《International Journal of Molecular Sciences》:Mechanobiology and Molecular Regulation of Periodontal Tissue Remodeling During Orthodontic Tooth Movement: From Periodontal Phenotype to Precision Orthodontics—A Narrative Review
传统的正畸牙齿移动方案是根据生物力学原理制定的;然而,越来越多的证据表明,治疗结果受到个体生物学反应性的强烈影响。本叙述性综述总结了关于正畸牙齿移动过程中调节牙周组织重建的力学生物学和分子机制的现有知识,并探讨了其对个性化正畸治疗的意义。研究人员对文献进行了批判性分析,特别强调了机械转导通路,包括Piezo1、TRPV4、整合素介导的信号传导、Hippo-YAP/TAZ、Wnt/β-catenin以及RANK/RANKL/OPG轴,连同炎症介质、细胞外基质重建、牙周表型以及与牙周易感性相关的新兴分子生物标志物。研究人员还回顾了锥形束计算机断层扫描(CBCT)、口内光学扫描、STL-CBCT融合和人工智能(AI)的最新进展,以探讨它们在改善生物学指导的诊断和治疗规划方面的潜力。目前的证据表明,牙周并发症,包括牙龈退缩(GR)、牙槽骨丧失和牙根吸收,是由正畸生物力学与患者特异性生物学特征之间的复杂相互作用引起的,而不仅仅是牙齿移动本身造成的。力学生物学、分子谱分析、先进成像技术和人工智能的整合为精准正畸奠定了基础,能够实现个体化的风险评估、生物学指导的治疗规划,并改善长期的牙周稳定性。
1. Introduction
正畸牙齿移动是一个复杂的生物学过程,涉及牙周韧带(PDL)和牙槽骨的协调反应。施加力量会在PDL内形成压力区和张力区,引发骨吸收和骨形成。然而,正畸不仅是机械位移,而是由炎症信号通路、细胞适应性和个体组织易感性调节的力学生物学过程。牙槽骨轮廓代表了牙齿移动的生物学限制,越界可能导致骨开裂、骨开窗及牙龈退缩(GR)。薄牙周表型患者对不良组织反应更为敏感。现代正畸越来越强调基于牙龈表型、牙槽骨形态型和牙齿移动解剖学限制的个性化治疗。锥形束计算机断层扫描(CBCT)、口内光学扫描、STL-CBCT融合和人工智能(AI)为个性化风险评估提供了可能。
2. Literature Search Strategy
本叙述性综述通过检索PubMed/MEDLINE等数据库文献进行,搜索词涵盖正畸牙齿移动、牙周重建、力学生物学、分子信号传导等。研究纳入了原创研究、系统综述等英文文献,优先考虑近期研究和高级别临床证据,排除了不相关和方法学信息不足的文献。文献选择基于与预定主题范围的相关性。
3. Biological Basis of Periodontal Complications During Orthodontic Tooth Movement
3.1. Mechanobiology of Orthodontic Tooth Movement
正畸生物力学涉及外加机械力与牙周组织生物反应的相互作用,机械转导涉及PDL成纤维细胞、骨细胞等协调反应。力的方向和大小影响局部血管和细胞炎症反应。牙齿阻力中心位置随牙槽骨支持水平等动态变化。生物学反应高度个性化,取决于牙周表型、牙槽骨形态等,解释了牙周并发症易感性的个体差异。
3.2. Mechanosensitive Signaling Pathways in Orthodontic Tooth Movement
机械力由特化的机械敏感结构检测并转化为生化信号。机械激活离子通道Piezo1诱导Ca
2+内流,调节成骨细胞分化。瞬时受体电位香草酸亚型4(TRPV4)响应机械牵拉。整合素受体连接细胞外基质与细胞骨架,激活黏着斑激酶(FAK)等下游通路。Hippo-YAP/TAZ信号轴在机械刺激下转入细胞核激活基因。Wnt/β-catenin通路受骨硬化蛋白(SOST)调节,控制骨形成和吸收平衡。Notch信号也参与其中。这些通路形成整合网络,受正畸力和患者特异性生物学特征共同影响。
3.3. Periodontal Ligament Response to Orthodontic Forces
在压力区,PDL变窄,血管受压,胶原结构破坏,可能发生透明样变。骨基质受创导致骨细胞凋亡,破骨细胞增加导致骨吸收。在张力区,PDL增宽,血管扩张,表达成骨标志物促进新基质形成和矿化。骨形成慢于吸收,在薄牙周表型患者中,代偿性骨形成不足易导致骨开裂和GR。
3.4. Inflammatory Signaling Pathways (RANK/RANKL/OPG, Cytokines, Osteoclastogenesis)
正畸牙齿移动由类无菌性炎症级联介导。RANK/RANKL/OPG轴是调节破骨细胞分化的主要通路,RANKL促进破骨,骨保护素(OPG)抑制此过程。全身性疾病和药物如双膦酸盐、非甾体抗炎药(NSAIDs)等也会改变骨代谢。绝经后雌激素下降和尼古丁暴露均会增加破骨活动。
