近期，山西医科大学法医学院孙俊红教授团队在高水平国际学术期刊Talanta（分析化学）（中科院1区top期刊，影响因子6.1分）发表了最新研究成果：《Multi-omicsintegrationstrategyinthepost-mortemintervalofforensicscience》。博士研究生李健为本文第一作者。这项研究应用人工智能的多组学分析策略，整合了代谢组学、蛋白质芯片和傅里叶红外变换分析鉴定的多水平、多模态、多标记数据用于预测死亡时间，表现出卓越的性能。更重要的是，该研究也为其他学科及不同实验平台、不同来源的多模态数据整合分析提供了新的思路。(https://doi.org/10.1016/j.talanta.2023.125249)

准确推断死亡时间（Post-morteminterval,PMI）是法庭调查证据链中的重要一环，对于确定案件性质和缩小潜在嫌疑人范围具有重要意义。此前研究证实了利用组学技术研究生物体死亡后各种分子的降解规律可以为推断死亡时间提供较为精确的方法。然而，随着死亡时间的延长，环境因素与机体状态的相互作用会给生物标志物的分解和转化带来更大的不稳定性，同时，由于蛋白、核酸等不同类型的分子大小和降解模式的差异，在死后的各个阶段展现了不同的预测优势。因此，开发多组学数据整合的方法相较于单一组学不仅可以提升PMI的推断精度还可以扩大PMI的潜在预测范围。本研究收集了来自代谢组学、蛋白质芯片和傅里叶变换红外的多模态数据，构建了8种不同机器学习和集成算法的死亡时间推断模型。结果显示多组学集成框架对于0-30天内的死亡时间预测准确率为93%，广义受试者工作特征曲线下面积为0.98。该研究结果表明整合不同模态的数据并进行多组学分析显著提升了死亡时间推断的全面性和容错率，多组学集成框架有潜力成为未来法医学各类问题解决的致胜策略，并进一步为司法案件提供更可靠的证据支持。

孙俊红教授团队长期深耕于法医学领域，多年沉淀于法医实际检案并致力于研究法医学亟需解决的难点问题。开展法医学基础研究的同时并与相关热门专业进行学科交叉渗透，积极探索人工智能、深度学习以及生物信息学分析等学科技术在损伤时间、死亡时间以及死因鉴定等法医学关键科学问题的转化与应用。近年来该团队在学术领域取得了卓越的成果，在法医学领域高水平期刊累积发表论文一百余篇，并在损伤时间跨物种研究和死因鉴定等方面获批多项国家自然科学基金和山西省重点研发项目。该论文的发表标志着孙俊红教授团队在法医学多模态数据融合和死亡时间推断进入国际领先水平。                                                                          （图/文 李健）