法医到现场，第一个要回答的问题往往不是"谁干的"，而是"他死了多久"。
这个问题比想象中难。尸僵什么时候开始、什么时候退，受温度影响很大；尸斑沉不沉，跟体位和血液状态有关；直肠温度每小时降多少，要套公式，还得看天气、衣着、胖瘦。夏天最要命——气温高的时候，死亡时间差几个小时，整套推理的方向就可能反过来。
于是一个看起来有点反直觉的办法，被搬上了台面：不是看尸体本身，而是看尸体里的细菌。
人活着的时候，免疫系统是一道持续在巡逻的岗。肠道、口腔、鼻腔这些地方住着几十万亿细菌，它们被压着，彼此维持着一个勉强稳定的比例。人一死，岗停了。原本被压制的那些细菌开始往外走、开始换班——先来的先占，后来的接管，每一步的菌群构成都不一样。
这条按时间排好的接力路线，被叫作"微生物钟"。它的学名更拗口一些：尸体内部的那套，叫死亡微生物组（thanatomicrobiome）；体表表面的那套，叫体表坏死微生物组（epinecrotic microbiome）。两套钟同时在走，走的路线还不一样。
真正把这套东西做成"钟"的，是美国科罗拉多大学的一组研究者。他们先在小鼠上做，观察死后几十天里，不同部位的菌群怎么一步步换人；随后把同样的方法用到人类遗体上。结论是：在受控条件下，单看菌群的构成，就能把死亡时间框在两到三天的误差范围内，而且这套判断在数周的时间跨度里都还有效。
更细的一层是：不同器官的"签名"不同。肠道有肠道的演替路线，口腔和鼻腔各有各的，皮肤上还有一套。同一具遗体，取不同的位置，等于在读几块不同的表。研究者还发现，死因、生前的健康状况、环境的温湿度，都会让钟走的快慢发生变化——所以它不是一块走时精确的表，而是一套需要校准的时间线索。
校准的办法之一是找"替身"。猪的肠道菌群与人类相似度大约八成，于是不少实验拿猪来做。有一组研究专门跟踪猪鼻子里的菌群——极端寒冷的环境下，连续观察了二十三周，把菌群数据加上环境温度、降雪这些变量一起建模，平均误差降到了一周多一点（约 1.36 周），拟合度超过 0.9；换到温带的夏天，分解快得多，鼻腔在十天内就能完全骨架化，而蝇类产卵在死后四十二小时就已经开始。这套模型后来还拿去和一份人类面部的菌群数据做外部验证，跨物种、跨地区、跨实验室，都还有一定的迁移能力。
现在的分析手段，早就不是培养皿里长菌落了。16S rRNA 测序、宏基因组测序、还有更新的 2bRAD-M，一次就能读出样本里成百上千种细菌的相对比例。读出来的这堆数字，交给随机森林一类的机器学习模型去拟合时间——这类模型在这种"维度高、关系非线性、样本又不算多"的问题上，表现通常比传统统计方法好。也有研究开始用卷积神经网络来做同样的事。
但研究者自己并不急着宣布胜利。温度仍然是最关键的变量，也是最难标定的变量；样本量还不够大，不同气候带的数据也不均衡；微生物在死后还会发生"移位"，肠道里的菌跑到别处去，这会干扰判断。目前的共识是：微生物钟可以补充传统尸检，但还不能取代它。
说到这里，有一个细节值得一提。人走了以后，身体并没有立刻安静下来。它只是换了一批住户——那群和你共生了十几年、几十年的细菌，在你停下来的地方，继续按你的身体走完最后一段路。它们把你的最后一段时间，一格一格地记了下来。
那种记录精确、客观，甚至比任何目击者都可靠。
但它也什么都说不出来。它记不住你的名字，记不住你爱过谁、后悔过什么，也记不住最后一个下午你在想什么。它只记时间。
所以"被记住"这件事，最后还是要靠那些不精确的东西：一句你亲手写的话，一段你声音里的语气，一张你没删掉的照片。它们不如菌群序列严谨，但它们里头有你。