[發明專利]一種基于代謝組學標志物鑒定溺死的方法及其應用

有效

• 申請號: 202110682946.0
• 申請日: 2021-06-18
• 公開（公告）號: CN113341044B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 趙銳;王林林;張富源;官大威;王鵬飛
• 申請（專利權）人: 中國醫科大學
• 主分類號: G01N30/06
• 分類號: G01N30/06;G01N30/88;G01N30/86
• 代理公司: 沈陽亞泰專利商標代理有限公司 21107
• 代理人: 馬維駿

1.一種用于判別早期水中尸體是否為溺死的標志物，其特征在于，所述標志物包括下述14種小分子代謝產物中的任意一種或一種以上的組合：乳酸、甲羥戊酸、苯乙酰甘氨酸、十四烷二酸、肌苷、蘋果酸、β羥基丁酸酯、十一烷酸、甘氨酰亮氨酸、皮質酮、硫胺素、乙酰肉堿、丙氨酰亮氨酸及犬尿氨酸。

2.一種如權利要求1所述的標志物的篩選方法，其特征在于，所述篩選方法具體步驟如下：

步驟1、將分別從溺死組大鼠和死后拋尸入水組大鼠尸體提取的心血樣本隨機分為訓練集和驗證集；

步驟2、采用超高效液相色譜串聯質譜UHPLC-MS/MS系統，進行心血代謝組學檢測，得到各種小分子代謝物的代謝指紋圖譜；

步驟3、將訓練集數據導入到R（version 3.6.1）語言中，借助randomForest程序包以樣本分組為因變量，以各種代謝物為自變量，有放回地隨機抽取訓練集樣本建立隨機森林分類器模型，最終得到自變量的相對重要程度和模型的預測精度；

以平均準確度下降為指標來表示自變量的相對重要程度，該值指將某變量的取值變為隨機數時，隨機森林分類器模型預測準確率的降低程度，越大表示該變量的重要性越大，以模型在驗證集上的受試者工作特征曲線下面積及準確率來表示模型的預測精度，準確率為正確分類的驗證樣本數量占所有驗證樣本數量的比例，AUC及準確率越接近于1說明模型越可靠；

步驟4、對以所有代謝物為自變量建立的隨機森林分類器模型進行交叉檢驗，以步驟3中建立的分類器模型交叉檢驗誤差95%可信區間上限為參考，以相同交叉檢驗誤差為標準，擬建立包含更少代謝物的簡單分類器模型；

步驟5、根據各代謝物在步驟3中所述的隨機森林分類器模型中的相對重要性及PLS-DA模型中的變量投影重要性值，挑選并確定14種對判別新鮮水中尸體是否為溺死的標志性代謝物。

3.一種如權利要求1所述的標志物構建簡單分類器模型，并用于判別新鮮水中尸體是否為溺死的模型的構建方法，其特征在于，所述構建方法的具體步驟如下：

步驟1、提取訓練集每個樣本中14種標志物含量及死因分組數據并導入到R中，借助randomForest程序包以樣本分組為因變量，以14種標志物為自變量，有放回地隨機抽取訓練集樣本建立隨機森林簡單分類器模型；

步驟2、將驗證集樣本中對應的14種標志物含量信息輸入到構建的隨機森林簡單分類器模型中，得到該模型對各樣本分組的預測結果，并進行分析。