海水溺死大鼠盲肠微生物群落变化及结合随机森林机器学习算法进行死亡时间推断

徐玉钊; 覃小诗; 周云超; 哈山; 卢江寰; 马一新; 段智奥; 陈建华; 邓建强

doi:10.13406/j.cnki.cyxb.003687

您当前的位置：

首页 >

文章列表页 >

海水溺死大鼠盲肠微生物群落变化及结合随机森林机器学习算法进行死亡时间推断

法医病理学 | 更新时间：2025-10-23

- 海水溺死大鼠盲肠微生物群落变化及结合随机森林机器学习算法进行死亡时间推断
- Changes of cecal microbial community in seawater drowning rats and estimation of postmortem interval in combination with random forest machine learning algorithm
- 重庆医科大学学报 2024年49卷第12期页码：1508-1519
- 作者机构：
  
  海南医科大学，基础医学与生命科学学院，海南省热带法医学司法鉴定工程研究中心和海南省院士工作站/热带法医学，海口 571199
- 作者简介：
  
  徐玉钊，Email：1253086902@qq.com，研究方向：病理学与法医病理学方向。
  邓建强，Email：forensicpatho@163.com。
- 基金信息：
  
  国家自然科学基金资助项目(82060341;81560304);海南省院士创新平台科研资助项目(YSPTZX202134);海南省研究生创新课题资助项目(Qhys2023-474)
- DOI：10.13406/j.cnki.cyxb.003687
  中图分类号： R89
- 收稿：2024-07-26，
  
  修回：2024-10-17，
  
  录用：2024-10-28，
  
  纸质出版：2024-12-28
- 稿件说明：
移动端阅览
徐玉钊,覃小诗,周云超,等.海水溺死大鼠盲肠微生物群落变化及结合随机森林机器学习算法进行死亡时间推断[J].重庆医科大学学报,2024,49(12):1508-1519.

Xu Yuzhao,Qin Xiaoshi,Zhou Yunchao,et al.Changes of cecal microbial community in seawater drowning rats and estimation of postmortem interval in combination with random forest machine learning algorithm[J].Journal of Chongqing Medical University,2024,49(12):1508-1519.
徐玉钊,覃小诗,周云超,等.海水溺死大鼠盲肠微生物群落变化及结合随机森林机器学习算法进行死亡时间推断[J].重庆医科大学学报,2024,49(12):1508-1519. DOI： 10.13406/j.cnki.cyxb.003687.

Xu Yuzhao,Qin Xiaoshi,Zhou Yunchao,et al.Changes of cecal microbial community in seawater drowning rats and estimation of postmortem interval in combination with random forest machine learning algorithm[J].Journal of Chongqing Medical University,2024,49(12):1508-1519. DOI： 10.13406/j.cnki.cyxb.003687.

摘要

目的

研究海水中溺死大鼠和CO

窒息死后入水大鼠盲肠微生物的演替规律，并结合随机森林（random forest，RF）机器学习算法进行死后淹没时间（postmortem submersion interval，PMSI）的推断。

方法

本研究将70只健康成年SD大鼠随机分为海水溺死组（seawater drowning group，D组）和死后入水组（postmortem submersion group，PS组）。建立动物模型后置于25 ℃恒温气候箱，按照死后经历时间（0、12、24、36、48、72、96 h）对盲肠内容物进行取材，经十六烷基三甲基溴化铵（cetyltrimethylammonium bromide，CTAB）法提取DNA，细菌16S rDNA V3-V4区特异性扩增，高通量测序等得到测序数据，对盲肠微生物群落特征进行多样性分析；结合微生物组测序结果和RF机器学习算法，筛选生物标志物，建立海水溺死和死后入水组大鼠尸体的PMSI预测模型。

结果

海水溺死组和死后入水组的盲肠微生物群落特征存在差异。结合RF机器学习算法筛选出16种推断PMSI的潜在生物标志物，并分别建立了海水溺死组（D组）和死后入水组（PS组）的PMSI推断模型。海水溺死组预测模型结果：平均绝对误差（mean absolute error，MAE）=13.272 h，

=0.798；死后入水组预测模型结果：MAE=9.956 h，

=0.793。

结论

本研究表明，海水溺死和死后入水2种死因的盲肠微生物群落存在规律性差异，证明了结合RF机器学习算法的盲肠内容物微生物群落演替能够成为海水尸体PMSI推断的有效生物学指标。

Abstract

Objective

To investigate the succession patterns of cecal microbiota in rats drowned in seawater and those submerged after death by CO

asphyxiation，and to infer postmortem submersion interval（PMSI） using the random forest（RF） machine learning algorithm.

