小鼠脑挫伤后CB2R的表达变化与损伤时间的关系

目的检测小鼠脑挫伤后不同时间点大麻素2型受体(cannabinoid type 2 receptor,CB2R)的表达情况,并探索其与损伤时间的相关性。方法通过PCI3000精密颅脑损伤撞击器建立小鼠脑挫伤模型,利用免疫组织化学染色、免疫荧光染色和Western印迹法检测不同损伤时间点损伤区周围CB2R的表达变化。结果免疫组织化学染色结果显示,假手术组脑皮质中仅少量细胞呈CB2R阳性表达,脑挫伤后CB2R阳性细胞率逐渐升高,于伤后12h和伤后7d两次达到高峰,随后逐渐下降,至伤后28d基本恢复至正常水平。Western印迹法检测结果与免疫组织化学染色结果一致。免疫荧光染色结果显示,脑挫伤后CB2R阳性神经元、CB2R阳性单核细胞、CB2R阳性星形胶质细胞数与总细胞数的比值变化均呈单峰模式,分别于伤后12h、1d、7d达到高峰。结论小鼠脑挫伤后CB2R在神经元、单核细胞及星形胶质细胞中的表达提示,其可能参与调节这些细胞的生物学功能。脑挫伤后CB2R的动态表达存在时间规律性,有望成为法医学脑挫伤损伤时间推断的生物学指标。

代谢组学技术结合机器学习算法在损伤时间推断中的研究进展

损伤时间推断是法医学实践中的重要内容,准确推断损伤时间是国内外法医学者亟待解决的科学问题。代谢组学技术可以有效检测机体受到体内外刺激因素作用产生的内源性代谢物,描述生物体内代谢物的动态变化,具有操作性强、检测效率高、定量结果 准确等优势。机器学习算法对高维数据集的处理具有独特优势,能够有效挖掘生物信息,真实反映机体生理、疾病或损伤状态,是高效处理高通量大数据的新型技术手段。本文综述了代谢组学技术与机器学习算法的研究现状和自身优势,探讨应用代谢组学技术结合机器学习算法在法医学损伤时间推断研究中的应用前景,为法医学损伤时间推断研究提供新思路。

基于玻璃体液代谢物的水中大鼠淹没时间推断

目的采用LC-MS/MS代谢组学技术结合数据分析,检测水中大鼠尸体死后早期玻璃体液中代谢谱变化及差异,探讨其用于早期死后淹没时间(postmortemsubmersioninterval,PMSI)和死亡原因推断的可行性。方法于自然湖水中造模,将100只SD大鼠随机分为溺死组(50只)和死后[二氧化碳(CO_(2))窒息]即刻入水组(50只),分别于死后0、6、12、18及24 h从每组中取10只大鼠提取玻璃体液进行代谢组学检测,其中8只构建训练集模型、2只作为测试集样本。通过PCA及PLS多元统计分析探索训练集样本中不同PMSI及死因间的代谢谱差异,进而应用随机森林(randomforest,RF)算法筛选生物标志物并以此构建模型。结果PCA及PLS分析可观察到玻璃体液代谢谱变化具有时间规律性,但不同死因间未发现明显差异。应用RF算法最终筛选到13种时间相关性较好的小分子生物标志物,基于该指标集构建了简化PMSI推断模型,测试数据表明模型预测的平均绝对误差为0.847h。结论水中大鼠尸体玻璃体液中筛选出的13种代谢标志物与早期死后淹没时间具有良好的时间相关性,应用RF构建的简化PMSI推断模型可用于PMSI的推断。此外,玻璃体液代谢物不能用于早期水中尸体的死因鉴别。