今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

基于 Transformer 迁移学习的 mHolmes 框架提升法医死亡时间估算精度

《Nature Communications》:mHolmes improves cross anatomical cadaveric microbiome forecasting for postmortem interval estimation

【字体: 大 中 小 】 时间:2026年09月29日 来源:Nature Communications 18.1

编辑推荐:

  摘要法医微生物学利用死后微生物组的演变作为估算死亡时间(PMI)的有希望的生物标志物。然而,当前的方法受到采样点稀少(通常只有3-5个时间点)和有限跨解剖部位普适性的限制,导致死亡时间估算的不精确,误差常常超过±3天,尤其是在尸体被肢解的情况下。为了解决这些限制,我们开发了mHo

  

摘要

法医微生物学利用死后微生物组的演变作为估算死亡时间(PMI)的有希望的生物标志物。然而,当前的方法受到采样点稀少(通常只有3-5个时间点)和有限跨解剖部位普适性的限制,导致死亡时间估算的不精确,误差常常超过±3天,尤其是在尸体被肢解的情况下。为了解决这些限制,我们开发了mHolmes,这是一种基于Transformer的迁移学习框架,用于预测尸体的微生物组动态。mHolmes通过训练34具尸体在21天内的每日纵向数据,实现了对微生物动态的每日预测,并在跨解剖部位的预测任务中降低了误差(MAE < 2天,例如从髋部到面部的预测)。Shapley Additive exPlanations(SHAP)分析通过识别七类细菌作为与死亡时间相关的候选特征,增强了该模型的可解释性。这项研究表明,mHolmes是一个强大的预测框架,能够有效应对采样稀少和跨解剖部位微生物数据的关键问题,改进了基于不完整观测数据的死亡时间估算,并在肢体识别和更高分辨率的时间线重建方面具有潜在的法医应用价值。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:法医微生物学|死亡时间估算|mHolmes|迁移学习|SHAP 分析

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号