机器学习技术结合Y染色体CpG位点推断男性年龄

目的 年龄推断作为个体特征描绘关键环节之一，在法医实践中的地位愈发重要，然而从混合斑中推断出个体年龄是一个尚未解决的难题。本研究通过筛选Y染色体上CpG位点并结合机器学习算法构建男性个体年龄推断模型。方法 从GEO数据库筛选男性血液甲基化数据，按照年龄变化趋势对Y染色体上的位点进行差异性分析。对Y染色体上的差异性CpG位点进行线性回归拟合并计算Spearman相关系数，基于年龄相关CpG位点构建支持向量机、梯度提升机、随机森林、多元线性回归、K最邻近等5种机器学习模型用于年龄推断模拟和验证。结果差异性分析得到26个CpG位点，通过线性拟合得到8个年龄相关CpG位点。五种机器学习训练模型推断年龄的平均绝对偏差（Mean Absolute Deviation,MAD）范围从5.19岁～7.68岁。在验证阶段的数据集中，支持向量机的年龄推断模型表现最佳，MAD为5.43岁。结论 本研究基于机器学习算法验证了Y染色体上的CpG位点对男性个体年龄推断的可行性，为法医实践提供有效依据。     

有偿采供血或吸毒致艾滋病毒携带和艾滋病人群的舌象特点

目的 通过临床调查研究因有偿采供血、吸毒致艾滋病毒(human immunodeficiency virus, HIV)携带和(或)艾滋病(acquired immunodeficiency syndrome, AIDS)人群的舌象特点. 方法 运用舌象拍摄和专家分析相结合的方法,对有偿采供血或吸毒致HIV携带和(或)AIDS人群的舌象特点进行比较和分析. 结果 有偿采供血或吸毒致HIV携带和(或)AIDS人群中出现率较高的舌象有:热象舌色出现率分别为63.64%和65.71%,瘀象舌色出现率分别为33.64%和41.14%,胖大和(或)齿痕舌分别为40.45%和45.14%,裂纹舌分别为35%和26.86%;两类人群均以白苔居多,黄苔出现率分别是23.18%、28.00%,厚苔的出现率分别是40.45%和31.43%,腻苔出现率分别是65.91%和82.29%. 结论 两组人群的舌象表现较为一致,HIV携带者和(或)AIDS患者常见舌象特点是:舌质红;苔厚腻,以白腻居多;舌体胖大或有齿痕;有瘀象.