, et al. Potential common mechanisms of cytotoxicity induced by amide herbicides via TRPA1 channel activation[J]. International Journal of Environmental Research and Public Health, 2022, 19(13): 7985. doi: 10.3390/ijerph19137985
[30]	ZONG W S, WANG X N, DU Y G, et al. Molecular mechanism for the regulation of microcystin toxicity to protein phosphatase 1 by glutathione conjugation pathway[J]. BioMed Research International, 2017, 2017: 9676504.
[31]	秦超, 杨兵, 程浩, 等. 多环芳烃与胞外DNA非共价结合及机制[J]. 科学通报, 2022, 67(1): 74-87. doi: 10.1360/TB-2021-0927 QIN C, YANG B, CHENG H, et al. Non-covalent binding interaction and mechanism between polycyclic aromatic hydrocarbons and extracellular DNA[J]. Chinese Science Bulletin, 2022, 67(1): 74-87 (in Chinese). doi: 10.1360/TB-2021-0927
[32]	杨先海, 蔡喜运, 陈景文, 等. 含卤有机化合物与甲状腺素转运蛋白相互作用的卤代效应[J]. 科学通报, 2014, 59(27): 2673-2681. doi: 10.1360/N972013-00059 YANG X H, CAI X Y, CHEN J W, et al. Effects of halogenation on binding interaction between halogenated thyroid disrupting chemicals and transthyretin[J]. Chinese Science Bulletin, 2014, 59(27): 2673-2681 (in Chinese). doi: 10.1360/N972013-00059

点击查看大图

图( 6) 表( 3)

计量

文章访问数: 1307
HTML全文浏览数: 1307
PDF下载数: 86
施引文献: 0

1. 材料和方法（Material and methods）
1.1 样品采集
1.2 PAHs的测定
1.3 PMF源解析
1.4 风险评估
1.5 数据分析
2. 结果与讨论（ Results and discussion）
2.1 PAHs含量及组成的变化趋势
2.2 PAHs的来源
2.3 健康风险评估
3. 结论（Conclusions）

全文HTML

对硝基苯酚（p-nitrophenol，p-NP）是一种重要的有机合成材料，同时也是典型内分泌干扰物和难降解有机污染物，在自然环境中半衰期较长，对水生生物、水体环境和人体健康均有不利影响^{[1 − 3]}. 美国环境保护署将p-NP列为水体中的优先控制污染物，同时p-NP也是我国饮用水水质标准中的污染物控制指标之一^{[4 − 6]}.

p-NP具有雌激素活性和抗雄激素活性，研究表明p-NP可能分别与雌激素受体和雄激素受体相互作用^[7]. Li等^[8]通过体内实验发现每天向未成熟雌性大鼠注射p-NP会导致子宫重量显著增加，而向未成熟雄性大鼠施用p-NP则会导致生长依赖雄激素的副性腺重量减少. 而Zhang等^[9]研究发现，经p-NP治疗的未成熟雄性大鼠的血清雄激素浓度和雄激素受体表达水平均上调，这表明p-NP抗雄激素活性的分子机制是复杂的. 雄激素受体活性通过直接蛋白-蛋白相互作用调节，应激诱导的热激蛋白（heat shock protein 90，HSP）与伴侣蛋白FK506结合蛋白（FK506 binding protein，FKBP5）通过形成FKBP5-Hsp90超复合物来调节雄激素受体活性^[10]. 尽管p-NP在体内具有抗雄激素作用，但p-NP抑制雄激素受体信号的分子机制仍不十分清楚. Wu等^[11]来用微摩尔亲和力（micromolar affinity）表征了p-NP与FKBP51的结合，实验和分子动力学模拟结果发现p-NP稳定地结合在FK1区域，p-NP结合的热点残基主要是疏水性官能团，p-NP可能通过下调雄激素受体活性激活下游基因的表达水平抑制人类前列腺癌细胞的雄激素依赖性生长，研究结果可以为评估p-NP的潜在健康影响提供新的指导.

近年来，分子对接技术作为计算生物学重要组成部分，在药物研发、生物修复以及计算毒理学等领域起到重要作用^{[12 − 13]}. Ding等^[14]利用分子对接技术研究了对羟基苯甲酸酯类物质侧链官能团对其抗雄激素活性的影响，结果表明侧链官能团的种类和长度对抗雄激素活性存在显著影响，同时对羟基苯甲酸酯类物质抗雄激素活性与结合能呈线性关系. Ng等^[15]为了研究全氟化合物的生物累积性，利用分子对接技术预测其结合强度和生物半衰期，结果表明全氟辛烷磺酸能够成功对接到人血清白蛋白上且偏差小于2 Å，为新污染物的环境风险管控提供新的思路. 江文婷等^[16]利用分子对接技术研究抗冻多肽与海鲈鱼肌球蛋白重链的作用位点及可能的作用机制，结果表明肽段GPR和GPAGGK能够通过碳氢键、氢键和范德华力等分子作用力对海鲈鱼肌球蛋白的结构及聚集行为产生影响，阻碍蛋白侧链聚集、结构改变和冰晶的位移等.

