Nachricht

Oct 22, 2023

Unterschiedliche Auswirkungen des parodontalen Mikrobioms auf die Rheumafaktor-Induktion während der Pathogenese der rheumatoiden Arthritis

Wissenschaftliche Berichte Band 12,

Wissenschaftliche Berichte Band 12, Artikelnummer: 19636 (2022) Diesen Artikel zitieren

1116 Zugriffe

1 Zitate

Details zu den Metriken

Der Zusammenhang zwischen der Exposition gegenüber parodontalen Bakterien und der Entwicklung von Autoantikörpern im Zusammenhang mit rheumatoider Arthritis (RA) ist weithin anerkannt; Allerdings ist der direkte kausale Zusammenhang zwischen parodontalen Bakterien und Rheumafaktor (RF) derzeit nicht vollständig geklärt. Wir haben untersucht, ob parodontale Bakterien den RF-Status beeinflussen können. Patienten mit präklinischer, neu aufgetretener oder chronischer RA wurden einer parodontalen Untersuchung und einer Untersuchung des subgingivalen Mikrobioms mittels 16S-rRNA-Sequenzierung unterzogen. Der Grad der Arthritis und der RF-Induktion wurde bei Mäusen mit kollageninduzierter Arthritis (CIA) untersucht, denen verschiedene parodontale Bakterienarten oral inokuliert wurden. Anschließend wurde eine Einzelzell-RNA-Sequenzanalyse der Milzzellen der Maus durchgeführt. Patienten mit präklinischer RA zeigten eine erhöhte Häufigkeit der Porphyromonadacae-Familie im subgingivalen Mikrobiom im Vergleich zu Patienten mit neu aufgetretener oder chronischer RA, obwohl die Schwere der Parodontitis bei ihnen vergleichbar war. Bemerkenswerterweise wurde eine ausgeprägte subgingivale mikrobielle Gemeinschaft zwischen Patienten mit hochpositivem RF und solchen mit negativem oder schwach positivem RF gefunden (p = 0,022). Orale Infektionen mit den parodontalen Krankheitserregern P. gingivalis und Treponema denticola bei CIA-Mäusen erhöhten den Arthritis-Score ähnlich, führten jedoch zu unterschiedlichen Graden der RF-Induktion. Gene, die mit der B-Zell-Rezeptorsignalisierung, der B-Zell-Proliferation, -Aktivierung und -Differenzierung sowie der CD4+-T-Zell-Kostimulation und Zytokinproduktion zusammenhängen, waren an der unterschiedlichen Induktion von RF bei Mäusen beteiligt, die verschiedenen Bakterien ausgesetzt waren. Zusammenfassend lässt sich sagen, dass das parodontale Mikrobiom den RF-Status beeinflussen könnte, indem es die humorale Immunantwort während der RA-Pathogenese beeinflusst.

Rheumatoide Arthritis (RA) ist eine komplexe Autoimmunerkrankung, die auf Wechselwirkungen zwischen dem genetischen Hintergrund des Patienten und Umweltauslösern zurückzuführen ist. Parodontitis gilt als umweltbedingter Auslöser für RA, und P. gingivalis, ein wichtiger parodontaler Krankheitserreger, kann Autoimmunreaktionen und die Entwicklung von Arthritis auslösen1. Eine orale Infektion mit P. gingivalis löste in experimentellen Tiermodellen Parodontitis und Autoimmunarthritis aus2,3. Lewis-Ratten, die P. gingivalis ausgesetzt waren, entwickelten eine Gelenkentzündung und -zerstörung2, nicht jedoch diejenigen, die Kontrollgel ausgesetzt waren. Eine frühere Studie unserer Gruppe ergab, dass mit P. gingivalis infizierte Mäuse mit kollageninduzierter Arthritis (CIA) eine schwerere Arthritis aufwiesen als nicht infizierte CIA-Mäuse, verbunden mit einer stärkeren Proteincitrullinierung in den Gelenken3. Unsere Gruppe stellte in einer anschließenden Studie außerdem fest, dass die Unterbrechung der oralen P. gingivalis-Infektion durch Anti-Fimbrien-Antikörper die durch die P. gingivalis-Infektion verstärkte Autoimmunarthritis wiederherstellte4. Diese Ergebnisse weisen darauf hin, dass Parodontitis und P. gingivalis eine wichtige Rolle bei der Pathogenese der RA spielen.

Parodontitis kommt häufig bei Patienten mit bestehender rheumatoider Arthritis vor; Sie ist jedoch bereits bei Patienten mit früher oder präklinischer RA vorhanden und zeigt eine häufigere und fortgeschrittenere Pathogenese als die Kontrollpersonen5,6,7,8. Scher und Kollegen fanden heraus, dass sich die subgingivale Mikrobiota von Patienten mit RA im Frühstadium von der der Kontrollpersonen unterscheidet, obwohl die Abweichungen der Mikrobiota vom Vorliegen und der Schwere der Parodontitis abhingen9. Im Gegensatz dazu wurden bei parodontal gesunden Patienten mit RA im Vergleich zu den Kontrollpersonen deutliche subgingivale Mikrobiota gefunden, was darauf hindeutet, dass die Veränderungen RA-spezifisch sind10. Eine kürzlich durchgeführte Studie zeigte eine Veränderung der subgingivalen Mikrobiota mit einer erhöhten Häufigkeit von P. gingivalis sowohl an parodontal gesunden als auch an erkrankten Stellen von Anti-Citrullin-Protein-Antikörpern (ACPA)-positiven Personen mit einem Risiko für RA11. Zusammengenommen deuten diese darauf hin, dass die Veränderungen der parodontalen Mikrobiota dem Ausbruch der RA vorausgehen, unabhängig vom Schweregrad der Parodontitis.

Mit RA in Zusammenhang stehende Autoantikörper wie Rheumafaktor (RF) und ACPA treten im Körper auf, bevor die RA auftritt12,13,14. Es wurde berichtet, dass die Titer für RF und ACPA während der präklinischen Phase deutlich ansteigen13,14. Darüber hinaus stiegen die Serumantikörper gegen P. gingivalis während der präklinischen Phase der Arthritis an und blieben nach der RA-Diagnose stabil15. Daher kann ein Zusammenhang zwischen der Exposition gegenüber parodontalen Bakterien und der Entwicklung von RA-Autoantikörpern vermutet werden. Im Vergleich zu gut untersuchten Mechanismen wie dem Zusammenhang zwischen parodontalen Pathogenen und ACPA1,10,16,17 ist die Rolle parodontaler Pathogene beim RF-Status bei RA jedoch nicht vollständig geklärt. Einige Studien haben einen positiven Zusammenhang zwischen parodontalen Bakterien und RF gezeigt, andere hingegen nicht18,19. Diese widersprüchlichen Ergebnisse könnten auf Einschränkungen dieser Studien zurückzuführen sein – entweder darauf, dass nur kleine Bakterienproben untersucht wurden oder darauf, dass zur Messung der Bakterienlast keine Hochdurchsatz-Sequenzierungstechniken verwendet wurden.

In dieser Studie untersuchten wir das subgingivale Mikrobiom bei Patienten mit präklinischer RA (Prä-RA), neu aufgetretener RA (NORA) und chronischer RA auf der Grundlage der metagenomischen Sequenzierung (zusammen mit ihrem Parodontitisstatus). Anschließend verglichen wir das subgingivale Mikrobiom entsprechend jedem RF-Status, um den Zusammenhang zwischen parodontalen Bakterien und RF zu untersuchen. Darüber hinaus wurden Mäusemodellexperimente und Einzelzell-RNA-Sequenzierungsanalysen durchgeführt, um den möglichen kausalen Zusammenhang zwischen parodontalen bakteriellen Infektionen und RF-Induktion zu bestätigen.

