中山大学、中科院Cell子刊：泄密的微生物组

当疾病、衰老或其他因素导致人体改变时，特异部位的微生物组也会发生改变。来自中科院青岛生物能源与过程研究所及中山大学的研究人员报道称，可以在疾病临床症状出现之前利用口腔微生物群来预测出龋齿的发病。发表在9月9日《Cell Host & Microbe》的研究结果表明，可利用口腔微生物组的改变来作为某些情况下疾病风险的指标。

　　

生物通报道  当疾病、衰老或其他因素导致人体改变时，特异部位的微生物组也会发生改变（延伸阅读：PNAS：人类的第三种独特“指纹” ）。现在，来自中科院青岛生物能源与过程研究所及中山大学的研究人员报道称，可以在疾病临床症状出现之前利用口腔微生物群来预测出龋齿的发病。发表在9月9日《Cell Host & Microbe》的研究结果表明，可利用口腔微生物组的改变来作为某些情况下疾病风险的指标。

中科院青岛生物能源与过程研究所的徐健（Jian Xu）研究员及中山大学的凌均棨(Junqi Ling)教授是这篇论文的共同通讯作者。

斯坦福大学医学院微生物学家Elisabeth Bik（未参与该研究）说：“这项研究为了解有无龋齿的幼儿口腔微生物组的形成机制做出了重大贡献。”

了解QIAGEN的更多宏基因组学相关产品

幼儿龋齿是最常见的儿童口腔疾病。一旦开始发生，这一疾病不可逆转，并使得孩子在长大后形成蛀牙的风险增高。以往的一些研究曾试图鉴别出与这一疾病相关的一些标记物，包括特异的病原体、口腔卫生习惯和吃糖等，但这些研究均无法一致地将这些因素与龋齿发生等同起来。徐健说：“通常，都是基于过去疾病的发生最佳估计孩子患龋齿的风险。很难预测表面上健康的孩子龋齿的发生。”

研究人员追踪了50名4岁幼儿牙斑和唾液中口腔微生物组的形成情况。在两年时间里，研究人员通过每半年获取一次样本追踪了孩子们的口腔微生物。这些孩子都健康，在同一所学校就读，遵从相似的膳食计划，每天刷牙两次。

一开始孩子们被分成三组：无龋齿的孩子被视为是健康的，有1-6个牙齿患龋的孩子罹患早期疾病，有6个以上牙齿受累的孩子被归类为有严重龋齿。

在两年时间内，研究人员评估了不同的因素对于孩子口腔微生物组的影响。他们发现，影响微生物组组成的三大因素是孩子的年龄，龋齿的严重程度，及学龄前儿童间的个体差异。“儿童口腔微生物群的形成与年龄相关，因此在特定年龄，口腔微生物可作为孩子年龄的一个指标，”徐健说。

与研究中没有形成龋齿的健康儿童比较，有早期龋、病情随时间恶化的孩子有着不太成熟的微生物群，这表明龋齿可以减慢微生物组的正常衰老过程。Bik指出，令人惊讶地是，一种常见龋齿相关病原体——变异链球菌（Streptococcus mutans）的分布在群体间无显著差异。

以往一项研究营养不良对儿童肠道微生物组影响的研究发现了相似的效应；营养不良似乎使得大龄儿童微生物组看起来“更年轻”。 Bik认为，早期龋似乎有相似的影响，“有早期龋的孩子似乎‘齿’龄小于无龋齿的孩子。”

孩子的牙斑微生物组改变最显著，似乎出现在早期龋发生之前。基于他们的观察结果，研究人员开发了一种预测模型，其可以确切地描绘哪些无龋齿研究参与者将会形成这一疾病，其准确率在80%以上。

这一模型聚焦的并非是单一微生物物种，而是不同的常见微生物群体的相对丰度。徐健说：“我们发现微生物群改变出现于龋齿发生之前。当每颗牙齿在专业牙医看来健康之时，微生物群可以预测出未来龋齿的发病。”

在未来的工作中，徐健和同事们打算将研究扩展至其他国家的学龄前儿童，确切描绘出当微生物组改变发出口腔疾病发生信号的时间范围。

Bik说，这些结果是否适用于其他人群还需要进一步的研究。由于研究中三分之二的儿童在研究期间都已经有龋齿或形成了蛀牙，“这些研究结果或许无法扩展至少接触糖或儿童龋齿可能不太常见地理区域的孩子。他们的口腔微生物群或许会遵循不同的路径。”

（生物通：何嫱）

生物通推荐原文摘要：

Prediction of Early Childhood Caries via Spatial-Temporal Variations of Oral Microbiota

Microbiota-based prediction of chronic infections is promising yet not well established. Early childhood caries (ECC) is the most common infection in children. Here we simultaneously tracked microbiota development at plaque and saliva in 50 4-year-old preschoolers for 2 years; children either stayed healthy, transitioned into cariogenesis, or experienced caries exacerbation. Caries onset delayed microbiota development, which is otherwise correlated with aging in healthy children. Both plaque and saliva microbiota are more correlated with changes in ECC severity (dmfs) during onset than progression. By distinguishing between aging- and disease-associated taxa and exploiting the distinct microbiota dynamics between onset and progression, we developed a model, Microbial Indicators of Caries, to diagnose ECC from healthy samples with 70% accuracy and predict, with 81% accuracy, future ECC onsets for samples clinically perceived as healthy. Thus, caries onset in apparently healthy teeth can be predicted using microbiota, when appropriately de-trended for age.