Судебно-медицинская протеомика костей: новые биомаркёры и технологии оценки давности наступления смерти (обзор)

Обложка

Цитировать

Полный текст

Аннотация

Протеомика костной ткани — это быстро развивающееся направление судебной медицины, ориентированное на установление давности наступления смерти. В отличие от традиционных подходов, этот метод позволяет проводить количественный и молекулярный анализ изменений белкового состава костей. Высокоустойчивые к деградации белки рассматривают как надёжные биомаркёры давности наступления смерти, обеспечивающие более точные и объективные результаты. Масс-спектрометрические методы в сочетании с современными биоинформационными подходами и технологиями машинного обучения позволяют проводить детальный анализ процессов деградации белков и выявлять закономерности их изменений в зависимости от времени, прошедшего после смерти. Однако на сохранность белков костной ткани существенно влияют такие факторы окружающей среды, как влажность, температура, состав почвы и микробная активность, что обусловливает необходимость разработки стандартизированных протоколов анализа.

В обзоре рассмотрены ключевые методы протеомного анализа костей, перспективы его интеграции с метаболомикой и липидомикой, а также возможности применения машинного обучения для оценки давности наступления смерти. Дальнейшие исследования в этой области должны быть направлены на валидацию биомаркёров, стандартизацию методик и их внедрение в судебно-медицинскую практику.

Развитие судебной протеомики костей открывает новые возможности, позволяя получать более точные данные в сложных судебно-медицинских случаях.

Об авторах

Гульгена Раисовна Мустафина

Башкирский государственный медицинский университет

Email: gulgenarm@mail.ru
ORCID iD: 0000-0003-2534-6385
SPIN-код: 8904-2046

канд. мед. наук, доцент

Россия, Уфа

Айрат Анварович Халиков

Башкирский государственный медицинский университет

Email: airat.expert@mail.ru
ORCID iD: 0000-0003-1045-5677
SPIN-код: 1895-7300

д-р мед. наук, профессор

Россия, Уфа

Кирилл Олегович Кузнецов

Уфимский университет науки и технологий; Бюро судебно-медицинской экспертизы

Автор, ответственный за переписку.
Email: kuznetsovarticles@mail.ru
ORCID iD: 0000-0002-2405-1801
SPIN-код: 3053-3773