Das Studienprotokoll wurde vom Institutional Review Board des Seoul St. Mary's Hospital der Katholischen Universität Korea genehmigt (Genehmigungsnummer: KC15RISI0612) und alle Untersuchungen wurden in Übereinstimmung mit den relevanten Richtlinien und Vorschriften durchgeführt. Die Studienteilnehmer wurden im Rheumatologiezentrum des Seoul St. Mary's Hospital eingeschrieben. Patienten mit Prä-RA, NORA und chronischer RA wurden nacheinander aufgenommen, nachdem von jedem Probanden eine schriftliche Einverständniserklärung eingeholt worden war. Prä-RA wurde definiert, wenn die Probanden positive RF und/oder ACPA aufwiesen, die körperliche Untersuchung und der Ultraschall des Bewegungsapparates jedoch keine Hinweise auf eine eindeutige Synovitis ergaben. Bei Patienten mit NORA und chronischer RA handelte es sich um Patienten, die zum Zeitpunkt der Diagnose die Klassifizierungskriterien des American College of Rheumatology und der European League Against Rheumatism für RA erfüllten20: Patienten mit NORA hatten eine Krankheitsdauer von weniger als 6 Monaten, Patienten mit chronischer RA dagegen Zustand seit über 6 Monaten. Zu den Ausschlusskriterien gehörten der Einsatz von Antibiotika innerhalb von drei Monaten sowie alle medizinischen Bedingungen, die den Einsatz von Antibiotika erforderten. Bei den Patienten, die der subgingivalen Plaque-Entnahme zustimmten, wurde eine Mikrobiomanalyse durchgeführt. Die Merkmale der Studienpopulation, die sich einer parodontalen Untersuchung und einer subgingivalen Mikrobiomanalyse unterzogen hat, sind in den Ergänzungstabellen S1 bzw. S2 beschrieben.

Die parodontale Sondierungstiefe (PPD) wurde bei den Teilnehmern dieser Studie gemessen, indem die parodontale Sonde in den Raum zwischen Zahnoberfläche und Zahnfleisch eingeführt wurde. Als PPD wurde der Abstand vom freien Zahnfleischrand zur Basis des Gingivasulcus definiert. Mit einer parodontalen Kürette wurden subgingivale Plaqueproben aus den tiefsten interproximalen Stellen entnommen. Die Proben wurden in ein Mikroröhrchen gegeben, eingefroren und bis zur weiteren Analyse bei –80 °C gelagert.

Aus Plaqueproben wurde bakterielle genomische DNA extrahiert. Die Sequenzierung zielte auf die V3-V4-Region des 16S-rRNA-Gens aus der extrahierten DNA ab. Das 16S-Gen wurde unter Verwendung des Vorwärtsprimers 341F (5'-TCGTCGGCAGCGTC-AGATGTGTATAAGAGACAG-CCTACGGGNGGCWGCAG-3′; unterstrichene Sequenz zeigt den Zielregionsprimer) und des Rückwärtsprimers 805R (5′-GTCTCGTGGGCTCGG-AGATGTGTATAAGAGACAG-GACTACHVGGGTATCTAATCC-3′) amplifiziert. Anschließend wurde eine sekundäre Amplifikation zum Anbringen des Illumina NexTera-Barcodes mit einem i5-Vorwärtsprimer (5'-AATGATACGGCGACCACCGAGATCTACAC-XXXXXXXX-TCGTCGGCAGCGTC-3'; 3'). Das Produkt der Polymerasekettenreaktion (PCR) wurde mit einem Gel Doc System (Bio-Rad, Hercules, CA, USA) auf einer 1 %igen Agarosegelelektrophorese bestätigt und sichtbar gemacht. Die amplifizierten Produkte wurden mittels CleanPCR (CleanNA, Waddinxveen, Niederlande) gereinigt. Gleiche Konzentrationen gereinigter Produkte wurden gepoolt und kurze Fragmente (Nicht-Zielprodukte) wurden mit CleanPCR (CleanNA) entfernt. Qualität und Produktgröße wurden auf einem Bioanalyzer 2100 (Agilent, Palo Alto, CA, USA) unter Verwendung eines DNA 7500-Chips bewertet. Gemischte Amplikons wurden gepoolt und die Sequenzierung wurde bei ChunLab, Inc. (Seoul, Korea) unter Verwendung der Paired-End-Methode (250 bp x2) mit einem Illumina MiSeq Sequencing System (Illumina, San Diego, CA, USA) durchgeführt Beachten Sie die Herstellerangaben.

Die Verarbeitung roher 16S-rRNA-Gensequenzen beginnt mit dem Herausfiltern der minderwertigen Sequenzen mit dem Trimmomatic 0.32. Nach der Qualitätsfilterung wurden zwei Sequenzen, die jedes Ende desselben PCR-Amplifikats repräsentieren, mit PANDAseq zusammengeführt. Die Primer wurden mit dem hauseigenen Programm von ChunLab zugeschnitten. Sequenzen wurden mit DUDE-Seq entrauscht und identische Sequenzen wurden in diesem Schritt derepliziert, um die Rechenzeit zu reduzieren. Denoisierte und dereplizierte Sequenzen wurden dann einer taxonomischen Zuordnung unterzogen. Wir haben das USEARCH-Programm (8.1.1861_i86linux32) verwendet, um Sequenzähnlichkeiten der Abfrage-Next-Generation-Sequencing (NGS)-Lesevorgänge in der EzBioCloud 16S-Datenbank zu suchen und zu berechnen. Als Grenzwert für die Identifizierung auf Artenebene wurde eine 16S-Ähnlichkeit von 97 % verwendet. Die verbleibenden Lesevorgänge wurden mit dem UCHIME-Programm und der nicht-chimären 16S-rRNA-Datenbank von EzBioCloud auf Chimäre überprüft. Die Sequenzdaten wurden dann mithilfe von CD-HIT und UCLUST geclustert.

Männliche, 5 Wochen alte DBA/1J-Mäuse wurden von OrientBio (Seongnam, Korea) gekauft. Die Mäuse wurden unter pathogenfreien Bedingungen an der Katholischen Universität von Korea gehalten. Alle experimentellen Verfahren wurden in Übereinstimmung mit dem Labortierschutzgesetz, dem Leitfaden für die Pflege und Verwendung von Labortieren und den Richtlinien und Richtlinien für Nagetierexperimente des Institutional Animal Care and Use Committee der Katholischen Universität Korea (Genehmigung) durchgeführt Nummer: 2020-0011-01).

Um Autoimmunarthritis zu induzieren, wurden DBA/1J-Mäuse mit Typ-II-Kollagen (Chondrex, Redmond, WA, USA), emulgiert in komplettem Freund-Adjuvans (Chondrex), immunisiert. Einundzwanzig Tage nach der ersten Immunisierung wurde den Mäusen ein Booster von Typ-II-Kollagen (Chondrex), emulgiert in unvollständigem Freund-Adjuvans (Chondrex), intradermal injiziert. Die Arthritisentwicklung wurde zwei- bis dreimal pro Woche beurteilt. Der Arthritis-Score jeder Pfote wurde entsprechend dem Grad der Entzündung zwischen 0 und 4 bewertet: 0 = kein Anzeichen von Erythem und Schwellung; 1 = leichte Schwellung, die auf die Fußwurzel oder das Sprunggelenk beschränkt ist; 2 = leichte Schwellung, die sich vom Knöchel bis zu den Fußwurzeln erstreckt; 3 = mäßige Schwellung vom Knöchel bis zum Mittelfußgelenk; 4 = starke Schwellung am Knöchel, Fuß und an den Fingern oder Ankylose der Extremität21. Der gesamte Arthritis-Score war die Summe der einzelnen Arthritis-Scores aller vier Pfoten.

