2025年《Journal of Clinical Periodontology》上发表了一篇题为“Microbial complexes in subgingival plaque: a bacterial meta-taxonomic study”的原创性研究论文。该研究的通讯作者是来自法国图卢兹Science and Healthcare for Oral Welfare的Julien Santi-Rocca，合作作者来自法国、西班牙、加拿大等多个研究机构，包括Centro de Biología Molecular Severo Ochoa、International Institute of Periodontology以及Association Médicale Contre les Infections Buccales等。

一、学术背景 本研究属于口腔微生物学与牙周病学交叉领域。研究的核心背景是，尽管牙周病被认为是一种与菌群失调相关的感染性疾病，但我们对龈下菌斑微生物群落的精确组成和动态相互作用的了解仍然不完全。25年前，Socransky及其同事的开创性研究通过DNA-DNA杂交技术，定义了与牙周健康和疾病相关的5个主要微生物复合体，其中“红色复合体”被认为是牙周炎的关键病原菌群。然而，受限于当时的技术，该研究仅分析了32个细菌类群，且分类分辨率较低。随着高通量测序技术的革命性进步，尤其是基于16S rRNA基因的宏分类学方法，为研究复杂环境中的微生物群落提供了前所未有的分辨率。然而，现有的生物信息学分析方法仍存在挑战，例如序列可能匹配多个分类单元导致分类分配错误，结果常被简化为属级水平，从而丢失了物种水平的重要信息。据估计，口腔中有774至1073种细菌，但目前被明确鉴定的种类较少。

基于此，本研究提出假设：牙周健康与疾病是由比例不同的、重叠的细菌群落所表征的，这些群落反映了龈下微环境内的不同生态位。研究旨在应用一种新颖的物种分配方法，克服传统生物信息学的局限，更准确地呈现微生物多样性，从而在Socransky研究25年后，利用现代技术重新定义这些微生物群落及其相互作用，明确牙龈炎在从健康到牙周炎动态变化中的位置，并识别新的生物标志物和治疗靶点。具体目标是：1）利用技术进步，提出一个更准确的龈下微生物群多样性和动态图谱；2）通过无监督聚类重新对样本进行分类，识别微生物群落模式；3）进行细菌群落排序，分析其相关性网络。

二、研究流程详述 本研究是一个横断面观察性研究，结合了临床采样、高通量测序、新型生物信息学分析和多变量统计建模。具体流程如下：

第一流程：研究人群与样本采集。 研究从法国的七家诊所招募了135名年龄在30-50岁之间的患者。所有临床医生均接受了统一培训以确保方法同质性。根据临床检查，患者被分为三组：健康组、牙龈炎组和牙周炎组。牙周炎组对应于EFP/AAP分类中的II-III期B级牙周病。使用牙周探针从每个患者最深牙周袋位点采集龈下菌斑样本，并将其保存在50μL的TEGI培养基中。样本在诊所收集期间置于4°C，随后分批送至马德里自治大学，在-80°C保存直至分析。

第二流程：DNA纯化与宏分类学测序。 将样本用水稀释后，使用MagMAX Viral/Pathogen Ultra核酸提取试剂盒进行DNA纯化。纯化的DNA经定量后，使用针对16S rRNA基因V3-V4区的引物进行扩增。随后在Illumina MiSeq平台上进行2×300 bp的双端测序。

第三流程：新型分类学分配方法——PRONEX。 这是本研究方法学的核心创新点。序列分析在QIIME2框架下进行，首先使用BLAST程序针对扩展的人类口腔微生物组数据库进行比对，设定最小序列相似性和查询覆盖率为98%。随后，在QIIME2中进行初步的基于共识的分类分配。然而，为了克服分类等级低以及排除密切相关匹配序列的问题，研究团队开发并应用了一种“概率性非排他性”分类方法。该方法不强制为每个测序读长分配一个唯一的分类标签，而是保留所有符合阈值且来自不同物种的匹配结果，计算每个可能分类单元的概率权重。最终，将这些信息整合，将序列聚类到“明确分类群组”（Unambiguous Taxon Groups， UTGs）中。一个UTG可能包含一个或多个在本次分析技术分辨率下无法区分的密切相关的分类单元。这种方法与传统的QIIME2方法相比，能将分配到种或亚种水平的读长比例从44.8%大幅提升至97.9%，显著提高了分类分辨率。

第四流程：数据过滤与UTG定义。 经过滤低丰度序列后，共识别出588个分类单元，使用PRONEX方法将其归类为394个UTGs。其中79.9%的UTGs由单个分类单元构成。为便于后续统计分析，研究者选取了覆盖所有样本中95%读长的、最丰富的162个UTGs作为“感兴趣UTGs”进行深入分析。

