DNA甲基化年龄推断及其在法医学中的应用展望

王紫薇, 徐倩南, 李成涛, 刘希玲

Age Estimation Based on DNA Methylation and Its Application Prospects in Forensic Medicine

Zi-wei WANG, Qian-nan XU, Cheng-tao LI, Xi-ling LIU

表2 部分年龄推断研究相关信息统计

Tab. 2 Summary of some relevant information about age determination model

时间	样本量/例	检材	年龄/岁	方法	模型	误差	参考文献
2018年	390	血液	15~75	EpiTYPER、焦磷酸测序	多元线性回归	R²=0.92，MAD=2.89	[29]
					支持向量机	R²=0.92，MAD=2.91
					人工神经网络	R²=0.92，MAD=2.71
2018年	110	血液	11~93	MPS	支持向量机	RMSE=4.9，MAE=4.1	[27]
2019年	95	唾液	18~65	MPS	人工神经网络	MAPE=8.89%，MAD=3.19	[28]
	95		18~65	SNaPshot	多元线性回归	MAPE=10.44%，MAD=3.69
2020年	310	血液	2~86	SNaPshot	逐步线性回归	R²=0.85，MAD=4.22	[48]
	310		2~86	SNaPshot	支持向量回归	R²=0.86，MAD=4.01
2021年	141	口腔拭子	21~69	焦磷酸测序、微测序	逐步线性回归	MAD₁=5.16，MAD₂=6.44	[53]
2022年	240	血液	1~81	焦磷酸测序	逐步线性回归	RMSE=3.89，MAD=2.97	[57]
					支持向量回归	RMSE=2.95，MAD=2.22
					随机森林回归	RMSE=1.77，MAD=1.29
2022年	529	血液	2~82	SNaPshot	逐步线性回归	R²=0.923，MAE=3.52	[58]
					支持向量回归	R²=0.935，MAE=2.88