Der Porphyromonas gingivalis-Stamm American Type Culture Collection (ATCC) 33277 und der T. denticola-Stamm ATCC 35405 wurden von ATCC (Manassas, VA, USA) gekauft. Die Bakterien wurden in einer anaeroben Umgebung bei 37 °C kultiviert (BD GasPak TM 150 System; BD, Franklin Lakes, NJ, USA).

Mäuse wurden mit 1 × 109 koloniebildenden Einheiten von P. gingivalis oder T. denticola inokuliert, suspendiert in 30 μl phosphatgepufferter Kochsalzlösung (PBS) mit 2 % Carboxymethylcellulose (Sigma-Aldrich, St. Louis, MO, USA) oder für die Kontrolle 30 μl PBS mit 2 % Carboxymethylcellulose (Sigma-Aldrich) allein3. Dann wurden bakterienhaltige Gele oder Kontrollgele drei Wochen lang dreimal pro Woche direkt in die Mundhöhle von Mäusen geimpft, beginnend 14 Tage vor der ersten Immunisierung. Dies geschah während der Einrichtung des CIA-Modells. Unsere Gruppe bestätigte zuvor die Auslösung einer Parodontitis nach oraler Inokulation mit Parodontalbakterien im gleichen Umfeld4.

Die Konzentrationen von Rheumafaktor (RF) und Anti-Citrullin-Protein-Antikörpern (ACPAs) wurden in den Seren von Mäusen mit einem Maus-RF-IgM-ELISA-Kit (MyBioSource, San Diego, CA, USA) und einem Maus-ACPA-ELISA-Kit (MyBioSource) gemessen. , jeweils.

Zur Gewinnung von Splenozyten wurden Mäuse getötet. Mäusemilzen wurden geerntet und Splenozyten isoliert, indem zerdrückte Milz durch ein 40-µm-Zellsieb in eiskaltes RPMI-Medium gesiebt wurde. Rote Blutkörperchen wurden durch Zugabe von Gibco™ ACK-Lysepuffer für 10 Minuten lysiert. Die verbleibenden Zellen wurden 5 Minuten lang bei 4 °C mit 1.500 U/min zentrifugiert und der Überstand entfernt. Die Splenozyten wurden noch einmal gewaschen und in einer Konzentration von 1 × 107 Zellen/ml resuspendiert, um eine Einzelzellanalyse durchzuführen.

Gemäß den Empfehlungen des Herstellers wurden die Einzelzellerfassung und die cDNA-Synthese mit dem DB Rhapsody Single-Cell Analysis System durchgeführt. Zur Sequenzierung wurden die Bibliotheken mehrmals auf einem Illumina Next-Seq ausgeführt. Wir haben R verwendet, um ein unbeaufsichtigtes Clustering von Zellen mit den Daten des SC-Sequencing Seurat-Pakets Version 3.2.322 durchzuführen. Gene mit einer Expression in weniger als drei Zellen wurden herausgefiltert. Wir verarbeiteten Zellen mit > 200 oder < 2500 exprimierten Genen, < 25 % mitochondrialer Gene und < 20.000 UMIs pro Zelle23. Anschließend wurde der Variationskoeffizient der Gene mithilfe der Seurat-Arithmetik berechnet. Mit der „vst“-Methode in Seurat identifizierten wir aus jeder Probe 2000 hochvariable Gene und konnten so die aus verschiedenen Proben stammenden Zellen ausrichten. Zur Dimensionsreduzierung aller Daten wurde eine Hauptkoordinatenanalyse (PCoA) basierend auf den ersten 2000 am höchsten veränderbaren Genen durchgeführt. Ein k-Nearest-Neighbor-Graph wurde unter Verwendung euklidischer Abstände im Raum der ersten 10 signifikanten Hauptkomponenten erstellt. Die Zellen wurden mithilfe des Louvain-Modularitätsoptimierungsalgorithmus in einem Bild gruppiert. Anschließend wurden die Endergebnisse des unbeaufsichtigten Clusterings mittels t-verteilter stochastischer Nachbareinbettungsanalyse (tSNE) visualisiert.

Wir haben in jedem Cluster hochregulierte und herunterregulierte Gene ausgewählt. Diese wurden auf der Grundlage des Wilcoxon-Rangsummentests in Seurats Implementierung mit den anderen Clustern in Beziehung gesetzt, mit einer logarithmischen Faltungsänderung von >0,25 im Vergleich zu den anderen Clustern und einem ap <0,05 (eTabelle 1 im Anhang). Die hochdifferenziell exprimierten Gene (DEGs) in jedem Cluster wurden berechnet, sodass sie manuell mit ihren jeweiligen zellulären Identitäten versehen werden konnten. Die Identitäten wurden mit scCATCH für die automatisierte referenzbasierte Annotation24 bestätigt.

K-Means-Clustering wurde an varianzstabilisierten Lesezahlen durchgeführt, um eine Heatmap (ausgewählter Gensatz mit variablen Genen) in R zu erstellen. Die K-Mean-Option und der euklidische Clustering-Abstand sowohl der Zeile als auch der Spalte wurden zusammen mit der Pheatmap-Funktion angewendet . Wir haben die zugewiesenen Gene der resultierenden Cluster mithilfe einer Genontologieanalyse unter Verwendung des Klassifizierungssystems PANTHER (Protein Analysis Through Evolutionary Relationships) (http://geneontology.org)25 annotiert.

PPD und taxonomische relative Häufigkeit wurden zwischen verschiedenen Patientengruppen mithilfe des Wilcoxon-Rangsummentests oder des Kruskal-Wallis-Tests verglichen. Eine Hauptkoordinatenanalyse (PCoA) der UniFrac-Abstände und der PERMANOVA-Test wurden durchgeführt, um die mikrobielle Gemeinschaft in jeder Gruppe (Beta-Diversität) zu vergleichen. Differenziell vorhandene Taxa wurden mithilfe der linearen Diskriminanzanalyse-Effektgröße (LEfSe) ausgewählt. Arthritis-Scores sowie RF- und ACPA-Werte in den CIA-Mausgruppen wurden mithilfe des ungepaarten T-Tests verglichen. Statistische Analysen wurden mit GraphPad Prism Version 5 (GraphPad Software, San Diego, CA, USA) und der webbasierten Software EzBioCloud (https://www.ezbiocloud.net) durchgeführt.

PPD-Messungen wurden bei 18 Patienten mit Prä-RA, 18 Patienten mit NORA und 49 Patienten mit chronischer RA durchgeführt. Die PPD unterschied sich nicht zwischen Patienten mit prä-RA, NORA und chronischer RA (Median 5,5, 6 bzw. 6 mm; p = 0,525, Kruskal-Wallis-Test, Abb. 1A), wobei alle einen ähnlichen Grad aufwiesen von Parodontitis. Als nächstes untersuchten wir die Prävalenz von Parodontitis bei Patienten mit Prä-RA im Vergleich zu den Kontrollpersonen. Kontrollpersonen ohne RA wurden hinsichtlich Alter, Geschlecht und Body-Mass-Index abgeglichen; Sie wurden auch in Abhängigkeit vom Vorliegen von Diabetes oder Bluthochdruck und dem Raucherstatus abgeglichen. Diese Daten wurden aus der Datenbank der Korea National Health and Nutrition Examination Survey extrahiert. Im Vergleich zu den 72 entsprechenden Kontrollpersonen war die Wahrscheinlichkeit einer Parodontitis bei Patienten mit Prä-RA höher: 44,4 % und 50 % der Patienten mit Prä-RA hatten einen PPD von 4–5 mm bzw. einen PPD von ≥6 mm. wohingegen 19,4 % und 4,2 % der Kontrollpersonen einen PPD von 4–5 mm bzw. einen PPD von ≥6 mm hatten (p <0,001, exakter Fisher-Test, ergänzende Abbildung S1). Zusammenfassend lässt sich sagen, dass Patienten mit Prä-RA häufiger an Parodontitis litten als die Kontrollpersonen; Darüber hinaus war der Grad der Parodontitis bei Patienten mit prä-RA ähnlich wie bei Patienten mit bestehender RA.

