代谢组学视域一种动态集成选择的死亡时间推断策略制造技术

本发明专利技术涉及法医学领域，具体是代谢组学视域一种动态集成选择的死亡时间推断策略，本发明专利技术基于非靶向代谢组学检测到的大鼠死后肺脏中的代谢物表达谱构建了动态集成选择模型推断死亡时间，从七种模型中筛选死亡时间预测效能最好的4种模型用于构建模型算法池，在此基础上，使用Stacking和Voting静态集成和DES动态集成选择对模型算法池进行不同策略的集成优化，结果显示基于DES的动态集成选择算法有效的提升了死亡时间的预测准确性。本发明专利技术将代谢组学结合动态选择算法首次应用于死亡时间推断中，为提升死亡时间的预测准确率提供了一种新的尝试。种新的尝试。种新的尝试。

【技术实现步骤摘要】
代谢组学视域一种动态集成选择的死亡时间推断策略


[0001]本专利技术涉及法医学领域，具体是代谢组学视域一种动态集成选择的死亡时间推断策略。

技术介绍

[0002]在法医鉴定案件的工作中，一个错误的死亡时间结论往往误导司法鉴定人员对案件的准确判断，从而影响案件的侦破。一直以来，死亡时间推断都是法庭科学中常用的重要证据，而准确估计死亡时间也是法医病理学研究的重点和挑战。虽然法医研究人员一直致力于对死后时间进行更普遍和准确的估计。但是众多因素影响下的死亡时间推断还需要不断优化指标和方法以满足实际检案的需求。
[0003]近年来，以代谢组学为代表的分子生物学技术依靠高通量检测手段在法医领域中应用十分广泛。分子生物学提升法医死亡时间推断的研究质量的实质在于可以探索并整合生物体死亡后代谢小分子标记物的变化规律，以辅助决策者做出准确判断。组学技术的进步将死亡时间推断精确到分子水平，而机器学习的出现搭建了探索死后小分子变化模式与实际应用之间的桥梁。
[0004]目前对于国内外应用机器学习整合小分子化合物对于死亡时间推断的研究大多数展现了同样的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.代谢组学视域一种动态集成选择的死亡时间推断策略建立方法，其特征在于，包括以下步骤：1）收集死亡时间0
‑
18天内的大鼠肺脏样本，采用UPLC
‑
HRMS检测肺脏样本中小分子化合物的含量；2）将原始数据导入 Compound Discoverer 3.0 软件中进行数据提取和预处理，依据保留时间和化合物谱图与代谢组学标准数据库 mzcloud 进行比对确定小分子化合物的信息；3）构建特征选择算法分析以减小数据维度并准确定位与死亡时间推断高度相关的小分子化合物；4）将小分子化合物的表达量作为预测特征，构建不同的机器学习模型，并根据预测性能挑选满足死亡时间推断准确率要求的模型，并将经过筛选的模型分别用作静态集成模型Stacking和Voting的子模型以及动态集成选择模型的模型池，并对各模型进行性能评估确定死亡时间推断的最优模型。2.根据权利要求1所述的代谢组学视域一种动态集成选择的死亡时间推断策略建立方法，其特征在于，步骤3）中，所用的特征选择方法最小绝对收缩选择算子LASSO回归算法。3.根据权利要求1所述的代谢组学视域一种动态集成选择的死亡时间推断策略建立方法，其特征在于， 步骤3）中，所述小分子化合物分别为异戊胺，L
‑
(+)
‑
乳酸，1
‑
亚硝基哌啶，5
‑
氨基戊酸，L
‑
缬氨酸，醋酚，烟酰胺，牛磺酸，胸腺嘧啶，D
‑
(+)
‑
吡格鲁酸，戊二酸，L
‑
赤脱氧酸，芴啉甲酸，酪胺，水杨酸，蛋氨酸，N
‑
ω
‑
乙酰基组胺，L
‑
组氨酸，N
‑
乙酰缬氨酸，尿酸，L
‑
酪氨酸，4
‑
吡哆酸，癸二酸，N
‑
乙酰
‑
L
‑
蛋氨酸，葡萄糖酸，癸酰甘氨酸，L
‑
犬尿氨酸，诺卡酮，泛酸，十二烷二酸，大豆黄酮，十四酸，黄花木，16
‑
羟基十六酸，19
‑
去甲睾酮，硬脂酸，9
‑
酮
‑
10(E),12(E)
‑
十八烯酸，(+/
‑
)9
‑
羟基庚二烯酸，D
‑
鞘氨醇，美替诺龙，花生四烯酰胺，1
‑
(3
‑
羟基
‑3‑
甲基戊
‑4‑<...

【专利技术属性】
技术研发人员：李健，刘明锋，吴妍娟，李娜，党丽虹，安国帅，杜秋香，曹洁，孙俊红，
申请(专利权)人：山西医科大学，
类型：发明
国别省市：