王 琪 ，林漢成 ，徐紀(jì)茹 ，黃 平 ，王振原

（1.重慶醫(yī)科大學(xué)基礎(chǔ)醫(yī)學(xué)院法醫(yī)學(xué)教研室，重慶 400016；2.西安交通大學(xué)醫(yī)學(xué)部法醫(yī)學(xué)院，陜西 西安710061；3.西安交通大學(xué)醫(yī)學(xué)部基礎(chǔ)醫(yī)學(xué)院，陜西 西安 710061；4.司法鑒定科學(xué)研究院 上海市法醫(yī)學(xué)重點(diǎn)實(shí)驗(yàn)室 上海市司法鑒定專業(yè)技術(shù)服務(wù)平臺(tái)，上海 200063）

死亡時(shí)間（postmortem interval，PMI）通常指的是死亡發(fā)生時(shí)至尸體被發(fā)現(xiàn)時(shí)的時(shí)間跨度，也可以稱為死后間隔時(shí)間或死后經(jīng)歷時(shí)間[1]。相對(duì)準(zhǔn)確地推斷PMI對(duì)確定偵查方向、確認(rèn)或排除犯罪嫌疑人、估計(jì)案發(fā)時(shí)間等犯罪現(xiàn)場(chǎng)重建有著重要的意義。此外，PMI推斷在某些民事糾紛，如保險(xiǎn)理賠、財(cái)產(chǎn)糾紛等案件中也扮演著極其重要的角色。PMI推斷一直是法醫(yī)學(xué)研究和實(shí)踐工作中的重點(diǎn)和難點(diǎn)。由于傳統(tǒng)推斷PMI的方法存在諸多限制，多年來國內(nèi)外法庭科學(xué)學(xué)者嘗試了不同的技術(shù)方法，研究了機(jī)體死后不同觀測(cè)指標(biāo)的時(shí)序性變化，并取得了可喜的研究進(jìn)展。

1 傳統(tǒng)推斷PMI的技術(shù)手段

1.1 形態(tài)學(xué)

早在三、四世紀(jì)，古希臘和古埃及的學(xué)者們便已發(fā)現(xiàn)尸僵這一尸體現(xiàn)象可用于PMI估計(jì)[2]。直至今日的法醫(yī)病理學(xué)工作實(shí)踐中，尸體現(xiàn)象仍是推斷PMI最常用的手段之一。此外，其他早期尸體現(xiàn)象（如尸斑、角膜改變）、晚期尸體現(xiàn)象（如尸綠、腐敗水泡）、胃腸內(nèi)容物消化程度、膀胱尿量等也可作為補(bǔ)充方法用于PMI推斷[1]。對(duì)這些傳統(tǒng)方法也有部分改良性研究，如YOSUKE等[3]利用分光光度計(jì)法研究成人死后72h內(nèi)尸斑的顏色變化趨勢(shì)，其推斷PMI的誤差為6.95 h。MEGYESI等[4]提出尸體綜合評(píng)分（total body score，TBS）系統(tǒng)法來進(jìn)行PMI推斷，該評(píng)分系統(tǒng)包括尸體現(xiàn)象及其他等十幾個(gè)評(píng)價(jià)指標(biāo)，根據(jù)每個(gè)指標(biāo)出現(xiàn)的位置、嚴(yán)重程度和蔓延范圍給出相應(yīng)的分?jǐn)?shù)，最后統(tǒng)計(jì)出總分并給出相應(yīng)的PMI。該P(yáng)MI推斷評(píng)分法使得早晚期PMI推斷得以量化，一定程度上減小了人為主觀因素的干擾。

