Слюнные дипептиды и мультиомиксные биомаркеры кариеса

Авторы: С. Хоторт, А. Эсберг, Л. Эрикссон, Х. Ахмед, К.И. Мак, С. Норман, Э. Нордин, Б. Эгерт, К. Ханхинева, Р. Ландберг, К. Бруниус, И. Йоханссон

DOI: 10.1177/00220345261466143

Введение

Кариес зубов — это биоплёночно-опосредованное заболевание, в котором диета и сдвиги орального микробиома являются ключевыми этиологическими драйверами [1]. Проявление кариеса возникает из взаимодействий между восприимчивостью хозяина и факторами окружающей среды, что предполагает, что ни один биологический слой не отражает риск заболевания в полной мере. Омиксные технологии предоставляют возможности для изучения молекулярных основ кариеса и выявления биомаркеров [2]; однако сообщаемые кандидаты остаются противоречивыми из-за небольших размеров выборок, неоднородности популяций, методологической вариабельности и многофакторной природы патогенеза кариеса [3].

Микробиомика является наиболее широко применяемым омиксным подходом в исследованиях кариеса, однако большинство исследований используют частичное секвенирование 16S рРНК, что ограничивает таксономическое разрешение. Профилирование на уровне видов с использованием секвенирования полноразмерного гена 16S рРНК или метагеномики остаётся редкостью [4]. Хотя Streptococcus mutans последовательно идентифицируется как кариогенный вид, ассоциации с другими таксонами значительно варьируют между когортами [5], что указывает на контекстно-зависимый вклад микробов. Меньше исследований применили нецелевую метаболомику или сахаромику к слюне, сообщая об ассоциациях с демографическими факторами, приёмом лекарств и статусом заболевания [6]. Исследования метаболомики, сфокусированные на кариесе, остаются небольшими [3], а мультиплексное профилирование сахаров ещё не было оценено в связи с кариесом, несмотря на центральную роль метаболизма углеводов в патогенезе заболевания.

Эти наблюдения показывают, что одноомиксные подходы неполно отражают сложность кариеса. Поэтому мы выдвинули гипотезу, что интеграция молекулярных слоёв — охватывающих слюнной микробиом, предсказанные микробные функции, профили метаболитов и сахаров, а также характеристики хозяина — позволит получить более устойчивые и согласованные биомаркеры кариеса, чем любой отдельный слой. Соответственно, мы применили комплексный слюнной мультиомиксный подход для идентификации ассоциированных с кариесом сигнатур и оценки индивидуального и комбинированного прогностического вклада каждого омиксного домена для оценки риска кариеса.

Методы

Дизайн исследования и участники

В это перекрёстное исследование были включены шведские подростки и молодые взрослые (в возрасте от 16 до 21 года), проходившие плановый ежегодный стоматологический осмотр в стоматологической клинике в Умео, Швеция. Перед визитом участники получили письменную информацию и приглашение. После подписания информированного согласия участники заполнили опросник и предоставили образец слюны. Критерии включения: самооценка хорошего общего здоровья, отсутствие приёма антибиотиков в течение последнего месяца, соблюдение предвизитных инструкций. Из 223 участников 6 не предоставили достаточного количества слюны, в результате чего для анализа осталось 217 человек. Данные опросника включали антропометрию, состояние здоровья и воспринимаемую восприимчивость к кариесу, приём лекарств, образ жизни (гигиена полости рта, употребление табака, физическая активность) и диету. Диетическое потребление оценивалось с помощью валидированного опросника частоты приёма пищи (FFQ) за предыдущий год и оценивалось как сырое потребление и энергетически скорректированные остатки. Употребление табака классифицировалось как текущий, бывший или никогда не куривший; поведение в отношении гигиены полости рта дихотомизировалось; приём антибиотиков регистрировался в заданных интервалах.

Статус кариеса

Кариес зубов оценивался визуальным осмотром и прикусными рентгенограммами и оценивался по системе ICDAS, исключая герметизированные поверхности. Кариозный опыт (Decayed and Filled Surfaces including enamel caries; DeFS) включал поражения эмали/дентина и реставрации. Третьи моляры были исключены, зубы, удалённые по причине кариеса, отсутствовали. Для уменьшения асимметрии остатки DeFS, скорректированные по возрасту и полу, были трансформированы с использованием преобразования Йео-Джонсона.