有关研究已经对p-NP在环境中的降解路径和降解产物进行了研究，然而环境中p-NP降解产物（p-NP degradation products，p-NP-DPs）与FKBP5相互作用及其分子水平机制的研究尚未开展. 赵子晗^[17]利用紫外全谱扫描和液质联用测定p-NP-DPs，主要有对苯二酚、邻苯二酚、4-硝基邻苯二酚、1,2,4-苯三酚、对苯醌、苯酚等6种物质. Yang等^[18]发现环境中p-NP-DPs主要包括对苯二酚、邻苯二酚、4-硝基邻苯二酚、对苯醌、苯酚以及小分子有机酸. p-NP-DPs与和FKBP5相互作用机理尚不清晰，而p-NP-DPs与FKBP5相互作用性能和机理对于理解和防控环境中p-NP对人体的健康风险十分重要. 小分子污染物的降解产物由于具有污染物类似的结构而具有相似的环境效应，污染物与受体蛋白的相互作用受到官能团和分子量等理化性质的影响^{[19 − 22]}. Anzelle等^[23]通过研究亚甲基蓝结构类似物对单胺氧化酶抑制作用的影响，结果发现亚甲基蓝、Azure B和ethylthioninium chloride（ETC）对单胺氧化酶A（monoamine oxidase A，MAOA）和单胺氧化酶B（monoamine oxidase B，MAOB）的半数抑制浓度（half maximal inhibitory concentration，IC₅₀）分别为0.07 μmol·L⁻¹（亚甲基蓝-MAOA）、0.01 μmol·L⁻¹（Azure B-MAOA）和0.51 μmol·L⁻¹（ETC-MAOA），4.47 μmol·L⁻¹（亚甲基蓝-MAOB）、0.97 μmol·L⁻¹（Azure B-MAOB）和0.59 μmol·L⁻¹（ETC-MAOB）. 袁霞等^[24]通过HRMS Orbitrap和GC-MS鉴定出UV/氯高级氧化工艺降解卡马西平的10种降解产物，并利用发光细菌毒性实验和ECOSAR预测卡马西平降解产物的毒性，结果表明卡马西平在UV/氯高级氧化工艺中产生更高毒性的中间产物，对水质安全和污染物毒性管控造成潜在风险.

环境中p-NP-DPs与FKBP5结合形成p-NP-DPs-FKBP5加合物是产生雌激素和抗雄激素活性的主要机制^{[8 − 10]}，而p-NP-DPs与FKBP5结合的分子水平机制亟需阐述清楚. 基于此，本文采用通过分子对接技术模拟计算p-NP-DPs与FKBP5相互作用的结合能和结合面积. 在此基础上，通过Spearman相关性和Pearson相关性分析探讨p-NP-DPs理化性质对p-NP-DPs与FKBP5结合的影响，剖析影响p-NP-DPs与FKBP5结合的关键因子，从分子水平阐述p-NP-DPs与FKBP5相互作用的本质. 研究结果有助于增进人们对水环境中p-NP-DPs新污染物分子水平健康效应和环境风险的认识和理解.

3. 结论（Conclusion）

（1）p-NP-DPs与FKBP5相互作用结合面积顺序为213 Å²（4-硝基邻苯二酚）> 200 Å²（p-NP）> 184 Å²（邻苯二酚）> 175 Å²（对苯二酚）> 173 Å²（苯酚）> 171 Å²（对苯醌），结合能顺序为−3.69 kcal·mol⁻¹（4-硝基邻苯二酚）> −3.76 kcal·mol⁻¹（p-NP）> −3.81 kcal·mol⁻¹（对苯二酚/邻苯二酚）> −3.83 kcal·mol⁻¹（对苯醌）> −3.91 kcal·mol⁻¹（苯酚）.

（2）p-NP-DPs与FKBP5相互作用高频氨基酸残基为Pro221、Gly224、Glu227、Ala228（221-228）和Gly282、Lys283、Tyr284、Met285、Gln286（282-286），p-NP-DPs的药效团主要包括氢键供体、氢键受体、芳香中心和疏水中心.

（3）p-NP-DPs理化性质对p-NP-DPs与FKBP5相互作用强度的影响主要取决于分子量和拓扑极表面积（100%）> 氢键受体数量（75%）> 密度（50%）> 闪点（25%）.

参考文献 (32)

对硝基苯酚降解产物与FK506结合蛋白相互作用分子机制

通讯作者: E-mail：sdqcsdnu@163.com