Ontdekking en Validatie van Parodontitis Biomarkers

Parodontitis is een groot volksgezondheidsprobleem in China: het is verantwoordelijk voor het verlies van kauwfunctie bij 60 miljoen oudere volwassenen, en 400-500 miljoen volwassenen bevinden zich op hetzelfde ziekteverloop. Daarnaast komen gingivitis en vroegtijdige parodontitis veel voor in alle leeftijdsgroepen. De Lancet 2021-ziektelaststudie geeft zorgwekkende projecties voor de mondgezondheid in China, met een stijging van 47,8% in gevorderde parodontitis en een stijging van 217% in tandeloosheid tegen het jaar 2050. De aantallen zijn niet beheersbaar door het Chinese gezondheidssysteem, tenzij een reeks gecoördineerde acties wordt geïmplementeerd: i) gezondheidsvoorlichting ter bevordering van mondhygiëne op school en op de werkplek; ii) effectieve AI-gebaseerde zelfdetectiestrategieën en nauwkeurige identificatie van hoogrisicopersonen; iii) efficiënte behandelingsmodaliteiten; en iv) reorganisatie van het gezondheidssysteem.

We hebben een gepatenteerde en gevalideerde AI-gebaseerde screeningtest voor zelfdetectie ontwikkeld voor de algemene bevolking via een app. Het is gebaseerd op enkele gevalideerde vragen en de uitvoering van een laterale flow-immunoassay om geactiveerd matrixmetalloproteinase 8 (aMMP8) te detecteren. Het algoritme maakt nauwkeurige zelfdetectie van ernstige parodontitis mogelijk. Het systeem kan echter geen personen identificeren zonder klinisch evidente parodontitis (personen met oppervlakkige ontsteking die overeenkomt met gingivitis en beginnende parodontitis) die de ziekte zullen ontwikkelen, en die daarom het doel moeten zijn van vroege interventies. Deze beperking is te wijten aan onvoldoende kennis van het proces dat oppervlakkige ontsteking (gingivitis) in parodontitis verandert. Deze beperking is duidelijk in de recent gepubliceerde door NIH gesponsorde Amerikaanse diagnostische proefresultaten om biomarkers voor het ontstaan (en progressie) van parodontitis te detecteren. In hun studie tonen Teles et al. (2024) aan dat bijna 24% van de gingivitispatiënten binnen 12 maanden progressie naar parodontitis vertoont, maar slaagden er niet in speeksel- of serumbiomarkers te identificeren. Evenzo identificeerde onze recent voltooide studie (Li et al. in voorbereiding) geen zeer nauwkeurige biomarkers voor ziekteontstaan en -progressie. Belangrijk is dat de Amerikaanse en onze studie vermeende biomarkers hebben getest die zijn geïdentificeerd op basis van de huidige ruwe kennis van het ziekteproces. Hiaten in fundamentele kennis zijn nu duidelijk en beperken ons vermogen om parodontitis vroegtijdig te detecteren. Bovendien kan de huidige ruwe differentiële diagnose op basis van klinisch onderzoek met een parodontale sonde met millimeter-markeringen gingivitis niet nauwkeurig onderscheiden van vroegtijdige parodontitis, wat de grondwaardedefinitie (gouden standaard) compliceert.

In de huidige studie stellen we voor om een multi-omicsbenadering te implementeren om het vermogen te testen om een gemengde populatie van klinisch niet te onderscheiden gingivitis en stadium I parodontitis in twee of meer clusters te discrimineren. In deze biomarkerontdekkingsfase zijn we van plan om meerdere state-of-the-art methoden te gebruiken: i) laserscanning-microdissectieproteomics van weefselbiopten, ii) conventionele speekselproteomics, iii) weefselbiopttranscriptomics, en iv) shotgun-microbioomanalyse. De methoden zullen worden toegepast in een agnostische benadering om de volgende hypothesen te testen:

1. Het is mogelijk om twee of meer clusters van personen te identificeren uit een gemengde populatie van gingivitis- en stadium I parodontitispatiënten.
2. De clusters verschillen op basis van gastheer-afgeleide biomarkers en/of microbioomfactoren en het risico op progressie naar parodontitis.
3. De biomarkerpaden en microbiële virulentiefactoren onder personen geïdentificeerd volgens de verschillende benaderingen die worden gebruikt om de ziektebiologie te verkennen, zijn over het algemeen consistent.
4. Het is mogelijk om een beperkte set biomarkers te identificeren die kan worden gebruikt om het ontstaan van parodontitis te voorspellen en zo vroege interventies te richten op deze hoogrisicopopulatie.