1855年，BERGERET首次將昆蟲學(xué)的發(fā)現(xiàn)和PMI推斷聯(lián)系起來，這是現(xiàn)代法醫(yī)昆蟲學(xué)的萌芽[5]。隨后，大量學(xué)者開始運(yùn)用法庭昆蟲學(xué)的成果和技術(shù)進(jìn)行PMI推斷的相關(guān)研究。但是到目前為止，經(jīng)典的法醫(yī)昆蟲學(xué)的論著書籍并不多，主要描述嗜尸性蠅類、節(jié)肢動(dòng)物、甲蟲和螨等物種的生物學(xué)特性，死后不同階段昆蟲的入侵規(guī)律，蠅卵及其孵化幼蟲在尸體的動(dòng)態(tài)發(fā)育規(guī)律以及個(gè)體生態(tài)學(xué)的研究[6]。其中，利用嗜尸性昆蟲的發(fā)育或演替規(guī)律來推斷PMI是法醫(yī)昆蟲學(xué)家們研究的重點(diǎn)[5]，但昆蟲學(xué)的方法主要還是適用于晚期PMI的推斷，而且部分方法主觀性強(qiáng)、技術(shù)門檻要求高，同時(shí)由于昆蟲的分布和習(xí)性問題，許多實(shí)用結(jié)果僅適用于特定的地區(qū)或季節(jié)。

1.2 物理化學(xué)

隨著PMI的延長，尸體各項(xiàng)物理和化學(xué)指標(biāo)也會(huì)隨之發(fā)生變化。通過相關(guān)的手段檢測(cè)這些指標(biāo)變化，可以用來大致推斷PMI。最值得一提的是，機(jī)體死后能量代謝停止，尸體會(huì)向周圍環(huán)境逐漸釋放熱量直至降至環(huán)境溫度，這一過程被稱為尸冷。分析和建立尸冷數(shù)學(xué)模型可用于PMI推斷[1]，但實(shí)際應(yīng)用中不難發(fā)現(xiàn)，一旦尸體溫度降至室溫，尸冷現(xiàn)象便不再發(fā)生，所以該方法并不適于晚期PMI的推斷。另外，由于各種內(nèi)外界因素的影響，采用單一計(jì)算公式或數(shù)學(xué)模型推斷出的PMI結(jié)果的誤差可能很大，不同計(jì)算方法推斷的結(jié)果也不一定相同。其他物理化學(xué)指標(biāo)方面，薛冰等[7]利用γ射線照射技術(shù)測(cè)定小鼠死后不同時(shí)間點(diǎn)各組織的γ射線吸收值，發(fā)現(xiàn)死后PMI和小鼠對(duì)γ射線吸收規(guī)律有著顯著相關(guān)性。HASEGAWA等[8]用計(jì)算機(jī)體層攝影（computerized tomography，CT）評(píng)估死后腦電圖的改變，發(fā)現(xiàn)腦脊液中的早期縱向放射強(qiáng)度變化可以作為PMI推斷的潛在指標(biāo)。KOOPMANSCHAP等[9]在對(duì)死后CT掃描的研究中也發(fā)現(xiàn)，腦脊液和玻璃體液的死后CT密度值與PMI有顯著相關(guān)性。ISHIKAWA等[10]觀測(cè)140例死者的CT信息，發(fā)現(xiàn)死后CT成像中的主動(dòng)脈狹窄具有時(shí)序性變化規(guī)律。BILHEUX等[11]利用中子射線照相檢測(cè)狗尸體模型的氫豐度變化，結(jié)果發(fā)現(xiàn)，中子透射率的增加可能與組織中氫含量的減少有關(guān)，進(jìn)而與PMI相關(guān)。MARíN-ROLDAN等[12]利用激光誘導(dǎo)擊穿光譜（laser-induced breakdown spectroscopy，LIBS）檢測(cè)豬骨骼肌樣本中 Hα、Na、Mg和K的發(fā)射強(qiáng)度比值來推斷PMI。有學(xué)者[13-19]應(yīng)用電阻抗技術(shù)測(cè)定機(jī)體死后組織的電阻值、電導(dǎo)率及氧化還原電位值進(jìn)行PMI推斷，揭示了電化學(xué)相關(guān)方法在PMI推斷方面的潛在價(jià)值。STERZIK等[20]應(yīng)用反射光譜技術(shù)測(cè)定195名死者尸體右下腹皮膚的反射變化，隨著PMI的延長，反射光譜也隨之發(fā)生規(guī)律性變化。另外，也有學(xué)者[21-25]通過檢測(cè)不同器官的最大應(yīng)力、極限載荷等生物力學(xué)參數(shù)的時(shí)序性改變來推斷PMI。ROMANELLI等[26]用相差顯微技術(shù)觀察死者鼻黏膜涂片內(nèi)的纖毛運(yùn)動(dòng)頻率，發(fā)現(xiàn)該指標(biāo)隨著PMI的延長不斷降低。楊天潼等[27]利用單體素氫質(zhì)子磁共振波譜技術(shù)測(cè)定家兔死后腦組織中N-乙酰天門冬氨酸、膽堿復(fù)合物及磷酸肌酸和肌酸峰下面積，并構(gòu)建了相應(yīng)的PMI推斷回歸方程。

