近期，c7c7.app法醫(yī)學(xué)院孫俊紅教授團(tuán)隊(duì)在高水平國(guó)際學(xué)術(shù)期刊Talanta（分析化學(xué)）（中科院1區(qū)top期刊，影響因子6.1分）發(fā)表了最新研究成果：《Multi-omicsintegrationstrategyinthepost-mortemintervalofforensicscience》。博士研究生李健為本文第一作者。這項(xiàng)研究應(yīng)用人工智能的多組學(xué)分析策略，整合了代謝組學(xué)、蛋白質(zhì)芯片和傅里葉紅外變換分析鑒定的多水平、多模態(tài)、多標(biāo)記數(shù)據(jù)用于預(yù)測(cè)死亡時(shí)間，表現(xiàn)出卓越的性能。更重要的是，該研究也為其他學(xué)科及不同實(shí)驗(yàn)平臺(tái)、不同來(lái)源的多模態(tài)數(shù)據(jù)整合分析提供了新的思路。(https://doi.org/10.1016/j.talanta.2023.125249)
準(zhǔn)確推斷死亡時(shí)間（Post-morteminterval,PMI）是法庭調(diào)查證據(jù)鏈中的重要一環(huán)，對(duì)于確定案件性質(zhì)和縮小潛在嫌疑人范圍具有重要意義。此前研究證實(shí)了利用組學(xué)技術(shù)研究生物體死亡后各種分子的降解規(guī)律可以為推斷死亡時(shí)間提供較為精確的方法。然而，隨著死亡時(shí)間的延長(zhǎng)，環(huán)境因素與機(jī)體狀態(tài)的相互作用會(huì)給生物標(biāo)志物的分解和轉(zhuǎn)化帶來(lái)更大的不穩(wěn)定性，同時(shí)，由于蛋白、核酸等不同類型的分子大小和降解模式的差異，在死后的各個(gè)階段展現(xiàn)了不同的預(yù)測(cè)優(yōu)勢(shì)。因此，開(kāi)發(fā)多組學(xué)數(shù)據(jù)整合的方法相較于單一組學(xué)不僅可以提升PMI的推斷精度還可以擴(kuò)大PMI的潛在預(yù)測(cè)范圍。本研究收集了來(lái)自代謝組學(xué)、蛋白質(zhì)芯片和傅里葉變換紅外的多模態(tài)數(shù)據(jù)，構(gòu)建了8種不同機(jī)器學(xué)習(xí)和集成算法的死亡時(shí)間推斷模型。結(jié)果顯示多組學(xué)集成框架對(duì)于0-30天內(nèi)的死亡時(shí)間預(yù)測(cè)準(zhǔn)確率為93%，廣義受試者工作特征曲線下面積為0.98。該研究結(jié)果表明整合不同模態(tài)的數(shù)據(jù)并進(jìn)行多組學(xué)分析顯著提升了死亡時(shí)間推斷的全面性和容錯(cuò)率，多組學(xué)集成框架有潛力成為未來(lái)法醫(yī)學(xué)各類問(wèn)題解決的致勝策略，并進(jìn)一步為司法案件提供更可靠的證據(jù)支持。
孫俊紅教授團(tuán)隊(duì)長(zhǎng)期深耕于法醫(yī)學(xué)領(lǐng)域，多年沉淀于法醫(yī)實(shí)際檢案并致力于研究法醫(yī)學(xué)亟需解決的難點(diǎn)問(wèn)題。開(kāi)展法醫(yī)學(xué)基礎(chǔ)研究的同時(shí)并與相關(guān)熱門(mén)專業(yè)進(jìn)行學(xué)科交叉滲透，積極探索人工智能、深度學(xué)習(xí)以及生物信息學(xué)分析等學(xué)科技術(shù)在損傷時(shí)間、死亡時(shí)間以及死因鑒定等法醫(yī)學(xué)關(guān)鍵科學(xué)問(wèn)題的轉(zhuǎn)化與應(yīng)用。近年來(lái)該團(tuán)隊(duì)在學(xué)術(shù)領(lǐng)域取得了卓越的成果，在法醫(yī)學(xué)領(lǐng)域高水平期刊累積發(fā)表論文一百余篇，并在損傷時(shí)間跨物種研究和死因鑒定等方面獲批多項(xiàng)國(guó)家自然科學(xué)基金和山西省重點(diǎn)研發(fā)項(xiàng)目。該論文的發(fā)表標(biāo)志著孫俊紅教授團(tuán)隊(duì)在法醫(yī)學(xué)多模態(tài)數(shù)據(jù)融合和死亡時(shí)間推斷進(jìn)入國(guó)際領(lǐng)先水平。 （圖/文 李健）