Les substances per- et polyfluoroalkyles (PFAS) sont largement utilisées dans divers produits comme revêtements hydrofuges et résistants aux taches. Les PFAS sont appelés « produits chimiques éternels » en raison de leur stabilité thermique et chimique exceptionnelle, et ont été trouvés à l'échelle mondiale dans l'environnement, les humains et la faune.
Les acides perfluoroalkyles à longue chaîne, notamment l'acide perfluorooctanoïque (PFOA) et l'acide perfluorooctanesulfonique (PFOS), sont persistants, bioaccumulables et toxiques. À l'échelle mondiale, les substances liées au PFOA et au PFOS sont réglementées par la Convention de Stockholm sur les polluants organiques persistants (POP).
Un aspect toxicologique clé des PFAS, en particulier du PFOA et du PFOS, est leur perturbation du métabolisme lipidique par interaction avec le PPARα, essentiel au métabolisme lipidique, à l’équilibre énergétique et à la différenciation cellulaire. La liaison du PFAS au PPARα perturbe les voies de signalisation, provoquant divers effets biologiques. Cependant, les dangers potentiels (par exemple, bioactivité, bioaccumulation et toxicité) de milliers de types de PFAS, y compris les PFAS alternatifs de nouvelle génération, sont limités.
Dans une étude publiée dans Environmental Science &Technology , les chercheurs ont développé une approche d'apprentissage automatique explicable pour prédire l'affinité de liaison du PFAS-PPARα.
Ils ont obtenu des données SMILES pour 6 798 PFAS à partir de la base de données de l’EPA des États-Unis et ont utilisé l’environnement d’exploitation moléculaire (MOE) pour calculer 206 descripteurs moléculaires et l’affinité de liaison (c’est-à-dire le score S) au PPARα pour chaque PFAS. Les résultats ont révélé que 4 089 PFAS présentaient des scores S inférieurs à ceux du PFOA (score S =-5,03 kcal/mol) et du SPFO (score S =-5,09 kcal/mol).
Grâce à la sélection systématique et objective de descripteurs moléculaires importants, l’équipe a développé un modèle d’apprentissage automatique avec de bonnes performances prédictives utilisant seulement trois descripteurs (R2=0,72). La taille moléculaire (b_single) et les propriétés électrostatiques (BCUT_PEOE_3 et PEOE_VSA_PPOS) sont importantes pour la liaison PPARα-PFAS. Les PFAS alternatifs sont considérés comme plus sûrs que leurs prédécesseurs.
Cependant, les chercheurs ont découvert que les PFAS alternatifs contenant de nombreux atomes de carbone et groupes éther présentaient une affinité de liaison plus élevée pour le PPARα que les anciens PFOA et PFOS. La nouvelle approche surpasse les approches QSAR et d'apprentissage automatique traditionnelles en termes d'interprétabilité, fournissant ainsi un aperçu plus approfondi du mécanisme moléculaire de la toxicité des PFAS.
Dans la présente étude, le modèle d’apprentissage automatique a prédit avec succès l’affinité de liaison du PFAS au PPARα humain et a prédit les caractéristiques moléculaires clés de la liaison. Bien que cette étude se soit concentrée sur la liaison PFAS-PPARα et se soit limitée à la liaison ligand-récepteur, l'approche de l'équipe est également pertinente pour d'autres études de liaison ligand-récepteur et de relations structure-propriété.
Des recherches futures pourraient améliorer la précision des prévisions de toxicité en intégrant davantage de fonctionnalités. De telles études impliqueraient non seulement les détails structurels des PFAS, mais également des informations sur les voies de transduction du signal en aval, permettant ainsi potentiellement des prévisions de toxicité plus précises. Cependant, des limites existent.
Les chercheurs se sont concentrés sur l’interaction avec le PPARα, alors que les PFAS pourraient induire une toxicité via d’autres récepteurs. Notamment, un score de liaison élevé ne reflète pas toujours une toxicité. Ainsi, la toxicité réelle doit être vérifiée expérimentalement. Malgré ces limitations, leur méthode permet un dépistage rapide et rentable des PFAS, fournissant une compréhension préliminaire de leur toxicité potentielle et guidant d'autres investigations expérimentales approfondies.
Plus d'informations : Kazuhiro Maeda et al, Élucidation des caractéristiques clés de la liaison des PFAS au récepteur Alpha activé par les proliférateurs de peroxysomes humains :une approche d'apprentissage automatique explicable, Science et technologie de l'environnement (2023). DOI :10.1021/acs.est.3c06561
Informations sur le journal : Sciences et technologies environnementales
Fourni par l'Université d'Ehime