Parodontitis und das subgingivale Mikrobiom bei Patienten mit präklinischer rheumatoider Arthritis (Prä-RA), neu aufgetretener RA (NORA) und chronischer RA. (A) Vergleich der parodontalen Sondierungstiefe (PPD) bei Patienten mit prä-RA, NORA und chronischer RA (ns: nicht signifikant, Kruskal-Wallis-Test). (B) Die Beta-Diversität des subgingivalen Mikrobioms zwischen verschiedenen RA-Status wird durch ein Diagramm der Hauptkoordinatenanalyse (PCoA) unter Verwendung der UniFrac-Distanzmatrix (p = 0,388, PERMANOVA) dargestellt. (C) Vergleich der subgingivalen mikrobiellen Zusammensetzung auf Stammebene bei Patienten mit prä-RA, NORA und chronischer RA (Kruskal-Wallis-Test). (D) Die Analyse der linearen Diskriminanzanalyse-Effektgröße (LEfSe) identifiziert unterschiedlich häufig vorkommende Taxa bei Patienten mit Prä-RA, NORA und chronischer RA. Rote Balken und ein blauer Balken zeigen Taxa an, die in Gruppen mit prä-RA bzw. chronischer RA reichlich vorhanden sind.

Das subgingivale Mikrobiom wurde bei fünf Patienten mit Prä-RA, zwei Patienten mit NORA und drei Patienten mit chronischer RA untersucht. Wie in der Ergänzungstabelle S2 zu sehen ist, waren sie alle Nichtraucher und hatten eine hohe ACPA-Positivität; Sie hatten jedoch unterschiedliche RF-Titergrade. Die subgingivalen mikrobiellen Gemeinschaften unterschieden sich zwischen den RA-Gruppen bei der PCoA von UniFrac-Abständen nicht signifikant (p = 0,388, PERMANOVA, Abb. 1B). Die relative Häufigkeit von Taxa auf Phylum-Ebene unterschied sich zwischen den RA-Gruppen nicht signifikant (alle p > 0,1, Kruskal-Wallis-Test, Abb. 1C). Unter Einbeziehung aller taxonomischen Ebenen wurden mithilfe der LEfSe-Analyse unterschiedlich häufig vorkommende Taxa bei Patienten mit prä-RA, NORA und chronischer RA identifiziert (Abb. 1D). Die Bakterienfamilie Porphyromonadaceae sowie die Saccharimonas-Spezies waren bei Patienten mit Prä-RA angereichert, wohingegen Streptococcus anginosus nur bei Patienten mit chronischer RA angereichert war.

Patienten mit prä-RA, NORA und chronischer RA wurden basierend auf ihren RF-Titern in zwei Gruppen eingeteilt: eine negative oder niedrige RF-Gruppe und eine hohe RF-Gruppe. Obwohl sich der Schweregrad der Parodontitis und die PPD nicht zwischen Patienten mit negativem oder niedrigem RF und denen mit hohem RF unterschieden (Abb. 2A), unterschied sich die subgingivale mikrobielle Zusammensetzung zwischen diesen Gruppen deutlich. Die PCoA der UniFrac-Abstände zeigte die Häufung mikrobieller Gemeinschaften entsprechend dem RF-Status (p = 0,022, PERMANOVA, Abb. 2B). Ein Vergleich der taxonomischen relativen Häufigkeit auf Stammebene zeigte, dass Fusobakterien, Saccharibakterien (früher TM7) und Spirochäten bei Patienten mit hohem RF im Vergleich zu denen bei Patienten mit negativem oder niedrigem RF signifikant häufig vorkamen (p = 0,047, p = 0,028 und p). = 0,009 bzw. Wilcoxon-Rangsummentest, Abb. 2C). LEfSe-Analysen auf allen taxonomischen Ebenen zeigten 43 unterschiedlich häufig vorkommende Taxa zwischen Patienten mit negativer oder niedriger RF und Patienten mit hoher RF (Abb. 2D). Insbesondere wurden die Phyla Fusobacteria, Saccharibacteria und Spirochaetes, Familien Saccharimonas, Porphyromonadaceae und Spirochaetaceae, in der Gruppe mit hohem RF angereichert.

Parodontitis und subgingivales Mikrobiom entsprechend dem Rheumafaktor (RF)-Status. (A) Vergleich der PPD zwischen Patienten mit negativem oder niedrigem RF und Patienten mit hohem RF (ns: nicht signifikant, Wilcoxon-Rangsummentest). (B) Beta-Diversität des subgingivalen Mikrobioms zwischen verschiedenen RF-Status wird durch PCoA-Diagramm unter Verwendung der UniFrac-Distanzmatrix (p = 0,022, PERMANOVA) dargestellt. Die Daten stammten von denselben 10 Patienten, die sich einer subgingivalen Mikrobiomanalyse unterzogen hatten. (C) Vergleich der subgingivalen mikrobiellen Zusammensetzung auf Phylumebene zwischen Patienten mit negativem oder niedrigem RF und Patienten mit hohem RF (*p <0,05, **p <0,01, Wilcoxon-Rangsummentest). (D) Die LEfSe-Analyse identifiziert unterschiedlich häufig vorkommende Taxa zwischen Patienten mit negativem oder niedrigem RF (rote Balken) und Patienten mit hohem RF (grüne Balken).

Um zu untersuchen, ob verschiedene parodontale Bakterien unterschiedliche RF-Werte induzieren können, wurden DBA/1J-Mäuse während der Etablierung des CIA-Modells oral mit verschiedenen Bakterien geimpft. Der schematische Zeitplan der oralen Bakterienimpfung ist in Abb. 3A dargestellt. Arthritis entwickelte sich in CIA-Mausgruppen, die mit Kontrollgelen beimpft wurden, und bei Gruppen, die entweder mit P. gingivalis- oder T. denticola-haltigen Gelen beimpft wurden (Abb. 3B). Fünfundfünfzig Tage nach der ersten Immunisierung war der Arthritis-Score bei mit P. gingivalis und T. denticola inokulierten CIA-Mäusen höher als bei den Kontrollmäusen, was zeigt, dass sich bei den mit parodontalen Bakterien beimpften CIA-Mäusen eine schwerere Arthritis entwickelte. Obwohl sich der Schweregrad der Arthritis zwischen mit P. gingivalis und T. denticola inokulierten Mäusen nicht wesentlich zu unterscheiden schien, waren die RF-Titer bei mit P. gingivalis inokulierten Mäusen signifikant höher als bei denen, die mit T. denticola inokuliert wurden (p = 0,008). , ungepaarter t-Test). Die ACPA-Titer unterschieden sich nicht signifikant zwischen mit P. gingivalis und T. denticola inokulierten Mäusen. Dies weist auf unterschiedliche Grade der HF-Induktion je nach Art der parodontalen Bakterien hin (Abb. 3C, D).

Unterschiedliche Grade der HF-Induktion in Mausmodellen mit kollageninduzierter Arthritis (CIA), die mit verschiedenen Arten parodontaler Bakterien inokuliert wurden. (A) Schematische Darstellung der CIA-Modellentwicklung und oralen Inokulation mit oder ohne parodontale Bakterien, Porphyromonas gingivalis und T. denticola. (B) Veränderungen im Arthritis-Score von normalen Kontrollmäusen (n = 5), mit Kontrollgelen inokulierten CIA-Mäusen (n = 10), mit P. gingivalis-haltigen Gelen inokulierten CIA-Mäusen (n = 10) und mit inokulierten CIA-Mäusen T. denticola-haltige Gele (n = 10) seit der ersten Immunisierung mit Typ-II-Kollagen. (C) RF-IgM-Spiegel in verschiedenen Mausgruppen 55 Tage nach der ersten Immunisierung (n = 3 in jeder Gruppe). (D) Spiegel von Anti-Citrullin-Protein-Antikörpern (ACPAs) in verschiedenen Mausgruppen 55 Tage nach der ersten Immunisierung (n = 3 in jeder Gruppe). Die Daten sind repräsentativ für zwei unabhängige Experimente. *p <0,05, **p <0,01, ***p <0,001 durch ungepaarten t-Test. NC, normale Kontrolle; PG, P. gingivalis; TD, T. denticola.

