口腔精准医学:现状与挑战

[摘要] 精准医学是人类基因组计划的延续，是医学发展的必然产物，是一种考虑人群基因、环境及生活方式个体差异的促进健康和治疗疾病的新兴医学模式。本文首次提出口腔精准医学的概念，以口腔典型疾病为例，结合近期的研究成果与学者观点，阐述口腔精准医学对口腔学科发展的指导意义及实现口腔精准医学将面对的机遇与挑战。

[关键词] 精准医学； 口腔精准医学； 个体化医疗； 生物样本库

[中图分类号] R 78 [文献标志码] A [doi] 10.7518/hxkq.2015.03.021

[Abstract] The completion of human genome project and the progress in medical practice have inevitably lead to the deve-lopment of precision medicine， which is a medical model that proposes the customization of medical care including medical decisions， practices， and/or medical products with patient’s genetic background， environmental factors and life behavior being taken into account. The current work proposed precision stomatology for the first time， and by integrating data reported in recent literature， we described the current practice of precision stomatology in multiple disciplines in modern dentistry. The clinical significance of precision stomatology and its future challenges have also been discussed.

[Key words] precision medicine； precision stomatology； personalized medicine； biobank

2011年美国科学院、美国工程院、美国国立卫生研究院及美国科学委员会共同发出“迈向精准医学”的倡议，并首次提出了精准医学（precision me-dicine）概念[1]。精准医学可归纳为P4医学，即前瞻性（predictive）、预防性（preventive）、个体化（personalized）及参与性（participatory）[2]。精准医学是以个体化医疗为基础，随着各种高通量组学技术快速进步以及生物信息与大数据共享的交叉应用而发展起来的新型医学概念与医疗模式。精准医学有赖于基因组、转录组、蛋白组、代谢组等组学技术和生物医学前沿技术，对大样本人群与特定疾病类型进行生物标记物的分析与鉴定、验证与应用，从而精确寻找疾病的原因和治疗的靶点，并对一种疾病不同状态和过程进行精确亚型分类，最终实现对疾病和特定患者进行个体化精准诊疗，提高疾病诊治与预防效益。

精准医学研究正成为国际医学领域的前沿与焦点。美国总统奥巴马在2015年国情咨文演讲中正式提出了“精准医学计划”（Precision Medicine Initia-tive），拟研究个体遗传变异在疾病发生、发展中的作用，了解疾病治疗的分子基础，加速推动个体化精准医疗的发展。精准医学也引起了众多国内医学工作者的关注。王辰院士领衔的研究团队已制定了临床常见病种的个体化精准治疗指南，通过中国健康促进基金会平台，在国内上百家三甲医院建立精准医学中心，根据患者基因特征，开展个体化精准药物治疗，取得很好的效果。

口腔医学作为医学的重要组成部分，许多口腔疾病都基于个体遗传与环境因素，全身系统性疾病与口腔健康也有着十分密切的关系。现代口腔医学需主动参与全球医学研究前沿，构建新的口腔疾病知识网络，优化口腔疾病个体预防、诊断及治疗，提高口腔医疗的均等性、可及性和先进性，降低重大口腔疾病的发病率，提升疑难疾病的治愈率，实现口腔精准医学（precision stomatology），促进中国医疗事业的发展。

1 口腔疾病的精准医疗

当前口腔疾病的诊治主要基于临床症状和病理学表现，但一些临床或病理分型相同的疾病，经过相同临床治疗的效果并不相同，提示现有口腔疾病诊疗远未达到个体化水平。口腔精准医学应当深入研究个体差异对口腔疾病发生、发展的影响，根据疾病发生的遗传背景，结合环境与宿主生活习惯等因素，建立新的口腔疾病知识网络，实现个体化的疾病“精准预防”与“精准诊治”。下文以口腔医学各学科典型疾病为例，结合近期相关研究进展，阐述口腔精准医学对各学科发展的指导意义。

1.1 口腔癌

美国的精准医学计划主要从肿瘤防治新途径入手，旨在基于分子标志物对肿瘤进行分类，并针对关键分子靶点制定个性化的治疗方案，促进疾病的预后[2-3]。口腔癌是头颈部最常见的恶性肿瘤之一，主要包括唇癌、牙龈癌、舌癌、软硬腭癌、颌骨癌、口底癌、口咽癌、涎腺癌和上颌窦癌以及发生于颜面部皮肤黏膜的癌症等。广义的口腔癌包括眼眶以下、颈部以上范围内所发生的癌症，绝大部分属于鳞状上皮细胞癌，统称为头颈部鳞状细胞癌（head and neck squamous cell carcinoma，HNSCC）。中国是HNSCC的高发地区。全球HNSCC致死率在癌症致死率中排名第六，诊断后5年生存率不及50%，属预后较差、毁容性疾病。过去30年间，手术、放疗及化疗等治疗手段的发展对HNSCC患者生存率的提高有限。如何早期检测HNSCC病损，寻找有效药物靶标治疗晚期和复发患者，是亟待解决的难题。获得与临床相关的癌变分子标记，实现早期诊断、有效阻断、靶向治疗，成为HNSCC精准医疗的关键。

