[发明专利]一种基于代谢组学标志物鉴定溺死的方法及其应用

权利要求书

1.一种用于判别早期水中尸体是否为溺死的标志物，其特征在于，所述标志物包括下述14种小分子代谢产物中的任意一种或一种以上的组合：乳酸、甲羟戊酸、苯乙酰甘氨酸、十四烷二酸、肌苷、苹果酸、β羟基丁酸酯、十一烷酸、甘氨酰亮氨酸、皮质酮、硫胺素、乙酰肉碱、丙氨酰亮氨酸及犬尿氨酸。

2.一种如权利要求1所述的标志物的筛选方法，其特征在于，所述筛选方法具体步骤如下：

步骤1、将分别从溺死组大鼠和死后抛尸入水组大鼠尸体提取的心血样本随机分为训练集和验证集；

步骤2、采用超高效液相色谱串联质谱UHPLC-MS/MS系统，进行心血代谢组学检测，得到各种小分子代谢物的代谢指纹图谱；

步骤3、将训练集数据导入到R（version 3.6.1）语言中，借助randomForest程序包以样本分组为因变量，以各种代谢物为自变量，有放回地随机抽取训练集样本建立随机森林分类器模型，最终得到自变量的相对重要程度和模型的预测精度；

以平均准确度下降为指标来表示自变量的相对重要程度，该值指将某变量的取值变为随机数时，随机森林分类器模型预测准确率的降低程度，越大表示该变量的重要性越大，以模型在验证集上的受试者工作特征曲线下面积及准确率来表示模型的预测精度，准确率为正确分类的验证样本数量占所有验证样本数量的比例，AUC及准确率越接近于1说明模型越可靠；

步骤4、对以所有代谢物为自变量建立的随机森林分类器模型进行交叉检验，以步骤3中建立的分类器模型交叉检验误差95%可信区间上限为参考，以相同交叉检验误差为标准，拟建立包含更少代谢物的简单分类器模型；

步骤5、根据各代谢物在步骤3中所述的随机森林分类器模型中的相对重要性及PLS-DA模型中的变量投影重要性值，挑选并确定14种对判别新鲜水中尸体是否为溺死的标志性代谢物。

3.一种如权利要求1所述的标志物构建简单分类器模型，并用于判别新鲜水中尸体是否为溺死的模型的构建方法，其特征在于，所述构建方法的具体步骤如下：

步骤1、提取训练集每个样本中14种标志物含量及死因分组数据并导入到R中，借助randomForest程序包以样本分组为因变量，以14种标志物为自变量，有放回地随机抽取训练集样本建立随机森林简单分类器模型；

步骤2、将验证集样本中对应的14种标志物含量信息输入到构建的随机森林简单分类器模型中，得到该模型对各样本分组的预测结果，并进行分析。