1.3 生物化學(xué)

國內(nèi)外許多法庭科學(xué)學(xué)者對(duì)尸體組織和體液中的生化指標(biāo)進(jìn)行了檢測(cè)，發(fā)現(xiàn)一些生化指標(biāo)具有較好的死后時(shí)序性變化規(guī)律，可用于PMI推斷：（1）蛋白質(zhì)作為生物組織重要組成成分，在生物體中的分布非常廣泛。先后有學(xué)者[28-39]使用免疫組織化學(xué)法、十二烷基硫酸鈉-聚丙烯酰胺凝膠電泳（sodium dodecyl sulphate-polyacrylamide gel electrophoresis，SDS-PAGE）法和蛋白質(zhì)印跡法對(duì)死后人體和動(dòng)物組織內(nèi)多種蛋白質(zhì)進(jìn)行檢測(cè)，發(fā)現(xiàn)蛋白質(zhì)具有一定的死后時(shí)序性變化規(guī)律，且不同種類蛋白質(zhì)的穩(wěn)定性和降解速率均互不相同。（2）DNA作為生物體的遺傳物質(zhì)，同樣在機(jī)體死后的一段時(shí)間內(nèi)會(huì)發(fā)生降解。一些學(xué)者[40-41]采用Feulgen-Vans染色、細(xì)胞學(xué)涂片和流式細(xì)胞儀等技術(shù)系統(tǒng)研究了機(jī)體死后DNA降解規(guī)律，結(jié)果表明，DNA降解與PMI顯著相關(guān)，且環(huán)境溫度對(duì)DNA的降解具有顯著影響。此外，也有學(xué)者[42-43]利用單細(xì)胞凝膠電泳技術(shù)檢測(cè)到細(xì)胞內(nèi)核酸酶會(huì)在機(jī)體死后逐漸降解染色體DNA，并且隨著PMI的延長，DNA的碎裂程度逐漸增加。（3）與DNA相比，RNA更不穩(wěn)定，隨著研究的不斷深入，生物體內(nèi)和外環(huán)境中廣泛存在的RNA酶類物質(zhì)在推斷PMI方面的潛力正在逐漸被學(xué)者們所挖掘。一些學(xué)者[44-52]利用反轉(zhuǎn)錄PCR（reverse transcription PCR，RT-PCR）技術(shù)研究了死后人體血液、牙髓、小鼠胸腹部器官和肌肉組織的RNA降解變化規(guī)律，其研究結(jié)果表明，RNA降解與PMI顯著相關(guān)。另外，也有學(xué)者[53-54]發(fā)現(xiàn)某些mRNA或miRNA表達(dá)水平具有“生物鐘現(xiàn)象”，與晝夜節(jié)律明顯相關(guān)，也能在一定程度上輔助推斷PMI。（4）除了蛋白質(zhì)和核酸等生物大分子，學(xué)者們還對(duì)死后不同組織或體液中各類物質(zhì)或離子的變化情況做了一定研究，目前主要關(guān)注的是玻璃體液內(nèi)鉀離子的濃度變化情況，但是不同學(xué)者建立的推斷PMI模型不盡相同，推斷結(jié)果也存在一定的差異，給實(shí)際應(yīng)用帶來了一定的困難[1]。另外，大量的研究[55-69]表明，ATP、檸檬酸鹽、神經(jīng)遞質(zhì)及其分解產(chǎn)物、氨基酸、糖原、葡萄糖、甲酸、還原型輔酶Ⅰ、尿酸、次黃嘌呤、乳酸、肌酐、尿素氮、重金屬、揮發(fā)性有機(jī)物等物質(zhì)的含量也存在死后時(shí)序性變化。