Wir führten eine Einzelzell-RNA-Sequenzierung von Splenozyten von P. gingivalis- und T. denticola-exponierten Mäusen durch, um die transkriptomischen Unterschiede auf Einzelzellebene zu verstehen (Abb. 4A). Für die Analyse wurden jeweils drei Milzen von P. gingivalis- und T. denticola-exponierten Mäusen entnommen. Insgesamt wurden nach der Filtration 962 bzw. 851 Splenozyten analysiert. Zuerst haben wir einen Einzelzellatlas kartiert und die Zellpopulation der Splenozyten definiert. Es wurden Einzelzellatlanten von P. gingivalis- und T. denticola-exponierten Mäusen präsentiert und die Zellen in neun Kompartimenten gruppiert (Abb. 4B). In beiden Gruppen wurden Zellpopulationen wie Neutrophile, Makrophagen, B-Zellen, T-Zellen und dendritische Zellen identifiziert (Abb. 4C). Das Muster und die Häufigkeit der Zellpopulationen waren zwischen P. gingivalis- und T. denticola-exponierten Mäusen vergleichbar (p = 0,783; Chi-Quadrat-Test). Als nächstes wurde die Genexpression von Splenozyten auf Einzelzellebene analysiert. Die 10 wichtigsten Gene für jeden Zelltyp wurden bestimmt und ihre Expressionsniveaus in allen Zelltypen untersucht (Abb. 4D). Die repräsentativen Gene für jeden Zelltyp waren in einem bestimmten Zelltyp unterschiedlich hochreguliert, in anderen jedoch nicht, was auf ihre Rolle bei der Unterscheidung jedes Zelltyps vom anderen hinweist. Dieses Muster wurde sowohl bei P. gingivalis- als auch bei T. denticola-exponierten Mäusen beobachtet. Anschließend bestimmten wir die Expressionsniveaus der differentiell exprimierten Gene (DEGs) mittels K-Means-Clustering (Abb. 4E). Bemerkenswerterweise wurden unterschiedliche Gencluster in den B- und T-Zellen von P. gingivalis- und T. denticola-exponierten Mäusen gefunden. Differenzielle Gencluster von B-Zellen wurden von Genen gesteuert, die mit dem B-Zell-Rezeptor-Signalweg und der Proliferation, Aktivierung und Differenzierung von B-Zellen zusammenhängen (Cluster 9 und 29). Differenzielle Gencluster von T-Zellen wurden durch Gene gesteuert, die mit der CD4+-T-Zell-Kostimulation und der Th1-Zytokinproduktion assoziiert sind (Cluster 8, 16, 17 und 30). Detaillierte Ergebnisse der Gen-Ontologie (GO)-Anreicherungsanalyse finden Sie im Anhang. Die unterschiedliche Genexpression in B- und T-Zellen von Mäusen, die mit verschiedenen Arten parodontaler Bakterien geimpft wurden, könnte ihre unterschiedlichen Grade der RF-Induktion erklären.

Identifizierung von Zellpopulationen und unterschiedlichen Genexpressionsmustern in CIA-Mäusen, die mit verschiedenen Arten parodontaler Bakterien geimpft wurden. (A) Schematische Darstellung von Einzelzell-Transkriptom-Experimenten, von der Splenozytensammlung bis zur Visualisierung. (B) t-Distributed Stochastic Neighbor Embedding (tSNE)-Diagramme einzelner Zellen, gefärbt nach den Hauptzelllinien (linkes Feld) und nach dem Maustyp, CIA-PG oder CIA-TD (rechtes Feld). (C) Identifizierung und Anteil jedes Zelltyps in den CIA-PG- und CIA-TD-Modellen, visualisiert durch tSNE- und Balkendiagramme. (D) Heatmap der Genexpressionsniveaus der 10 wichtigsten Gene pro Zelltyp-Cluster. (E) Heatmap der K-Mittel-Clusterbildung von differentiell exprimierten Genen (DEGs) und anschließender Anreicherungsanalyse der Genontologie (GO). DEGs wurden in 30 Gruppen eingeteilt (K = 30, die modellbasierte optimale Zahl; linkes Feld). Die am unterschiedlichsten angereicherten GO-Kategorien nach biologischem Prozess, zellulärer Komponente und molekularer Funktion werden für ausgewählte Cluster in B- und T-Zellpopulationen gezeigt (rechtes Feld). CIA-PG, P. gingivalis exponierte CIA-Mäuse; CIA-TD, T. denticola exponierte CIA-Mäuse; BP, biologischer Prozess; CC, zelluläre Komponente; MF, molekulare Funktion.

Das subgingivale Mikrobiom von Patienten mit prä-RA zeigte im Vergleich zu Patienten mit NORA oder chronischer RA eine erhöhte Häufigkeit der Familie der Porphyromonadaceae, trotz ähnlicher Prävalenz und Schwere der Parodontitis. Bemerkenswerterweise hing die Struktur der subgingivalen mikrobiellen Gemeinschaft eher vom RF-Status als vom RA-Status ab. Eine orale Infektion mit verschiedenen parodontalen Krankheitserregern, P. gingivalis oder T. denticola, führte in einem Mausmodell der RA zu einer ähnlich verstärkten Arthritis-Induktion, jedoch mit unterschiedlichem Ausmaß der RF-Induktion. In einer Einzelzell-RNA-Seq-Analyse von Milzzellen von Mäusen zeigten P. gingivalis- und T. denticola-exponierte Mäuse sehr variable Expressionsmuster spezifischer Gene in B- und CD4+-T-Zellen. Dies weist darauf hin, dass parodontale Bakterien die humorale Immunantwort zur Auslösung von RF während der Entstehung von RA unterschiedlich beeinflussen.

Wir haben gezeigt, dass bei ACPA-positiven Personen mit RA-Risiko bereits Parodontitis und Veränderungen im parodontalen Mikrobiom vorlagen; Deren Ausmaß und Muster ähnelten denen bei Patienten mit neu aufgetretener oder chronischer RA. Die einzigartige Mikrobiomveränderung bei ACPA-positiven Personen mit RA-Risiko lag in der erhöhten Häufigkeit der Porphyromonadaceae-Familie, was mit früheren Studien übereinstimmte, die einen Anstieg von P. gingivalis bei Personen mit RA-Risiko zeigten11,26. In einer Kohortenstudie mit Personen mit einem höheren Risiko für die Entwicklung von RA waren die Serumkonzentrationen von Antikörpern gegen P. gingivalis in der RA-bedingten Autoantikörper-positiven Gruppe signifikant höher als in der Autoantikörper-negativen Gruppe, obwohl das Vorliegen einer Parodontitis in diesen Gruppen ähnlich war26 . Die Antikörperkonzentrationen gegen andere parodontale Bakterien unterschieden sich jedoch nicht zwischen Autoantikörper-positiven und -negativen Gruppen, was darauf hindeutet, dass die Immunität gegen P. gingivalis mit der RA-bedingten Autoantikörperproduktion bei Personen mit RA-Risiko verbunden war. Eine kürzlich durchgeführte Studie bestätigte mittels metagenomischer Sequenzierung die Dysbiose und die erhöhte Häufigkeit von P. gingivalis im subgingivalen Mikrobiom von ACPA-positiven Personen mit RA11-Risiko. Zusammengenommen deuten unsere Ergebnisse zusammen mit der Literatur darauf hin, dass die Veränderungen des oralen Mikrobioms dem Ausbruch der RA vorausgehen und dass P. gingivalis in dieser präklinischen Phase eine wichtige Rolle spielt.

