研究要点
对唾液进行鸟枪法宏基因组测序，可揭示不同牙周健康与疾病阶段的微生物特征差异。
牙龈卟啉单胞菌（Porphyromonas gingivalis）和齿垢密螺旋体（Treponema denticola）等关键致病菌的富集与晚期牙周病密切相关。
包括念珠菌（Candida）和某些病毒在内的非细菌微生物，也表现出与牙周状态相关的差异性丰度。
基于唾液分类群构建的复合宏基因组分类器，可准确识别牙龈炎和重度牙周炎患者，显示出作为无创诊断工具的潜力。
研究背景
牙周病是一种常见的慢性炎症性疾病，累及牙齿支持组织；如未及时治疗，可导致组织破坏和牙齿脱落。传统诊断主要依赖临床和影像学评估，往往在疾病进展至较晚阶段时才能发现。口腔内栖居着复杂的微生物群落，其中细菌、真菌和病毒均参与健康与疾病过程。唾液能够反映这一微生物生态系统，且便于获取，适合用于微生物谱分析。阐明牙周病进展相关的微生物变化，有助于实现更早期的检测与靶向干预，从而回应口腔健康管理中一个重要的未满足临床需求。
研究设计
本项横断面研究纳入204名成人（平均年龄40.3 ± 7.6岁），均来自SECRETO研究（NCT01934725）。受试者接受了全面的口腔临床及影像学检查，并被分为6类牙周状态：牙周健康、局限性牙龈炎、广泛性牙龈炎、伴牙周袋的牙龈炎、轻度牙周炎（I–II期）以及重度牙周炎（III–IV期）。采集非刺激性唾液样本后进行鸟枪法宏基因组测序。生物信息学分析用于评估微生物多样性，识别细菌、真菌、病毒及噬菌体群落的分类组成，并探讨功能性代谢通路。研究还基于微生物组特征构建了复合分类器，用于区分不同牙周状态。
主要发现
分析显示，健康组与疾病组之间的β多样性指标（Bray-Curtis和Jaccard指数）存在显著差异（分别为p = 0.049和p = 0.043），提示随着疾病进展，微生物群落发生了转变。
牙龈卟啉单胞菌（Porphyromonas gingivalis）、福赛坦菌（Tannerella forsythia）、齿垢密螺旋体（Treponema denticola）、牙内卟啉单胞菌（Porphyromonas endodontalis）、核梭杆菌（Fusobacterium nucleatum）和微小帕氏菌（Parvimonas micra）等致病菌，在伴牙周袋的牙龈炎组和重度牙周炎组中显著富集。这些分类群均为公认的牙周致病菌，与组织破坏和炎症密切相关。
除细菌外，还显著检出并表现出差异性丰度的微生物包括：真菌属念珠菌（Candida）、噬菌体属Moineauvirus、真菌属Pyricularia以及病毒属玫瑰疹病毒（Roseolovirus），提示牙周进展过程中存在多界微生物转变。
功能通路分析阐明了与疾病严重程度一致的微生物代谢能力变化，例如毒力因子相关通路增强，以及生物膜相关过程发生改变。
基于上述变化构建的宏基因组复合分类器，可有效区分伴牙周袋的牙龈炎（AUC = 0.90；95% CI：0.770–1.000）和重度牙周炎（AUC = 0.865；95% CI：0.762–0.968），显示出较强的诊断生物标志物工具潜力。
专家点评
本研究提供了有力证据表明，唾液微生物组的改变可反映牙周病的状态及进展。鸟枪法宏基因组学能够实现比传统细菌靶向检测更全面的分析，不仅涵盖细菌，还包括真菌和病毒，从而揭示口腔健康与疾病中复杂的微生物生态。
不过，由于本研究为横断面设计，微生物组变化与疾病进展之间的因果关系尚不能得到确证。仍需纵向研究以验证所识别生物标志物的预测价值。
此外，尽管唾液是一种便捷的诊断样本，但饮食、口腔卫生及全身健康状况等因素均可能影响微生物谱，未来验证研究中应予以控制。
这些发现与当前越来越多的认识相一致，即牙周病是一种由多菌种、跨界失衡驱动的疾病，支持精准诊断和个体化牙周治疗策略的发展。
结论
唾液的鸟枪法宏基因组分析显示，与牙周病进展密切相关的分类学与功能性微生物转变具有明显特征。识别特定的细菌、真菌和病毒信号，为早期检测和风险分层提供了有前景的生物标志物。未来若将多界微生物谱分析整合至临床实践，或可提升牙周病诊断能力、指导个体化治疗，并改善口腔健康结局。
经费支持与临床试验注册
本研究得到了SECRETO研究框架的支持。该研究已在ClinicalTrials.gov注册，注册号为NCT01934725。
参考文献
1. Page RC, Eke PI. Case Definitions for Use in Population-Based Surveillance of Periodontitis. J Periodontol. 2007;78(7 Suppl):1387-1399.
2. Hajishengallis G. The inflammophilic character of the periodontitis-associated microbiota. Mol Oral Microbiol. 2014;29(6):248-257.
3. Paju S, Pussinen PJ, Suominen-Taipale L, et al. Periodontal infection and atherosclerosis: what evidence is needed for a causal association? J Clin Periodontol. 2009;36 Suppl 10:51-65.
4. Abusleme L, Dupuy AK, Dutzan N, et al. The subgingival microbiome in health and periodontitis and its relationship with community biomass and inflammation. ISME J. 2013;7(5):1016-1025.
5. Dewhirst FE, Chen T, Izard J, et al. The human oral microbiome. J Bacteriol. 2010;192(19):5002-5017.
6. Belstrøm D. The salivary microbiota in health and disease. J Oral Microbiol. 2020;12(1):1723975.
7. Manzoor M, Leskelä J, Könönen E, et al. Shotgun Metagenomic Analysis Reveals Taxonomic and Functional Transitions in the Salivary Microbiome During Periodontal Disease Progression. J Clin Periodontol. 2026 Aug 9;53(11):1650-1662. doi:10.1111/jcpe.13578.