Сбор слюны

Стимулированная жеванием цельная слюна собиралась в период с 10:00 до 14:00 после ≥3 часов голодания (разрешена вода) и без утренней чистки зубов или использования зубной нити. Участники жевали 1 г парафина, выплёвывали начальную слюну, затем собирали слюну в течение 3 минут в охлаждённые льдом пробирки. Образцы замораживались при −80 °C в течение 2 часов. Измерялись скорость слюноотделения, общая концентрация белка и активность амилазы.

Профилирование оральной микробиоты

Характеристика слюнной микробиоты проводилась с использованием секвенирования полноразмерного гена 16S рРНК на платформе Oxford Nanopore Technologies. Выделение ДНК, амплификация, баркодирование и секвенирование выполнялись по стандартным протоколам, включая положительные и отрицательные контроли. Таксономия была назначена с использованием EMU и базы данных eHOMD. Функциональные микробные профили были предсказаны с использованием PICRUSt2. Два образца не прошли секвенирование. Обнаруженные виды и их распространённость и относительная численность представлены в дополнительной таблице.

Нецелевая метаболомика LC-MS

Нецелевая метаболомика выполнялась методом жидкостной хромато-масс-спектрометрии (LC-MS) в Университете Турку (Финляндия). Слюна подвергалась осаждению белков ацетонитрилом с последующим анализом на сверхвысокоэффективном жидкостном хроматографе с квадрупольным времяпролётным масс-спектрометром в режимах обращённо-фазовой и гидрофильной хроматографии с положительной и отрицательной ионизацией. Обработка данных проводилась с использованием MS-DIAL v4.92 и пакета notame R. Признаки с m/z >1000 или временем удерживания <0,8 мин были исключены, в результате чего для дальнейшего анализа было включено 9830 признаков. Аннотация основывалась на внутренних и публичных базах данных (MoNA, HMDB, LipidMaps). Данные были логарифмически трансформированы, центрированы по среднему и автошкалированы. Для метаболомики было достаточно объёма слюны в 208 образцах.

Профилирование сахаров

Сахаромика выполнялась на 100 случайно выбранных образцах с использованием двумерной газовой хромато-масс-спектрометрии (GC×GC-MS) с двухэтапной дериватизацией в Институте Макса Рубнера (Карлсруэ, Германия). Абсолютная количественная оценка применялась всякий раз, когда это было возможно, с использованием калибровочных кривых и меченых изотопами внутренних стандартов; в противном случае использовалась относительная количественная оценка. Сахара были идентифицированы с использованием референсных соединений и внутренней базы данных. Пропущенные значения были импутированы с использованием алгоритма случайного леса. Всего 33 сахара были количественно определены абсолютно и 36 — относительно. Данные были логарифмически трансформированы, центрированы и масштабированы.

Статистический анализ

Описательная статистика представлена как средние с 95% доверительными интервалами или пропорции (%). Частичные корреляции Спирмена, скорректированные по полу и возрасту, оценивались в Stata. Отбор признаков выполнялся с использованием вложенной перекрёстно-валидированной линейной регрессионной модели с трансформированными DeFS в качестве исхода. Каждый признак моделировался индивидуально, с поправкой на пол и возраст (и глубину секвенирования для микробиомных признаков), с использованием внешней 8-кратной и внутренней 5-кратной перекрёстной валидации. В каждом внешнем блоке данные разделялись на обучающий (7/8) и тестовый (1/8) наборы для предотвращения утечки информации, в то время как внутренние блоки использовались для отбора признаков. Регрессионные коэффициенты, доверительные интервалы, значения P, частичные R² и сводки по экспозиции были объединены по блокам (до 40 на признак) для получения перекрёстно-валидированных средних эффектов и стабильности направления эффекта. Эвристические пороги отбора подчёркивали стабильность. Признаки сохранялись, если направление эффекта было согласованным по блокам, P < 0,1 в ≥75% блоков, P < 0,05 в ≥40% блоков, среднее P < 0,05 и распространённость ненулевой экспозиции >2%. Коррекция на множественное тестирование не применялась из-за необмениваемых значений P в вложенной перекрёстной валидации; вместо этого воспроизводимость оценивалась с использованием критериев стабильности. Анализы выполнялись в R v4.4.1.

