基于16S rRNA的全长细菌体位特征的探索,用于原产地确定和个人识别
Yinlei Lei1, Yu Deng1, Ruocheng Xia2
1Key Laboratory of Cell Engineering of Guizhou Province, Clinical Stem Cell Research Institute, Affiliated Hospital of Zunyi Medical University, Zunyi, Guizhou 563099, China; Shanghai Key Laboratory of Forensic Medicine, Shanghai Forensic Service Platform, Academy of Forensic Sciences, Key Laboratory of Forensic Science, Ministry of Justice, Shanghai 200063, China.
Forensic science international
|April 26, 2025
概括
皮肤,口腔和鼻子中的微生物可以识别生物材料的起源. 机器学习模型使用细菌生物标志物准确预测身体部位,帮助法医科学.
科学领域:
- 微生物学 微生物学
- 法医科学 法医科学 法医科学
- 生物信息学是一种生物信息学.
背景情况:
- 犯罪现场调查经常面临有限的人类证据带来的挑战.
- 微生物为生物材料分析提供了一个有希望的补充方法.
- 16S rRNA的第三代测序提供了有价值的细菌生物标志物.
研究的目的:
- 在手掌皮肤,口腔粘膜和鼻腔样本中识别特定的细菌生物标志物.
- 探索不同身体部位和个体的细菌社区组成.
- 评估用于预测生物材料来源和个体可追溯性的机器学习模型.
主要方法:
- 使用PacBio SMRT平台进行全长16S rRNA基因测序.
- 在族群,属和物种层面对细菌分类的分析.
- 开发和测试随机森林,XGBoost和KNN分类模型.
主要成果:
- 在手掌皮肤,口腔粘膜和鼻腔中确定了不同的细菌群落.
- 随机森林和XGBoost模型在预测身体位置的起源方面取得了97%的准确性.
- 在个体之间观察到细菌组成的显著差异.
结论:
- 细菌生物标志物可以有效地区分生物材料的来源.
- 机器学习模型在分类样本来源方面显示出高准确度.
- 微生物学分析对法医应用具有重大潜力,包括个人识别.


