埋葬された豚の死骸の死後推定期間の、微生物の連続パターンと機械学習アルゴリズムの統合による推定

科学分野:

• 法医学
• 微生物学
• バイオインフォマティクス

背景:

• 微生物の連続は、死後推定期間（PMI）を推定するための重要な指標です。
• 埋葬された遺体における微生物パターンの理解は、法医学捜査にとって不可欠です。
• 以前の研究は主に地表の分解に焦点を当てており、埋葬されたシナリオに関する知識にはギャップが残っています。

研究 の 目的:

• 埋葬された状態と地表の状態にある豚の死骸における微生物の連続パターンの調査。
• 両方の環境における異なる分解段階を通じた微生物群集ダイナミクスの比較。
• 微生物データに基づいた死後推定期間推定のためのモデルの開発と評価。

主な方法:

• 埋葬されたグループと地表のグループを持つ豚の死骸モデルの確立。
• 微生物群集分析のための16SリボソームRNA（16S rRNA）遺伝子シーケンシング。
• 属レベルの微生物データを用いたPMI推定のためのランダムフォレストモデリング。

主要な成果:

• 埋葬された死骸は、地表の死骸と比較して分解速度が遅いことが示されました。
• 埋葬された遺体では、地表の遺体と同様に、初期分解後もアルファ多様性が低下しました。
• 埋葬された遺体では、地表のパターンと同様に、有意な細菌群集シフトとプロテオバクテリアの存在量の変化が観察されました。
• PMIに関連するユニークな微生物分類群が、埋葬されたグループと地表のグループの両方で特定されました。
• ランダムフォレストモデルは、埋葬されたグループと地表のグループの両方で、PMI推定において約5日間の平均絶対誤差を達成しました。

結論:

• 微生物の連続パターンは、埋葬された状態と地表の状態の両方の分解環境で予測可能です。
• 本研究は、埋葬された遺体におけるPMI推定のための微生物分析の可能性を示しています。
• モデルの一般性を高めるためには、より大規模なサンプルサイズでのさらなる研究が必要です。