Отобранные признаки дополнительно оценивались с использованием ортогональной регрессии на латентные структуры (OPLS) (SIMCA P+ v17), с оценкой производительности по R²Y, Q² (7-кратная перекрёстная валидация) и 999 тестами перестановок. Переменные считались важными, если прогностическая важность переменной в проекции (VIP) > 1, прогностический VIP превышал ортогональный VIP, а средние коэффициенты OPLS превышали их 95% доверительные интервалы.

В последующих анализах ДНК слюнной микробиоты от 684 одиночных близнецов (в возрасте от 21 до 29 лет) была профилирована с использованием того же метода секвенирования и проанализирована с помощью идентичных процедур вложенной регрессии и OPLS.

Результаты

Характеристики исследуемой группы

Большинство участников не употребляли табак и имели нормальный вес, хотя 18% имели избыточный вес или ожирение (ИМТ ≥ 25), а 8% были курильщиками или употребляли снюс. Большинство (96,3%) сообщили об очень хорошем или удовлетворительном здоровье, а 3,3% — о довольно плохом или плохом здоровье. Потребление жиров было выше, а углеводов — ниже рекомендуемого, причём сахароза составляла 6% энергии. Треть участников не имели кариозного опыта, а среди тех, у кого он был, 80% имели ≥2 поражённых поверхности. Чистка зубов реже одного раза в день отмечалась у 18% без различий по статусу кариеса. Данные о характеристиках участников представлены в Таблице 1.

Таблица 1. Поток данных

Примечание: GC×GC-MS — двумерная газовая хромато-масс-спектрометрия; KEGG — Киотская энциклопедия генов и геномов; LC-MS — жидкостная хромато-масс-спектрометрия. Количество участников в каждом слое данных и количество прошедших критерии качества для вложенных перекрёстно-валидированных регрессий. Потеря данных по диете была связана с неполными опросниками частоты приёма пищи, потеря наблюдений по микробиоте — с <20 000 прочтений для образца, а потеря наблюдений LC-MS — с недостаточным объёмом слюны. Профилирование сахаров GC×GC-MS было успешным для всех 100 проанализированных образцов.

Таблица 2. Характеристики 217 включённых подростков/молодых взрослых, стратифицированных по статусу кариеса

Примечания: ИМТ — индекс массы тела (масса тела [кг]/рост [м]²); ДИ — доверительный интервал; DeFS — кариозные и запломбированные поверхности, включая кариес эмали. Данные представлены как пропорции (%) от группы или средние с 95% доверительными пределами. Перечисленные переменные — это те, которые оценивались в демографическом домене.

^a 14% сообщили, что не знают.
^b E% — процент энергии от нутриента в общем потреблении энергии.

Признаки, отобранные вложенной перекрёстно-валидированной регрессией

Сильнейшая ассоциация с кариозным опытом была у самооценки восприимчивости к кариесу (N_да = 19), с перекрёстно-валидированным регрессионным коэффициентом (95% ДИ) 0,67 (0,65–0,69) и P = 3,45 × 10⁻⁷ (Рисунок 1A). Использование безрецептурного ополаскивателя для рта было связано с меньшим кариозным опытом. Никакая другая информация о здоровье, самооценка диеты или переменные сахаромики не были отобраны, так как ни одна не соответствовала критериям вложенной перекрёстной валидации.

Метаболом LC-MS внёс наибольший вклад в отобранные признаки. Среди 9 380 признаков 58 прошли пороги отбора. Они включали дипептиды Ser-Pro, Phe-His и Thr-Gly, каждый из которых был отрицательно связан с кариозным опытом и происходит из слюнных белков, участвующих в формировании биоплёнки и гомеостазе тканей зуба (Рисунок 1B). Несколько признаков LC-MS были сильно скоррелированы. Среди микробиомных показателей носительство нескольких таксонов было связано с более высоким кариозным опытом, включая виды внутри родов Actinomyces и Prevotella, а также виды Lactobacillus gasseri, Streptococcus mutans и Streptococcus sobrinus (Рисунок 1A). Для относительной численности положительно ассоциированные виды включали несколько Actinomyces, Veillonella и Streptococcus, такие как S. sobrinus и S. infantis (но не S. mutans). Распространённость 18 видов и относительная численность 19 видов были отобраны. Пять предсказанных бактериальных ферментов, участвующих в основных метаболических функциях, были отобраны (Рисунок 1A). Всего 102 признака были отобраны для многомерного моделирования.

