基于稳定同位素特征数据库的体内乙醇来源鉴别研究

Analysis of ethanol is the most common medical project in forensic toxicology practice, with the largest number of disputes. Most of the controversies focus on the ethanol origin determination. The existing methods are incompetent because of the proofless and narrow scope. Moreover, it`s difficult to achieve the required sample capacity for basic research. Stable isotope characteristics are natural attributes and be used as indicators for origin traceability in many fields. Previous studies have found that stable carbon isotope characteristics of ethanol can reflect the ethanol origin. On the other hand, the mathematical model based on secondary relational database can obtain the same amount of data while greatly reducing the number of experimental samples required. This research is based on stable isotope analysis technology and database technology. It is an primary study by using information technology and pattern recognition technology. The aim of the project is to identify ethanol sources based on relational database.

乙醇鉴定是司法实践中需求量最大、法医学实验室最常见、争议案（事）件数量最多的医学项目。其中多数争议点均聚焦于乙醇来源鉴别。现有手段客观性弱、适用范围窄、所需基础研究样本量难以达到。稳定同位素特征是物质本身的天然属性，是多领域用于物质溯源的优秀指标。前期研究发现乙醇的稳定碳元素同位素特征能一定程度反映乙醇来源，提示全元素稳定同位素特征的强溯源能力。另一方面，基于二级关系数据库的数学模型能在获得同样数据量的同时大幅缩减所需实验样本数。本项目通过多元技术手段和多维数据累积，掌握不同来源乙醇的全元素稳定同位素特征，以稳定同位素特征在人体吸收、分布和代谢过程中的传递规律，架设二级关系数据库，以主成分分析等数学模型的模式识别技术，形成基于体内稳定同位素特征值数据库进行乙醇来源鉴别的评价方式。

体内乙醇成分分析是全球高需求、较常规且争议案（事）件数量较多的法医毒物学司法实践医学项目。大量争议点集中在体内乙醇成分的来源于饮酒或非饮酒。项目拟基于数据库等数字化技术与算法模型，从稳定同位素和非乙醇伴生化合物组两个全新角度，探索性挖掘乙醇来源表达的新维度。项目基于气相色谱-同位素比质谱技术、实时直接分析质谱离子源-静电轨道阱质谱技术和纸喷雾电离-静电轨道阱质谱技术，分别建立适用于不同水性复杂基质的液体检材中乙醇的δ13C值、δ2H值、δ18O值和高载量化合物组学分析方法。方法均通过方法学指标验证，灵敏度均大于0.01mg/mL，能满足于实践涉酒案件的相关分析实践。通过对饮酒、消毒剂污染和自然分解产物三个最常见来源的324份样品的δ13C值分析，得到了不同酒精来源的血液中乙醇δ13C特征值的分布。其中饮酒来源乙醇δ13C特征值高密度分布区域位于−25.00‰~−10.00‰。进一步分析获取不同酒精来源的血液中乙醇δ13C、δ18O和δ2H特征值的精细化分布。运用核密度估计方法得到不同来源乙醇在不同δ13C、δ18O和δ2H特征值下的出现概率。以447份实际样本分析数据与数据库数据模型的双重计算，基于出现概率建立了似然比率计算模型。使用无监督学习的K均值聚类算法分析，获取不同来源乙醇的δ13C、δ18O和δ2H距离趋势，以接受者操作特征曲线曲线计算为基础，得到了K均值聚类算法聚类分析- 接受者操作特征曲线系统下，d=105.25的关键临界值判别指标。探索性使用最小绝对收缩与选择操作模型、非监督下的主成分分析技术和层次聚类等人工智能学习方法，抽提不同来源乙醇的伴生分子组特征质荷比信息，依托数据库构建形成新的乙醇来源表达维度。依托实际案例对基于数据库建立的系统性评价方法准确性进行验证，通过与使用传统的乙基葡萄糖醛酸甘和正丙醇分析评价体系和案件调查情况相比较，验证了所提出系统性评价方法和应用价值，展示了项目成果拥有进一步转化与推广的潜力。