1.4 振動(dòng)光譜學(xué)技術(shù)

振動(dòng)光譜學(xué)技術(shù)主要包括紅外光譜和拉曼光譜技術(shù)，是一類新型的分析技術(shù)，具有操作方便、樣本無破壞性、儀器設(shè)備造價(jià)相對(duì)較低等優(yōu)點(diǎn)[70]。該技術(shù)也贏得了國內(nèi)外法庭科學(xué)學(xué)者的青睞，其在微量物證、法醫(yī)人類學(xué)和法醫(yī)學(xué)等方面的研究與應(yīng)用也與日俱增[71]。

紅外光譜技術(shù)應(yīng)用于PMI推斷已早有報(bào)道。例如，黎世瑩等[72]利用紅外光譜技術(shù)觀察窒息死大鼠肝、脾、心肌、骨骼肌組織的光譜變化規(guī)律，證實(shí)了不同區(qū)域的吸收峰峰強(qiáng)比值隨大鼠PMI的延長呈現(xiàn)不同的變化趨勢(shì)，其中肝脾組織峰強(qiáng)比與PMI的相關(guān)系數(shù)較高。HUANG等[73-79]采用紅外光譜技術(shù)采集了不同環(huán)境溫度影響下，大鼠、家兔等不同組織器官死后不同PMI的紅外光譜，運(yùn)用不同吸收峰的峰強(qiáng)比或峰面積指標(biāo)結(jié)合傳統(tǒng)的數(shù)學(xué)建模方法進(jìn)行回歸模型的擬合，可較好地推斷PMI。同時(shí)，也有其他學(xué)者[80-81]對(duì)不同實(shí)驗(yàn)動(dòng)物不同組織進(jìn)行類似的研究報(bào)道。然而，早期利用單一或幾個(gè)吸收峰信息進(jìn)行數(shù)學(xué)建模的方法較為簡單，不能充分利用宏量的光譜數(shù)據(jù)，也易發(fā)生過擬合而致使模型在進(jìn)行外部驗(yàn)證時(shí)不能取得滿意效果。而后續(xù)更先進(jìn)的化學(xué)計(jì)量學(xué)分析方法的引入，使所獲得的PMI推斷模型更加穩(wěn)健和準(zhǔn)確。例如，WANG等[82]利用紅外光譜技術(shù)分析了掩埋與暴露兩種狀態(tài)下人類顱骨在死后76～552 d的時(shí)序性變化，并運(yùn)用遺傳算法結(jié)合偏最小二乘回歸法建立了能夠較為準(zhǔn)確推斷骨骼降解時(shí)間的化學(xué)計(jì)量學(xué)模型。LIN等[83]利用紅外光譜技術(shù)分析了室內(nèi)外不同條件下人類血痕形成0～107 d的時(shí)序性變化并采用偏最小二乘回歸法和判別分析法建立了能夠較為準(zhǔn)確推斷血痕形成時(shí)間的化學(xué)計(jì)量學(xué)模型。此外，也有研究[84-87]利用紅外光譜技術(shù)分析實(shí)驗(yàn)動(dòng)物血漿、心包液、肝等組織的死后時(shí)序性變化并成功建立PMI推斷的化學(xué)計(jì)量學(xué)模型。

拉曼光譜技術(shù)在PMI推斷領(lǐng)域也有一定運(yùn)用。例如，DOTY等[88]利用顯微拉曼光譜技術(shù)分析了人類血痕形成0～7d的時(shí)序性變化。熊平等[89]采用顯微拉曼光譜技術(shù)檢測(cè)了人體死后離體肝和腎的時(shí)序性拉曼光譜變化，發(fā)現(xiàn)組織細(xì)胞中DNA含量的變化與PMI的關(guān)系，其結(jié)果顯示相對(duì)峰強(qiáng)值I1094/I2923隨著PMI的延長呈下降趨勢(shì)，兩者之間存在線性關(guān)系。