OPLS-моделирование интегрированных признаков

Отобранные 102 переменные были смоделированы с помощью OPLS с кариозным опытом в качестве зависимой переменной. Модель объяснила 41% вариации кариеса (R² = 0,41) с перекрёстно-валидированной прогностической способностью 30% (Q² = 0,30). Участники без кариеса (DeFS = 0) имели тенденцию к разделению от участников с кариозным опытом, хотя разделение было неполным (Рисунок 2A). Тесты перестановок показали, что переставленные значения Q² группируются ниже нуля, что указывает на то, что наблюдаемая прогностическая эффективность вряд ли была случайной (Рисунок 2B). Наиболее влиятельными переменными для более высокого кариозного опыта были самооценка восприимчивости к кариесу, три вида Actinomyces (A. gerencseriae, A. israelii и A. oris), два вида Streptococcus (S. intermedius и S. mutans) и один неидентифицированный признак LC-MS. И наоборот, пептиды Ser-Pro, Phe-His и Thr-Gly, 4 из 5 предсказанных ферментов и 6 бактериальных видов были связаны с меньшим кариозным опытом.

Серия OPLS-моделей на основе отдельных омиксных слоёв и их комбинаций была построена для оценки того, улучшает ли интеграция признаков объяснительную и прогностическую эффективность. Модель, включающая все 102 отобранных признака, дала наивысшие значения R² и Q² для прогнозирования кариеса; однако модель, ограниченная омиксными переменными, достигла той же эффективности (Рисунок 2C). Среди отдельных омиксных слоёв микробиота обеспечила самую высокую объяснительную силу, тогда как метаболом LC-MS показал самую слабую эффективность.

Ассоциации микробиома с дипептидами

Признаки LC-MS включали 5 дипептидов (Ser-Pro, Phe-His, Thr-Gly, Ala-Ala и Pro-Glu), из которых Ser-Pro, Phe-His и Thr-Gly были отобраны перекрёстно-валидированной регрессией, с более низкими уровнями Ser-Pro и Thr-Gly у лиц без кариеса по сравнению с теми, у кого были признаки кариеса, в скорректированных по возрасту, полу и ИМТ общих линейных моделях (Рисунок 3A, B). Дополнительная корректировка по скорости потока не изменила взаимосвязь. Абундантность Ser-Pro и Thr-Gly была умеренно скоррелирована, тогда как пептиды Ser-Pro и Pro-Glu были сильно скоррелированы (коэффициент Спирмена rho = 0,83) и оба ассоциированы с распространённостью микробиоты в PLS-моделях (Q² 0,29 и 0,36 соответственно) с 3 компонентами. Прогностические значения VIP в OPLS выявили ассоциации между несколькими родами, причём более высокие уровни Ser-Pro и Pro-Glu были обратно связаны с несколькими видами Actinomyces и Streptococcus, что согласуется с их ролью как ранних колонизаторов слюнной пелликулы. Схематическое изображение потенциальной концептуальной роли свободных пептидов слюны показано на Рисунке 3C.

Воспроизведение микробиоты в последующей когорте

Результаты были воспроизведены в независимой когорте. Вложенный перекрёстно-валидированный регрессионный анализ выявил носительство 29 видов, ассоциированных с высоким или низким кариозным опытом. Семь из них совпали с основной когортой (L. gasseri, Limosilactobacillus vaginalis, S. mutans и S. sobrinus — с высоким кариозным опытом, и Campylobacter sp. HMT044, Prevotella sp. HMT396 и Stomatobaculum sp. HMT097 — с низким кариозным опытом). OPLS-модели с использованием 7 общих видов в последующей и основной когортах дали модели с R² 0,12 и 0,17 и Q² 0,06 и 0,10. Тесты перестановок указали на воспроизводимую основную микробиомную сигнатуру кариозного опыта в молодом возрасте.

Обсуждение

Это исследование демонстрирует слюнной мультиомиксный подход для идентификации биомаркеров, ассоциированных с кариозным опытом, путём комбинирования профилирования микробиома, предсказанных микробных функций, метаболомики, сахаромики и клинических показателей. Хотя отдельные омиксные слои давали ассоциации, интеграция умеренно улучшила объяснительную и прогностическую эффективность, что подчёркивает ценность многослойного анализа для этого многофакторного заболевания и отражает результаты предыдущего пилотного исследования.

