《Legal Medicine》:Age-associated variation in the Korean salivary microbiome: Exploratory assessment of spousal cohabitation as a potential confounder for forensic inference
编辑推荐:
•唾液微生物组谱显示出与年龄相关的适度变化。•XGBoost预测的时序年龄平均绝对误差为7.49年。•广泛年龄组的分类准确率为0.741,AUC为0.76。•在年龄和性别调整后,同居相关变化不再显著。•法医微生物组推断需要进行人群匹配的验证。引言人类微生物组越来越被认为是宿主
- •
唾液微生物组谱显示出与年龄相关的适度变化。
- •
XGBoost预测的时序年龄平均绝对误差为7.49年。
- •
广泛年龄组的分类准确率为0.741,AUC为0.76。
- •
在年龄和性别调整后,同居相关变化不再显著。
- •
法医微生物组推断需要进行人群匹配的验证。
引言
人类微生物组越来越被认为是宿主生理与环境暴露之间的关键界面,涵盖了广泛的生物学和生态过程 [1], [2]。除了其在健康与疾病中的作用之外,微生物组的个体特异性和环境响应性在法医科学中引起了越来越多的关注,微生物特征正被探索作为生物痕迹解释、来源归属以及与贡献者相关属性(如年龄)推断的补充信息 [3]。最近的法医微生物组研究表明,人类微生物组谱可能在不同时间或环境变化中保留个体特异性模式,支持其作为法医解释中补充生物信号的潜力 [4]。下一代测序(NGS)的进步使得微生物群落的高分辨率表征成为可能,使群落水平的微生物特征在法医解释宿主相关因素(如年龄、生活方式和环境条件)方面越来越容易获取 [5]。
在各种身体部位中,口腔容纳着一个高度动态和多样的微生物生态系统 [6]。唾液是法医案件中经常遇到的生物痕迹之一,包括从烟蒂、饮用器皿、咬痕及其他接触表面回收的样本,使唾液微生物组成为法医学相关的生物信息来源 [7]。唾液微生物组在分析上是有用的,因为它整合了来自多个口腔生态位的微生物贡献,并反映了饮食、卫生习惯和人际互动等外部影响 [8]。这些特征使唾液成为探索基于微生物组的生物标志物(包括与法医痕迹解释潜在相关的标志物)的有价值储备 [9]。先前的法医微生物组研究表明,唾液微生物谱可能为生物痕迹解释提供补充信息,特别是用于体液识别和生物地理推断 [10]。唾液相关微生物群落已被报道能够区分唾液与阴道液、皮肤、精液及唾液-皮肤混合物,并反映了人群和环境相关的变化,这些变化在评估其法医效用时应考虑 [11], [12]。重要的是,基于微生物组的证据并非旨在取代传统的人类DNA分析,但可能提供STR谱不直接编码的补充信息,包括支持体液识别和痕迹的其他生物学或上下文特征 [3], [11], [12]。微生物特征在一些可恢复的人类DNA有限的法医样本中也可能具有潜在价值,尽管这种应用需要进一步在案件相关条件下进行验证 [4]。
年龄是与微生物变化相关的最常报道的因素之一 [13]。衰老与微生物组成和多样性的变化有关,可能源于唾液流量减少和免疫衰老等生理变化 [14]。这种关联构成了微生物组在法医年龄推断方面的吸引力,即在估计未知痕迹捐赠者的近似年龄或广泛年龄类别方面,可能有助于缩小调查假设 [3], [15]。许多研究将年龄作为分类变量来考察,这可能会忽略微生物演替在人类生命周期中连续性的本质 [16], [17]。这一局限性在法医应用中相关,因为近似连续年龄估计和广泛年龄类别推断都可能提供调查价值。
共享生活环境代表了微生物组变化的另一个来源。同居,特别是配偶之间的同居,涉及长期密切接触和共享的生活方式因素,可能促进微生物交换和生态趋同 [18], [19], [20]。尽管这一现象已在人类相关微生物组中被报道,但其在唾液微生物组中的影响仍不明确,特别是在年龄相关变化的背景下。先前的研究表明,密切的人际接触和共享环境可能有助于人类相关微生物群落的相似性 [21]。然而,同居状态也可能与年龄和其他人口特征重叠,使区分同居特异性微生物模式与人口学混杂因素变得困难。因此,将同居与年龄一起评估可能有助于确定表观的同居相关模式是否代表独立的变异来源还是反映重叠的人口结构。
