指甲里的 “性别密码” 与 “年龄印记”：FTIR 光谱和线性回归模型的神奇探测之旅

为解决基于指甲样本预测性别和年龄的问题，罗马尼亚克卢日 - 纳波卡技术大学的研究人员开展相关研究。结果显示 PCR 模型预测性别、BSR 模型预测年龄较准。该研究为法医调查提供新工具，推荐科研读者阅读123。

　　

在科学研究的广阔领域中，有一个看似不起眼却暗藏玄机的研究对象 —— 指甲。你可别小瞧了这小小的指甲，它就像一个隐藏的信息宝库，默默记录着人体的许多秘密。

随着科技的不断发展，FTIR（傅里叶变换红外光谱技术）这种强大的分析工具逐渐崭露头角。它就像一个微观世界的 “透视镜”，能够快速且无损地对各种物质进行定性和定量分析，帮助我们识别蛋白质、核酸、脂质等生物分子的组成和结构。在医学领域，FTIR 更是大显身手，已经被广泛用于多种疾病的检测，比如自身免疫性疾病、阿尔茨海默病、骨质疏松症等。在体育分析方面，它还能用于健康监测和反兴奋剂检测。

指甲作为人体的一部分，因其特殊的结构和持续生长的特性，吸引了众多科研人员的目光。它不仅包含着遗传信息，而且其结构的变化还与各种疾病密切相关。例如，糖尿病患者指甲中糖化蛋白的浓度就与非糖尿病患者不同；银屑病会改变指甲蛋白质的结构；药物滥用或人体接触无机污染物也会影响指甲的矿物质组成。此外，利用指甲进行生物特征识别和法医分析的研究也越来越多。近年来，一些研究尝试通过分析指甲样本来确定人的性别和年龄，但相关研究还存在不足。为了更深入地探索指甲中隐藏的信息，提高性别和年龄预测的准确性，来自罗马尼亚克卢日 - 纳波卡技术大学北大学中心的研究人员在《Heliyon》期刊上发表了一篇名为《The application of multiple linear regression methods to FTIR spectra of fingernails for predicting gender and age of human subjects》的论文。

这项研究旨在探索基于指甲 FTIR 光谱的化学计量分析来快速预测性别和年龄的方法。研究人员最终发现，主成分回归（PCR）模型在性别预测方面表现最佳，8 个提取的成分能使预测准确率达到 93.50%（女性为 86.00%，男性为 98.63%），交叉验证后对新样本的性别预测准确率为 91.06%（女性为 84.00%，男性为 95.89%）；而反向逐步回归（BSR）模型在年龄预测方面最优，6 个统计显著的预测因子使平均误差为 11.39%（女性为 13.70%，男性为 9.81%） ，预测误差为 12.13%（女性为 11.73%，男性为 10.35%），不过年龄预测的准确性整体低于性别预测，仅 65.04% 的受试者年龄能以最大 10.00% 的误差进行预测。这一研究成果对于法医学等领域具有重要意义，为未知对象的性别和年龄预测提供了一种潜在的有力工具。

为了完成这项研究，研究人员采用了多个关键技术方法。首先是样本收集与处理，他们从 123 名健康志愿者（50 名女性和 73 名男性，年龄 21 - 85 岁）那里收集指甲样本，经过丙酮清洗、超纯水冲洗和干燥等处理后储存备用。接着，利用 PerkinElmer FTIR 分光光度计 BX2 对指甲样本进行光谱分析，在特定波长范围内扫描获取光谱数据。然后，对数据进行预处理，选取特定波数范围并进行基线校正和归一化处理。最后，运用多种线性回归模型（包括 MLR、FSR、BSR、PCR 和 PLS）进行数据分析，并采用留一法交叉验证评估模型性能。