Мы наблюдали обратные ассоциации между дипептидами Ser-Pro и Thr-Gly и кариозным опытом, а также ассоциации между пептидами Ser-Pro и Pro-Glu и бактериальными профилями. Эти пептидные мотивы часто встречаются в богатых пролином белках (PRPs), статерине, гистатинах и цистатинах — основных компонентах приобретённой пелликулы эмали, участвующих в минеральном гомеостазе, организации биоплёнки и модуляции микробного метаболизма [7]. Протеолиз слюнных белков значителен и обусловлен как протеазами хозяина, так и микробными протеазами [8], генерируя короткие пептидные фрагменты, которые сохраняют локальную идентичность последовательности, но не имеют вторичной структуры. Обратные ассоциации между Ser-Pro- и Pro-Glu-содержащими фрагментами и бактериальными таксонами совместимы с гипотезой о том, что эти пептиды могут действовать как растворимые конкуренты за бактериальные адгезины, ограничивая доступ к рецепторам пелликулы. Конкурентные взаимодействия согласуются с биофизическими моделями раннего формирования биоплёнки, в которых обратимые взаимодействия адгезин-лиганд предшествуют стабильному мультивалентному прикреплению [9]. Преобладание обратных ассоциаций с видами Actinomyces согласуется с установленными механизмами колонизации. Ассоциации с кариесом могут отражать роль кислых PRPs и статерина в гомеостазе де- и реминерализации [10]. Хотя прямые функциональные анализы не проводились и исключить образование пептидов ex vivo нельзя, согласованность между происхождением пептидов, специфичностью адгезинов и экологическими ассоциациями предполагает, что эти дипептиды по крайней мере частично отражают in vivo протеолитическую динамику. Поэтому они могут представлять собой биохимическую связь между протеолизом хозяина, ремоделированием пелликулы и сборкой микробного сообщества, а также потенциальные биомаркеры этих процессов.

Сравнение OPLS-моделей на основе отдельных омиксных слоёв и их комбинаций продемонстрировало явное преимущество интеграции доменов для совместной интерпретации, а не для значительного улучшения прогнозирования. Модели, основанные исключительно на признаках микробиоты, показали самую высокую эффективность среди отдельных слоёв, что согласуется с предыдущими исследованиями, подчёркивающими признаки микробиоты как информативные биомаркеры кариеса [11]. Напротив, метаболиты LC-MS и предсказанные ферменты сами по себе давали ограниченную объяснительную и прогностическую способность. Интеграция отобранных признаков из разных доменов улучшила устойчивость модели, причём самые высокие значения R² и Q² наблюдались для полного набора из 102 перекрёстно-валидированных переменных. Однако сопоставимая эффективность была достигнута моделями, исключающими демографические переменные, или моделями, комбинирующими признаки микробиоты с ограниченным набором ферментов и пептидных маркеров, что указывает на убывающую отдачу при дальнейшем расширении признаков. Эти результаты показывают, что состав микробиоты представляет собой доминирующий омиксный источник объяснительного сигнала для кариозного статуса, в то время как признаки, производные от метаболитов и ферментов, вносят дополнительную, но частично избыточную информацию. Важно отметить, что скромные прогностические выгоды от интеграции отражают как биологический кросс-ток между омиксными слоями, так и ограничения, накладываемые размером выборки и перекрёстным дизайном.

Наши результаты подтверждают несколько ранее сообщавшихся ассоциированных с кариесом таксонов, центральных для патогенеза кариеса. Так, S. mutans, S. sobrinus, Parascardovia denticolens и кариогенные виды Actinomyces были положительно связаны с кариесом, тогда как Stomatobaculum sp. HMT097 и Veillonella rogosae показали обратные ассоциации [12]. Одновременная идентификация способствующих заболеванию и потенциально защитных таксонов поддерживает экологический взгляд на кариес как на дисбиотическое состояние, возникающее из баланса между вредной и полезной микробной активностью, а не как на чисто патоген-обусловленный процесс. Хотя несколько ассоциаций были воспроизведены в последующей когорте, наблюдались также различия в общих видовых профилях, что подчёркивает биологическую и экологическую неоднородность, лежащую в основе индивидуального кариозного статуса. Примечательно, что 7 общих таксонов (S. mutans, S. sobrinus, L. gasseri, L. vaginalis, Prevotella sp. HMT396, Stomatobaculum sp. HMT097 и Campylobacter sp. HMT044) были стабильно ассоциированы с кариесом в обеих когортах, что указывает на воспроизводимую основную сигнатуру микробиома, связанную с кариесом, по аналогии с «красным комплексом», описанным для пародонтита [13].