鉴于口腔肿瘤与唾液在解剖学上的密切关系，以及唾液生物学样本易获取、转运、保存的生物学特点，近年来唾液组学借助各种高通量组学技术，从大规模口腔癌患者人群唾液样本中筛选出大量的生物标记物，为口腔肿瘤的早期诊断与个体化治疗提供了众多潜在的分子靶点。美国加州大学牙学院科学家团队建立了唾液组学知识网络，包括Saliva Ontology和SdxMart两大功能模块，前者通过统一的语言，实现不同研究者间以及唾液组学与其他系统组学间的数据对接；后者通过可视化界面，实现对口腔癌及其他常见口腔疾病在蛋白组、转录组、非编码小RNA、代谢组等层面分子标记物查找，旨在有效整合与共享唾液组学研究数据与临床资源，促进基础研究成果向临床口腔癌精准医疗的转化[4]。

近期针对头颈部肿瘤组织的高通量测序研究表明，多数HNSCC中存在一些基因突变[5-8]，包括p53信号通路相关的TP53[9]、与有丝分裂相关的PIK3CA[10]以及Notch信号通路相关基因（Notch1、Notch2以及Notch3）等[11]。另外，血管内皮生长因子（vascular endothelial growth factor，VEGF）基因突变（936 C>

T）以及GSTM1功能失活突变均被证实与亚洲人群口腔癌的易感性密切相关[12-13]。针对上述分子靶点设计个体化基因治疗，将有助于实现口腔癌的精准治疗。四川大学华西口腔医院李龙江教授团队对口腔癌不同阶段患者接受基因治疗敏感性的临床研究积累了长期经验，近期研究发现重组腺病毒p53基因治疗结合常规化疗可显著提高口腔鳞状细胞癌三期患者的生存率，但对口腔癌四期患者生存率无明显促进效果[14]，提示建立针对口腔癌临床分期的个体化精准医疗势在必行。

值得注意的是，约有62%的口腔鳞状细胞癌来源于口腔潜在恶性病损（oral potential malignant le-sion，OPML），后者主要包括白斑、红斑及扁平苔藓等口腔黏膜疾病。对于OPML患者，早期诊断与恶变风险评估尤为重要，早期干预能够显著提高患者生存率及生活质量[15]。目前研究[16]已发现一些可导致OPML恶变的风险因素，包括病理组织学改变和环境因素，然而通过这些风险因素来判断OPML是否可能恶变仍然存在一定的局限性[15]。研究发现个体基因背景与OPML恶变与否显著相关。具有恶变倾向的白斑病变组织中观察到p53高表达，或p53低表达的同时伴有Ki67高表达[17]；具有恶变倾向的红斑病变组织中p53突变率较高[18]。通过对不同阶段OPML及口腔黏膜原位癌患者的病变组织样本进行组学分析，发现了一些功能基因拷贝数改变以及mi-RNA改变与OPML进程密切相关[15，19]，提示基因转录调控及转录后调控可能参与了OPML恶变过程。深入研究个体基因信息与OPML转归的关系，建立新的疾病分类体系，对早期诊断及精准治疗具有恶变倾向的OPML有重要意义。

1.2 口腔感染性疾病

龋病是最常见的口腔感染性疾病，可对牙体硬组织造成不可逆的损害，因此个体的龋病风险评估及早期干预尤为重要。通过动物实验及临床回顾性研究，已发现了一系列患龋风险因素，包括致龋微生物检出率、高糖饮食、口干症等。然而近期研究显示，部分人群即使暴露于高致龋风险因素，其患龋率仍较低，而一些较少暴露于上述龋病风险因素的人群，其患龋率却比较高，提示现有龋病风险评估系统尚存在局限性，可能与忽略了个体遗传背景及缺乏对个体口腔微生物群落结构与功能的整体评价有关。动物实验[20]及流行病学调查发现遗传因素与龋病发生相关[21]；进一步通过连锁分析及关联分析，发现某些参与釉质发育、味觉喜好、唾液组成及宿主免疫的基因与龋病易感性相关[22-23]。随着高通量测序技术的发展，全基因组关联分析（genome-wide association study，GWAS）作为一种非假说驱动的开放式研究，已成为筛选、鉴定更多与龋易感性相关基因的有力手段[24-27]。Shaffer等[24]早在2011年对3～12岁乳牙列患龋儿童进行了全基因组扫描与关联分析，发现包括ACTN2、EDARADD、EPHA7、LPO、MPPED2、MTR、ZMPSTE24在内的7个新基因与患龋风险密切相关。进一步整合现有龋病相关GWAS研究数据进行meta分析发现，MPPED2与乳牙患龋风险显著相关，而ACTN2与乳牙和恒牙患龋风险均显著相关，提示MPPED2和ACTN2可为龋病精准预测和精准治疗提供潜在分子靶点[28]。