3.5. Alveolar Bone Remodeling and Cortical Bone Adaptation
牙槽骨适应性有限,取决于牙槽骨厚度、血管化等。超过生物极限会导致代偿性骨形成不足。移动类型影响骨重建,如不受控倾斜易致牙颈区皮质骨吸收。CBCT研究表明过度唇向倾斜会减少唇侧牙槽骨厚度并增加釉牙骨质界(CEJ)至牙槽嵴距离。轻力维持PDL血管化,过度力导致缺血和透明样变,约50-100 cN力在特定情况下较为有利。
3.6. Soft Tissue Phenotype and Gingival Stability
牙周软组织稳定性由牙周表型、牙槽骨形态等共同决定。薄牙龈组织常与薄骨板、骨开裂易感性共存,软硬组织的联合适应能力决定了牙周组织的韧性。
3.7. Biological Mechanisms of Gingival Recession Development
GR是多种因素相互作用的并发症。过度唇舌向移动根部、薄颊侧骨板等增加易感性。蛋白质组学分析发现GR患者表现出特定分子谱,如IQGAP1、ACTN1等参与细胞骨架和机械转导的蛋白表达改变,提示牙周并发症受正畸生物力学和个体分子反应性共同影响。
4. Molecular Biomarkers of Susceptibility
4.1. Inflammatory Biomarkers
龈沟液(GCF)中白细胞介素-1β(IL-1β)、IL-6、肿瘤坏死因子-α(TNF-α)、前列腺素E
2(PGE
2)等是广泛研究的生物标志物。IL-1β和TNF-α刺激破骨分化,PGE
2促进骨吸收,RANKL/OPG比值决定骨转换率。
4.2. Biomarkers of Extracellular Matrix Remodeling
基质金属蛋白酶(如MMP-1、MMP-3、MMP-8、MMP-9)在胶原降解中起关键作用,由金属蛋白酶组织抑制剂调节。平衡破坏易导致结缔组织分解和GR。纤连蛋白(FN1)异常与组织愈合受损相关。
4.3. Mechanotransduction-Associated Biomarkers
发生GR的患者表现出特定蛋白质改变,如IQGAP1、ACTN1、TLN1、VASP、FERMT3、MYO1C和RALA,这些蛋白参与细胞骨架重建、黏着斑动态和力传导,构成了决定牙周组织适应能力的网络。
4.4. Emerging Biomarkers and Future Perspectives
多组学技术扩展了标志物范围。微小RNA(miRNAs)调节骨生成等通路。细胞外囊泡,特别是间充质干细胞来源外泌体(MSC-Exos),介导细胞通讯并促进成骨。蛋白质组学可同时评估数百种蛋白。GCF直接反映牙周微环境分子事件,是更具信息量的标志物来源。
5. Periodontal Phenotype as a Risk Factor
5.1. Definition and Components of Periodontal Phenotype
牙周表型包含牙龈表型和骨形态型。薄表型表现为细软牙龈和明显扇形,薄牙龈常伴薄骨板。表型是生物学连续谱,定量评估比传统分类更有价值。窄角化组织结合薄牙龈易增加软组织不稳定风险。
5.2. Phenotype-Related Risk Stratification Before Orthodontic Treatment
正畸前应对薄牙龈、窄角化组织、薄骨板、已有骨缺损及系统性疾病患者进行风险评估,以支持调整正畸生物力学和牙周监测强度。
6. Cone-Beam Computed Tomography in Orthodontic–Periodontal Risk Assessment
6.1. CBCT Imaging Principles and Clinical Applications
CBCT通过体积重建提供三维可视化,消除图像叠加和几何变形,在可视化牙槽骨和识别解剖限制方面具有重要价值。
6.2. Evaluation of Alveolar Bone Morphology
CBCT能评估皮质骨和松质骨厚度、牙槽嵴形态等,识别正畸目标与生物学限制冲突的情况,尤其在薄牙周表型或严重拥挤患者中具有价值。
6.3. Detection of Dehiscence and Fenestration
CBCT改善了骨开裂和骨开窗的检测。已有缺损会降低正畸牙齿移动速度。过度唇倾会增加缺损率,但由于薄骨板接近分辨率极限,解释需谨慎。
6.4. Limitations and Accuracy of CBCT in Periodontal Assessment
CBCT在薄骨板和小缺损可视化上受体素大小和平均容积等因素影响,前牙区易出现假阳性。且CBCT无法准确评估牙龈等软组织,需结合临床检查。
6.5. Radiation Exposure and Ethical Considerations
CBCT辐射剂量较高,应遵循ALARA和ALADAIP原则,仅在预期诊断收益大于生物风险时使用,支持个性化且生物学合理的治疗规划。
