目的:在法医学研究中,死亡时间推断（postmortem interval estimation,PMI推断）始终是重点和热点,微生物群落在尸体腐败过程中有巨大作用是毋庸置疑的。已经有研究表明,尸体腐败过程中的微生物群落演替规律可以用来估计尸体的死后时间。然而,现有的大多数研究都是针对暴露于空气中的尸体。而事实上,埋葬尸体在法医调查中是非常常见的。本研究以大鼠埋葬尸体作为研究对象,采用高通量测序技术,对埋葬大鼠尸体腐败过程中微生物群落进行检测,比较尸坑土壤样本、直肠样本和皮肤样本的微生物群落组成,探讨微生物群落随着埋葬时间推移的演替规律,并利用机器学习算法构建用来推测PMI的随机森林模型。方法:本课题使用大鼠制备埋葬尸体模型,并于不同时间点采取样本,对样本进行前处理后提取样本中总DNA,利用16S r RNA基因V3-V4区通用引物对其进行扩增,使用融合引物进行建库,在Illumina Mi Seq FGx测序平台上进行测序,利用Cutadapt、QIIME、VSEARCH、ussearch等软件对高通量测序数据进行合并、质量过滤和聚类,基于UCHIME算法去除嵌合序列,将聚类后的数据与Silva数据库比对进行物种注释,利用R进行alpha多样性分析、计算1-Bray-Curtis距离、PCo A分析、多元方差分析,利用机器学习算法进行回归分析,通过十折交叉验证生成生物标志物组,构建预测PMI的随机森林模型。结果:研究发现,不同分解阶段的微生物群落结构存在明显差异。与腐败早期阶段相比,腐败晚期阶段的alpha多样性较低。微生物群落的相似性与PMI之间存在显著的线性关系。用尸坑土壤样本、直肠样本和皮肤样本构建的预测PMI的随机森林模型对微生物群落变化的解释度分别为86.83%、84.55%和81.67%,平均绝对误差分别为1.82、2.06和2.13天。结论:在大鼠尸体腐败过程中,微生物多样性减少,尸坑土壤样本、直肠样本和皮肤样本的微生物群落组成在腐败后期阶段变得更加相似。埋葬尸体微生物群落的演替规律可以用来预测埋葬尸体的PMI。