第五流程：微生物群落结构分析。 这一流程包含多种分析： 1. 多样性分析： 计算每个样本的UTG数量、香农指数，并分析累积读长丰度与UTG排名的关系，以评估健康与疾病状态下的α多样性差异。 2. 层次聚类与复合体定义： 使用皮尔逊相关系数计算所有样本中162个UTGs之间的相关性矩阵。然后采用完全连锁法进行层次聚类，将UTGs聚类成不同的细菌复合体。研究者根据组内UTG数量和后续分析的细节水平，将复合体数量确定为10个。 3. 差异丰度分析： 比较健康、牙龈炎、牙周炎三组之间每个UTG的相对丰度，使用t检验（方差齐时用Student‘s t-test，方差不齐时用Welch’s t-test）识别在疾病状态下显著上调或下调的UTG。 4. 相关性网络分析： 基于皮尔逊相关矩阵，构建一个无向加权网络图。图中节点代表UTGs，节点大小反映其平均丰度，节点颜色对应其所属的复合体，边代表显著的正相关性（阈值≥0.3），边宽与相关性强度成正比。此分析用于可视化UTGs之间的关联模式，并识别连接不同复合体的“边界类群”。 5. 微生物模式识别： 为了超越传统的临床诊断分类，研究采用K-means聚类方法，根据所有UTG的丰度对135个样本本身进行无监督聚类，以识别内在的微生物群落模式。通过“肘部法则”确定最佳聚类数（K=5）。随后分析这些微生物模式与临床诊断、α多样性以及各细菌复合体丰度之间的关系。

第六流程：统计分析。 大部分图表和组间均值比较使用GraphPad Prism 8软件完成，数据前期处理在Excel中进行。组间比较根据方差齐性检验结果选择相应的t检验。

三、主要结果详述 1. 微生物多样性： 共检测到394个UTGs，每个样本平均含有157个UTGs。α多样性随疾病严重程度增加而显著增加（健康组<牙龈炎组<牙周炎组）。此外，覆盖样本中50%读长所需的UTG平均数量也从健康组的5.38个增加到牙周炎组的9.19个，表明疾病状态下微生物群落由少数优势菌主导的结构变得更加分散和复杂。

1. 十个新的细菌复合体： 层次聚类分析将162个UTGs划分为10个复合体。其中：

   • 复合体6（绿色） 与健康状态强烈相关，包含Socransky模型中的绿色、黄色和紫色复合体的成员，如戈氏链球菌、小韦荣球菌、血链球菌、产黑色素普雷沃菌、口腔金氏菌等。该复合体细菌多为非运动性的球菌、杆菌和丝状菌。
   • 复合体10（红色） 与疾病状态强烈相关，其丰度在疾病样本中是健康样本的5.15倍。它不仅包含了Socransky的红色复合体全部三种菌——牙龈卟啉单胞菌、福赛坦氏菌、齿垢密螺旋体，还纳入了另外8个密螺旋体UTG、3个普雷沃菌UTG（包括中间普雷沃菌）、3个丝杆菌UTG、牙髓卟啉单胞菌、直肠弯曲菌等共计29个UTG。该复合体成员多具有高运动性（螺旋体、弯曲杆菌）。
   • 其他复合体（如复合体2、5）与健康相关，而复合体8、9与疾病相关。复合体4则丰度相对稳定，在相关性网络中充当连接健康相关复合体和疾病相关复合体的关键“桥梁”或“边界”。

2. 个体标志物： 差异分析证实了经典标志物：红色复合体三种菌在牙周炎中丰度极高。此外，多种密螺旋体在疾病中显著增加。而小韦荣球菌、龋齿罗氏菌、副流感嗜血杆菌、血链球菌等则在健康样本中丰度更高。比较牙龈炎和牙周炎时，差异显著的UTG数量较少，且牙龈炎与牙周炎相比健康的变化呈现高度线性相关，提示牙龈炎是介于健康和牙周炎之间的连续过渡状态。

3. 相关性网络与边界类群： 网络图显示UTGs大致分为“健康半球”和“疾病半球”。复合体10和6的成员内部连接紧密，与外部连接稀少。而像复合体4、9等则表现出显著的群间连接。特别是具核梭杆菌亚种Vincentii、纤细弯曲杆菌等被识别为关键的“边界类群”，它们与多个复合体的成员有强相关性，可能在微生物群落从健康向疾病生态位的转变中起到连接和推动作用。