1.5 代謝組學(xué)、脂質(zhì)組學(xué)及蛋白組學(xué)

隨著色譜學(xué)和質(zhì)譜學(xué)技術(shù)的發(fā)展，代謝組學(xué)、蛋白組學(xué)和脂質(zhì)組學(xué)的研究逐漸興起，國內(nèi)外法庭科學(xué)學(xué)者也逐漸開始使用相關(guān)的技術(shù)和方法進(jìn)行PMI推斷研究。不同于傳統(tǒng)單一參數(shù)或指標(biāo)推斷PMI的方法，代謝組學(xué)、脂質(zhì)組學(xué)及蛋白組學(xué)技術(shù)主要使用多變量分析方法對(duì)死后不同代謝產(chǎn)物的整體輪廓進(jìn)行分析，可以利用大量數(shù)據(jù)挖掘出更多有用的信息。

在代謝組學(xué)方面，KANG等[90]采用液相色譜-質(zhì)譜法（liquid chromatography-mass spectrometry，LC-MS）檢測(cè)了大鼠死后24 h和48 h肝組織的代謝物變化，并篩選出15種與PMI相關(guān)的標(biāo)志物。DONALDSON等[91]利用氣相層析-質(zhì)譜聯(lián)用（gas chromatographymass spectrometry，GC-MS）技術(shù)對(duì)大鼠血漿的代謝組學(xué)分析，發(fā)現(xiàn)隨著PMI的推進(jìn)，谷胱甘肽、γ-氨基丁酸等26種代謝物也隨之增加。SATO等[92]采用同樣的技術(shù)分析了大鼠血漿，利用篩選出的25種代謝指標(biāo)建立了推斷PMI的偏最小二乘回歸模型。KASZYNSKI等[93]在SATO的研究基礎(chǔ)之上，利用GC-MS技術(shù)對(duì)小鼠的血清和肌肉代謝物作了進(jìn)一步研究，并提出多組分標(biāo)志物的整合分析和個(gè)體數(shù)據(jù)集的疊加分析可有效減少PMI推斷偏差。蔡山青等[94]同樣利用GCMS技術(shù)，檢測(cè)窒息死亡大鼠脾組織中代謝產(chǎn)物的死后變化情況，找到了17種具有死后時(shí)序性變化規(guī)律的代謝物，并建立了相關(guān)回歸方程。

脂質(zhì)組學(xué)方面，早在2001年，YAN等[95]研究了豬的尸蠟?zāi)Ｐ?，發(fā)現(xiàn)尸蠟內(nèi)的脂肪酸種類會(huì)隨著PMI推進(jìn)而發(fā)生變化。WOOD等[96]采用串聯(lián)質(zhì)譜（tandem mass spectrometry，MS/MS）的方法分析了人體死后骨骼肌內(nèi)的脂質(zhì)變化，發(fā)現(xiàn)其長鏈脂肪酸及磷脂含量隨PMI的推進(jìn)而減少。FRERE等[97]對(duì)嗜尸性昆蟲的蛹?xì)そ琴|(zhì)層進(jìn)行提取和分析，發(fā)現(xiàn)樣本的新鮮程度對(duì)氫化物、脂肪酸乙酯類化合物有顯著影響。

在蛋白組學(xué)方面，MACHAALANI等[98]利用表面增強(qiáng)激光解吸電離飛行時(shí)間質(zhì)譜技術(shù)對(duì)大鼠腦部不同功能區(qū)進(jìn)行了分析，并研究了死后不同時(shí)間點(diǎn)蛋白指紋圖譜的變化趨勢(shì)。LI等[99-100]利用基質(zhì)輔助激光解吸電離飛行時(shí)間質(zhì)譜技術(shù)研究了死后組織中蛋白質(zhì)組時(shí)序性變化規(guī)律，發(fā)現(xiàn)不同PMI分組中，質(zhì)譜圖在相對(duì)峰位、出峰數(shù)目以及相對(duì)峰強(qiáng)上均存在明顯的差異。

