利用微生物群落演替規律推斷CO及酒精中毒大鼠死亡時間
死亡時間推斷（postmortem interval estimation，PMI）是法醫學研究中重點和熱點。PMI推斷的方法主要有兩類，第一類是基于傳統的形態學方法，如尸僵,尸冷,腐肉顏色變化,胃內容物的變化用于早期PMI推斷，第二類則是一些新技術，如法醫昆蟲學、分子生物學、光譜學和超生化學，近年來，多項研究表明，微生物群落演替可以對動物和人類尸體的PMI進行估計。CO和酒精中毒及聯合中毒在法醫學案件中極為常見，是否可利用微生物群落對此類案件尸體死亡時間進行推斷并進行鑒別，有待研究。
我們對分別對CO中毒組，酒精中毒組，酒精攝入后CO中毒組和對照組大鼠尸體的直腸樣本中的微生物群落的16S rRNA基因進行了高通量測序分析，利用隨機森林機器學習算法建立了一個基于OTU水平上的微生物群落預測埋葬尸體PMI的回歸模型。
基于Bray-curtis距離的PCoA分析用于展示樣本之間微生物群落差異（圖1）
圖1 大鼠尸體微生物PCoA分析
結果表明，樣本依據死亡時間聚類。死亡前期不同處理組有一定區分度。
我們對微生物群落的物種相似度與時間間隔進行了線性擬合（圖2）。四組處理的物種相似度與實際間隔均呈現出顯著（P<0.001）的線性關系，表明利用微生物群落演替來預測各組處理樣品的死亡時間是可行的，不同處理組線性模型的斜率（slope）不同，表明演替速率差異。其中CO中毒死亡組演替速率最快，,而對照組的演替速率最慢。
a b
c d
圖2 物種相似度與時間間隔的線性關系（a：對照組，b：CO，c：酒精，d：CO+酒精）
用隨機森林機器學習算法對尸體微生物群落與尸體死亡時間進行了回歸分析。模型建成后，我們對模型進行了驗證，顯示對照組、CO中毒死亡組、酒精攝入組和酒精攝入后CO中毒死亡組的大鼠尸體模型解釋度（R2）分別為51.39%、57.82%、62.72%和62.42%，14天內預測模型的平均絕對誤差均在1天左右（圖3-7）。研究結果表明，利用微生物群落特征對不同處理的尸體的死亡時間推斷均具有較高的準確性。
此部分內容為博士論文研究內容之一，受到國家重點研發計劃項目資金資助，尚未發表。
