相关实验视频
Updated: Jun 10, 2025
08:39
Simulating Temperature in a Soil Incubation Experiment
Published on: October 28, 2022
2.8K
环境预测因素对人类分解土壤中的微生物基础的死后间隔 (PMI) 估计模型产生影响
Allison R Mason1, Hayden S McKee-Zech2, Dawnie W Steadman2
1Department of Microbiology, University of Tennessee-Knoxville, Knoxville, TN, United States of America.
PloS one
|October 11, 2024
概括
土壤微生物可以帮助估计死后间隔 (PMI). 这项研究发现,虽然微生物数据预测了PMI,但环境因素和特定标记物影响了准确性,观察到的错误率很高.
科学领域:
- 法医科学 法医科学 法医科学
- 微生物学 微生物学
- 生物信息学是一种生物信息学.
背景情况:
- 已建立的死后间隔 (PMI) 估计方法有局限性.
- 土壤中的微生物继承提供了一个潜在的补充PMI估计工具,因为微生物在整个分解过程中的存在.
- 以前用于从土壤微生物群中估计PMI的机器学习模型没有纳入环境因素.
研究的目的:
- 评估将环境数据纳入基于微生物的PMI估计的土壤分解样本的影响.
- 为了比较不同生物标记 (16S,ITS,组合) 和PMI估计的分类学水平的预测性表现.
主要方法:
- 开发了随机森林回归模型,以使用相对微生物分类群丰度来预测PMI.
- 数据包括细菌16S,真菌ITS和组合的16S-ITS标记数据在各种分类层次 (族群,类,顺序,OTU).
- 评估了环境预测因素 (温度,pH,导电性,酶活动) 对其对模型精度 (MAE) 的影响.
主要成果:
- 平均绝对误差 (MAE) 在各个模型中从804到997累积度小时 (ADH) 之间.
- 细菌16S标记模型显示出比真菌ITS模型更好的性能 (p = 0.006).
- 环境数据的包含减少了ITS模型的MAE,并改善了16S模型在更高的分类层 (族群,类).
结论:
- 土壤微生物的继承表明人类分解阶段有一定的可预测性.
- 环境因素对基于微生物的PMI估计的准确性产生重大影响.
- 需要进一步的研究,以减少可靠的法医应用的错误率,特别是与多样化的捐赠者群体.