4. 五种微生物模式及其临床意义： K-means聚类识别出5种微生物模式（A-E）。这五种模式呈现出从健康到疾病的进展序列：

   • 模式A： 几乎全部由临床健康个体组成，以复合体6占绝对主导。
   • 模式B和C： 包含大部分牙龈炎患者和部分牙周炎患者，是过渡状态。
   • 模式E： 绝大部分为临床牙周炎患者，以复合体10（红色复合体扩展版）高度富集为特征，且牙龈卟啉单胞菌几乎只在该模式中出现。
   • 模式D： 这是一个非常有趣且特殊的模式，仅包含4个样本（临床诊断为牙周炎或牙龈炎）。其特点是复合体7高度富集，而复合体10的丰度极低，牙龈卟啉单胞菌甚至完全缺失。这提示可能存在不依赖于经典红色复合体（尤其是牙龈卟啉单胞菌）的牙周病发生路径，可能代表了另一种类型的牙周病生态终点或一个不稳定的中间状态。

5. 细菌复合体与模式的关系： 将UTG水平的数据汇总至复合体水平进行分析发现，从模式A到E的转变，伴随着细菌群落从以健康相关复合体（6，5）为主，通过中间复合体（如4，7）的过渡，最终转变为以疾病相关复合体（9，10）为主的过程。模式D再次凸显其独特性，它绕开了以复合体10为核心的经典疾病路径。

四、结论 本研究在Socransky开创性工作25年后，利用现代高通量测序和创新的生物信息学方法，对龈下菌斑微生物群落进行了更精细的解析，主要结论如下： 1. 提出了一个包含10个细菌复合体的新模型，极大地扩展和细化了原有的5复合体模型。特别是将与疾病最相关的“红色复合体”扩展为包含至少29个类群的“复合体10”，并将与健康相关的类群整合为“复合体6”。 2. 研究证实了牙龈炎作为从健康微生物群向疾病微生物群转变的中间状态，同时揭示了这种转变并非单一路径。通过无监督聚类发现的五种微生物模式，表明牙周病的发展可能存在不同的生态生理学路径。 3. 识别了在微生物群落结构中起连接作用的“边界类群”，这些类群对于理解菌群失调的生态演替过程具有重要意义。 4. 基于微生物组成（而非临床表现）的模式分类，为未来牙周病的分类提供了新的微生物风险尺度。研究者建议，可以将此作为现有牙周病分期分级系统的一个补充，用于评估疾病风险、预测预后和监测治疗反应。 5. 研究间接支持了使用暗视野显微镜观察菌斑中螺旋体和运动杆菌的数量，作为一种简单、经济的即时检测工具，来评估牙周微生物风险的传统方法的合理性。

五、研究亮点与价值 科学价值： 1. 方法论创新： 开发的PRONEX分类算法有效解决了16S测序中物种分配模糊性的难题，将物种水平鉴定率提高了一倍以上，为口腔微生物组的高分辨率研究提供了新工具。 2. 理论模型更新： 将经典的牙周微生物复合体模型从5个更新为10个，并丰富了核心复合体的成员，使我们对龈下菌斑生态结构的认识更加贴近现实复杂性。 3. 揭示疾病异质性： 通过数据驱动的模式识别，首次明确揭示了牙周病在微生物学上存在不同的亚型或发展路径，挑战了单一线性发展观的认知，为“精准牙周病学”提供了微生物学基础。

应用价值： 1. 诊断与预后： 鉴定的微生物模式（A-E）有潜力转化为一种分子诊断工具，用于评估个体的牙周病微生物风险等级，实现早期预警和个性化预后判断。 2. 治疗指导： 不同微生物模式可能对应不同的优势病原菌群，这为针对性选择抗生素或抗菌剂提供了依据。健康相关复合体（如复合体6）中的细菌可作为益生菌疗法的候选。 3. 治疗评估： 微生物模式的变化可用于客观评估牙周治疗（如洁治、刮治、药物治疗）的疗效，判断是否实现从疾病模式向健康模式的“微生物学治愈”。

六、其他要点与研究局限 研究者也坦诚指出了本研究的局限性：1）PRONEX方法是概率性的，未来全长16S测序可能提供更高精度；2）研究人群限于法国特定年龄段的患者，未纳入重度牙周炎或特殊人群，可能限制了微生物多样性的全面捕捉（如研究中伴放线聚集杆菌罕见）；3）研究为横断面设计，无法确定微生物模式的变化是否先于临床症状，需要前瞻性队列验证其预测价值；4）分析聚焦于细菌，未涉及古菌、真菌、病毒（如疱疹病毒、Redondoviruses）及原生生物等其他微生物成员，它们在牙周生态中的作用也值得关注；5）16S rRNA基因的拷贝数差异意味着测序结果不能直接等同于细菌的绝对数量。这些局限性也为未来的研究指明了方向。