Methods

In this study，70 specific pathogen-free healthy adult Sprague-Dawley rats were randomly divided into seawater drowning group（D group） and postmortem submersion group（PS group）. The rats were placed in a constant temperature chamber at 25°C after modeling，and samples of cecal contents were collected at various postmortem time points（0，12，24，36，48，72，and 96 hours）. The CTAB method was used to extract DNA，and the V3-V4 region of bacterial 16S rDNA was specifically amplified； high-throughput sequencing was performed to obtain sequencing data and analyze the diversity of cecal microbiota community. Related biomarkers were obtained based on the results of microbiome sequencing and the RF machine learning algorithm，and then PMSI prediction models were established for the bodies of rats in both the D group and the PS group.

Results

There were differences in the characteristics of cecal microbiota community between the D group and the PS group. A total of 16 potential biomarkers were obtained by the RF machine learning algorithm，and a model for inferring PMSI was established for the D group and the PS group. For the D group，the predictive model had a mean absolute error（MAE） of 13.272 hours and an R

value of 0.798，while for the PS group，the predictive model had an MAE value of 8.445 hours and an R

value of 0.847.

Conclusion

This study shows that there are regular differences in cecal microbiota community between seawater drowning and postmortem submersion，and it proves that the succession of cecal content microbiota based on the RF machine learning algorithm can be used an effective biomarker for inferring the PMSI of bodies in seawater.

关键词

Keywords

references

Dahl WJ ， Rivero Mendoza D ， Lambert JM . Diet，nutrients and the microbiome [J ] . Prog Mol Biol Transl Sci ， 2020 ， 171 ： 237 - 263 ．

Lynch SV ， Pedersen O . The human intestinal microbiome in health and disease [J ] . N Engl J Med ， 2016 ， 375 （ 24 ）： 2369 - 2379 ．

Robinson JM ， Pasternak Z ， Mason CE ， et al . Forensic applications of microbiomics：a review [J ] . Front Microbiol ， 2020 ， 11 ： 608101 ．

Metcalf JL . Estimating the postmortem interval using microbes：Knowledge gaps and a path to technology adoption [J ] . Forensic Sci Int Genet ， 2019 ， 38 ： 211 - 218 ．

Megyesi MS ， Nawrocki SP ， Haskell NH . Using accumulated degree-days to estimate the postmortem interval from decomposed human remains [J ] . J Forensic Sci ， 2005 ， 50 （ 3 ）： 618 - 626 ．

van Daalen MA ， de Kat DS ， Oude Grotebevelsborg BF ， et al . An aquatic decomposition scoring method to potentially predict the postmortem submersion interval of bodies recovered from the north sea [J ] . J Forensic Sci ， 2017 ， 62 （ 2 ）： 369 - 373 ．

Pérez-Cárceles MD ， del Pozo S ， Sibón A ， et al . Serum biochemical markers in drowning：diagnostic efficacy of Strontium and other trace elements [J ] . Forensic Sci Int ， 2012 ， 214 （ 1/2/3 ）： 159 - 166 ．

Kuiper I . Microbial forensics：next-generation sequencing as catalyst：The use of new sequencing technologies to analyze whole microbial communities could become a powerful tool for forensic and criminal investigations [J ] . EMBO Rep ， 2016 ， 17 （ 8 ）： 1085 - 1087 ．

Cartozzo C ， Singh B ， Swall J ， et al . Postmortem submersion interval （PMSI） estimation from the microbiome of sus scrofa bone in a freshwater lake [J ] . J Forensic Sci ， 2021 ， 66 （ 4 ）： 1334 - 1347 ．

赵宝山，严程明，苏俊波，等 . 1960-2020年海南岛气温、降水及参考作物蒸散量变化趋势 [J ] . 节水灌溉， 2023 ，( 10 ）: 83 - 90 .