牙周病也是常见的口腔感染性疾病。1999年牙周病分类世界研讨会根据牙周病的临床表现、牙周微生物群落、全身系统性疾病等因素，将牙周炎分为4类：慢性牙周炎、侵袭性牙周炎、全身系统疾病伴发性牙周炎及坏死性牙周炎。由于早期慢性牙周炎与侵袭性牙周炎在临床表现、微生物群落、组织学形态等方面无法精确鉴别，现有牙周病分类系统已无法有效指导临床医生对一些个体进行早期干预，导致一些侵袭性牙周炎患者在已造成较严重牙周组织损害后才得到针对性治疗。有研究[29]指出可通过家族聚集、基因信息及一些环境因素对侵袭性牙周炎进行风险评估。Kebschull等[30-31]通过对120例慢性牙周炎或侵袭性牙周炎患者的牙周组织进行转录组分析，并通过计算机进行聚类分析将所有样本分为两类；发现基于转录组信息进行的分类与个体牙周炎相关指标（炎症破坏程度、牙周微生物群落等）更为相符。上述研究提示：根据个体基因信息与牙周疾病的关系，对牙周炎进行全新的分子生物学分类，可对牙周炎风险进行精准评估，从而对一些高风险人群进行预防及早期治疗。

由于人体是由人自身细胞及定植于人体内部及表面微生物共同组成的超级复合体[32]，对影响人体功能及健康的第二基因组――微生物组进行系统性、群落性和差异性研究，也必将为口腔精准医学提供新模式。借助于高通量测序与生物信息学技术的发展，学者们[33-34]对健康与疾病状态下口腔微生物群落多样性及功能组成进行了深度扫描，研究结果发现了大量与龋病、牙周病及口腔黏膜感染相关的微生物与功能基因簇，为疾病的精准预测与诊疗提供了海量的生物学标记。以龋病为例，除公认的链球菌、乳杆菌及放线菌外，丙酸杆菌、韦荣菌、颗粒链球菌、纤毛菌等多种细菌在健康及疾病人群之间的分布存在显著差异，这些细菌在疾病发生中的作用及其对疾病风险预测的价值有待深入研究。

发生在牙齿不同部位（釉质、牙骨质及牙本质）的龋损组织内微生物组成也存在显著差异，龋病不同进展阶段的微生物组成也发生了明显演替[35]，提示对临床表现不一和/或处于疾病不同发展阶段的人群采用单一的检测、诊断及治疗龋病的方式必将造成部分患者的防治失败，发展口腔精准医学在龋病防治领域势在必行。在对牙周病相关微生物组的研究过程中，研究者不但筛选出了牙周病状态下差异分布的微生物群落组成，还发掘出了差异性富集的功能基因及转录子。笔者所在课题组采用人体微生物功能基因组芯片技术发现了编码毒力因子、氨基酸代谢、糖胺聚糖代谢和嘧啶代谢相关的功能基因在牙周炎患者中大量富集[36]。最近一项针对牙周炎患者龈下菌斑宏转录组的研究[37]发现，绝大多数表达上调的致病毒力因子主要来自一些以往被忽视的微生物。除龋病及牙周病这两大口腔最常见的感染性疾病外，笔者所在课题组对放疗导致口腔黏膜炎患者口腔细菌组成进行了全面分析，发现拟杆菌属、费克蓝姆菌属、葡萄球菌属组成丰度在放疗性黏膜炎发生、发展过程中产生了显著变化，这些差异性分布微生物表型是否可作为疾病预防及诊断的分子生物学标记亟待证实。

口腔常见感染性疾病防治研究进展提示，口腔精准医学需全面考虑宿主遗传因素与微生物群落因素对口腔常见感染性疾病发生、发展的影响。找寻与疾病发生密切相关的宿主基因及核心微生物组，建立全面的疾病风险评估系统，可建立更为有效个体化预防措施和治疗方法，如基于核心微生物群落组成与功能的椅旁诊疗系统和分子靶标疫苗，以及基于宿主易感基因的个体化基因治疗。