MD

Россия, Уфа; Уфа

Эльмира Муратовна Назарова

Башкирский государственный медицинский университет

Email: egevan@list.ru
ORCID iD: 0000-0002-1160-7241
SPIN-код: 6340-5202

канд. мед. наук, доцент

Россия, Уфа

Список литературы

  1. Kumar S, Singh P. Proteomics: A Prospective New Tool in Forensic Investigations. Forensic Sci Rev. 2021;33(2):145–150. Available from: http://forensicsciencereview.com/Abstract/
  2. Parker GJ, Leppert T, Anex DS, et al. Demonstration of Protein-Based Human Identification Using the Hair Shaft Proteome. PLOS ONE. 2016;11(9):e0160653. doi: 10.1371/journal.pone.0160653 EDN: XTZYCV
  3. Goecker ZC, Salemi MR, Karim N, et al. Optimal Processing for Proteomic Genotyping Of Single Human Hairs. Forensic Science International: Genetics. 2020;47:102314. doi: 10.1016/j.fsigen.2020.102314 EDN: VPWLXQ
  4. Marcus K, Lelong C, Rabilloud T. What Room for Two-Dimensional Gel-Based Proteomics in a Shotgun Proteomics World? Proteomes. 2020;8(3):17. doi: 10.3390/PROTEOMES8030017 EDN: JYJNQG
  5. Zhao L, Cong X, Zhai L, et al. Comparative Evaluation of Label-Free Quantification Strategies. Journal of Proteomics. 2020;215:103669. doi: 10.1016/j.jprot.2020.103669 EDN: RQEZYB
  6. Jiang P, Peng W, Zhao J, et al. Glycan/Protein-Stable Isotope Labeling in Cell Culture for Enabling Concurrent Quantitative Glycomics/Proteomics/Glycoproteomics. Analytical Chemistry. 2023;95(44):16059–16069. doi: 10.1021/acs.analchem.3c00247 EDN: HDPVBM
  7. Wolters DA, Washburn MP, Yates JR. An Automated Multidimensional Protein Identification Technology for Shotgun Proteomics. Analytical Chemistry. 2001;73(23):5683–5690. doi: 10.1021/ac010617e
  8. Bian Y, Zheng R, Bayer FP, et al. Robust, Reproducible and Quantitative Analysis of Thousands of Proteomes by Micro-Flow LC–MS/MS. Nature Communications. 2020;11(1):157. doi: 10.1038/s41467-019-13973-x EDN: SDQBNF
  9. Adav SS, Leung CY, Ng KW. Profiling of Hair Proteome Revealed Individual Demographics. Forensic Science International: Genetics. 2023;66:102914. doi: 10.1016/j.fsigen.2023.102914 EDN: SZDFOX
  10. Mickleburgh HL, Schwalbe EC, Bonicelli A, et al. Human Bone Proteomes before and after Decomposition: Investigating the Effects of Biological Variation and Taphonomic Alteration on Bone Protein Profiles and the Implications for Forensic Proteomics. Journal of Proteome Research. 2021;20(5):2533–2546. doi: 10.1021/acs.jproteome.0c00992 EDN: YGTMFO
  11. Li Y, Xun D, Li L, et al. Deep Dive on the Proteome of Human Body Fluids: A Valuable Data Resource for Biomarker Discovery. Cancer Genomics and Proteomics. 2021;18(4):549–568. doi: 10.21873/cgp.20280 EDN: SXLVTB
  12. Parker GJ, McKiernan HE, Legg KM, Goecker ZC. Forensic Proteomics. Forensic Science International: Genetics. 2021;54:102529. doi: 10.1016/j.fsigen.2021.102529 EDN: XBXXJV
  13. Bonicelli A, Di Nunzio A, Di Nunzio C, Procopio N. Insights into the Differential Preservation of Bone Proteomes in Inhumed and Entombed Cadavers from Italian Forensic Caseworks. Journal of Proteome Research. 2022;21(5):1285–1298. doi: 10.1021/acs.jproteome.1c00904 EDN: BTQOIH
  14. Franceschetti L, Amadasi A, Bugelli V, et al. Estimation of Late Postmortem Interval: Where Do We Stand? A Literature Review. Biology. 2023;12(6):783. doi: 10.3390/biology12060783 EDN: NJVWJN
  15. Brockbals L, Garrett-Rickman S, Fu S, et al. Estimating the Time of Human Decomposition Based on Skeletal Muscle Biopsy Samples Utilizing an Untargeted LC–MS/MS-based Proteomics Approach. Analytical and Bioanalytical Chemistry. 2023;415(22):5487–5498. doi: 10.1007/s00216-023-04822-4 EDN: SXNXAY
  16. Mizukami H, Hathway B, Procopio N. Aquatic Decomposition of Mammalian Corpses: A Forensic Proteomic Approach. Journal of Proteome Research. 2020;19(5):2122–2135. doi: 10.1021/acs.jproteome.0c00060 EDN: TOEFBK