下面让我们来看看具体的研究结果。

光谱特征

研究人员收集的 FTIR 光谱中，3600 - 2800 和 1800 - 1000 这两个光谱区域涵盖了指甲成分的主要元素，如肽、蛋白质（角蛋白）、脂质（主要是胆固醇）、含磷酸盐化合物和水。通过分析，确定了各个波数对应的主要振动带归属，比如 3286 对应 O - H 伸缩振动，3263 是肽和蛋白质中 NH?的伸缩振动模式等。这就像是给指甲的微观世界绘制了一张详细的 “地图”，让研究人员能更清楚地了解指甲的成分信息。

数据可变性

研究人员对数据的可变性进行了深入研究。他们发现，样本的可变性在 1.82% - 5.35% 之间，人员的可变性在 3.48% - 6.57% 之间。而且，同一人的左手和右手指甲的 FTIR 光谱没有显著差异。同时，使用处理后的光谱数据，样本可变性、人员可变性和总可变性都显著降低，总可变性与个体可变性的比值从原始光谱的 2.53 提高到处理后光谱的 4.16。这表明处理后的光谱数据能更准确地区分不同个体，为后续的性别和年龄预测奠定了良好的基础。

与性别和年龄相关的自变量识别

为了找到与性别和年龄相关的自变量，研究人员进行了一系列操作。他们计算了所有波数下光谱吸光度值与性别（女性用 0 表示，男性用 1 表示）和年龄的相关系数，并进行统计显著性检验。从相关系数绝对值随波数变化的图中，筛选出了与性别相关的 27 个波数和与年龄相关的 24 个波数。这些波数对应的吸光度值将作为后续回归模型中的自变量，就像是打开性别和年龄预测大门的 “钥匙”。

回归模型的结果

研究人员测试了多种回归模型来预测性别和年龄。

• 性别预测：在性别预测方面，不同模型表现各异。MLR 模型在使用 27 个自变量时，模型的性别预测能力为 95.12%，验证时为 86.18% ，但由于自变量中只有 7 个具有统计学意义，导致验证时预测率较低。逐步回归方法 FSR 和 BSR 分别找到了包含 11 个和 13 个统计显著预测因子的最优模型，预测能力分别为 92.68% 和 93.50%，验证时为 88.62% 和 90.24%。PCR 模型基于前 8 个主成分的预测能力为 93.50%，验证时为 91.06%，在所有模型中表现最佳。PLS 模型在不同成分组合下也有不同的预测效果。综合比较，PCR 模型被选为性别预测的最准确模型13。
• 年龄预测：对于年龄预测，MLR 模型使用 24 个自变量时，平均误差为 10.04%，验证时为 14.68% ，保留显著预测因子后模型平均误差增加到 12.44%，验证时平均误差降至 13.87%。在逐步回归方法中，BSR 使用 6 个统计显著预测因子产生了最佳结果，平均模型误差为 11.39%，验证时平均预测误差最低，为 12.13%。PCR 和 PLS 方法在年龄预测上效果不如 BSR，PLS 使用 8 个提取成分时，验证时平均误差为 12.72% 。研究还发现，对于 65.04% 的受试者，年龄可预测的最大误差为 10.00%，但 95.12% 的受试者年龄预测最大误差为 50%，这表明年龄预测的准确性相对较低245。

综合来看，这项研究通过对指甲 FTIR 光谱的化学计量分析，在性别和年龄预测方面取得了重要成果。研究表明，基于指甲 FTIR 光谱和化学计量分析预测性别和年龄是可行的，PCR 模型在性别预测上表现出色，BSR 模型则更适合年龄预测。虽然年龄预测的准确性还有待提高，但这一研究为相关领域开辟了新的道路。在未来，尤其是在法医学领域，这种基于指甲分析的方法可能会成为一种重要的技术手段，帮助警方等相关人员更准确地确定未知对象的身份信息，为案件侦破等工作提供有力支持。同时，也为后续进一步研究指甲与人体健康、身份特征之间的关系提供了宝贵的参考，激励更多科研人员探索指甲这个微观世界的更多奥秘。