编辑推荐：
在法医学中，准确判定死亡方式（MOD）至关重要，但复杂自杀案件判定困难。研究人员开展利用血代谢组学和机器学习区分自杀与非自杀的研究，发现 19 种差异代谢物，构建的模型敏感性达 73%、特异性达 72% ，为法医学判定提供新途径。
在法医学领域，死亡方式的判定一直是个极为关键的环节。准确判断一个人是自杀、他杀、意外死亡还是自然死亡，这不仅关系到受害者及其家属的权益，也影响着法律的公正执行、公共卫生政策的制定以及保险理赔等诸多方面。然而，现实中，自杀案件的判定却常常面临重重困难。
一方面，超过 90% 的自杀案例都与精神疾病、药物滥用等因素相关，但由于很多自杀现场证据有限，比如没有明显的挣扎迹象、找不到自杀遗书，或者现场被人为破坏等，导致这些案件很容易被误判为其他死亡方式。另一方面，有些他杀案件可能被伪装成自杀，进一步增加了判定的难度。在这样的背景下，寻找一种可靠的方法来准确判定自杀案件，就显得尤为重要。
来自泰国清迈大学医学院的研究人员开展了一项旨在利用血液代谢组学（研究生物体内代谢物变化的学科）和机器学习技术区分自杀和非自杀死亡的研究。他们的研究成果发表在《Forensic Science International: Synergy》杂志上，为解决这一难题带来了新的希望。
研究人员为了实现这一目标，采用了多种关键技术方法。首先，他们收集了自杀（n = 45）和非自杀（n = 45）案例的心脏血液样本。接着，利用核磁共振（NMR）技术分析这些样本的代谢组学特征，该技术能够检测复杂混合物中的未知代谢物，具有稳健性、可重复性等优点。然后，通过偏最小二乘法判别分析（PLS - DA）、受试者工作特征曲线（ROC）分析等方法对数据进行处理和模型构建，以此来寻找差异代谢物并评估模型性能。
下面来看具体的研究结果：
- 参与者的人口统计学数据：研究共纳入 90 例案例，分为自杀组和非自杀组。两组在性别、年龄、体重指数（BMI）、非传染性疾病（NCDs）、非法药物使用和酒精摄入等方面无显著差异，但自杀组中精神疾病的数量明显高于非自杀组。
- 与自杀病例相关的特定血液生物标志物的鉴定：通过 PLS - DA 分析，发现自杀组和非自杀组的代谢谱存在差异。进一步研究确定了 19 种在两组间有显著差异的代谢物（p < 0.05），其中 4 - 羟基脯氨酸、肌氨酸和硫酸乙酰肝素的差异尤为突出。4 - 羟基脯氨酸和肌氨酸在自杀病例中显著降低，硫酸乙酰肝素显著升高，它们的受试者工作特征曲线下面积（AUC）分别为 0.73、0.72 和 0.71，表明这些代谢物有区分自杀和非自杀的潜力。
- 自杀病例中的代谢途径影响：研究人员通过代谢途径分析发现，自杀病例中有五条代谢途径发生了显著改变，包括精氨酸和脯氨酸代谢、糖胺聚糖降解、维生素 B6代谢、嘧啶代谢以及甘氨酸、丝氨酸和苏氨酸代谢。其中，甘氨酸、丝氨酸和苏氨酸代谢是影响最大的途径，精氨酸和脯氨酸代谢是统计学上最显著的途径。
- 自杀预测的机器学习：研究人员利用机器学习构建了自杀预测模型，结果显示 4 - 羟基脯氨酸、肌氨酸和硫酸乙酰肝素是生成自杀预测模型最有效的代谢物。基于这三种代谢物构建了 7 个模型，经过评估，模型 6 的预测性能最佳，AUC 达到 0.80，敏感性为 0.73，特异性为 0.72，经过 10 折交叉验证后仍保持较高的 AUC（0.79）。
综合上述研究，研究人员得出结论：4 - 羟基脯氨酸、肌氨酸和硫酸乙酰肝素是区分自杀和非自杀病例的关键血液代谢物，这为法医调查提供了一种全新的方法。同时，将机器学习与血液代谢组学相结合，展示了其在法医学中的巨大潜力，有助于深入了解与心理困扰相关的生化途径。
不过，这项研究也存在一些局限性，比如样本量较小，个体间差异较大等。未来还需要更大规模的数据集，涵盖不同人群和更长的死后间隔时间（PMI），进一步验证这些生物标志物的可靠性和适用性。此外，结合多组学（如蛋白质组学、基因组学）和机器学习技术，有望为法医调查提供更全面的生物学信息。但无论如何，这项研究为法医学中自杀案件的判定开辟了新的方向，具有重要的理论和实践意义，为后续更深入的研究奠定了坚实的基础。
