肌肉代谢特征谱结合人工神经网络技术在损伤时间推断中的应用研究

Wound age estimation is the important and difficult fields in forensic pathology research. To determine the age of wound correctly can contribute to reconstruction of crime scenes and inference of manner of death. Unfortunately, there is still no simple method that can provide a precise estimation in forensic practice. Most of studies for the wound aging investigation were based on the use of animal models, which always raises the question that whether the results can be transferred to human conditions. Studies have shown that metabolites are the final reaction result of organism under pathophysiological conditions, and the species of metabolites between different species are highly similar. Our previous studies showed that the control group and contusion group was fully distinguished from each other based on metabolic analysis of skeletal muscle. Therefore, our project aims to search for the common characteristic metabolites of rat and human which are highly correlated with the time of wound and have good postmortem stability in skeletal muscle using liquid chromatography-mass spectrometry. Furthermore, we would construct the artificial neural network model for wound aging using the common metabolites of rat and human, and process a scoring scheme to evaluate the model accuracy using human samples. Then, a classification diagnosis system that can be used for inference of human wound aging was established. Above all, it provides new information to develop strategies for future forensic research.

损伤时间推断是法医病理学研究和实践中的重点和难点问题，准确推断损伤时间可为案件重建和死亡方式推断提供有力的司法证据，目前尚无准确有效的鉴定方法。现阶段损伤时间推断研究多在动物模型中进行，但由于种属差异等问题，实验结果很难转化并应用于人体。研究表明，代谢物是机体在病理生理状态下的最终反应结果，且在不同物种间代谢物的种类具有高度相似性。申请人在前期研究发现，通过对代谢物全谱的多元统计分析可将损伤与未损伤骨骼肌进行有效区分。因此，本项目拟以骨骼肌损伤后产生的代谢物为研究对象，采用液相色谱-质谱联用技术开展不同损伤时间大鼠和人体骨骼肌代谢谱的研究，寻找与损伤时间高度相关、死后稳定性好的人-鼠共有特征代谢物，建立骨骼肌损伤代谢特征谱的人工神经网络模型，利用已知信息的人体样本作为校正，构建可用于人体损伤时间推断的分类诊断体系，为法医学研究和鉴定提供新的方法、指标和思路。

损伤时间推断是法医病理学研究和实践中的重点和难点问题，准确推断损伤时间可为案件重建和死亡方式推断提供有力的司法证据。目前法医工作者主要通过对形状、愈合程度等伤口客观形态的观察与主观经验的判断进行损伤时间推断，不仅准确性差，且无法在法律层面提供客观的证据。研究表明，代谢物是机体在病理生理状态下的最终反应结果，且在不同物种间代谢物的种类具有高度相似性。本课题组前期研究发现，通过对代谢物全谱的多元统计分析可将损伤与未损伤骨骼肌进行有效区分。本项目在前期研究的基础上，建立了48h内12个损伤时间点的骨骼肌挫伤大鼠模型，以损伤骨骼肌中的内源性小分子代谢物为研究对象，采用液相色谱-质谱联用技术开展不同损伤时间大鼠骨骼肌代谢谱研究。通过主成分分析、偏最小二乘判别分析和单因素方差分析从损伤骨骼肌中筛选出43种与损伤时间高度相关的差异代谢物，其中40种是人-鼠共有的代谢物。分别以人、鼠的代谢通路为基础进行通路富集分析，发现这40种代谢物均富集在10条相同的代谢通路，主要有脂代谢、氨基酸代谢和核苷酸代谢。.以特征代谢物数据为基础，利用机器学习算法分层次建立损伤时间推断预测模型。首先，通过模式识别和人工神经网络算法将12个损伤时间点初步划分为3个时间段；再进行二次建模将3个时间段中的时间点进行细分为4h、8h、12h、16-20h、24-32h、36-40h和44-48h；最后，通过Python软件编写代码将两层人工神经网络模型串联后用于损伤时间推断，该模型的预测准确率达到92.6%，远高于单个机器学习算法的预测准确率。本研究通过代谢组学技术和串联的人工神经网络机器学习模型相结合，通过python语言实现了损伤时间推断的自动化，为法医学研究和鉴定提供新的方法、指标和思路。