基于微生物群落特征分析和随机森林算法推断珠江中溺水事件的地点

《International Journal of Legal Medicine》：Inference of drowning sites of cases in the Pearl river based on microbial community profiling and random forest algorithm

肺微生物群联合机器学习推断溺水地点的可行性研究，通过56例珠江广州段不同水域溺水者肺组织16S rRNA测序，发现显著空间微生物差异，筛选32个关键 genus（含Ralstonia等），随机森林模型准确率92.3%，外部验证4/5正确。

　　

摘要

在法医调查中，准确推断溺水地点仍然是一个关键挑战，尤其是对于从动态水域中打捞上来的尸体而言。传统方法（如硅藻检测）受到某些水体中硅藻缺失或稀少、形态鉴定工作量大以及难以区分形态相似物种的局限。在这项研究中，我们探索了通过结合肺部微生物群谱分析与机器学习来推断人类溺水地点的可行性。我们从珠江广州段的四个区域收集了56份确诊溺水者的肺组织样本，这些区域包括市中心滨水区（site1）、中游半咸水过渡带（site2）、南部河口流出区（site3）和东部支流汇合处（site4）。通过对16S rRNA基因（V3–V4区域）进行高通量测序，以表征微生物群落组成。通过α多样性分析、基于unweighted UniFrac的主坐标分析以及差异丰度测试，观察到不同溺水地点之间的肺部微生物群存在显著的空间异质性。线性判别分析效应量（LEfSe）进一步识别出111种差异富集的微生物类群，为各组之间的空间微生物变异提供了生物学解释。为了实现溺水地点的推断，我们对属水平的微生物特征进行了特征工程处理，采用了结合方差阈值法和Boruta算法的混合策略。通过这一过程，选出了32个属（包括Ralstonia、Sphingomonas、Akkermansia和Faecalibacterium）作为关键微生物标志物用于地理定位。构建并比较了多种分类模型，包括随机森林（RF）、决策树（DT）、支持向量机（SVM）和逻辑回归（LR）。其中，随机森林模型表现出优越的预测性能，测试集准确率为92.3%，接收者操作特征曲线下的宏观平均面积（AUC）为0.949。使用五个独立案例进行的外部验证进一步证实了该模型的实际应用价值，正确预测了其中四名受害者的溺水地点。总体而言，本研究初步证明了通过结合机器学习的肺部微生物组分析来推断溺水地点的可行性，展示了该方法在人类案例中的新颖应用。未来的研究应扩大地理采样范围，并整合环境元数据以提高方法的稳健性。