Naarmate het forensische veld evolueert, wordt complexer bewijsmateriaal met grotere precisie, gevoeligheid en snelheid verwerkt dan ooit tevoren. Om een voorbeeld uit de praktijk te geven, denk aan een bankoverval waarbij de dader een pen gebruikt, die beschikbaar is voor alle klanten, om het briefje te schrijven dat hij aan de baliemedewerker geeft. In dit geval heeft de dader huidcellen op deze pen gedeponeerd, maar ook verschillende andere mensen. Het resultaat is een complexe mix van DNA van al deze individuen. Waar 30 jaar geleden een forensisch wetenschapper de bankrover waarschijnlijk nodig had om een paar druppels bloed op de pen achter te laten om een DNA-profiel te maken, hebben ze tegenwoordig maar een paar cellen nodig.
Het vermogen om biologisch bewijsmateriaal dat complexe mengsels of lage DNA-niveaus bevat te evalueren, is mogelijk dankzij computersoftware die gebruikmaakt van probabilistische modelleringsmethoden. Deze programma's gebruiken complexe algoritmen om de waarschijnlijkheden te schatten die verband houden met individuen die bijdragen aan het DNA-mengsel. Maar ondanks dergelijke innovatieve benaderingen voor de interpretatie van mengsels, bestaan er nog steeds grotendeels beperkingen vanwege de algehele complexiteit van niet-ongerept DNA en het gebrek aan middelen zoals rekenkracht, tijd en kosten.
Onderzoekers hebben een nieuwe hybride machine learning-aanpak (MLA) voor mengselanalyse ontwikkeld (Amerikaans octrooinummer 10,957,421). Hun methode combineert de sterke punten van de huidige computationele en expertanalysebenaderingen met die van datamining en kunstmatige intelligentie.
Hun MLA maakt snelle en geautomatiseerde deconvolutie (scheiding) van DNA-mengsels mogelijk met verhoogde nauwkeurigheid in vergelijking met de huidige methoden. De software vereist minimale computer- en financiële middelen en levert steeds meer informatieve, betrouwbare conclusies.
Hoewel dit intellectuele eigendom nog niet volledig is ontwikkeld voor commercieel gebruik, streven ze naar financiering om de transitie te bewerkstelligen technologie. Zodra dit is gebeurd, hebben ze goede hoop dat de nieuwe methode zal worden gebruikt in de wetshandhavings- en strafrechtgemeenschappen, met name door forensische DNA-wetenschappers en de juridische gemeenschap.
De onderzoekers zeggen dat FNSSI-studenten momenteel componenten van de kunnen gebruiken machine learning aanpak en, zodra een commerciële partner is beveiligd en het product volledig is ontwikkeld, zullen ze beginnen met de implementatie ervan in het FNSSI-curriculum. Andere gepatenteerde technologieën van Marciano en Adelman worden momenteel gebruikt door studenten.
FNSSI-directeur Kathleen Corrado zegt dat het hebben van deze technologie aan de Syracuse University studenten in staat zal stellen om te werken met innovatieve analysetechnieken, die essentiële vaardigheden zijn voor forensische wetenschappers, aangezien het veld meer in de richting van computationele analyse beweegt.
Deze opwindende nieuwe tool voor analyse van DNA-mengsels benadrukt de creativiteit en het collaboratieve karakter van het werk dat door onze faculteit wordt gedaan. Het ontwikkelen van dergelijke technologie en het delen ervan met de forensische gemeenschap zijn belangrijke elementen van het FNSSI-onderzoeksprogramma.