1.3 唇腭裂（cleft lip and palate，CLP）

CLP是一种由环境和遗传因素交互作用所导致的多基因遗传性疾病，是人类常见的出生缺陷。在世界范围内，CLP发病率约为1.7‰。CLP不但直接影响患者发音、听力、吞咽等生理功能，还可影响患者长期心理健康，严重影响患者生存质量。口腔精准医学对CLP的诊治目标是：深入研究CLP发生的遗传机制，根据不同分子生物学发病机理对CLP进行分类，实现精确的早期诊断，甚至胚胎期个体化基因治疗。由于颌面部发育过程中有多种基因与信号传导通路参与，任何环节的错误都有可能导致CLP发生，具有显著的遗传异质性，因此对CLP遗传机制的研究较为困难[38]。通过以家系或人群作为研究对象，采用连锁分析[39]、外显子测序[40]、GWAS[41]等遗传学研究手段，筛选与CLP发生相关的基因，进一步通过动物实验，验证并探究这些基因在CLP发生过程中的作用，目前已发现IRF6基因、Wnt/β-

catenin及BMP信号通路等功能异常与CLP发生密切相关。进一步整合遗传学研究成果，以不同表型的CLP为研究对象，一方面采用组学研究方法，发现更多与疾病发生相关的基因；另一方面优化前瞻研究模型，探索不同基因异常导致CLP发生的分子机制，对实现CLP的精准医疗有重要意义。

1.4 错畸形

错畸形由遗传因素与环境因素共同作用而产生，Angle错分类将其分为Ⅰ～Ⅲ类。对于个别类型错畸形，通过早期预防矫治、阻断矫治等干预措施，能阻碍其发生、减轻其畸变程度或改善后续的治疗效果。然而基于家族遗传史、早期口腔检查及影像学检查等，难以在早期对疾病进行精确的风险评估及诊断。深入研究错畸形发生的遗传机制，将利于错畸形早期诊断，并可通过基因信息判断某些患者的治疗效果[42]。

目前普遍认为Ⅲ类错畸形是一种多基因遗传性疾病[43]，但也有家系研究[44]表明Ⅲ类错畸形为单基因遗传疾病，具有孟德尔遗传疾病特征，提示Ⅲ类错畸形可能存在拥有不同遗传发病机理的亚型。全基因组连锁分析发现一些基因座上的遗传信息改变与Ⅲ类错畸形发生相关[43]。关联分析发现一些影响髁突软骨生长的基因，如IHH、PTHLH、VEGF、RUNX2、SOX9等，与Ⅲ类错畸形的发生密切相关[43]。 通过对4个家系进行外显子测序，发现DUSP6的一个错义突变与Ⅲ类错畸形显著相关[45]。通过GWAS等手段可获得更多与错畸形发生相关的候选基因，进一步对候选基因的机制研究亦将阐明其与错畸形发生及预后的关系，最终可实现通过个体遗传信息对某些错畸形进行早期诊断并进行传统的早期治疗，甚至针对某些导致错畸形发生的遗传因素进行精确的基因治疗。

1.5 牙列缺损与缺失

牙列缺损、缺失是口腔最常见疾病之一，严重影响咬合功能和全身健康。种植义齿修复是目前治疗牙列缺损、缺失的理想方案，成功率高达90%，但是一旦牙种植失败将对患者造成一定的经济损失与健康危害。骨整合是牙种植修复成功的重要标志之一，其过程类似骨愈合，依赖于宿主的组织修复能力及免疫反应。临床研究发现一些骨整合失败的风险因素，包括吸烟、系统性疾病、手术感染与创伤等因素。然而尚有一些骨整合失败病例并不能完全由以上临床指标解释。一些学者[46]发现牙种植失败存在聚集现象，即常发生于某些特定人群。目前认为牙种植失败存在遗传易感性[47]，发现和鉴定与牙种植体失败相关的个体遗传信息，一方面可精准评估个体牙种植失败风险，为高风险人群制定个性化修复方案；另一方面可在高风险人群牙种植修复过程中进行精准靶向干预，提高牙种植成功率[47]。

目前针对牙种植失败相关遗传因素的研究仍局限于对一些参与骨代谢的基因进行关联分析，研究发现IL1B[48]和MMP1[49]等基因与牙种植体失败相关。为能更全面地发现与牙种植失败相关的基因多态性，GWAS、外显子测序等高通量研究技术将是有力的工具。此外，还需建立更多的动物模型研究，对候选基因进行功能验证，并探究其分子机制。