Zhao B ， Yan C ， Su J ， et al . Trend Analysis of the Temperature，Precipitation and Reference Crop Evapotranspiration in Hainan Island from 1960 to 2020 [J ] . Water Saving Irrigation ， 2023 ，( 10 ）: 83 - 90 .

吴霞，王培娟，霍治国，等 . 1961-2015 年中国潜在蒸散时空变化特征与成因 [J ] . 资源科学， 2017 ， 39 ( 5 ）： 964 - 977 .

Wu X ， Wang P ， Huo Z ， et al . Spatio-temporal distribution characteristics of potential evapotranspiration and impact factors in China from 1961 to 2015 [J ] . Resources Science ， 2017 ， 39 ( 5 ）: 964 - 977 .

Magoč T ， Salzberg SL . FLASH：fast length adjustment of short reads to improve genome assemblies [J ] . Bioinformatics ， 2011 ， 27 （ 21 ）： 2957 - 2963 ．

Bokulich NA ， Subramanian S ， Faith JJ ， et al . Quality-filtering vastly improves diversity estimates from Illumina amplicon sequencing [J ] . Nat Methods ， 2013 ， 10 （ 1 ）： 57 - 59 ．

Edgar RC ， Haas BJ ， Clemente JC ， et al . UCHIME improves sensitivity and speed of chimera detection [J ] . Bioinformatics ， 2011 ， 27 （ 16 ）： 2194 - 2200 ．

Wang YY ， Guo H ， Gao XG ， et al . The intratumor microbiota signatures associate with subtype，tumor stage，and survival status of esophageal carcinoma [J ] . Front Oncol ， 2021 ， 11 ： 754788 ．

Hyde ER ， Haarmann DP ， Lynne AM ， et al . The living dead：bacterial community structure of a cadaver at the onset and end of the bloat stage of decomposition [J ] . PLoS One ， 2013 ， 8 （ 10 ）： e77733 ．

Pechal JL ， Crippen TL ， Benbow ME ， et al . The potential use of bacterial community succession in forensics as described by high throughput metagenomic sequencing [J ] . Int J Legal Med ， 2014 ， 128 （ 1 ）： 193 - 205 ．

Reject Paul MP Kapil Verma . Assessment of post mortem interval，（PMI） from forensic entomotoxicological studies of larvae and flies [J ] . Entomol Ornithol Herpetol ， 2013 ， 2 （ 1 ）： 132 - 148 ．

Schotsmans E ， Márquez-Grant N ， Forbes S . Taphonomy of human remains：forensic analysis of the dead and the depositional environment：forensic analysis of the dead and the depositional environment . 2017 ， 156 ( 2 ）: 185 - 198

Hyde ER ， Haarmann DP ， Petrosino JF ， et al . Initial insights into bacterial succession during human decomposition [J ] . Int J Legal Med ， 2015 ， 129 （ 3 ）： 661 - 671 ．

Magni PA ， Venn C ， Aquila I ， et al . Evaluation of the floating time of a corpse found in a marine environment using the barnacle Lepas anatifera L. （Crustacea：Cirripedia：Pedunculata） [J ] . Forensic Sci Int ， 2015 ， 247 ： e6 - e10 ．

Finley SJ ， Benbow ME ， Javan GT . Microbial communities associated with human decomposition and their potential use as postmortem clocks [J ] . Int J Legal Med ， 2015 ， 129 （ 3 ）： 623 - 632 ．

Cobaugh KL ， Schaeffer SM ， DeBruyn JM . Functional and structural succession of soil microbial communities below decomposing human cadavers [J ] . PLoS One ， 2015 ， 10 （ 6 ）： e0130201 ．

Damann FE ， Williams DE ， Layton AC . Potential use of bacterial community succession in decaying human bone for estimating postmortem interval [J ] . J Forensic Sci ， 2015 ， 60 （ 4 ）： 844 - 850 ．

周凯旋，鲍慧玮，朱志杰，等 . 复方嗜酸乳杆菌片对便秘的治疗作用及对肠道菌群的影响 [J ] . 第三军医大学学报， 2020 ， 42 （ 20 ）： 2031 - 2038 ．

Zhou KX ， Bao HW ， Zhu ZJ ， et al . Therapeutic effect of compound Lactobacillus acidophilus tablets on constipation and its impact on intestinal flora in mice [J ] . J Third Mil Med Univ ， 2020 ， 42 （ 20 ）： 2031 - 2038 ．

