법의학 수사 중 체액의 발견은 범죄에 대한 수많은 단서를 제공할 수 있습니다. 타액은 특정 조사, 특히 성폭행 및 기타 폭력 범죄의 조사에서 종종 반박됩니다. 복잡한 매트릭스에 들어 있는 풍부한 화학 정보는 누가 물질을 남겼는지에 대한 단서를 제공할 수 있습니다. 이에 대한 한 가지 예는 기증자가 흡연자인지 여부입니다.
University at Albany의 연구원 팀은 체액 분석을 위한 신속한 현장 도구로 최근 몇 년 동안 여러 번 뉴스를 접했습니다. 라만 분광법을 사용하여 이 그룹은 체액을 식별하고 체액 나이를 추정하고 인종 및 성별과 같은 기증자의 특성을 결정하는 방법을 성공적으로 개발했습니다. Journal of Biophotonics에 게재된 Igor Lednev와 그의 동료들의 최신 논문에서 라만 분광법은 흡연자와 비흡연자를 구별하는 것으로 나타났습니다.
연구팀은 쿠웨이트 대학의 연구원들과 협력하여 흡연자와 비흡연자의 마른 타액에 라만 분광법을 적용하여 샘플의 화학적 차이를 사용하여 기증자의 흡연 여부를 결정했습니다. 라만 분광법은 빛과 분자 구조의 상호 작용에 의해 생성된 밴드로 구성된 독특한 화학적 지문을 생성하여 샘플의 신속한 현장 분석을 가능하게 하는 비파괴 기술입니다.
테스트가 담배의 주요 화학 성분인 니코틴을 대상으로 한다고 가정할 수 있습니다. 그러나 니코틴은 체내에서 상대적으로 수명이 짧기 때문에 분석 검사에 적합하지 않습니다. 대신 연구자들은 반감기가 현저히 긴 니코틴의 1차 대사산물인 코티닌에 초점을 맞췄습니다. 32명의 기증자의 타액 샘플을 라만 분광법으로 분석하고 생성된 화학적 프로파일의 차이를 연구했습니다. 연구자들은 곧 문제에 봉착했습니다. 코티닌을 나타내는 라만 밴드는 타액에 의해 생성되는 전형적인 라만 밴드와 중첩되어 타액에서 코티닌 검출을 어렵게 만듭니다. 팀은 이 문제를 해결하기 위해 기계 학습을 사용했습니다.
첫째, 그들은 흡연자와 비흡연자의 타액 사이에 가장 큰 변화를 일으키는 8개의 스펙트럼 영역을 확인했습니다. 인공 신경망을 이용하여 기증자의 흡연 습관 예측을 위한 분류 모델을 구축하였다. 네트워크는 알려진 샘플의 화학 데이터를 입력하여 출력을 예측하기 위해 데이터에서 학습할 수 있습니다(이 경우 타액 샘플의 기증자가 흡연자인지 여부). 실험실 기반 연구에서 구성된 모델은 100%의 놀라운 정확도를 달성했습니다.
이 파일럿 연구는 매우 제한된 샘플 크기를 기반으로 했지만 이 기술은 건조된 체액에서 기증자 특성을 결정하는 데 큰 가능성을 보여줍니다.
Al-Hetlani et al. 구강액의 라만 분광법과 법의학 응용을 위한 고급 통계를 기반으로 흡연자와 비흡연자를 구분합니다. Journal of Biophotonics, 그리고 여기에서 찾을 수 있습니다: https://onlinelibrary.wiley.com/doi/abs/10.1002/jbio.201960123 언제나처럼 안전을 유지하십시오!
새
No comments:
Post a Comment
Please be considerate of others, and please do not post any comment that has profane language. Please Do Not post Spam. Thank you.