1.6 其他

目前关于儿童口腔疾病发生、发展的分子机制研究相对较少。儿童早期龋（early childhood caries，ECC）定义为71月龄以下儿童发生的乳牙龋损。ECC病因与其他类型龋病有一致性，但亦存在一些特有的风险因素[50]，如产妇口腔健康情况以及生活习惯（糖、果汁摄入等）。遗传因素也是ECC病因的重要组成部分，Bagherian等[51]发现ECC患儿基因组HLA-DRB1等位基因频率显著高于无龋组儿童。基于现有研究对ECC经行风险评估与早期预防仍具有局限性，需要更广泛而深入的研究。

牙釉质发育不全（amelogenesis imperfecta，AI）是一系列影响釉质形成或矿化过程的遗传性疾病，具有多种表型以及遗传异质性。迄今已经发现数十种基因异常与非综合征型先天性AI发生相关，包括AMELX、ENAM、AMBN及MMP20等[52-53]。进一步以不同表型AI为研究对象，利用组学研究手段发现更多的与疾病发生相关基因突变，通过机制研究探索其发病的分子生物学机理，可为AI的基因诊断与基因治疗奠定基础。

另外，上述一些口腔疾病（如CLP、错畸形等）的“精准预防”与“精准诊治”与儿童口腔医学范畴有明显重叠。儿童口腔医学的特点决定其应当承担个体早期信息采集工作，推动口腔精准医学相关研究与临床进展。

2 实现口腔精准医学的挑战

2.1 构建口腔疾病知识新网络

现有口腔疾病定义与分类存在局限性，即主要基于疾病的临床表现及组织病理学改变，但一些临床指标及病理学指标的判读具有主观性，导致一些疾病的诊断不够精确。以表型为依据的疾病分类方式对一些在分子机制上不同而表型相似的疾病无法精确区分，导致采取同一种治疗方法针对不同患者取得的疗效差异显著。另外，某些疾病的临床表现、组织病理学表现具有滞后性，传统方法往往只有在疾病已造成严重损害时才能进行相应诊疗。口腔精准医学要求针对口腔疾病发生的分子机制进行深入研究，对口腔疾病进行新的分子生物学定义或分类，从而形成口腔疾病知识新网络[1]。口腔精准医学所构建的口腔疾病知识新网络应具有系统性、准确性、个体化及前瞻性，并以实现口腔疾病椅旁诊疗与口腔卫生宣教为主要目标。具体需实现对当前已获得及后续将要获得的高通量组学研究（基因组、转录组、蛋白组、代谢组）海量数据和患者临床信息的结构化存储和数据管理，实现临床采样、样本分析、患者临床信息、牙医诊疗方案等核心步骤的高效整合；开发数据库快速检索和智能化数据挖掘工具，进行多角度样本对比与聚类，挖掘分子遗传信息与患者临床表现及检测报告的相关性，通过各种交互式、可视化、图形化操作界面，最终自动生成口腔精准医学诊断报告与治疗方案，服务于牙医和患者。

笔者所在研究团队在长期从事口腔内科学相关基础与应用基础研究上，正在着手建立口腔菌群临床助诊系统。该系统的建立将实现椅旁采集个体口腔菌群样本，应用高通量测序技术获得菌种组成等数据，匹配宿主临床信息，实现海量测序数据与患者口腔健康状态的结构化存储和数据管理；围绕显微成像与宏基因组学两类数据，通过智能化的数据挖掘，自动生成口腔微生物群落临床助诊系统检测报告，并根据牙医和患者需求，通过电脑、iPAD和智能手机等新一代医患沟通工具，探索和示范新一代移动远程口腔医疗系统，对口腔感染性疾病进行“精准预防”及“精准诊断”。

2.2 组建口腔生物样本库

精准医学建立在大规模人群组学研究基础上，依赖于高质量、大数量的生物样本，包括人体血液、尿液、病变组织及微生物群落等。因此，建立具有完整临床信息的高质量生物样本库是21世纪个体化精准医疗的关键[54]。

生物样本库要求采集范围广，即要求纳入的个体数量多，又要求采集的样本种类多。例如丹麦国家生物样本库，含有1 500万份生物样本，包括血浆、血清、DNA等样本，全国每天新增入库的样本约有1 000多份[54]。口腔精准医学生物样本库不但包括血液、组织、DNA等生物学样本，还应包括口腔菌斑、唾液等样本。