Anschließend untersuchten wir die Rolle parodontaler Krankheitserreger bei der Entwicklung RA-bedingter Autoantikörper, wobei wir uns insbesondere auf den RF-Autoantikörper konzentrierten. RF ist ein diagnostischer Marker für RA; Es kommt jedoch auch bei anderen Autoimmun- und Infektionskrankheiten vor. In einer früheren Studie wurde festgestellt, dass RF sowohl in der subgingivalen Plaque als auch in Serumproben von Patienten mit Parodontitis ohne klinische Arthritis vorhanden war, was auf einen Zusammenhang zwischen bakterieller Infektion und RF-Induktion hindeutet27. Bakterien, die Schleimhautstellen besiedeln, können ein Schlüsselfaktor bei der Induktion der B-Zell-Aktivierung und der Autoantikörperproduktion sein. Darüber hinaus war das Ausmaß der Autoantikörperinduktion je nach Art der verwendeten Bakterien unterschiedlich. Beispielsweise löste die orale Exposition mit P. gingivalis bei Ratten eine ACPA-assoziierte Arthritis aus, wohingegen die orale Exposition mit Prevotella intermedia nicht dazu führte2. Unsere Studie kam zu dem Ergebnis, dass P. gingivalis-exponierte CIA-Mäuse die RF im Vergleich zu T. denticola-exponierten Mäusen stark induzierten. Wir haben die getrennten und unterschiedlichen Muster der oralen Mikrobiota der Patientengruppen mit hohem und niedrigem RF-Wert beschrieben und auch die kausale Wirkung parodontaler Bakterien auf die RF-Induktion in einem murinen RA-Modell bestätigt. Daher schlagen wir vor, dass parodontale Bakterien den RF-Status während einer RA-Autoimmunität unterschiedlich beeinflussen können.

RF ist ein Autoantikörper, der auf antigene Determinanten (Epitope) abzielt, die sich in der Fc-Region von Immunglobulin G (IgG) befinden. RF wird von RF-positiven B-Lymphozyten produziert (die RF als B-Zell-Rezeptor exprimieren)28. Unter normalen Bedingungen behalten RF-B-Zellen die Toleranz gegenüber Autoantigenen bei, ohne RF zu produzieren. Allerdings können RF-B-Zellen unter Autoimmunerkrankungen oder bei mikrobiellen Infektionen aktiviert werden. Mikrobielle Komponenten wie bakterielle Lipopolysaccharide (LPS) oder DNA können über einen unspezifischen Mechanismus die Aktivierung von B-Zellen und die RF-Produktion vermitteln. Beispielsweise können bakterielles LPS oder DNA die B-Zell-Aktivierung über die Signalübertragung des Toll-like-Rezeptors (TLR) direkt stimulieren29. In einer früheren Studie wurde LPS mehreren Mäusestämmen injiziert, um deren Fähigkeit zu untersuchen, RF-Aktivität zu induzieren30. RF wurde bei allen Stämmen außer bei LPS-resistenten Mäusen induziert, und ein erhöhter RF ging mit einem Anstieg anderer IgM-Antikörper einher. Daher wurde LPS als Stimulans für die Bildung polyklonaler Antikörper durch B-Zellen angesehen, wodurch die RF-Produktion induziert wird. In einer weiteren aktuellen Studie wurde eine positive Korrelation zwischen LPS-bindendem Protein und RF festgestellt, was auf eine wichtige Rolle der systemischen mikrobiellen Exposition bei der Entwicklung von RF31 schließen lässt.

Allerdings sind neben der unspezifischen B-Zell-Aktivierung zwei weitere antigenspezifische Mechanismen erforderlich, um die verstärkte B-Zell-Aktivierung und RF-Induktion nach mikrobieller Exposition zu erklären32. Erstens die Synergie zwischen B-Zell-Rezeptoren und TLRs. Zweitens helfen die T-Zellen. Die Interaktion von B-Zellrezeptoren und TLRs auf der B-Zelloberfläche wurde durch die Bildung und Vernetzung mikrobieller Antigen-IgG-Immunkomplexe ermöglicht. Die Immunkomplexe signalisieren sowohl B-Zell-Rezeptoren als auch TLRs, die RF-produzierenden B-Zellen zu aktivieren. Die B-Zell-Rezeptor-Signalübertragung kann Immunkomplexe einfangen und mikrobielle Antigene auf der B-Zelloberfläche konzentrieren, wodurch die TLR-Signalübertragung verstärkt wird. Die selektive Hemmung der B-Zell-Rezeptor-Signalisierung ohne Störung der TLR-Signalisierung führte zu einer Blockierung der durch Immunkomplexe induzierten RF-B-Zell-Proliferation. Als nächstes ist die Unterstützung mikrobieller Antigen-spezifischer CD4+-T-Zellen erforderlich, um die RF-Produktion zu steigern. Nachdem mikrobielle Antigene internalisiert und in RF-B-Zellen zu antigenen Peptiden verarbeitet und auf der B-Zelloberfläche präsentiert werden, werden antigenspezifische CD4+ T-Zellen aktiviert. Anschließend erhalten RF-B-Zellen CD4+-T-Zell-Hilfe über CD40-Signale oder Zytokine, die von CD4-T+-Zellen produziert werden, und differenzieren sich so in RF-produzierende Plasmazellen. Zusammenfassend lässt sich sagen, dass mikrobielle Antigene, B-Zell-Rezeptoren, TLRs und CD4+-T-Zellen zusammenwirken, um RF-produzierende B-Zellen nach einer bakteriellen Infektion zu aktivieren, und sowohl die B-Zell-Rezeptor-Signalisierung als auch die Unterstützung von CD4-T+-Zellen sind entscheidend für die Verbesserung der RF-Sekretion32. In unserer Studie standen unterschiedliche Genexpressionen zwischen P. gingivalis- und T. denticola-exponierten Mäusen, die unterschiedliche RF-Spiegel aufwiesen, im Zusammenhang mit B-Zell-Rezeptor-Signalwegen, B-Zell-Proliferation, -Aktivierung und -Differenzierung sowie CD4+-T-Zell-Kostimulation und Th1-Zytokinproduktion. Unsere Ergebnisse zusammen mit der oben genannten Studie belegen, dass die unterschiedliche HF-Induktion durch verschiedene parodontale Bakterien davon abhängen könnte, ob sie sich auf die Signalwege des B-Zell-Rezeptors, die B-Zell-Proliferation, -Aktivierung und -Differenzierung sowie die CD4+-T-Zell-Kostimulation und Zytokinproduktion auswirken können.

Rifkin und Kollegen zeigten, dass die Seren von autoimmunen Mäusen, nicht jedoch die von nichtautoimmunen Mäusen, in vitro die Aktivierung von RF-produzierenden B-Zellen induzierten33. Die stimulierenden Faktoren waren die IgG2a-Immunkomplexe, die in den Seren autoimmuner Mäuse vorhanden waren. Allerdings aktivieren nicht alle Immunkomplexe RF-produzierende B-Zellen; Eine nachfolgende Studie zeigte, dass IgG2a-Immunkomplexe, die Nukleosomenantigene enthielten, RF-produzierende B-Zellen effizient aktivierten, indem sie B-Zell-Rezeptoren und TLRs aktivierten, IgG2a-Immunkomplexe, die andere Antigene enthielten, jedoch versagten34. Diese Ergebnisse deuten darauf hin, dass die Aktivierung von B-Zellen, die RF exprimieren, von der Art der auf den Immunkomplexen vorhandenen Antigene abhängt.

