Investigating the mechanism of phthalates in breast cancer using molecular docking and network toxicology

乳腺癌 对接(动物) 机制(生物学) 环境毒理学 计算生物学 毒理 化学 药理学 医学 毒性 癌症 生物 内科学 认识论 哲学 护理部
作者
Jinrui Zhang,Wenjie Zhang,Lei Zhang,Rongqiao He,Yudan Dong,Jintao Yuan
出处
期刊:Toxicology Mechanisms and Methods [Taylor & Francis]
卷期号:35 (9): 1547-1565
标识
DOI:10.1080/15376516.2025.2553099
摘要

Phthalate esters (PAEs) are ubiquitous environmental contaminants, with certain congeners potentially exhibiting breast cancer-promoting effects. However, their toxicological mechanisms remain poorly characterized. This study systematically investigates PAEs' direct interactions with breast cancer pathways using an integrated computational approach combining molecular docking-based inverse virtual screening with network toxicology. We computational screened 12 representative PAEs against 275 breast cancer-related proteins. Through rigorous network analysis using Cytoscape software with CytoNCA plugin, we identified six pivotal molecular targets: E1A binding protein p300 (EP300), somatic cytochrome c (CYCS), mechanistic target of rapamycin kinase (MTOR), prostaglandin-endoperoxide synthase 2 (PTGS2), peroxisome proliferator-activated receptor gamma (PPARγ), and progesterone receptor (PGR). KEGG pathway enrichment analysis revealed significant associations with two major oncogenic pathways: the cancer pathway and Kaposi's sarcoma-associated herpesvirus (KSHV) infection signaling pathway. Differential gene expression analysis and survival prognosis validation further substantiated these core targets' clinical relevance. Notably, this work identified six pivotal molecular targets (EP300, CYCS, MTOR, PTGS2, PPARγ, and PGR) and for the first time, linked PAEs to the KSHV infection pathway. Our findings establish a novel network toxicology framework for elucidating shared molecular mechanisms underlying PAEs-induced breast carcinogenesis, providing mechanistic insights to support environmental monitoring and preventive strategies against PAEs-associated breast cancer risks.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
漾漾的羊完成签到 ,获得积分10
刚刚
深情安青应助喵喵采纳,获得10
刚刚
风晓人情完成签到 ,获得积分10
刚刚
1秒前
ZY完成签到,获得积分10
1秒前
1秒前
meikoo完成签到 ,获得积分10
1秒前
2秒前
2秒前
马少洋发布了新的文献求助10
2秒前
2秒前
2秒前
2秒前
kevinarnett完成签到,获得积分10
3秒前
李xq完成签到,获得积分10
3秒前
喻白玉完成签到,获得积分10
3秒前
bingo完成签到,获得积分20
3秒前
3秒前
4秒前
Lucky牛发布了新的文献求助10
4秒前
向中恶发布了新的文献求助10
4秒前
4秒前
4秒前
4秒前
月晓风清发布了新的文献求助10
4秒前
4秒前
5秒前
丘比特应助包子采纳,获得30
5秒前
付亚蓉发布了新的文献求助10
5秒前
djj完成签到,获得积分10
5秒前
酷酷绮菱发布了新的文献求助10
5秒前
5秒前
5秒前
Liu发布了新的文献求助10
5秒前
落花生完成签到,获得积分10
6秒前
希音发布了新的文献求助10
6秒前
6秒前
luyajie发布了新的文献求助10
7秒前
bingbing完成签到,获得积分20
7秒前
觅夏发布了新的文献求助10
7秒前
高分求助中
Principles of Economics, 11th Edition 10000
University Physics with Modern Physics, 16th edition 10000
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Matrix Methods in Data Mining and Pattern Recognition 510
Social Skills Improvement System-Rating Scales--Chinese Version 500
Dynamische Polarisation von H-1 und B-11 in (CH-3)-3NBH-3 500
CLSI M07 2024 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7248141
求助须知:如何正确求助?哪些是违规求助? 8871083
关于积分的说明 18715513
捐赠科研通 6927189
什么是DOI,文献DOI怎么找? 3198137
关于科研通互助平台的介绍 2373857
邀请新用户注册赠送积分活动 2172991