  17. Merkley ED, Wunschel DS, Wahl KL, Jarman KH. Applications and Challenges of Forensic Proteomics. Forensic Science International. 2019;297:350–363. doi: 10.1016/j.forsciint.2019.01.022 EDN: RVBHXU
  18. Halikov AA, Kildyushov EM, Kuznetsov KO, et al. Use of microRNA to Estimate Time Science Death: Review. Russian Journal of Forensic Medicine. 2021;7(3):132–138. doi: 10.17816/fm412 EDN: FHYOZZ
  19. Kildyushov EM, Ermakova YV, Tumanov EV, Kuznetsova GS. Estimation of Time Since Death in the Late Postmortem Period in Forensic Medicine (Literature Review). Russian Journal of Forensic Medicine. 2018;4(1):34–38. doi: 10.19048/2411-8729-2018-4-1-34-38 EDN: YWDARF
  20. Indiaminov SI, Zhumanov ZE, Blinova SA. Problems of Establishing the Prescription of Death. Forensic Medical Expertise. 2020;63(6):45–50. doi: 10.17116/sudmed20206306145 EDN: FXLSCS
  21. Ferreira MT, Cunha E. Can we Infer Post Mortem Interval on the Basis of Decomposition Rate? A Case from a Portuguese Cemetery. Forensic Science International. 2013;226(1-3):298.e1–298.e6. doi: 10.1016/j.forsciint.2013.01.006
  22. Jellinghaus K, Hachmann C, Hoeland K, et al. Correction to: Collagen Degradation as a Possibility to Determine the Post-Mortem Interval (PMI) of Animal Bones: A Validation Study Referring to an Original Study of Boaks et al. (2014). International Journal of Legal Medicine. 2018;132(3):765–765. doi: 10.1007/s00414-018-1782-z
  23. Zelentsova EA, Yanshole LV, Melnikov AD, et al. Post-Mortem Changes in Metabolomic Profiles of Human Serum, Aqueous Humor and Vitreous Humor. Metabolomics. 2020;16(7):80. doi: 10.1007/s11306-020-01700-3 EDN: YHUAPI
  24. Wu H, Liu FF, Wu JD, Xie Y. Research Progress on Estimation of Postmortem Interval Based on Ocular Tissues Structure. Fa Yi Xue Za Zhi. 2023;39(1):50–56. doi: 10.12116/j.issn.1004-5619.2021.410602
  25. Zissler A, Stoiber W, Geissenberger J, et al. Influencing Factors on Postmortem Protein Degradation for PMI Estimation: A Systematic Review. Diagnostics. 2021;11(7):1146. doi: 10.3390/diagnostics11071146 EDN: LGHYTE
  26. Martin C, Verheggen F. Odour Profile of Human Corpses: A Review. Forensic Chemistry. 2018;10:27–36. doi: 10.1016/j.forc.2018.07.002
  27. Procopio N, Hopkins RJA, Harvey VL, Buckley M. Proteome Variation with Collagen Yield in Ancient Bone. Journal of Proteome Research. 2021;20(3):1754–1769. doi: 10.1021/acs.jproteome.0c01014 EDN: BZKNHN
  28. Qi F, Tan Y, Yao A, et al. Psoriasis to Psoriatic Arthritis: The Application of Proteomics Technologies. Frontiers in Medicine. 2021;8:681172. doi: 10.3389/fmed.2021.681172 EDN: NPHHJX
  29. Sacco MA, Aquila I. Proteomics: A New Research Frontier in Forensic Pathology. International Journal of Molecular Sciences. 2023;24(13):10735. doi: 10.3390/ijms241310735 EDN: LHPKWV
  30. Duong VA, Park JM, Lim HJ, Lee H. Proteomics in Forensic Analysis: Applications for Human Samples. Applied Sciences. 2021;11(8):3393. doi: 10.3390/app11083393 EDN: ACJCEU
  31. Rose JP, Schurman CA, King CD, et al. Deep Coverage and Quantification of the Bone Proteome Provides Enhanced Opportunities for New Discoveries in Skeletal Biology and Disease. PLOS ONE. 2023;18(10):e0292268. doi: 10.1371/journal.pone.0292268 EDN: XCZVTY
  32. Creecy A, Damrath JG, Wallace JM. Control of Bone Matrix Properties by Osteocytes. Frontiers in Endocrinology. 2021;11:578477. doi: 10.3389/fendo.2020.578477 EDN: CUSLVW
  33. Volk SW, Shah SR, Cohen AJ, et al. Type III Collagen Regulates Osteoblastogenesis and the Quantity of Trabecular Bone. Calcified Tissue International. 2014;94(6):621–631. doi: 10.1007/s00223-014-9843-x EDN: BXNINO
  34. Ivanova VP, Krivchenko AI. Current Viewpoint on Structure and on Evolution of Collagens. II. Fibril-Associated Collagens. Journal of Evolutionary Biochemistry and Physiology. 2014;50(4):273–285. doi: 10.1134/S0022093014040012 EDN: UFPNRJ
  35. Vavilov AY, Khalikov AA, Rykunov IA, et al. Determination of the Corpse’s Stay in the Water Duration According to Maceration Degree of its Skin. Forensic Medical Expertise. 2023;66(3):64–68. doi: 10.17116/sudmed20236603164 EDN: BOUGOE