Напротив, ни самооценка диетических привычек, ни профилированные слюнные сахара не были связаны с кариозным опытом в рамках строгих критериев вложенной регрессии. Хотя это неожиданно, это, вероятно, отражает поведенческую однородность в когорте и ограниченную точность самооценки диетических данных, что ограничивает обнаружение ассоциаций, если только размеры выборки не очень велики [14]. Аналогично, отсутствие значимых ассоциаций с данными сахаромики — несмотря на то, что несколько сахаров ферментируются оральными бактериями — может объясняться ограниченной статистической мощностью, так как только подмножество участников прошло профилирование сахаров. Дополнительное, не исключающее друг друга объяснение состоит в том, что ферментируемые сахара были быстро метаболизированы оральной микробиотой, особенно в условиях голодания после стандартизированных процедур забора проб, что привело к низким обнаруживаемым концентрациям в слюне.

Исследование имеет ряд сильных сторон, включая секвенирование полноразмерного гена 16S рРНК с разрешением до вида, широкую нецелевую метаболомику LC-MS, комплексное профилирование сахаров, сбор слюны натощак для минимизации острых диетических эффектов [15] и стратегию отбора признаков, адаптированную к данным высокой размерности и малого объёма. Важно, что риск утечки данных, распространённая проблема в мультиомиксных анализах, был явно устранён с помощью строго вложенной перекрёстно-валидированной линейной регрессионной модели, гарантирующей, что отбор признаков происходил исключительно в обучающих разделах. Сохранённые признаки, следовательно, отражают воспроизводимые и стабильные по направлению ассоциации на ресемплированных наборах данных. Внутренняя перекрёстная валидация и тесты перестановок дополнительно снизили вероятность того, что прогностические компоненты, полученные с помощью OPLS, отражали случайную структуру. В этих условиях рабочий процесс OPLS с фильтрацией через вложенную CV представляет собой прагматичный компромисс между контролем переобучения и биологической интерпретируемостью. Тем не менее, ограничения остаются. Остаточная циркулярность данных не может быть полностью исключена; размер выборки был скромным, особенно для сахаромики; а активности микробных ферментов были предсказаны, а не измерены напрямую. Следовательно, функциональные микробные профили были предсказаны с использованием PICRUSt2 на основе данных полноразмерной 16S рРНК, а не оценены с помощью дробовиковой метагеномики или метатранскриптомики. Эти предсказанные ферментные профили, таким образом, отражают предполагаемый функциональный потенциал сообщества на основе филогенетически родственных таксонов, разделяющих специфические гены, а не непосредственно наблюдаемую микробную активность, и их следует интерпретировать с осторожностью. Будущие исследования с использованием прямого функционального профилирования будут необходимы для валидации этих результатов.

Диетические переменные были самооценочными и, следовательно, подвержены ошибкам измерения [16]. Исход кариеса объединял кариозные и запломбированные поверхности в общую меру кариозного опыта, что не позволяло проверить отдельные омиксные сигналы активного и леченного заболевания. Кроме того, когорта воспроизведения отличалась по возрасту и составу от основной когорты, что потенциально вносило возрастные сдвиги в структуру микробиома. Наконец, относительно низкая распространённость кариеса и социодемографическая однородность когорты могут ограничивать обобщаемость.

В заключение, интегрированное слюнное мультиомиксное профилирование выявило биологически согласованные сигнатуры, ассоциированные с кариозным опытом, хотя некоторые отдельные слои показали ограниченную дискриминационную способность. Обратные ассоциации между специфическими слюнными дипептидами и кариесом, вместе со связями с таксонами ранних колонизаторов, подтверждают проверяемую гипотезу о том, что протеолитические фрагменты слюнных белков могут конкурентно мешать бактериальной адгезии к приобретённой пелликуле. Подтверждение в продольных когортах и экспериментальная валидация потребуются перед клиническим применением. В более широком смысле, эти результаты подчёркивают потенциал слюны как неинвазивного биологического образца для изучения взаимодействий хозяина и микробиома при кариесе, одновременно указывая на методологические проблемы, которые необходимо решить для клинически значимой оценки риска.

