基于机器学习算法的节奏mRNA的24小时昼夜周期内血污沉积时间的估计
Feng Cheng1, Wanting Li1, Zhimin Ji1
1School of Forensic Medicine, Shanxi Medical University, Taiyuan 030009, Shanxi, PR China.
Forensic science international. Genetics
|July 5, 2023
概括
法医科学家现在可以使用节奏信使RNA (mRNA) 生物标志物和机器学习在24小时内估计血污沉积时间. 这种方法通过提供关键的时间证据来帮助犯罪现场调查.
科学领域:
- 法医科学 法医科学 法医科学
- 分子生物学分子生物学
- 时间生物学 时间生物学
背景情况:
- 估计血迹沉积时间对于犯罪现场调查至关重要,有助于确定犯罪时间表和验证证词.
- 现有的方法主要集中在较长的时间间隔 (天),对预测24小时周期内沉积的研究有限.
- 节奏性血液信使RNA (mRNA) 适用于估计血污中的沉积时间的适用性仍然在很大程度上未被探索.
研究的目的:
- 调查血液污点中节奏mRNA表达的潜力,以估计24小时内沉积时间.
- 使用mRNA生物标志物开发血污沉积时间的预测模型.
- 评估这种方法在法医应用中的可行性,特别是在东亚人群中.
主要方法:
- 在不受控制的条件下,在八个不同的时间点从八个个体中采集了血迹样本.
- 实时定量聚合酶连锁反应 (qPCR) 用于分析特定mRNA的表达水平.
- 一个机器学习回归模型,特别是k-近邻 (KNN) 算法,是使用四个节奏表达的mRNAs开发的.
主要成果:
- 四种表现出节奏表达模式的特定mRNA被确定为合适的生物标志物.
- 开发的KNN回归模型在预测血污沉积时间时实现了3.92小时的平均绝对误差.
- 该研究成功地证明了在24小时昼夜周期内预测血污沉积时间.
结论:
- 节奏mRNA生物标志物可以有效地用于估计血液污点在24小时内沉积的时间.
- 这种方法为估计法医痕迹沉积时间提供了一种新的方法和视角.
- 需要进一步的研究来调查这些节奏mRNA生物标记物的稳定性和灵敏性,特别是在有限或退化的法医样本上.