  36. Procopio N, Chamberlain AT, Buckley M. Exploring Biological and Geological Age-related Changes through Variations in Intra- and Intertooth Proteomes of Ancient Dentine. Journal of Proteome Research. 2018;17(3):1000–1013. doi: 10.1021/acs.jproteome.7b00648 EDN: YGDOTJ
  37. Holtz A, Basisty N, Schilling B. Quantification and Identification of Post-Translational Modifications Using Modern Proteomics Approaches. In; Marcus K, Eisenacher M, Sitek D, editors. Quantitative Methods in Proteomics. Methods in Molecular Biology. Humana, New York: Springer Protocols; 2021; P. 225–235. ISBN: 978-1-0716-1024-4 doi: 10.1007/978-1-0716-1024-4_16
  38. Donaldson AE, Lamont IL. Biochemistry Changes That Occur after Death: Potential Markers for Determining Post-Mortem Interval. PLoS ONE. 2013;8(11):e82011. doi: 10.1371/journal.pone.0082011
  39. Aslam B, Basit M, Nisar MA, et al. Proteomics: Technologies and Their Applications. Journal of Chromatographic Science. 2016;55(2):182–196. doi: 10.1093/chromsci/bmw167
  40. Rhein M, Hagemeier L, Klintschar M, et al. DNA Methylation Results Depend on DNA Integrity—Role of Post Mortem Interval. Frontiers in Genetics. 2015;6:182. doi: 10.3389/fgene.2015.00182
  41. Pittner S, Ehrenfellner B, Zissler A, et al. First Application of a Protein-Based Approach for Time Since Death Estimation. International Journal of Legal Medicine. 2016;131(2):479–483. doi: 10.1007/s00414-016-1459-4 EDN: LILOFA
  42. Marrone A, La Russa D, Barberio L, et al. Forensic Proteomics for the Discovery of New post mortem Interval Biomarkers: A Preliminary Study. International Journal of Molecular Sciences. 2023;24(19):14627. doi: 10.3390/ijms241914627 EDN: NFNVVZ
  43. Sidorova NA, Popov VL, Lavrukova OS. Features of Physiological Groups of Microorganisms — Participants in the Diagenesis of Bone Remains. Forensic Medical Expertise. 2021;64(5):41–45. doi: 10.17116/sudmed20216405141 EDN: BOBKCX
  44. Procopio N, Mein CA, Starace S, et al. Bone Diagenesis in Short Timescales: Insights from an Exploratory Proteomic Analysis. Biology. 2021;10(6):460. doi: 10.3390/biology10060460 EDN: DFDWGZ
  45. Ahmad A, Imran M, Ahsan H. Biomarkers as Biomedical Bioindicators: Approaches and Techniques for the Detection, Analysis, and Validation of Novel Biomarkers of Diseases. Pharmaceutics. 2023;15(6):1630. doi: 10.3390/pharmaceutics15061630 EDN: ZQCYIE
  46. Jellinghaus K, Urban PK, Hachmann C, et al. Collagen Degradation as a Possibility to Determine the Post-Mortem Interval (PMI) of Human Bones in a Forensic Context – A Survey. Legal Medicine. 2019;36:96–102. doi: 10.1016/j.legalmed.2018.11.009
  47. Boaks A, Siwek D, Mortazavi F. The Temporal Degradation of Bone Collagen: A Histochemical Approach. Forensic Science International. 2014;240:104–110. doi: 10.1016/j.forsciint.2014.04.008
  48. Sacco MA, Cordasco F, Scalise C, et al. Systematic Review on Post-Mortem Protein Alterations: Analysis of Experimental Models and Evaluation of Potential Biomarkers of Time of Death. Diagnostics. 2022;12(6):1490. doi: 10.3390/diagnostics12061490 EDN: NNVJXN
  49. Kram V, Shainer R, Jani P, et al. Biglycan in the Skeleton. Journal of Histochemistry & Cytochemistry. 2020;68(11):747–762. doi: 10.1369/0022155420937371 EDN: DIMWEJ
  50. Prieto-Bonete G, Pérez-Cárceles MD, Maurandi-López A, et al. Association Between Protein Profile and Postmortem Interval in Human Bone Remains. Journal of Proteomics. 2019;192:54–63. doi: 10.1016/j.jprot.2018.08.008 EDN: YKLYPJ
  51. Procopio N, Williams A, Chamberlain AT, Buckley M. Forensic Proteomics for the Evaluation of the Post-Mortem Decay in Bones. Journal of Proteomics. 2018;177:21–30. doi: 10.1016/j.jprot.2018.01.016
  52. Office of the Surgeon General (US). Bone Health and Osteoporosis: A Report of the Surgeon General. Rockville (MD): Office of the Surgeon General (US); 2004. Available from: https://www.ncbi.nlm.nih.gov/books/NBK45513/