生物样本库的建立还需配套的管理与安全维护工具：首先，样本库应当实时动态更新，以确保基于生物学样本的研究能准确揭示疾病动态变化的分子机理；其次，用于组学研究的生物样本需在较长时间内维持高质量，一些易降解破坏的DNA、RNA样本需要科学的保存；另外，在生物样本库的建立过程中还需加强对与之配套的信息化管理数据库的安全维护，特别注意在各生物样本库数据共享过程中针对涉及个人遗传信息方面的隐私保护。

随着“十二五”国家科技计划的推进，我国的生物样本库建设取得了蓬勃发展，其中临床疾病样本库和流行病研究人群对列样本库备受关注。笔者课题组在“十二五”国家科技支撑计划项目支持下，充分利用依托单位四川大学华西口腔医院巨大的临床患者资源，建立了口腔临床样本采集规范，包括严格的纳入排除标准、样品采样（唾液、软组织、菌斑）、标记和转送、样品处理、鉴定、分类、保存标准。在该系列流程的规范下，四川大学口腔疾病研究国家重点实验室已建立了我国人口腔微生物组资源库。在口腔生物样本库的建设过程中，国际同行在临床资源采集与安全管理方面有哪些可借鉴的经验，国内多中心联合样本库建设现状、遇到问题和困难，如何提高国内口腔生物样本库样本的数量与质量，加强生物样本实体库与信息库的安全管理，加速建设紧密围绕口腔临床重大疾病的生物样本库进而为口腔精准医疗提供有力的支持，是我们将长期面临的一系列的实际问题。

3 结语

精准医学模式的提出集合了诸多现代医学科技发展的知识与技术体系，体现了现代医学理念“简单到复杂，复杂到精准”的发展趋势，也代表了临床实践发展的方向。尽管现阶段美国的精准医学计划主要旨在实现肿瘤的精准医疗，但在这场围绕精准医学开展的未来医学格局的竞争中，应立足国情，明确自身优势，从肿瘤和非肿瘤疾病两方面入手，加速利用我国巨大的患者资源转化为促进临床诊疗技术进步的战略资源。与传统口腔医学模式相比，口腔精准医学旨在把人们对口腔疾病机制的认识与生物大数据和信息科学整合交叉，精确进行疾病分类及诊断，为疾病患者提供更具针对性和有效性的防疗措施，既有生物大数据的整合性，也有个体化疾病诊治的针对性和实时检测先进性。有理由相信，口腔精准医学将带来一场新的医疗革命，并将深刻影响未来医疗模式。在口腔精准医学临床研究方面，中国与美国处于同一起跑线，亟需国家大力投入与布局，整体提升我国口腔精准医疗水平及其转化应用领域的核心竞争力，为国家科学技术的发展、全面实现科学技术总体规划目标和造福人类做出更有力的推动和重大的贡献。

[参考文献]

[1] Committee on a Framework for Developing a New Taxo-nomy of Disease. Towards precision medicine： building a knowledge network for biomedical research and a new taxo-nomy of disease[M]. Washington， DC： National Academies Press， 2011.

[2] Hood L， Friend SH. Predictive， personalized， preventive， participatory （P4） cancer medicine[J]. Nat Rev Clin Oncol， 2011， 8（3）：184-187.

[3] Sadanandam A， Lyssiotis CA， Homicsko K， et al. A colorec-tal cancer classification system that associates cellular phe-notype and responses to therapy[J]. Nat Med， 2013， 19（5）：

619-625.

[4] Ai JY， Smith B， Wong DT. Bioinformatics advances in saliva diagnostics[J]. Int J Oral Sci， 2012， 4（2）：85-87.

[5] Agrawal N， Frederick MJ， Pickering CR， et al. Exome se-quencing of head and neck squamous cell carcinoma reveals inactivating mutations in NOTCH1[J]. Science， 2011， 333

（6046）：1154-1157.

[6] Stransky N， Egloff AM， Tward AD， et al. The mutational landscape of head and neck squamous cell carcinoma[J]. Science， 2011， 333（6046）：1157-1160.

[7] Nelson NJ. Genetic events in head and neck squamous cell carcinoma revealed[J]. J Natl Cancer Inst， 2013， 105（23）：

1766-1768.

[8] Pickering CR， Zhang J， Yoo SY， et al. Integrative genomic characterization of oral squamous cell carcinoma identifies frequent somatic drivers[J]. Cancer Discov， 2013， 3（7）：770-

781.

[9] Powell E， Piwnica-Worms D， Piwnica-Worms H. Contri-bution of p53 to metastasis[J]. Cancer Discov， 2014， 4（4）：

405-414.

[10] Lui VW， Hedberg ML， Li H， et al. Frequent mutation of the PI3K pathway in head and neck cancer defines predictive biomarkers[J]. Cancer Discov， 2013， 3（7）：761-769.