1.6 基因組學(xué)和轉(zhuǎn)錄組學(xué)

應(yīng)用遺傳物質(zhì)的特異性序列推斷PMI也有著一定的應(yīng)用前景，基因組學(xué)和轉(zhuǎn)錄組學(xué)的研究主要是為了尋找時(shí)序性降解最為規(guī)律的DNA或mRNA序列，從而建立相應(yīng)推斷PMI的數(shù)學(xué)模型。

HUNTER等[101]檢測(cè)了小鼠和斑馬魚數(shù)百個(gè)上調(diào)基因的死后表達(dá)情況，利用基因計(jì)量法校準(zhǔn)后挑選出1063個(gè)顯著上調(diào)基因進(jìn)行線性回歸分析，確定基因的建模參數(shù)后進(jìn)行相關(guān)運(yùn)算，發(fā)現(xiàn)基因轉(zhuǎn)錄組較單個(gè)基因轉(zhuǎn)錄物而言，能夠更好地推斷PMI。FENG等[102]使用 mRNA 完整性系數(shù)（mRNA integrity number，mRIN）來直接評(píng)估全基因組和基因特異性mRNA的完整性，發(fā)現(xiàn)死后尸體組織中部分RNA碎片3′偏移對(duì)整體的表達(dá)譜有顯著影響，還進(jìn)一步驗(yàn)證了該方法能有效地識(shí)別不同mRNA降解水平的樣本。FERREIRA等[103]研究發(fā)現(xiàn)，許多基因在相對(duì)較短的 PMI（7～14h）內(nèi)的表達(dá)均有明顯變化，14～24h之間轉(zhuǎn)錄組變化趨于穩(wěn)定，通過對(duì)比死前和死后的血樣，還發(fā)現(xiàn)mRNA的降解是經(jīng)過死后持續(xù)調(diào)控的，而不是簡單隨機(jī)的。

1.7 死亡微生物組學(xué)

死亡微生物組是近年來出現(xiàn)的一個(gè)新概念，是指機(jī)體死后微生物群落演替的過程，涉及整個(gè)尸體內(nèi)部和外部的數(shù)萬億微生物定植、增殖和死亡，導(dǎo)致隨時(shí)間推移的群落組成的時(shí)空變化[104-105]。隨著高通量測(cè)序技術(shù)的快速發(fā)展、人類微生物組計(jì)劃（Human Microbiome Project，HMP）不斷深入，已有學(xué)者[105]提出可以將零散的人體死后微生物組研究逐漸擴(kuò)展到人體死后微生物組計(jì)劃（Human Postmortem Microbiome Project，HPMP）。HPMP主要致力于搜集與人體和（或）人的替代品分解相關(guān)的來源廣泛的微生物群落豐度及多樣性的數(shù)據(jù)。通過提高對(duì)死亡微生物的認(rèn)識(shí)，解決與死亡方式和PMI相關(guān)的實(shí)際應(yīng)用問題，并確立及標(biāo)準(zhǔn)化可操作方案。目前，有關(guān)死后微生物組的研究多采用非培養(yǎng)的方式，即直接對(duì)人[105-112]、大鼠[104，113]、小鼠[109，114]及豬[115-116]的尸體樣本不同部位進(jìn)行取樣，之后采用DNA提取試劑盒或傳統(tǒng)苯酚-氯仿法提取DNA，最后選取細(xì)菌16S rRNA基因的1～2個(gè)可變區(qū)擴(kuò)增子進(jìn)行454焦磷酸測(cè)序、Illumina MiSeq平臺(tái)高通量測(cè)序、毛細(xì)管電泳測(cè)序來檢測(cè)機(jī)體死亡后不同部位、不同時(shí)間、不同條件、不同環(huán)境等情況下細(xì)菌的構(gòu)成、豐度及多樣性。