  53. Procopio N, Buckley M. Minimizing Laboratory-Induced Decay in Bone Proteomics. Journal of Proteome Research. 2016;16(2):447–458. doi: 10.1021/acs.jproteome.6b00564 EDN: YXOVPR
  54. Procopio N, Chamberlain AT, Buckley M. Intra- and Interskeletal Proteome Variations in Fresh and Buried Bones. Journal of Proteome Research. 2017;16(5):2016–2029. doi: 10.1021/acs.jproteome.6b01070
  55. Wadsworth C, Buckley M. Proteome Degradation in Fossils: Investigating the Longevity of Protein Survival in Ancient Bone. Rapid Communications in Mass Spectrometry. 2014;28(6):605–615. doi: 10.1002/rcm.6821
  56. Ntasi G, Palomo IR, Marino G, et al. Molecular Signatures Written in Bone Proteins of 79 AD Victims from Herculaneum and Pompeii. Scientific Reports. 2022;12(1):8401. doi: 10.1038/s41598-022-12042-6 EDN: ZZGORT
  57. Mukherjee A, Rotwein P. Insulin-Like Growth Factor-Binding Protein-5 Inhibits Osteoblast Differentiation and Skeletal Growth by Blocking Insulin-Like Growth Factor Actions. Molecular Endocrinology. 2008;22(5):1238–1250. doi: 10.1210/me.2008-0001
  58. Shuken SR. An Introduction to Mass Spectrometry-Based Proteomics. Journal of Proteome Research. 2023;22(7):2151–2171. doi: 10.1021/acs.jproteome.2c00838 EDN: LYMSIJ
  59. Zhang HW, Lv C, Zhang LJ, et al. Application of Omics- and Multi-Omics-Based Techniques for Natural Product Target Discovery. Biomedicine & Pharmacotherapy. 2021;141:111833. doi: 10.1016/j.biopha.2021.111833 EDN: GDUUZU
  60. Pascovici D, Wu JX, McKay MJ, et al. Clinically Relevant Post-Translational Modification Analyses—Maturing Workflows and Bioinformatics Tools. International Journal of Molecular Sciences. 2018;20(1):16. doi: 10.3390/ijms20010016 EDN: KJCYCE
  61. Chen X, Wei S, Ji Y, et al. Quantitative Proteomics Using SILAC: Principles, Applications, and Developments. Proteomics. 2015;15(18):3175–3192. doi: 10.1002/pmic.201500108
  62. Wang X, He Y, Ye Y, et al. SILAC–Based Quantitative MS Approach for Real-Time Recording Protein-Mediated Cell-Cell Interactions. Scientific Reports. 2018;8(1):8441. doi: 10.1038/s41598-018-26262-2 EDN: DKDQCP
  63. Swan AL, Mobasheri A, Allaway D, et al. Application of Machine Learning to Proteomics Data: Classification and Biomarker Identification in Postgenomics Biology. OMICS: A Journal of Integrative Biology. 2013;17(12):595–610. doi: 10.1089/omi.2013.0017 EDN: MTRVWU
  64. Chen C, Hou J, Tanner JJ, Cheng J. Bioinformatics Methods for Mass Spectrometry-Based Proteomics Data Analysis. International Journal of Molecular Sciences. 2020;21(8):2873. doi: 10.3390/ijms21082873 EDN: QVSXLB
  65. Wilke C. Proteomics Offers New Clues for Forensic Investigations. ACS Central Science. 2021;7(10):1595–1598. doi: 10.1021/acscentsci.1c01232 EDN: QWAWGY
  66. Broadbelt KG, Rivera KD, Paterson DS, et al. Brainstem Deficiency of the 14-3-3 Regulator of Serotonin Synthesis: A Proteomics Analysis in the Sudden Infant Death Syndrome. Molecular & Cellular Proteomics. 2012;11(1):M111.009530. doi: 10.1074/mcp.M111.009530
  67. Sawafuji R, Cappellini E, Nagaoka T, et al. Proteomic Profiling of Archaeological Human Bone. Royal Society Open Science. 2017;4(6):161004. doi: 10.1098/rsos.161004 EDN: YFCEBR
  68. Wadsworth C, Procopio N, Anderung C, et al. Comparing Ancient DNA Survival and Proteome Content in 69 Archaeological Cattle Tooth and Bone Samples From Multiple European Sites. Journal of Proteomics. 2017;158:1–8. doi: 10.1016/j.jprot.2017.01.004 EDN: YYBWPN
  69. Bonicelli A, Mickleburgh HL, Chighine A, et al. The ‘ForensOMICS’ Approach for Postmortem Interval Estimation From Human Bone by Integrating Metabolomics, Lipidomics, and Proteomics. eLife. 2022;11:e83658. doi: 10.7554/eLife.83658 EDN: ZASEWN

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Эко-Вектор, 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».