[11] Sun W， Gaykalova DA， Ochs MF， et al. Activation of the NOTCH pathway in head and neck cancer[J]. Cancer Res， 2014， 74（4）：1091-1104.

[12] Mandal RK， Yadav SS， Panda AK， et al. Vascular endothe-lial growth factor 936 c>； T polymorphism increased oral cancer risk： evidence from a meta-analysis[J]. Genet Test Mol Biomarkers， 2013， 17（7）：543-547.

[13] Zhao SF， Yang XD， Lu MX， et al. GSTM1 null polymor-phisms and oral cancer risk： a meta-analysis[J]. Tumour Biol， 2014， 35（1）：287-293.

[14] Li Y， Li LJ， Wang LJ， et al. Selective intra-arterial infusion of rAd-p53 with chemotherapy for advanced oral cancer： a randomized clinical trial[J]. BMC Med， 2014， 12：16.

[15] Cervigne NK， Machado J， Goswami RS， et al. Recurrent genomic alterations in sequential progressive leukoplakia and oral cancer： drivers of oral tumorigenesis[J]. Hum Mol Genet， 2014， 23（10）：2618-2628.

[16] Yardimci G， Kutlubay Z， Engin B， et al. Precancerous lesions of oral mucosa[J]. World J Clin Cases， 2014， 2（12）：866-872.

[17] Gissi DB， Gabusi A， Servidio D， et al. Predictive role of p53 protein as a single marker or associated with ki67 antigen in oral leukoplakia： a retrospective longitudinal study[J]. Open Dent J， 2015， 9：41-45.

[18] Qin GZ， Park JY， Chen SY， et al. A high prevalence of p53 mutations in pre-malignant oral erythroplakia[J]. Int J Can-cer， 1999， 80（3）：345-348.

[19] Cervigne NK， Reis PP， Machado J， et al. Identification of a microRNA signature associated with progression of leu-koplakia to oral carcinoma[J]. Hum Mol Genet， 2009， 18

（24）：4818-4829.

[20] Kanamoto T， Nonaka K， Nakata M. Genetic variation in experimental dental caries in four inbred strains of rats[J]. Caries Res， 1994， 28（3）：156-160.

[21] Bretz WA， Corby PM， Schork NJ， et al. Longitudinal ana-lysis of heritability for dental caries traits[J]. J Dent Res， 2005， 84（11）：1047-1051.

[22] Vieira AR， Marazita ML， Goldstein-McHenry T. Genome-wide scan finds suggestive caries loci[J]. J Dent Res， 2008， 87（5）：435-439.

[23] Peres RC， Camargo G， Mofatto LS， et al. Association of polymorphisms in the carbonic anhydrase 6 gene with sali-vary buffer capacity， dental plaque pH， and caries index in children aged 7-9 years[J]. Pharmacogenomics J， 2010， 10

（2）：114-119.

[24] Shaffer JR， Wang X， Feingold E， et al. Genome-wide asso-ciation scan for childhood caries implicates novel genes[J]. J Dent Res， 2011， 90（12）：1457-1462.

[25] Shaffer JR， Feingold E， Wang X， et al. GWAS of dental caries patterns in the permanent dentition[J]. J Dent Res， 2013， 92（1）：38-44.

[26] Wang X， Shaffer JR， Zeng Z， et al. Genome-wide associa-tion scan of dental caries in the permanent dentition[J]. BMC Oral Health， 2012， 12：57.

[27] Zeng Z， Shaffer JR， Wang X， et al. Genome-wide associa-tion studies of pit-and-fissure- and smooth-surface caries in permanent dentition[J]. J Dent Res， 2013， 92（5）：432-437.

[28] Stanley BO， Feingold E， Cooper M， et al. Genetic associa-tion of MPPED2 and ACTN2 with dental caries[J]. J Dent Res， 2014， 93（7）：626-632.

[29] Stabholz A， Soskolne WA， Shapira L. Genetic and environ-mental risk factors for chronic periodontitis and aggressive periodontitis[J]. Periodontol 2000， 2010， 53：138-153.

[30] Kebschull M， Guarnieri P， Demmer RT， et al. Molecular differences between chronic and aggressive periodontitis

[J]. J Dent Res， 2013， 92（12）：1081-1088.

[31] Kebschull M， Demmer RT， Grün B， et al. Gingival tissue transcriptomes identify distinct periodontitis phenotypes[J]. J Dent Res， 2014， 93（5）：459-468.

[32] Turnbaugh PJ， Ley RE， Hamady M， et al. The human mi-crobiome project[J]. Nature， 2007， 449（7164）：804-810.

