目的 利用蛋白质芯片检测技术结合多维统计方法分析骨骼肌组织的蛋白质变化，进行死亡时间推断。 方法 大鼠颈椎脱臼处死后置于16 ℃环境中，提取死后不同时间点（0 d、1 d、2 d、3 d、4 d、5 d、6 d、7 d、8 d和9 d）骨骼肌的水溶性蛋白质，获取相对分子质量为14 000~230 000的蛋白质表达谱数据，采用主成分分析（principal component analysis，PCA）和正交偏最小二乘（orthogonal partial least squares，OPLS）进行数据分析，构建Fisher判别模型及反向传播（back propagation，BP）神经网络模型对大鼠死亡时间进行分类预测。另外收集不同死亡时间的人体骨骼肌蛋白质表达谱数据，通过热图和聚类分析观测其与死亡时间之间的关系。 结果 大鼠骨骼肌蛋白质谱峰随死亡时间呈一定的时序性变化。PCA结合OPLS判别分析结果显示，除死后6 d、7 d和8 d外，各死亡时间组间差异有统计学意义（P<0.05）；经Fisher判别分析，模型内部交叉验证准确率为71.4%，外部验证准确率为66.7%；BP神经网络模型分类预测结果显示，模型内部交叉验证准确率为98.2%，外部验证准确率为95.8%。经聚类分析，人体骨骼肌蛋白质表达在死后4 d与死后25 h内差异有统计学意义。 结论 蛋白质芯片检测技术可快速、准确、高重复性地获取死后不同时间点大鼠和人体骨骼肌相对分子质量为14 000~230 000的水溶性蛋白质表达谱，建立基于多维统计方法的多种死亡时间推断模型，有望为死亡时间推断提供新的思路和方法。
