植物DNA提取方法的研究进展

随着分子生物学的快速发展,植物DNA提取技术在植物科学研究、农业生产、环境保护和法医物证学等领域发挥着至关重要的作用。传统方法如CTAB法、SDS法和高盐低pH法,虽然在提取效率和纯度方面取得了一定的成功,但存在操作繁琐、耗时长、试剂对人体有害等问题。为了克服这些问题,研究者开发了一系列快速、高效的提取方法,如微针贴片法、纤维素滤纸法、EZ-D法和碱裂解法。这些方法在提高提取速度和纯度的同时,减少了对环境和操作人员的影响。本文总结了植物DNA提取的传统方法和近年来发展起来的快速提取新技术的优缺点。

傅里叶变换红外光谱技术在法庭科学中的应用现状

傅里叶变换红外光谱技术因其方法简单快捷、结果准确直观、样品损耗小、检测成本低廉而被认为是适合分析各类物证的技术之一。通过介绍傅里叶变换红外光谱技术的原理及运用傅里叶变换红外光谱技术进行死后间隔时间推断、避孕套有关成分分析、微生物鉴定、土壤分析和车辆物证分析等几个方面阐述了其在法庭科学领域中的研究和应用现状,希望能够为该技术在法庭科学中的应用提供参考,并为鉴定相关案件中的物证提供一种新的思路。

医疗费用合理性鉴定探析

医疗费用是否合理涉及原发性损伤、个人和医源性等三种因素。目前医疗费用的合理性鉴定中,却存在可资借鉴和参考的国家统一标准缺失、鉴定内容和业务范围模糊,以及鉴定人员相关专业知识缺乏等问题,故应制定医疗费用合理性鉴定的国家统一标准及相关规范,明确医疗费用合理性司法鉴定业务范围,加强对鉴定从业人员专业培训,以提高鉴定质量。

426例医疗纠纷司法鉴定分析

医疗纠纷司法鉴定是法医临床鉴定中最复杂、最难做、历时最长、也最易引起双方不满意的鉴定。本鉴定中心自2007年10月至2010年12月，共受理了来自全国各地、各类经人民法院和医、患双方共同委托的医疗纠纷司法鉴定共计426件。本文通过对426件的鉴定结果常见医疗过错（过失）的原因及司法鉴定的基本原则予以分析报告，供司法鉴定行业的同仁及医疗机构的医务人员、管理者和法律界借鉴。

尸体血液中乙醇含量检测的影响因素

尸体血液中乙醇含量检测是评价生前体内乙醇水平的重要证据,但由于多重因素的影响,导致检测出的尸体血液中乙醇含量不一定能真实、准确地反映死亡前尸体体内乙醇水平。本文就乙醇在体内吸收、分布、代谢特点和诸多对交通事故尸体血液中乙醇浓度产生影响的因素进行了综述,并进行了讨论。

应用FTIR技术对尸体内外精液留存时间的研究

目的 应用傅里叶变化红外光谱(Fourier Transform Infrared,FTIR)技术和化学计量学方法鉴定尸体内外精液(斑)的留存时间。方法 利用猪阴道模拟尸体内环境,取新鲜精液分别留存于体内外0~168 h,采集红外光光谱数据,通过化学计量学方法建立主成分分析(Principal Components Analysis, PCA)和偏最小二乘(Partial Least Squares, PLS)回归模型。结果 体内外精液(斑)红外光谱峰位随时间变化不明显,PCA结果有较好的聚类关系,在PLS回归模型中预测的偏差值为15.786 3 h,R^(2)为0.922 4,CARS算法选取的特征波数点位于1 000~1 180、1430~1 480、1 700~1 760 cm^(-1)等波长段。结论 红外光谱技术对于鉴定体内外精液(斑)留存时间具有一定的可行性,体内外精液(斑)的降解趋势有所不同。

血样凝固对乙醇检测结果造成的影响

通过对实际案件中的驾驶员血液样本进行检测,分析血样凝固对乙醇检测结果造成的影响。方法 取2021年1月-2022年1月酒驾实际案件中的五例驾驶员的血液双样本,作为本次试验研究的对象。通过气相色谱仪检测法对五位驾驶员的双血液进行乙醇检测,对比分析凝血样本和无凝血样本中乙醇的含量,对比两者乙醇检测含量的差异,分析高出比例。结果 试验检测结果显示五例驾驶员凝血样本中的乙醇含量均高于无凝血的样本中乙醇的含量,凝血样本乙醇含量明显高于未凝血样本乙醇含量,检测结果存在明显的含量差,其中本次试验研究中,最大的含量差为22.7mg,最小的含量差为12.7mg,高出比例最高为24.79%,最低高出比例为13.06%。结论 实际案件中驾驶员血样是否凝固对乙醇检测结果具有一定的影响,凝血样本中的乙醇含量会高于无凝血的样本中乙醇的含量,这会对血液乙醇检测结果造成干扰,导致检测结果不准确,导致对是否酒驾的误判。因此,重视血液采集后的保留,避免血样凝固是非常重要的,是确保血液乙醇检测结果准确的关键。

FTIR结合化学计量学方法鉴别恰特草及其形近植物

目的 利用FTIR结合化学计量学方法区分恰特草与其形近植物白茶、鱼腥草,为走私犯罪和公安禁毒工作中鉴别恰特草及其伪装品、易混淆品提供依据。方法 利用FTIR采集植物样品的红外光谱数据,结合化学计量学方法分析数据。选用SG卷积平滑、去基线、归一化三种数据处理方式对原始数据进行预处理,处理后的数据通过PCA进行分类和数据降维,最后选取KNN、RF、SVM三种模式识别方法构建数学模型进行分类和预测。结果 建模预测结果利用混淆矩阵表达,其中RF模型准确度96.51%;SVM模型准确度98.84%;KNN模型准确度93.02%。结论 本实验利用FTIR建立一种快速鉴别恰特草的数学模型,其中SVM模型正确识别率最高,各参数良好,是区别干燥恰特草及其形近植物品的最优模型。