[33] Belda-Ferre P， Alcaraz LD， Cabrera-Rubio R， et al. The oral metagenome in health and disease[J]. ISME J， 2012， 6（1）：

46-56.

[34] Ling Z， Kong J， Jia P， et al. Analysis of oral microbiota in children with dental caries by PCR-DGGE and barcoded pyrosequencing[J]. Microb Ecol， 2010， 60（3）：677-690.

[35] Aas JA， Griffen AL， Dardis SR， et al. Bacteria of dental caries in primary and permanent teeth in children and young adults[J]. J Clin Microbiol， 2008， 46（4）：1407-1417.

[36] Li Y， He J， He Z， et al. Phylogenetic and functional gene structure shifts of the oral microbiomes in periodontitis pa-tients[J]. ISME J， 2014， 8（9）：1879-1891.

[37] Duran-Pinedo AE， Chen T， Teles R， et al. Community-wide transcriptome of the oral microbiome in subjects with and without periodontitis[J]. ISME J， 2014， 8（8）：1659-1672.

[38] Dixon MJ， Marazita ML， Beaty TH， et al. Cleft lip and palate： understanding genetic and environmental influences[J]. Nat Rev Genet， 2011， 12（3）：167-178.

[39] Zucchero TM， Cooper ME， Maher BS， et al. Interferon regu-latory factor 6 （IRF6） gene variants and the risk of isolated cleft lip or palate[J]. N Engl J Med， 2004， 351（8）：769-780.

[40] Roach JC， Glusman G， Smit AF， et al. Analysis of genetic inheritance in a family quartet by whole-genome sequencing

[J]. Science， 2010， 328（5978）：636-639.

[41] Sun Y， Huang Y， Yin A， et al. Genome-wide association study identifies a new susceptibility locus for cleft lip with or without a cleft palate[J]. Nat Commun， 2015， 6：6414.

[42] Joshi N， Hamdan AM， Fakhouri WD. Skeletal malocclusion： a developmental disorder with a life-long morbidity[J]. J Clin Med Res， 2014， 6（6）：399-408.

[43] Xue F， Wong RW， Rabie AB. Genes， genetics， and Class Ⅲ malocclusion[J]. Orthod Craniofac Res， 2010， 13（2）：69-74.

[44] El-Gheriani AA， Maher BS， El-Gheriani AS， et al. Segrega-tion analysis of mandibular prognathism in Libya[J]. J Dent Res， 2003， 82（7）：523-527.

[45] Nikopensius T， Saag M， Jagom?gi T， et al. A missense mu-tation in DUSP6 is associated with Class Ⅲ malocclusion

[J]. J Dent Res， 2013， 92（10）：893-898.

[46] Weyant RJ， Burt BA. An assessment of survival rates and within-patient clustering of failures for endosseous oral im-plants[J]. J Dent Res， 1993， 72（1）：2-8.

[47] Alvim-Pereira F， Montes CC， Mira MT， et al. Genetic suscep-tibility to dental implant failure： a critical review[J]. Int J Oral Maxillofac Implants， 2008， 23（3）：409-416.

[48] Jansson H， Hamberg K， De Bruyn H， et al. Clinical conse-quences of IL-1 genotype on early implant failures in patients under periodontal maintenance[J]. Clin Implant Dent Relat Res， 2005， 7（1）：51-59.

[49] Santos MC， Campos MI， Souza AP， et al. Analysis of MMP-1 and MMP-9 promoter polymorphisms in early osseointe-grated implant failure[J]. Int J Oral Maxillofac Implants， 2004， 19（1）：38-43.

[50] Leong PM， Gussy MG， Barrow SY， et al. A systematic re-view of risk factors during first year of life for early child-hood caries[J]. Int J Paediatr Dent， 2013， 23（4）：235-250.

[51] Bagherian A， Nematollahi H， Afshari JT， et al. Comparison of allele frequency for HLA-DR and HLA-DQ between patients with ECC and caries-free children[J]. J Indian Soc Pedod Prev Dent， 2008， 26（1）：18-21.

[52] Wang SK， Choi M， Richardson AS， et al. ITGB6 loss-of-function mutations cause autosomal recessive amelogenesis imperfecta[J]. Hum Mol Genet， 2014， 23（8）：2157-2163.

[53] Wang X， Zhao Y， Yang Y， et al. Novel ENAM and LAMB3 mutations in Chinese families with hypoplastic amelogenesis imperfecta[J]. PLoS ONE， 2015， 10（3）：e0116514.

[54] 赵晓航， 钱阳明. 生物样本库――个体化医学的基础[J]. 转化医学杂志， 2014， 3（2）：69-73.