上述研究結(jié)果均表明，機(jī)體死亡后微生物群落會(huì)出現(xiàn)可重復(fù)的、與環(huán)境及時(shí)間相關(guān)的動(dòng)態(tài)變化，這種變化被證明可用于PMI推斷。如CAN等[106]在研究人類尸體脾、肝、大腦、心和血液中的死亡微生物組時(shí)發(fā)現(xiàn)：同一具尸體中，不同器官的死亡微生物組很相似；不同尸體之間因PMI、死亡和（或）環(huán)境因素不同，死亡微生物組不盡相同；尸體中梭菌占優(yōu)的組織器官的降解期更長。DICKSON等[115]發(fā)表了一項(xiàng)關(guān)于水生環(huán)境中死亡豬的頭部被表面移動(dòng)的細(xì)菌群落分解的研究，并提出將海洋細(xì)菌的集群化和繼承演替作為推斷PMI的新工具。HYDE等[108]應(yīng)用454焦磷酸測(cè)序技術(shù)研究兩具人類尸體的口腔、肱二頭肌、軀干的細(xì)菌群落，發(fā)現(xiàn)兩具尸體間、同一具尸體的不同部位間、同一部位兩次取樣時(shí)間點(diǎn)間的微生物群落組成都不一樣，隨PMI的延長所有部位樣本的微生物群落，均從需氧細(xì)菌轉(zhuǎn)變?yōu)閰捬跫?xì)菌。GUO等[104]在對(duì)大鼠的研究中發(fā)現(xiàn)，在分解的過程中，變形菌門（主要是Gammaproteobacteria）是口腔和直腸的優(yōu)勢(shì)菌門，而口腔和直腸中的厚壁菌門和擬桿菌門則逐漸降低。METCALF等[114]研究了小鼠模型中微生物群落的變化趨勢(shì)，發(fā)現(xiàn)死后微生物群落的演替過程不但是可測(cè)、可觀察的，而且還是動(dòng)態(tài)、可重復(fù)的，并指出根據(jù)微生物群落的演替變化制定的死后微生物時(shí)間鐘可較為準(zhǔn)確地推斷晚期PMI。METCALF等[109]在這之后，又進(jìn)一步研究了小鼠及人類尸體在不同土壤基質(zhì)（沙漠、草地、森林）的分解過程，指出土壤類型不是參與分解微生物群落發(fā)展的主要影響因素。PECHAL等[116]研究了3具豬尸體，發(fā)現(xiàn)其皮膚和口腔細(xì)菌群落在死后5d的時(shí)間內(nèi)遵循相對(duì)一致的變化規(guī)律。TUOMISTO等[112]應(yīng)用細(xì)菌培養(yǎng)和實(shí)時(shí)定量PCR技術(shù)，研究死后人體器官中細(xì)菌相對(duì)豐度的時(shí)序性變化規(guī)律，結(jié)果發(fā)現(xiàn)，葡萄球菌、鏈球菌等豐度隨著PMI延長呈顯著上升趨勢(shì)，可用于PMI推斷。DAMANN等[110]對(duì)死后15具尸體骨骼樣本進(jìn)行研究分析，發(fā)現(xiàn)部分骨骼化石仍然保持著與人類腸道相關(guān)的細(xì)菌，而干燥骨骼的細(xì)菌組成則保持著與土壤群落相似的群落特征。HAUTHER等[111]對(duì)12例人類尸體的大腸菌群進(jìn)行16S rRNA基因定量分析，并對(duì)其中6具尸體降解過程中的細(xì)菌群落的連續(xù)性變化模式進(jìn)行量化研究，結(jié)果發(fā)現(xiàn)，擬桿菌屬和乳酸菌屬的相對(duì)豐度在死后9～20d具有良好的時(shí)序性變化規(guī)律。

上述研究結(jié)果表明，微生物群落數(shù)據(jù)可發(fā)展成為一個(gè)精準(zhǔn)的“時(shí)鐘”對(duì)PMI進(jìn)行預(yù)估，這為法庭科學(xué)領(lǐng)域推斷PMI提供了一種新的工具。