Carasso S ， Fishman B ， Lask LS ， et al . Metagenomic analysis reveals the signature of gut microbiota associated with human chronotypes [J ] . FASEB J ， 2021 ， 35 （ 11 ）： e22011 ．

DeBruyn JM ， Hauther KA . Postmortem succession of gut microbial communities in deceased humansubjects [J ] . PeerJ ， 2017 ， 5 ： e3437 ．

Barrios M ， Wolff M . Initial study of arthropods succession and pig carrion decomposition in two freshwater ecosystems in the Colombian Andes [J ] . Forensic Sci Int ， 2011 ， 212 （ 1/2/3 ）： 164 - 172 ．

Liu RN ， Wang Q ， Zhang K ， et al . Analysis of postmortem intestinal microbiota successional patterns with application in postmortem interval estimation [J ] . Microb Ecol ， 2022 ， 84 （ 4 ）： 1087 - 1102 ．

Metcalf JL ， Xu ZZ ， Weiss S ， et al . Microbial community assembly and metabolic function during mammalian corpse decomposition [J ] . Science ， 2016 ， 351 （ 6269 ）： 158 - 162 ．

Derrien M ， Vaughan EE ， Plugge CM ， et al . Akkermansia muciniphila gen. nov. ，sp. nov. ，a human intestinal mucin-degrading bacterium [J ] . Int J Syst Evol Microbiol ， 2004 ， 54 （ Pt 5 ）： 1469 - 1476 ．

Svetnik V ， Liaw A ， Tong C ， et al . Random forest：a classification and regression tool for compound classification and QSAR modeling [J ] . J Chem Inf Comput Sci ， 2003 ， 43 （ 6 ）： 1947 - 1958 ．

Smith BR ， Ashton KM ， Brodbelt A ， et al . Combining random forest and 2D correlation analysis to identify serum spectral signatures for neuro-oncology [J ] . Analyst ， 2016 ， 141 （ 12 ）： 3668 - 3678 ．

Maguire A ， Vega-Carrascal I ， Bryant J ， et al . Competitive evaluation of data mining algorithms for use in classification of leukocyte subtypes with Raman microspectroscopy [J ] . Analyst ， 2015 ， 140 （ 7 ）： 2473 - 2481 ．

Lebedev AV ， Westman E ， van Westen GJ ， et al . Random Forest ensembles for detection and prediction of Alzheimer’s disease with a good between-cohort robustness [J ] . Neuroimage Clin ， 2014 ， 6 ： 115 - 125 ．

Metcalf JL ， Wegener Parfrey L ， Gonzalez A ， et al . A microbial clock provides an accurate estimate of the postmortem interval in a mouse model system [J ] . Elife ， 2013 ， 2 ： e01104 ．

Johnson HR ， Trinidad DD ， Guzman S ， et al . A machine learning approach for using the postmortem skin microbiome to estimate the postmortem interval [J ] . PLoS One ， 2016 ， 11 （ 12 ）： e0167370 ．

Wallace JR ， Receveur JP ， Hutchinson PH ， et al . Microbial community succession on submerged vertebrate carcasses in a tidal river habitat：Implications for aquatic forensic investigations [J ] . J Forensic Sci ， 2021 ， 66 （ 6 ）： 2307 - 2318 ．

Zhang FY ， Wang PF ， Zeng K ， et al . Postmortem submersion interval estimation of cadavers recovered from freshwater based on gut microbial community succession [J ] . Front Microbiol ， 2022 ， 13 ： 988297 ．

Rea K ， Dinan TG ， Cryan JF . The microbiome：a key regulator of stress and neuroinflammation [J ] . Neurobiol Stress ， 2016 ， 4 ： 23 - 33 ．

Desbonnet L ， Garrett L ， Clarke G ， et al . Effects of the probiotic Bifidobacterium infantis in the maternal separation model of depression [J ] . Neuroscience ， 2010 ， 170 （ 4 ）： 1179 - 1188 ．

Singh H ， Clarke T ， Brinkac L ， et al . Forensic microbiome database：a tool for forensic geolocation meta-analysis using publicly available 16S rRNA microbiome sequencing [J ] . Front Microbiol ， 2021 ， 12 ： 644861 ．

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

重庆地区尸食性蝇类侵袭建群时间初步研究及法医学意义