Dental Calculus Formation Rate: The Role of Salivary Proteome and Metaproteome
Notice bibliographique
Résumé
BACKGROUND: Dental calculus accumulation varies across individuals. While various factors contribute to its accumulation, the role of salivary composition remains underexplored. This study aims to compare individuals suffering from rapid rates of dental calculus formation rates with those having slow formation rates in terms of salivary electrochemical properties as well as its proteomic, metaproteomic and elemental composition. METHODS: A total of 26 patients with a history of dental calculus were recruited. Saliva samples were collected and evaluated for electrochemical properties as well as elemental, proteomic and metaproteomic composition. Patients were provided scaling treatment to remove all calculus. Six months after the dental cleaning patients were re-assessed for the presence of dental calculus. Based on the dental calculus formation rate participants were categorised into slow (57.7%) and rapid calculus formers (42.3%) that were then assessed for differences in salivary composition. RESULTS: Rapid calculus formers exhibited a more neutral zeta-potential and lower concentration of salivary calcium ions than their slow-forming counterparts. Proteomic analysis identified 895 proteins across all samples. Of these, 38 proteins were exclusive to the rapid formation group, while 24 proteins were specific to the slow group. The rapid group demonstrated augmented pathways related to cell binding (e.g., cytoskeletal regulation by Rho GTPase and integrin signalling), inflammatory mediation (e.g., chemokine and cytokine signalling) and neurodegenerative disorders (e.g., 5-Hydroxytryptamine degradation, Huntington's disease and Parkinson's disease) and significant enrichment in peptidase inhibitor activity. In contrast, the slow group demonstrated enrichment mainly in immune response. Metaproteomic analysis for salivary bacteria showed significant predominance of Streptococci in the rapid group and elevated levels of Rothia in the slow group. CONCLUSION: The saliva of patients with rapid calculus formation rates differs from that of patients with slow rates of calculus formation in terms of electrochemical properties as well as proteomic, metaproteomic and elemental composition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».