Swedish: Givaregenskaper från saliv kvar på brottsplatser: rökare eller icke-rökare?

Upptäckten av kroppsvätskor under rättsmedicinsk utredning kan ge otaliga ledtrådar till ett brott. Saliv motverkas ofta under vissa utredningar, särskilt vid utredning av sexuella övergrepp och andra våldsbrott. Den mängd kemisk information som finns i den komplexa matrisen kan ge ledtrådar om vem som kan ha lämnat ämnet bakom sig. Ett exempel på detta är om donatorn är rökare eller inte.

Ett team av forskare vid universitetet i Albany har träffat nyheterna flera gånger under de senaste åren med sina snabba verktyg på plats för kroppsvätskeanalys. Med hjälp av Raman-spektroskopi har gruppen framgångsrikt utvecklat metoder för att identifiera kroppsvätskor, uppskatta kroppsvätskeåldern och bestämma donatorns egenskaper, såsom ras och kön. I den senaste artikeln av Igor Lednev och hans kollegor, publicerad i Journal of Biophotonics, har Ramanspektroskopi visat sig skilja mellan rökare och icke-rökare.

I samarbete med forskare vid Kuwait University tillämpade teamet Raman-spektroskopi på torkad saliv från rökare och icke-rökare, i syfte att använda kemiska skillnader i proverna för att avgöra om donatorn röker eller inte. Raman-spektroskopi är en oförstörande teknik som möjliggör snabb analys på plats av prover, som producerar distinkta kemiska fingeravtryck som består av band som produceras av ljusets interaktion med molekylära strukturer.

Man kan anta att testet skulle rikta sig mot nikotin, en viktig kemisk komponent i tobak. Nikotin är dock relativt kortlivat i kroppen och är därför inte ett lämpligt mål för analytiska tester. Istället fokuserade forskarna på kotinin, en primär metabolit av nikotin med en betydligt längre halveringstid. Salivprover från 32 donatorer analyserades med Raman-spektroskopi och de framställda kemiska profilerna studerades för skillnader. Forskare stötte snart på ett problem. Raman-band som tyder på kotinin överlappade med typiska Raman-band som produceras av saliv, vilket gjorde upptäckten av kotinin i saliv utmanande. Teamet använde maskininlärning för att lösa detta problem.

Först identifierade de åtta spektrala regioner som bidrog med störst variation mellan saliv hos rökare och icke-rökare. Med hjälp av ett artificiellt neuralt nätverk konstruerades en klassificeringsmodell för att förutsäga en givares rökvanor. Genom att mata in kemiska data från kända prover kan nätverket lära sig av data för att förutsäga en utdata (i detta fall, om donatorn av ett salivprov var en rökare eller inte). I laboratoriebaserade studier uppnådde den konstruerade modellen en imponerande noggrannhet på 100 %.

Även om denna pilotstudie baserades på en mycket begränsad provstorlek, visar tekniken ett stort lovande vid bestämning av donatoregenskaper från torkade kroppsvätskor.

Al-Hetlani et al. Differentiering av rökare och icke-rökare baserat på Raman-spektroskopi av munvätska och avancerad statistik för rättsmedicinska tillämpningar. Journal of Biophotonics, och kan hittas här: https://onlinelibrary.wiley.com/doi/abs/10.1002/jbio.201960123 som alltid, var säker!

fågel