目前的微生物组知识主要来自工业化社会(特别是北美和欧洲)的参与者。这种人口学不平衡限制了在多样化种族、饮食和文化背景下研究结果的普适性,对法医应用构成挑战,因为可靠的基于微生物组的推断依赖于人群适当的参考数据 [22], [23]。因此,需要对韩国成年人进行特定人群研究,以阐明当地环境暴露和行为因素如何塑造微生物组,并建立适用于法医解释的参考框架。这一需求得到了口腔微生物组研究(显示人群相关差异 [24], [25])以及法医体液研究(表明唾液相关微生物标志物可能在不同人群中存在差异 [26])的支持。尽管已记录到人群变异性,但关于韩国成年人唾液微生物组年龄相关变化的特定人群证据仍然有限,特别是关于其在法医年龄推断中的潜在应用。因此,本研究旨在弥补这一空白。
机器学习方法在分析复杂的高维微生物组数据方面变得越来越重要。这些方法能够捕获传统的统计方法难以识别的细微和分布式的群落水平模式,从而支持微生物组研究中的预测和分类任务 [27], [28]。在法医微生物组研究中,这些方法提供了评估微生物谱是否包含与解释相关的预测信号(包括年龄相关模式)的方法学基础 [29]。将机器学习与生态学解释相结合仍然是一个持续的挑战,特别是因为法医预测必须准确、生物学上可解释且可辩护 [30]。因此,这些方法很适合微生物组数据,其中微弱的个体信号可能共同编码有意义的模式。
本研究主要调查了韩国人唾液微生物组中与年龄相关的变化,并评估其在法医年龄推断中的潜在相关性。报告的同居状态作为探索性的上下文变量和年龄相关微生物模式解释中潜在混杂因素来源进行次要考察。生态学分析与机器学习方法相结合,以表征年龄相关群落模式和预测信号,同时探索同居状态是否贡献了额外的微生物变化。研究结果提供了韩国成年人唾液微生物组中年龄相关变化的特定人群证据,并支持将唾液微生物组谱评估为法医年龄推断的补充信息。探索性的同居分析进一步突显了表观的微生物组关联可能如何受人口结构影响,并强调了多变量混杂因素控制在未来法医微生物组研究中的重要性。
各章节摘要
研究人群与样本采集
从182名韩国成年人中采集唾液样本。参与者根据招募过程中自我认同为韩国人进行入组,符合IRB批准的纳入标准;种族和国籍未作为问卷变量单独记录。参与者通过成均馆大学招募,唾液样本在位于韩国京畿道的水原校区采集。参与者包括93名男性和89名女性。
年龄与唾液微生物组的连续关联
评估了五种机器学习算法——随机森林、SVM、XGBoost、KNN和PLS——用于预测时序年龄。XGBoost具有最强的整体交叉验证性能,并被选为最终回归模型(表S2)。在保留测试集上,XGBoost模型实现了7.49年的MAE、8.97年的RMSE和0.31的R2(图1a),表明预测性能适中。特征重要性分析将罗氏菌属(Rothia)列为最有影响力的特征,其次是。
讨论
本研究在韩国成年人唾液微生物组中识别出适度的年龄相关信号以及较弱的未调整配偶同居相关模式。在评估的35个元数据变量中,年龄在不同分析方法中表现出最一致的关联,因此被优先作为主要焦点,而报告的配偶同居则作为次要考察变量,因为其在初始未调整筛选分析中也显示了信号。年龄回归模型实现了平均。
结论
总之,来自该韩国队列的唾液微生物组谱包含适度的年龄相关信息以及较弱的与报告的配偶同居相关的模式,后者在多变数量调整后未能保留。年龄回归模型实现了7.49年的MAE,更广泛的年龄组分类显示中等区分度,但这些结果使用内部验证获得,需要外部确认。这些结果不应被解释为。
伦理声明
所有参与者或其法定代理人已书面同意参与本研究并发布该文章。研究参与者的隐私权已得到尊重。
本研究包含器官或组织供者。本研究包含人类生物材料,供者或其直系亲属或法定代理人已同意在研究中使用和发表文章。本研究使用的样本未从已处决者。
资金
本研究由 韩国国家警察厅 [项目编号:PR10–01–000-21] 资助;以及 韩国基础科学研究所(国家研究设施与设备中心) 资助,由 教育部 提供资金 [项目编号:2020R1A6C101A191]。
致谢
作者感谢Yoo Kyeong-Min和Lee A-mi在样本采集和实验支持方面的协助。
Ha-Eun Cha | A-Jeong Jeon | Hye-Seon Cho | Ji-woo Lee | Jooree Seo | Soeun Lee | Si-Keun Lim