Diese Studie weist einige Einschränkungen auf. Erstens wurde nur eine relativ kleine Anzahl von Patienten in die subgingivalen Mikrobiom-Sequenzierungsanalysen einbezogen. Daher müssen unsere Ergebnisse in weiteren Studien innerhalb einer größeren Studienpopulation validiert werden. Wir führten jedoch Mäusemodellexperimente und Einzelzell-RNA-Sequenzierungsanalysen durch, um unsere Ergebnisse bei Mikrobiom-Sequenzierungsanalysen zu untermauern. Zweitens haben wir in diese Studie keine gesunde Kontrollgruppe einbezogen. Allerdings wurden die unterschiedlichen subgingivalen mikrobiellen Zusammensetzungen bei Patienten mit RA und bei Risikopersonen im Vergleich zu gesunden Kontrollpersonen in früheren Studien bestätigt9,10,11. Stattdessen wollten wir die subgingivale mikrobielle Zusammensetzung bei Patienten mit RA entsprechend ihrem RF- oder RA-Status vergleichen.

Wir haben die unterschiedliche Landschaft des subgingivalen Mikrobioms bei den unterschiedlichen RF-Status bei Patienten mit RA und Personen mit RA-Risiko aufgezeigt. Eine orale Infektion mit verschiedenen parodontalen Bakterienarten verursachte unterschiedliche RF-Werte während der Arthritisentwicklung in einem RA-Mausmodell. Wir schlagen vor, dass parodontale Bakterien den RF-Status durch unterschiedliche Beteiligung an der B-Zell-Rezeptorsignalisierung, B-Zell-Proliferation, -Aktivierung und -Differenzierung sowie CD4+-T-Zell-Kostimulation und Zytokinproduktion beeinflussen.

Die während der aktuellen Studie generierten und/oder analysierten Datensätze sind im BioProject-Repository des National Center for Biotechnology Information (NCBI) verfügbar, https://www.ncbi.nlm.nih.gov/bioproject/PRJNA765928 (Metagenom-Sequenzierungsdatensätze) und https ://www.ncbi.nlm.nih.gov/bioproject/PRJNA820883 (Einzelzell-RNA-Sequenzierungsdatensätze).

Potempa, J., Mydel, P. & Koziel, J. Der Fall von Parodontitis in der Pathogenese der rheumatoiden Arthritis. Nat. Rev. Rheumatol. 13, 606–620. https://doi.org/10.1038/nrrheum.2017.132 (2017).

Artikel CAS PubMed Google Scholar

Courbon, G. et al. Porphyromonas gingivalis induziert experimentell Parodontitis und eine Anti-CCP2-assoziierte Arthritis bei der Ratte. Ann. Rheum. Dis. 78, 594–599. https://doi.org/10.1136/annrheumdis-2018-213697 (2019).

Artikel CAS PubMed Google Scholar

Jung, H. et al. Arthritische Rolle von Porphyromonas gingivalis bei Mäusen mit kollageninduzierter Arthritis. PLoS One 12, e0188698. https://doi.org/10.1371/journal.pone.0188698 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Jeong, SH et al. Durch die Unterbrechung der oralen Infektion von Porphyromonas gingivalis mit Anti-FimA-Antikörpern wird die Verbreitung von Bakterien im arthritischen Gelenk gemindert und die experimentelle Arthritis verbessert. Exp. Mol. Med. 50, e460. https://doi.org/10.1038/emm.2017.301 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Wolff, B. et al. Oraler Status bei Patienten mit früher rheumatoider Arthritis: eine prospektive Fall-Kontroll-Studie. Rheumatology (Oxford) 53, 526–531. https://doi.org/10.1093/rheumatology/ket362 (2014).

Artikel Google Scholar

Bello-Gualtero, JM et al. Parodontitis bei Personen mit einem genetischen Risiko für die Entwicklung von Arthritis und früher rheumatoider Arthritis: eine Querschnittsstudie. J. Parodontologie. 87, 346–356. https://doi.org/10.1902/jop.2015.150455 (2016).

Artikel CAS PubMed Google Scholar

Ayravainen, L. et al. Parodontitis bei früher und chronischer rheumatoider Arthritis: eine prospektive Folgestudie in der finnischen Bevölkerung. BMJ Open 7, e011916. https://doi.org/10.1136/bmjopen-2016-011916 (2017).

Artikel PubMed PubMed Central Google Scholar

Mankia, K. et al. Prävalenz von Parodontalerkrankungen und parodontopathischen Bakterien bei antizyklischen citrullinierten Protein-Antikörpern positiven gefährdeten Erwachsenen ohne Arthritis. JAMA Netw. Öffnen Sie 2, e195394. https://doi.org/10.1001/jamanetworkopen.2019.5394 (2019).

Artikel PubMed PubMed Central Google Scholar

Scher, JU et al. Parodontitis und die orale Mikrobiota bei neu auftretender rheumatoider Arthritis. Arthritis Rheum. 64, 3083–3094. https://doi.org/10.1002/art.34539 (2012).

Artikel PubMed PubMed Central Google Scholar

Lopez-Oliva, I. et al. Dysbiotische subgingivale Mikrobengemeinschaften bei parodontal gesunden Patienten mit rheumatoider Arthritis. Arthritis Rheumatol. 70, 1008–1013. https://doi.org/10.1002/art.40485 (2018).

Artikel PubMed PubMed Central Google Scholar

Cheng, Z. et al. Dysbiose im oralen Mikrobiom von Anti-CCP-positiven Personen mit dem Risiko, rheumatoide Arthritis zu entwickeln. Ann. Rheum. Dis. 80, 162–168. https://doi.org/10.1136/annrheumdis-2020-216972 (2021).

Artikel CAS PubMed Google Scholar

Nielen, MM et al. Spezifische Autoantikörper gehen den Symptomen rheumatoider Arthritis voraus: eine Studie über Reihenmessungen bei Blutspendern. Arthritis Rheum. 50, 380–386. https://doi.org/10.1002/art.20018 (2004).

Artikel PubMed Google Scholar

Rantapaa-Dahlqvist, S. et al. Antikörper gegen zyklisches citrulliniertes Peptid und IgA-Rheumafaktor sagen die Entwicklung einer rheumatoiden Arthritis voraus. Arthritis Rheum. 48, 2741–2749. https://doi.org/10.1002/art.11223 (2003).

Artikel CAS PubMed Google Scholar

Kokkonen, H. et al. Antikörper der Isotypen IgG, IgA und IgM gegen zyklisches citrulliniertes Peptid gehen der Entwicklung einer rheumatoiden Arthritis voraus. Arthritis Res. Dort. 13, R13. https://doi.org/10.1186/ar3237 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

Johansson, L. et al. Die Konzentration von Antikörpern gegen Porphyromonas gingivalis ist erhöht, bevor die Symptome einer rheumatoiden Arthritis auftreten. Arthritis Res. Dort. 18, 201. https://doi.org/10.1186/s13075-016-1100-4 (2016).

Artikel ADS CAS PubMed PubMed Central Google Scholar

König, MF et al. Die durch Aggregatibacter actinomycetemcomitans induzierte Hypercitrullinierung bringt parodontale Infektionen mit Autoimmunität bei rheumatoider Arthritis in Verbindung. Wissenschaft. Übers. Med. 8, 369ra176 (2016).

Artikel PubMed PubMed Central Google Scholar

Wegner, N. et al. Peptidylarginin-Deiminase aus Porphyromonas gingivalis citrulliniert menschliches Fibrinogen und α-Enolase: Auswirkungen auf die Autoimmunität bei rheumatoider Arthritis. Arthritis Rheum. 62, 2662–2672. https://doi.org/10.1002/art.27552 (2010).

Artikel CAS PubMed PubMed Central Google Scholar

Mikuls, TR et al. Parodontitis und Porphyromonas gingivalis bei Patienten mit rheumatoider Arthritis. Arthritis Rheumatol. 66, 1090–1100. https://doi.org/10.1002/art.38348 (2014).