7. Digital Dentistry and STL-CBCT Fusion
7.1. Intraoral Optical Scanning in Periodontal Assessment
口内光学扫描仪(IOSs)生成高精度三维数字模型,可定量评估牙龈形态和表型,改善患者舒适度并支持数字规划,但不能替代临床探诊等检查。
7.2. STL-CBCT Fusion Protocols
整合口内扫描(STL文件)与CBCT(DICOM文件),通过迭代最近点(ICP)算法配准创建统一的三维模型。融合精度高,能同时评估牙根位置、牙槽骨形态和牙龈厚度,改善诊断和治疗规划。
8. Artificial Intelligence and Machine Learning in Orthodontic Risk Prediction
8.1. Artificial Intelligence as an Integrative Platform
AI能同时处理临床记录、三维成像、牙周表型和分子生物标志物等多模态数据。深度神经网络可通过纵向数据提高预测性能,实现动态风险评估,超越单纯的解剖学评估。
8.2. Automated Periodontal Phenotype Recognition
深度学习算法可自动识别解剖标志点并提取定量参数,如牙龈厚度、牙槽骨厚度等,减少观察者变异性,实现标准化表型分类,并有望结合临床变量进行生物学预测。
8.3. AI-Assisted Virtual Patients and Digital Twins
患者特异性数字孪生通过整合多种数据生成持续更新的虚拟副本,旨在模拟正畸移动和牙周组织重建,支持根据个体生物学特征制定力值、生物力学等个性化治疗,但目前仍为概念框架。
8.4. Explainable Artificial Intelligence
可解释人工智能(XAI)识别对预测贡献最大的变量,揭示GR等并发症背后的生物学驱动因素,提高临床医生信心并产生新的机制假设。
9. Personalized and Interdisciplinary Treatment Planning
高风险患者的治疗计划应整合牙齿移动与牙周表型等。诊断需确定是否有足够空间排齐。对于骨性错颌掩饰治疗,需防止根移出皮质骨边界。应根据生物学表型调整生物力学,必要时在正畸前或期间进行牙周表型修饰(如自体结缔组织移植)。需多学科协作以实现最佳平衡。
10. Future Perspectives
10.1. Precision Dentistry and Predictive Orthodontics
未来系统将通过动态整合分子、成像和纵向临床数据,持续评估个体组织反应并调整治疗,实现生物学驱动的正畸。
10.2. Multi-Omics and Biomarker Integration
蛋白质组学可识别分子特征,提供生物学反应实时信息,但需前瞻性临床验证和标准化工作流程才能常规应用。
10.3. Future Directions in Personalized Periodontal Risk Assessment
未来研究应结合纵向临床结果与定量成像等。间充质干细胞(MSCs)和外泌体可加速骨重建。水凝胶和重组I型胶原等生物材料可作为递送载体。药物干预如整合素拮抗剂cilengitide和蛋白水解靶向嵌合体(PROTACs)可调节骨重建。基因编辑等仍属高度实验性方向。
11. Limitations of Current Evidence
11.1. Heterogeneity of Imaging Protocols
CBCT获取参数差异大,影响薄骨板可视化和缺损检出率,降低了数据可比性和定量阈值的确立。
11.2. Lack of Standardized Phenotype Assessment
缺乏普遍接受的表型评估协议,测量方法和分类系统不一,限制了可重复性和风险分层的建立。
11.3. Limited Prospective Clinical Evidence
高质量前瞻性证据稀缺,多为回顾性研究,随访短,混杂变量控制不足,难以建立因果关系。
11.4. External Validation of Artificial Intelligence Models
AI模型多基于单中心回顾性数据,缺乏外部多中心验证和透明报告,泛化能力和稳健性不确定。
11.5. Limited Integration of Molecular, Imaging, and Clinical Data
分子生物学、成像和临床诊断各自独立发展,数据未有效整合,预测模型未能反映复杂的生物学过程,未来需多模态前瞻性研究。
12. Conclusions
正畸牙齿移动是力学生物学过程,牙周并发症不应仅归因于牙齿移动。正畸前评估牙周表型等有助于识别解剖脆弱性。分子生物标志物等多模态方法仍处于研究阶段,需前瞻性验证以实现精准正畸。作为叙述性综述,存在选择偏倚和部分领域证据异质性较大的局限。