2 基于大數(shù)據(jù)智能推斷PMI的機(jī)遇與展望

目前，精確推斷PMI仍然是困擾國內(nèi)外法醫(yī)學(xué)界的重大疑難課題，主要因?yàn)镻MI推斷受到了很多體內(nèi)外界因素的干擾，如環(huán)境因素、個(gè)體差異、死亡原因等因素，另一方面又因單一的檢測(cè)技術(shù)手段仍無法全面反映死后機(jī)體的多種時(shí)序性變化規(guī)律。因此，未來的相關(guān)研究，或可從以下三個(gè)方面著手。

2.1 建立多因素參與下的PMI推斷模型

近百余年以來，圍繞PMI的推斷鑒定，國內(nèi)外法庭科學(xué)學(xué)者們從組織學(xué)、分子病理學(xué)、生物化學(xué)、病理生理學(xué)等方面做了大量探索研究工作，但研究所反映出的時(shí)序性變化也多局限于某個(gè)理想的環(huán)境條件或模型中，如恒溫、恒濕、同等營養(yǎng)狀況、死亡原因模型等。而實(shí)際命案現(xiàn)場(chǎng)復(fù)雜多變，影響因素諸多，每一種因素都可能單獨(dú)影響PMI的推斷，也可能存在著一定的聯(lián)合作用效應(yīng)。所以，多因素影響下PMI推斷模型的建立將是未來研究的重點(diǎn)。

2.2 多方法、多指標(biāo)聯(lián)合應(yīng)用推斷PMI

機(jī)體死后所發(fā)生的多種時(shí)序性變化是一個(gè)有機(jī)的整體，相互制約也相互影響。而傳統(tǒng)PMI推斷指標(biāo)相對(duì)單一且分散，以至于所發(fā)現(xiàn)的單個(gè)或單類指標(biāo)的變化不足以對(duì)人體時(shí)序性變化狀態(tài)提供更為精準(zhǔn)的信息。因此，在命案現(xiàn)場(chǎng)對(duì)發(fā)生時(shí)間進(jìn)行準(zhǔn)確推斷的方法手段仍需不斷擴(kuò)張、更新和優(yōu)化。綜上思考，未來關(guān)于推斷PMI的研究，應(yīng)該是多技術(shù)聯(lián)合運(yùn)用，各自發(fā)揮作用，共同解決這一法醫(yī)病理學(xué)的難題。

2.3 人工智能算法

如上所述，隨著PMI推斷研究的不斷深入，多影響因素的參與以及多方法、多指標(biāo)的聯(lián)合應(yīng)用，勢(shì)必會(huì)伴隨海量數(shù)據(jù)的產(chǎn)生，尤其是多組學(xué)（光譜學(xué)）方法聯(lián)用產(chǎn)生的數(shù)以百萬甚至千萬級(jí)的數(shù)據(jù)變量，若要從此海量數(shù)據(jù)中探索隱藏于其中有價(jià)值的信息，則必須借助先進(jìn)的算法來實(shí)現(xiàn)。當(dāng)前，人工智能算法依附于迅猛發(fā)展的計(jì)算機(jī)技術(shù)也日趨成熟，其強(qiáng)大的信息解析能力可以非常有效地對(duì)龐大復(fù)雜的數(shù)據(jù)進(jìn)行有序分析。人工智能算法的計(jì)算過程通常由四個(gè)部分組成，即數(shù)據(jù)獲取、特征提取、模型建立、預(yù)測(cè)分析。通過上述建模、驗(yàn)證和預(yù)測(cè)過程，可以有效地對(duì)研究對(duì)象進(jìn)行判別和預(yù)測(cè)。目前，人工智能算法，如人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、支持向量機(jī)、聚類分析、偏最小二乘法和最鄰近距離等算法已大范圍地拓展到生物醫(yī)學(xué)和法庭科學(xué)研究領(lǐng)域，成為生物醫(yī)學(xué)和法庭科學(xué)研究的強(qiáng)大工具，其在PMI推斷的研究領(lǐng)域里，也有望提供重大的技術(shù)支撐。