Norwegian: Donorkarakteristikker fra spytt igjen på åstedene: røyker eller ikke-røyker?

Oppdagelsen av kroppsvæsker under rettsmedisinsk etterforskning kan gi utallige ledetråder til en forbrytelse. Spytt blir ofte motarbeidet under visse etterforskninger, spesielt i etterforskningen av seksuelle overgrep og andre voldelige forbrytelser. Den mengde kjemisk informasjon som ligger i den komplekse matrisen kan gi ledetråder om hvem som kan ha etterlatt stoffet. Et eksempel på dette er hvorvidt giveren er røyker eller ikke.

Et team av forskere ved Universitetet i Albany har slått nyhetene flere ganger de siste årene med sine raske verktøy på stedet for kroppsvæskeanalyse. Ved å bruke Raman-spektroskopi har gruppen med suksess utviklet metoder for å identifisere kroppsvæsker, estimere kroppsvæskealder og bestemme karakteristikker til giveren, som rase og kjønn. I den siste artikkelen av Igor Lednev og hans kolleger, publisert i Journal of Biophotonics, har Raman-spektroskopi vist seg å skille mellom røykere og ikke-røykere.

I samarbeid med forskere ved Kuwait University brukte teamet Raman-spektroskopi på tørket spytt fra røykere og ikke-røykere, med sikte på å bruke kjemiske forskjeller i prøvene for å avgjøre om giveren røyker eller ikke. Raman-spektroskopi er en ikke-destruktiv teknikk som muliggjør rask analyse av prøver på stedet, og produserer særegne kjemiske fingeravtrykk som består av bånd produsert ved interaksjon av lys med molekylære strukturer.

Man kan anta at testen vil målrette mot nikotin, en viktig kjemisk komponent i tobakk. Nikotin er imidlertid relativt kortvarig i kroppen, og er derfor ikke et egnet mål for analytiske tester. I stedet fokuserte forskerne på kotinin, en primær metabolitt av nikotin med en betydelig lengre halveringstid. Spyttprøver fra 32 donorer ble analysert ved Raman-spektroskopi og de produserte kjemiske profilene ble studert for forskjeller. Forskere møtte snart et problem. Raman-bånd som indikerer kotinin overlappet med typiske Raman-bånd produsert av spytt, noe som gjorde deteksjonen av kotinin i spytt utfordrende. Teamet brukte maskinlæring for å løse dette problemet.

Først identifiserte de åtte spektrale regioner som bidro med størst variasjon mellom spyttet til røykere og ikke-røykere. Ved hjelp av et kunstig nevralt nettverk ble en klassifiseringsmodell konstruert for prediksjon av røykevaner til en donor. Ved å legge inn kjemiske data fra kjente prøver, er nettverket i stand til å lære av dataene for å forutsi en utgang (i dette tilfellet, om giveren av en spyttprøve var en røyker eller ikke). I laboratoriebaserte studier oppnådde den konstruerte modellen en imponerende nøyaktighet på 100 %.

Selv om denne pilotstudien var basert på en svært begrenset prøvestørrelse, viser teknikken stort lovende i bestemmelsen av donorkarakteristikker fra tørkede kroppsvæsker.

Al-Hetlani et al. Å skille røykere og ikke-røykere basert på Raman-spektroskopi av munnvæske og avansert statistikk for rettsmedisinske applikasjoner. Journal of Biophotonics, og kan finnes her: https://onlinelibrary.wiley.com/doi/abs/10.1002/jbio.201960123 som alltid, vær trygg!

fugl