Выводы

Интегрированное слюнное мультиомиксное профилирование выявило биологически согласованные сигнатуры, ассоциированные с кариозным опытом. Обратные ассоциации между специфическими слюнными дипептидами (Ser-Pro, Phe-His, Thr-Gly) и кариесом, вместе со связями с таксонами ранних колонизаторов, поддерживают гипотезу о том, что протеолитические фрагменты слюнных белков могут конкурентно мешать бактериальной адгезии к приобретённой пелликуле. Микробиота обеспечила самую высокую объяснительную силу среди отдельных омиксных слоёв, а интеграция признаков из разных доменов улучшила устойчивость модели. Необходимы дальнейшие исследования в продольных когортах для подтверждения этих результатов и оценки клинической полезности дипептидов в качестве биомаркеров кариеса.

Список литературы

1. Gasmi Benahmed A, et al. The role of sugar-rich diet and salivary proteins in dental plaque formation and oral health. J Oral Biosci. 2021;63(2):134-141.
2. Zhang JS, et al. Application of omics technologies in cariology research: a critical review with bibliometric analysis. J Dent. 2024;141:104801.
3. Ahmad P, Moussa DG, Siqueira WL. Metabolomics for dental caries diagnosis: past, present, and future. Mass Spectrom Rev. 2025;44(3):454-490.
4. Esberg A, Fries N, Haworth S, Johansson I. Saliva microbiome profiling by full-gene 16s rRNA Oxford nanopore technology versus Illumina MiSeq sequencing. NPJ Biofilms Microbiomes. 2024;10(1):149.
5. Matias Regis WF, et al. Insights into the role of Streptococcus mutans and Candida albicans in dental biofilm formation and cariogenicity: a literature review. Cureus. 2025;17(6):e86159.
6. Noerman S, et al. Multi-omics analysis of associations between host demographics and saliva metabolome, sugar profiles, and microbiome profiles. Sci Rep. 2026;16(1):10494.
7. Gibbons RJ, Hay DI. Adsorbed salivary acidic proline-rich proteins contribute to the adhesion of Streptococcus mutans JBP to apatitic surfaces. J Dent Res. 1989;68(9):1303-1307.
8. Amado F, Lobo MJ, Domingues P, Duarte JA, Vitorino R. Salivary peptidomics. Expert Rev Proteomics. 2010;7(5):709-721.
9. Li T, Khah MK, Slavnic S, Johansson I, Stromberg N. Different type 1 fimbrial genes and tropisms of commensal and potentially pathogenic Actinomyces spp. with different salivary acidic proline-rich protein and statherin ligand specificities. Infect Immun. 2001;69(12):7224-7233.
10. Schwartz SS, Hay DI, Schluckebier SK. Inhibition of calcium phosphate precipitation by human salivary statherin: structure-activity relationships. Calcif Tissue Int. 1992;50(6):511-517.
11. Wei F, et al. Ensemble learning for microbiome-based caries diagnosis: multi-group modeling and biological interpretation from salivary and plaque metagenomic data. BMC Oral Health. 2025;25(1):1188.
12. Belstrom D, et al. Salivary microbiota in individuals with different levels of caries experience. J Oral Microbiol. 2017;9(1):1270614.
13. Socransky SS, Haffajee AD, Cugini MA, Smith C, Kent RL Jr. Microbial complexes in subgingival plaque. J Clin Periodontol. 1998;25(2):134-144.
14. Angelopoulou MV, et al. Cariogenic diet assessment and analysis tools in children and adolescents: a systematic review. Oral Health Prev Dent. 2024;22:93-106.
15. Szabo YZ, Slavish DC. Measuring salivary markers of inflammation in health research: a review of methodological considerations and best practices. Psychoneuroendocrinology. 2021;124:105069.
16. Willett WC, Howe GR, Kushi LH. Adjustment for total energy intake in epidemiologic studies. Am J Clin Nutr. 1997;65(4 Suppl):1220S-1228S.

Статья опубликована в Journal of Dental Research (2026). DOI: 10.1177/00220345261466143