黏性骨复合脱蛋白猪骨基质与先进富血小板纤维蛋白在兔胫骨模型中促进骨再生的作用与机制研究

《BMC Oral Health》：Evaluation of bone regenerative potential of sticky bone combined with DPBM and APRF in a rabbit tibial model: an in vivo study

本研究针对骨缺损修复中材料成骨能力不足与炎症调控困难的问题，系统评估了黏性骨（STB）这一结合脱蛋白猪骨基质（DPBM）与先进富血小板纤维蛋白（APRF）的新型材料。通过兔胫骨非临界尺寸缺损模型，发现STB可显著促进新骨形成、改善骨小梁结构、上调Runx2/ALP表达并增强CD31+血管生成，同时降低TNF-α介导的炎症反应。该研究为临床骨再生材料的选择提供了分子生物学依据，发表于《BMC Oral Health》。

　　

随着全球老龄化进程加速，骨缺损修复已成为口腔医学和骨科领域的重要挑战。自1913年起，各类生物材料被广泛应用于骨再生手术，但理想材料仍需兼具良好的成骨活性、血管化能力及免疫调节功能。传统自体骨虽被视为"金标准"，但其来源有限、需二次手术且易引发并发症；而异种骨移植材料（如脱蛋白猪骨基质DPBM）虽具 osteoconductive（骨传导性），却缺乏早期 osteoinductive（骨诱导性）并可能引起炎症反应。与此同时，胶原支架（CS）虽生物相容性良好，但单独使用时成骨效能有限。富血小板纤维蛋白（PRF）作为自体生长因子载体，能促进软组织愈合，但其在硬组织再生中的作用尚存争议。为此，研究者提出将PRF与骨移植材料结合形成"黏性骨"（Sticky Bone, STB），以期通过协同作用提升骨再生效率。

为系统评估STB的骨再生潜能，Shu Yizhuo等人在《BMC Oral Health》发表研究，通过兔胫骨缺损模型比较了STB、DPBM、APRF及CS四类材料的成骨效果。该研究创新性地整合显微CT、组织学及免疫组化分析，从多维度揭示STB通过调控TGF-β/BMP与NF-κB信号通路协同促进骨修复的机制。

关键技术方法概述

研究采用30只15周龄雄性新西兰白兔，建立双侧胫骨非临界尺寸缺损模型（直径2.2 mm，深度6 mm）。实验分组包括空白对照（EC）、DPBM、APRF、STB及CS组，缺损区覆盖猪心包胶原膜（Bio-Gide^?）。通过扫描电镜（SEM）观察材料微观结构，显微CT量化骨体积分数（BV/TV）、骨小梁分离度（Tb.Sp）等参数，组织学染色（Mc-Neal's）计算新骨填充率，免疫组化检测Runx2、ALP、CD31及TNF-α表达。所有数据分析采用GraphPad Prism进行统计学处理。

研究结果

SEM表征

扫描电镜显示，STB组中纤维蛋白网络紧密包裹DPBM颗粒，血小板直接接触材料表面，形成稳定三维结构；而单纯DPBM组胶原层薄且 discontinuous（不连续），提示STB具有更优的机械整合性。

显微CT分析

术后2周，STB与DPBM组的新骨体积（BV/TV）显著高于CS与EC组（STB: 35.82%±3.09% vs CS: 20.39%±1.82%, p<0.0001），且骨小梁结构更致密（Tb.Sp: STB 0.61±0.05 mm vs CS 1.20±0.12 mm）。至6周时，各组BV/TV均趋近饱和，但STB与DPBM仍保持更优的骨微结构（SMI接近0，提示板层骨为主）。

组织学分析

术后2周，STB组缺损区可见大量 magenta（品红色）染色新骨环绕移植颗粒，尤其近骨髓腔区域；而CS组仅见稀疏条纹状新骨。定量显示STB组新骨填充率（66.12%±6.32%）显著高于CS组（51.02%±6.76%, p<0.0001）。6周时STB组骨整合程度仍领先（新骨填充率88.01%±4.91% vs CS 70.07%±5.67%）。

免疫组化分析

STB组Runx2与ALP表达显著上调，提示成骨分化活跃；CD31⁺微血管密度高于CS组（p<0.01），证实其促血管生成能力。尤为重要的是，STB组炎症因子TNF-α表达显著低于DPBM组（p<0.01），体现其抗炎优势。

结论与意义

本研究证实STB通过协同DPBM的支架功能与APRF的生长因子释放能力，形成"空间维持+生物信号激活"的双重优势。其分子机制可能涉及激活BMP-Smad1/5/8通路以促进Runx2/ALP表达，同时抑制NF-κB通路减轻炎症抑制效应。尽管STB与DPBM在长期成骨量上无统计学差异，但STB在早期血管化与免疫调节方面的突出表现，为其在牙槽嵴保存、颌骨重建等临床场景提供了应用依据。未来需通过大样本研究及直接检测SMAD1/5/8、p65等信号分子，进一步阐明STB的精确调控网络。