《Forensic Science International》：Unravelling time after death: A comprehensive review of multi-omics approaches in postmortem interval estimation
Mian Sahib Zar | Afshan Bibi | Muhammad Shoaib Akhtar
Hamdard健康科学学院（HCHS），巴基斯坦开伯尔-普赫图恩库瓦省布内尔
摘要
死亡时间（PMI）的估计是法医调查的基石，能够提供关于死亡时间的关键信息。然而，传统方法——依赖于尸僵、尸斑、尸冷、分解阶段和昆虫活动——常常受到环境和生物学变异性的影响，导致结果不一致。近年来，多组学技术（包括基因组学、转录组学、表观基因组学、蛋白质组学、代谢组学和微生物组学）作为变革性工具出现，以应对这些挑战。通过整合这些分子层面的数据，多组学提供了对死亡后变化的更细致和准确的理解。本文强调了多组学在死亡时间估计中的应用，特别是其改进传统方法的能力。此外，还探讨了将机器学习和便携式技术相结合以提高这些方法的可访问性和准确性。文章还讨论了在法医背景下使用敏感分子数据时的伦理问题。最后，本文展望了一个由跨学科合作和持续创新塑造的未来，将多组学定位为现代法医学的基石。
引言
准确确定死亡时间（PMI）是法医学中的一个关键挑战。死亡时间估计在重建死亡事件、协助刑事调查、法律程序以及人道主义工作（如识别灾难受害者）中起着核心作用[123][124]。历史上，死亡时间是通过观察尸僵（肌肉僵硬）、尸斑（血液积聚）、尸冷和分解阶段等物理标志来估计的。尽管这些方法仍然是基础，但其准确性经常受到温度、湿度、体型、健康状况和年龄等环境和生物学因素的影响[117]，这些变量导致了结果的不一致性，限制了传统技术的可靠性[76]。
近年来，分子生物学为死亡时间估计开辟了新的途径，特别是通过多组学技术的发展。多组学整合了来自基因组学、转录组学、表观基因组学、蛋白质组学、代谢组学和微生物组学等不同分子层面的数据，以全面描绘死亡后发生的生化和微生物变化[19][20]。通过追踪蛋白质降解、微生物演替和代谢变化等过程，多组学提供了比传统方法更精确和个性化的见解[1]。例如，代谢组学可以监测死亡后副产品的积累[140][22]，而蛋白质组学可以识别与特定时间间隔相关的蛋白质分解模式[68]；转录组学和基因组学则揭示了RNA和DNA的变化，显示了身体对温度或创伤等环境变化的分子反应[16]；微生物组学研究分解过程中活跃的微生物群落，通过微生物演替的动态模式提供了独特的见解[67][82]。整合这些不同层面的数据使法医科学家能够构建详细的分子谱型，这在处理严重腐烂或烧毁的遗骸等复杂案件时尤为宝贵[47][55]。
尽管多组学具有变革潜力，但其应用仍面临诸多挑战，包括高昂的成本、数据分析的复杂性以及需要跨学科的专业知识[122][26]。然而，技术和生物信息学的进步正在逐步克服这些障碍，使多组学在法医应用中变得越来越实用[137][2]。本文强调了多组学如何革新死亡时间估计，提供了比传统方法更精确和可靠的替代方案，并讨论了持续的挑战以及跨学科合作和技术创新如何进一步增强其在法医学中的影响力。
死亡时间估计的传统方法
死亡时间估计的传统方法
几十年来，传统方法一直是法医学中死亡时间（PMI）估计的支柱，为调查人员提供了关于死亡时间的关键信息[111][145][37]。这些方法依赖于身体中的可见生理和生化变化，如肌肉僵硬（尸僵）、身体冷却（尸冷）和血液积聚（尸斑）。虽然这些方法具有基础性，但它们受到环境条件的影响很大
死亡后变化的分子机制
死亡后发生的分子变化是理解驱动分解的生物过程的关键。这些变化几乎在死亡后立即开始，由细胞功能（如代谢、氧气运输和修复机制）的停止触发[61]。没有这些重要过程，身体会进入一种失衡状态，从而引发一系列生化和微生物事件[147]。
这种死亡后的分子景观是动态的，会随时间演变
多组学方法在死亡时间估计中的作用
多组学方法代表了法医学中的重大飞跃，它整合了来自基因组学、转录组学、蛋白质组学、代谢组学、脂质组学和微生物组学等不同分子层面的数据，提供了对死亡后变化的全面视角。这些技术提供了对死亡后发生的生化和微生物过程的前所未有的见解，使得死亡时间（PMI）的估计比传统方法更加准确和精确
多组学数据在死亡时间估计中的整合
多组学数据的整合彻底改变了死亡时间（PMI）的估计方式，提供了对死亡后发生的分子和微生物过程的全面理解[83]。通过结合基因组学、转录组学、表观基因组学、蛋白质组学、代谢组学和微生物组学的数据，法医科学家可以同时分析多个生物信息层面，从而更全面和准确地了解分解过程[19]。
伦理考量与挑战
在法医学中使用多组学技术带来了一些伦理挑战，尤其是在处理敏感的遗传和微生物数据方面[87]。例如，基因组学和转录组学分析DNA和RNA，可能会无意中揭示死者的个人信息，如疾病遗传倾向或家族关系。虽然这些见解对法医调查很有价值，但也引发了关于隐私和数据安全的担忧
未来方向与结论
死亡时间（PMI）估计的未来在于多组学技术的持续发展及其与机器学习、便携设备、人工智能（AI）和先进生物信息学平台等前沿工具的无缝集成。随着这些技术的日益成熟，它们预计将变得更加易于获取、成本更低且可扩展，从而能够在法医调查中得到常规应用。未来研究的一个有前景的方向是
CRediT作者贡献声明
Mian Sahib Zar：撰写——审稿与编辑、初稿撰写、可视化、监督、方法论设计、调查实施、数据管理、概念构建。Afshan Bibi：数据管理、可视化、审稿与编辑。Muhammad Shoaib Akhtar：正式数据分析。
利益冲突声明
作者声明与这篇题为《揭示死亡后的时间：多组学技术在死亡时间估计中的综合应用》的综述文章没有利益冲突。
这篇综述文章是独立完成的，没有任何可能被视为利益冲突的财务或机构影响。该研究纯粹是出于科学目的，旨在推进死亡时间估计的多组学方法的发展