Artikel PubMed PubMed Central Google Scholar

Goh, CE, Kopp, J., Papapanou, PN, Molitor, JA & Demmer, RT Zusammenhang zwischen Serumantikörpern gegen parodontale Bakterien und Rheumafaktor in der dritten nationalen Gesundheits- und Ernährungsuntersuchungsumfrage. Arthritis Rheumatol. 68, 2384–2393. https://doi.org/10.1002/art.39724 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

Aletaha, D. et al. Klassifizierungskriterien für rheumatoide Arthritis 2010: eine gemeinsame Initiative des American College of Rheumatology und der Europäischen Liga gegen Rheuma. Ann. Rheum. Dis. 69, 1580–1588. https://doi.org/10.1136/ard.2010.138461 (2010).

Artikel PubMed Google Scholar

Brand, DD, Latham, KA & Rosloniec, EF Kollageninduzierte Arthritis. Nat. Protokoll. 2, 1269–1275. https://doi.org/10.1038/nprot.2007.173 (2007).

Artikel CAS PubMed Google Scholar

Butler, A., Hoffman, P., Smibert, P., Papalexi, E. & Satija, R. Integration transkriptomischer Einzelzelldaten über verschiedene Bedingungen, Technologien und Arten hinweg. Nat. Biotechnologie. 36, 411–420. https://doi.org/10.1038/nbt.4096 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Ilicic, T. et al. Klassifizierung von Zellen geringer Qualität aus Einzelzell-RNA-Seq-Daten. Genombiol. 17, 29. https://doi.org/10.1186/s13059-016-0888-1 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

Shao, X. et al. scCATCH: Automatische Annotation von Zelltypen von Clustern aus Einzelzell-RNA-Sequenzierungsdaten. iScience 23, 100882. https://doi.org/10.1016/j.isci.2020.100882 (2020).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Thomas, PD et al. PANTHER: eine durchsuchbare Datenbank von Genprodukten, geordnet nach biologischer Funktion, unter Verwendung kuratierter Proteinfamilien- und Unterfamilienklassifizierung. Nukleinsäuren Res. 31, 334–341. https://doi.org/10.1093/nar/gkg115 (2003).

Artikel CAS PubMed PubMed Central Google Scholar

Mikuls, TR et al. Porphyromonas gingivalis und krankheitsbedingte Autoantikörper bei Personen mit erhöhtem Risiko für rheumatoide Arthritis. Arthritis Rheum. 64, 3522–3530. https://doi.org/10.1002/art.34595 (2012).

Artikel CAS PubMed Google Scholar

Gargiulo, AV Jr., Robinson, J., Toto, PD & Gargiulo, AW Identifizierung des Rheumafaktors bei Parodontitis. J. Parodontologie. 53, 568–577. https://doi.org/10.1902/jop.1982.53.9.568 (1982).

Artikel PubMed Google Scholar

Westwood, OM, Nelson, PN & Hay, FC Rheumafaktoren: Was gibt es Neues?. Rheumatology (Oxford) 45, 379–385. https://doi.org/10.1093/rheumatology/kei228 (2006).

Artikel CAS Google Scholar

Bachmann, MF & Oxenius, A. in Antigen Presenting Cells: From Mechanisms to Drug Development (Hrsg. H. Kropshofer & AB. Vogt) Kap. Kapitel 8, 221-244 (Wiley-Blackwell, 2006).

Izui, S., Eisenberg, RA & Dixon, FJ IgM-Rheumafaktoren bei Mäusen, denen bakterielle Lipopolysaccharide injiziert wurden. J. Immunol. 122, 2096–2102 (1979).

CAS PubMed Google Scholar

Ayyappan, P. et al. Erhöhte Werte antimikrobieller Reaktionsfaktoren bei Patienten mit rheumatoider Arthritis. Vorderseite. Immunol. 11, 427. https://doi.org/10.3389/fimmu.2020.00427 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

Soulas, P. et al. Autoantigen, angeborene Immunität und T-Zellen arbeiten zusammen, um die B-Zell-Toleranz während einer bakteriellen Infektion zu brechen. J. Clin. Investieren. 115, 2257–2267. https://doi.org/10.1172/jci24646 (2005).

Artikel CAS PubMed PubMed Central Google Scholar

Rifkin, IR et al. In den Seren von Autoimmunmäusen vorhandene Immunkomplexe aktivieren Rheumafaktor-B-Zellen. J. Immunol. 165, 1626–1633. https://doi.org/10.4049/jimmunol.165.3.1626 (2000).

Artikel CAS PubMed Google Scholar

Leadbetter, EA et al. Chromatin-IgG-Komplexe aktivieren B-Zellen durch die doppelte Bindung von IgM- und Toll-like-Rezeptoren. Natur 416, 603–607. https://doi.org/10.1038/416603a (2002).

Artikel ADS CAS PubMed Google Scholar

Referenzen herunterladen

Diese Studie wurde durch ein von der koreanischen Regierung (Ministerium für Wissenschaft und IKT) finanziertes Stipendium der National Research Foundation of Korea unterstützt (Nr. 2019R1A2027588 und 2020R1A2C3004123 an JHJ und Nr. 2019R1G1A1100421 an JWK). Die Geldgeber hatten keinen Einfluss auf das Studiendesign, die Datenerhebung und -analyse, die Entscheidung zur Veröffentlichung oder die Erstellung des Manuskripts.

Abteilung für Rheumatologie, Abteilung für Innere Medizin, Medizinische Fakultät der Katholischen Universität Daegu, Daegu, Republik Korea

Ji-Won Kim

Abteilung für Rheumatologie, Abteilung für Innere Medizin, College of Medicine, Seoul St. Mary's Hospital, The Catholic University of Korea, 222 Banpo-daero, Seocho-gu, Seoul, 06591, Republik Korea

Hyerin Jung, Yoojun Nam, Jaewoo Kang, Jennifer Lee, Seung-Ki Kwok, Wan-Uk Kim, Sung-Hwan Park & ​​​​Ji Hyeon Ju

YiPSCELL Inc., Seoul, Republik Korea

In-Pyo Baek

Abteilung für Rheumatologie, Abteilung für Innere Medizin, Ewha Womans University College of Medicine, Seoul, Republik Korea

Min Kyung Chung

Abteilung für Parodontologie, Medizinische Fakultät, Katholische Universität Korea, Seoul, Republik Korea

Jun-Beom-Park

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Konzeptualisierung: JWK und JHJ; Datenkuration: JWK, HJ, IPB und JHJ; Formale Analyse: JWK, HJ und IPB; Fördermitteleinwerbung: JWK und JHJ; Untersuchung: JWK, HJ, IPB, YN, JK und JHJ; Ressourcen: JBP und JHJ; Aufsicht: MKC, JL, SKK, WUK und SHP; Visualisierung: JWK, HJ und IPB; Schreiben – Originalentwurfsvorbereitung: JWK, HJ, IPB und JHJ; Schreiben – Rezension und Bearbeitung: JWK, HJ, IPB, YN, MKC, JBP, JL, SKK, WUK, SHP und JHJ

Korrespondenz mit Ji Hyeon Ju.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Kim, JW., Jung, H., Baek, IP. et al. Unterschiedliche Auswirkungen des parodontalen Mikrobioms auf die Rheumafaktor-Induktion während der Pathogenese der rheumatoiden Arthritis. Sci Rep 12, 19636 (2022). https://doi.org/10.1038/s41598-022-21788-y

Zitat herunterladen

Eingegangen: 20. März 2022

Angenommen: 04. Oktober 2022

Veröffentlicht: 16. November 2022

DOI: https://doi.org/10.1038/s41598-022-21788-y

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Arthritisforschung und -therapie (2023)

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.